GEOSTATISTIKA - cvičení č. 11: Interpolace úhrnů atmosférických srážek
metodami krigování
Zadání:
V programu ArcMap vytvořte pro Vámi zvolená čtyři související povodí mapu průměrných
zimních úhrnů srážek z nepravidelné sítě měření na srážkoměrných stanicích. Využijte
extenze Geostatistical analyst, strukturní analýzy a interpolačních metod základního
krigování.
Vstupní data:
ˇ Soubor RR_ROK_STANICE.SHP obsahuje srážkoměrné stanice s průměrnými
sezónními sumami srážek
ˇ Soubor POVODI_3RAD_S42.SHP obsahuje plochy jednotlivých povodí
Vstupní data se nacházejí ve složce \D\Geostatistika\Cviceni_11)
Poznámky:
ˇ Ze souboru s plochami povodí vyberte čtyři související povodí.
ˇ Se souboru stanic vyberte ty, které se nacházejí na ploše Vámi zvolených zpracovávaných povodí.
(Pro přesnější výsledky interpolace můžete vybrat i stanice vně oblasti ­ např. hodnotou buferu).
ˇ Metodami explorační analýzy zjistěte, zda Vámi vybraná data obsahují trend a zda je vhodné je
podrobit lognormální transformaci. Výsledků explorační analýzy využijte při volbě vhodného
teoretického modelu při strukturní analýze.
ˇ Pomocí nástroje Geostatistical wizard zvolte metodu interpolace krigování a v rámci ní tzv.
základní krigování (ordinary kriging). Nejprve vždy vytvoříte mapu interpolovaných
(predikovaných hodnot (prediction map) Proveďte případnou transformaci dat.
ˇ V následné strukturní analýze proveďte několik nastavení parametrů vhodného teoretického
modelu semivariogramu. Prozkoumejte případnou anizotropii Vašich vstupních dat. Vašim cílem
je nalézt vhodný teoretický model semivariogramu, jehož parametry budou vstupovat do vlastní
interpolace metodou krigování jako váhy. Volte různé modely, hodnoty dosahu (range), prahu
(sill) a zbytkového rozptylu (nugget). Volit můžete též hodnoty vzdálenosti (lag), na kterou se
spojují obdobně vzdálené body při výpočtu empirických hodnot semivariancí a také počet hodnot
lag.
ˇ Vhodnost nastavení parametrů semivariogramu kontrolujte hodnotami průměrné chyby predikce
(MPE) ­ ideálně nula, průměrné čtvercové chyby (RMSPE) ­ čím menší, tím lepší odhad,
průměrné směrodatné chyby atd.
ˇ Pro nejvhodnější kombinaci parametrů vytvořte mapu predikovaných hodnot. Interpolovaný
povrch omezte na rozsah zpracovávaných povodí (pravým tlačítkem na Layers ­ Properties -
Data Frame ­ Clip to shape).
ˇ Mapu prezentujte ve formě ,,Filled contours" (pravým tlačítkem na Ordinary kriging-Properties-
Symbology- Filled Contours-Classify-Manual). Vytvořte vhodné kategorie pro legendu mapy.
Manuálně zadejte vhodné hraniční hodnoty pro 7 až 8 intervalů.
ˇ Vytvořte mapu směrodatné chyby predikce (pravým tlačítkem na Ordinary kriging- Prediction
Standard Error Map). Z ní určete, která část zpracovávaného území (které stanice) vykazují
největší chyby predikce.
ˇ Pro obě vytvořené mapy (Prediction Map a Prediction Standard Error Map) sestavte mapové
kompozice v režimu layoutu (View ­ Layout View).
ˇ Výsledek cvičení ­ dvě mapové kompozice a stručný text komentující vhodnost či nevhodnost
základního krigování pro interpolaci srážkových úhrnů - textový soubor (doc, pdf).