托布勒的地理第一定律指出,“一切都与其他事物有关,但近处的事物比远处的事物更相关。
在半变异函数的情况下,更接近的事物更可预测,变异性更小,而遥远的事物则难以预测,相关性也较低。
例如,当前位置的地形更可能与前方 1 米处的地形相似,而不是与 100 米外的地形相似。
半变异函数绘制了样本值(污染、海拔、噪声等)如何随距离变化。
接下来以土壤水分样本作为案例进行说明。
案例包含 10 英亩田地中的 73 个土壤水分样本。在西北角,样品更湿润,含水量更高。但在东部象限,它们要干燥得多,如下图所示。
针对上图存在以下疑问:
可以用统计依赖性或自相关来描述这个想法。此外,空间自相关(距离较近的事物比距离较远的事物更相似)为预测提供了有价值的信息。
要了解空间依赖性,可以使用半变异函数进行估计。半变异函数取 2 个采样位置,并将两点之间的距离称为 h。
在 x 轴上,它以滞后为单位绘制距离 (h),滞后只是分组距离。取每组 2 个样本位置,测量响应变量(土壤中的含水量)之间的方差,并将其绘制在 y 轴上。
根据观察者的不同,半变异函数看起来像是一大堆点。例如,土壤水分图如下所示:
但是可以通过选择单个点来做一些侦探工作。当在半变异函数上取这个点时:
可以在地图上看到它们代表哪 2 个点。这是有道理的,因为它们彼此相距很远。因此,它在半变异函数中的极右位置。下面强调的正是这一点:
它们与该特定滞后距离的平均值也存在很大差异。如果半方差较高,则它在 y 轴上的位置较高。可以看到,半方差在滞后距离越近时越小,滞后距离越大,半方差就越大。
我们正在研究 2 个样本之间的所有距离及其变异性。半变异函数考虑所有点及其与方差的距离。
这就是为什么半变异函数上有这么多点的原因。这是上面数据集的一个子集,可以看到我们可以在半变异函数中绘制的所有不同点集。
半方差函数是距离 h 的函数,也是方向 α 的函数。当一个变量分布于空间时,该变量叫区域化变量(regionalized variable),半方差函数就是区域化变量 Z ( x i ) Z(x_i) Z(xi) 和 Z ( x i + h ) Z(x_i+h) Z(xi+h) 增量平方的数学期望,即区域化变量增量的方差(variograms)。其计算公式:
r ( h ) = 1 2 N ( h ) ∑ i = 1 N ( h ) [ Z ( x i ) − Z ( x i + h ) ] 2 r(h)=\frac{1}{2N(h)}\sum_{i=1}^{N(h)}[Z(x_i)-Z(x_i+h)]^2 r(h)=2N(h)1i=1∑N(h)[Z(xi)−Z(xi+h)]2
式中, r ( h ) r(h) r(h) 是相隔距离为 h h h 的半方差图的估计值, N ( h ) N(h) N(h) 是相隔距离为 h 的所有点的配对数, Z ( x i ) Z(x_i) Z(xi) 是样点 x i x_i xi 的平均密度, Z ( x i + h ) Z(x_i+h) Z(xi+h) 是样点 x i + h x_i+h xi+h 的平均密度。
半方差图是 r ( h ) r(h) r(h) 作为距离 h h h 的函数的图形,其值为某一特定方向的值,其中有4个最重要的参数:
以 r ( h ) r(h) r(h) 为纵轴, h h h 为横轴,绘制出 r ( h ) r(h) r(h) 随 h h h 增加的变化曲线为半方差图。
从图中可以看出:
计算取样范围内所有可能距离间隔的变异函数,绘制函数曲线图,进而建立变异函数理论模型。
地统计学中常用来拟合实际变异曲线的理论模型有球状模型、指数模型、高斯模型、线状模型等。
选择何种模型去拟合样本半方差图是一个复杂的过程,一般是根据样本方差图的形状或研究目的来确定。
自然界中许多生物和非生物因子的空间分布与方向有密切关系,因此,也产生了相应的各项异性模型。
有些区域化变量往往包含各种尺度或各种层次的变化,反映在半方差函数上其结构往往不是一种模型结构,而是多种模型结构相叠加在一起的套合结构。
python实现:
https://scikit-gstat.readthedocs.io/en/latest/userguide/variogram.html#the-variogram
参考:
https://gisgeography.com/semi-variogram-nugget-range-sill/
文章浏览阅读1.3k次。阅读本篇文章,您将可以了解:1、什么是SaaS;2、SaaS的商业模式;3、SaaS的技术架构;4、国内比较好的SaaS平台。_saas如何开发
文章浏览阅读1.5k次。摄像头接入目前摄像头直播的方案主要有以下几种方式: rtsp方式接入,只能实现视频预览 国标协议接入,实现比较复杂,需要多实现SIP服务器 通过netsdk获取到视频码流,推流到流媒体服务器,通过wsflv,flv,hls等流媒体协议播放,H265不支持 一、采用方案对比后最终采用了第三种方式,java使用jna的方式接入大华netsdk,获取到dav视频码流后去除大华头尾,拿到H264裸码流,通过javacv(对ffmpeg、opencv等库的封装)推送到.._大华sdk frealdatacallback码流输出链接
