ArcGIS教程：什么是经验贝叶斯克里金法？

　　简介

　　经验贝叶斯克里金法 (EBK) 是一种地统计插值方法，可自动执行构建有效克里金模型过程中的那些最困难的步骤。Geostatistical Analyst 中的其他克里金方法需要您手动调整参数来接收准确的结果，而 EBK 可通过构造子集和模拟的过程来自动计算这些参数。

　　经验贝叶斯克里金法与其他克里金方法也有所不同，它通过估计基础半变异函数来说明所引入的误差。其他克里金方法通过已知的数据位置计算半变异函数，并使用此单一半变异函数在未知位置进行预测;此过程隐式假定估计的半变异函数是插值区域的真实半变异函数。由于不考虑半变异函数估计的不确定性，其他克里金方法都低估了预测的标准误差。

　　经验贝叶斯克里金法在地统计向导 中以地理处理工具的形式提供。

　　优点和缺点

　　优点

　　需要极少的交互式建模;

　　预测标准误差比其他克里金方法更准确;

　　可准确预测一般程度上不稳定的数据;

　　对于小型数据集，比其他克里金法更准确;

　　缺点

　　1、处理时间会随着输入点数、子集大小或重叠系数的增加而快速增加。应用变换也会增加处理时间。参数介绍如下

　　2、处理速度比其他克里金方法慢，尤其是输出为栅格时。

　　3、协同克里金法和各向异性不可用。

　　、半变异函数模型中的少数参数限制了自定义功能。其他克里金方法为半变异函数模型提供了多种选择。

　　5、对数经验变换对异常值尤其敏感。如果将该变换用于含有异常值的数据，则可能会得到大于或小于输入点值若干个数量级的预测结果。该参数在下面的“变换”部分将有所介绍。

　　半变异函数估