文章浏览阅读1.4k次。因为改动比较小,所以我不想重建一个commit,于是我是用了git commit --amend命令,由于之前已经将该commit推送到远程仓库,导致修改后推送失败。百度后发现如果你的commit已经push到了远程仓库,那么使用--amend修改commit后,git push时一定要使用 --force-with-lease 参数来强制推送,否则就会报错。这是我自己推送失败的例子解决方式一、第一种使用后git commit --amend -m "修改Git学习(三)指令"注意:-m “._git remote-tracking 本地commit amend不了
文章浏览阅读2.5k次,点赞6次,收藏15次。AI实验1——八数码问题一、实验目的与要求实验目的:1 . 熟悉状态空间表示法;2.掌握深度优先、广度优先和等代价无信息搜索算法;3.掌握启发式函数设计,实现面向实际问题的A*搜索算法;二、实验内容与方法实验内容:利用无信息搜索算法实现八数码难题求解;设计启发式信息函数,利用A*搜索实现八数码难题求解;三、实验步骤与过程1,问题分析在八数码难题中,我们使用状态空间表示法,将八数码矩阵(即矩阵的状态)设置为一个节点类(Node),各个节点之间通过操作集(Operater)[‘U_人工智能实验八数码难题
文章浏览阅读2.8k次,点赞4次,收藏11次。透明背景转jpg格式后变黑我们先看demo,您可以狠狠地点击这里:png图片是否含有透明像素JS检测demo如果是不含透明色的PNG图片,则会提示不含透明;如果是,则提示含透明,如下截图:是否背景透明的检测检测原理是借助canvas的getImageData()方法,关于此方法具体API和使用,可以参见““像素点信息获取”这里的详细介绍。_js-demo抠图
文章浏览阅读1.1k次。的需求进行调查研究,在对系统进行认真分析之后,得出开发整个系统的各项需求。为降低整个系统的复杂度,而使其更加便于修改,提高代码的可读性,我们会将系统模块化,模块间保持相对独立,且每个模块只完成一个子功能,并且与其他模块通过简单的接口链接,即高内聚低耦合原则,而使整个系统能够拥有一个高性能的结构,这边是系统概要设计最重要的目的。所以该系统的开发实现了最大的意义和价值,在系统完成后,利益是否大过于成本,是否能够达到预期效果,这些方面都要进行可行性分析,再通过分析之后,就可以决定是否开发此系统。_高校班级管理系统
文章浏览阅读1.2k次。这篇文章主要为大家详细介绍了【荐】静态页面实现微信分享带缩略图、标题和描述,具有一定的参考价值,感兴趣的小伙伴们可以参考一下,有需要的朋友可以收藏方便以后借鉴。静态页面实现微信分享带缩略图、标题和描述,想法很现实,要想实现这样的功能这里就要用到大ajax技术,在这里361源码分享给大家。服务端文件jssdk.php代码:..._html分享链接加图片和描述不需要调用jssdk
文章浏览阅读5.9k次,点赞10次,收藏63次。大师兄科研实例使用方法:1从最基本的计算开始,通过示例讲解,结合一些脚本的使用,引导大家思考解决自己的问题。因此,在这本书的学习过程里,每一章节会对应一个例子,大家务必手动搭建模型,输入文件(切忌复制粘贴),然后进行计算,得到和大师兄一致的结果。为了引导大家主动浏览官网解决问题,很多都会采用VASP官网的例子。2如何学习本书,大师兄在学习程序时,受learn_python_the_hard_w..._vaspwiki
文章浏览阅读222次。以前觉得深圳好热,可是现在觉得沈阳的风好冷…每天不需要说太多的话,只要敲着喜欢的键盘,默默的清理掉禅道上的bug就好,这样的工作似乎是充实的,却总是少点什么,我也喜欢上了活在自己的小世界里,喜欢上了听歌,喜欢去刷微博,喜欢上去看那些心灵鸡汤和搞笑的博主,喜欢看看最近的陈伟霆是不是有帅了,偶尔碰到一条好玩的微博似乎会笑上一会儿,可能作为一个程序猿,真的比较枯燥叭,有时觉得孤单的像一条_好多好多话
文章浏览阅读2.4k次。计算机硬件维护的四大原则近年来,随着社会经济的快速发展和计算机网络技术的广泛应用,如今计算机已经成为生产生活中不可或缺的必需品,随之而来就出现一些问题。下面是YJBYS小编为大家搜索整理的关于计算机硬件维护的四大原则,欢迎参考阅读,希望对大家有所帮助!想了解更多相关信息请持续关注我们应届毕业生培训网!对于计算机而言,主要包括硬件系统与软件系统两部分,其中硬件系统是软件系统功能得以实现的重要基础和前..._硬件维修的基本原则?
文章浏览阅读736次。前言本文涵盖了阿里巴巴、腾讯、字节跳动、京东、华为等大厂的Java面试真题,不管你是要面试大厂还是普通的互联网公司,这些面试题对你肯定是有帮助的,毕竟大厂一定是行业的发展方向标杆,很多公司的面试官同样会研究大厂的面试题。与此同时,今年算法面试一定是会被问的,而算法不是光靠背面试题就有用的,它是需要数学逻辑思维的,因此,小编会在文末为大家准备一份非常优质的算法学习手册,重点在于学习思维方法,话不多说,直接开始上精选的大厂面试真题!在校生如果你是在校生,你应该趁着在学校的时间夯实基础(比如计算机系统、_java有趣的技术分享
文章浏览阅读1.7k次。MapReduce统计以某字母开头的单词的平均长度用MapReduce编写程序主要的就是编写Map和Reduce函数、main函数java代码如下package section1;import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.conf.Configuratio..._mapreduce计算平均单词长度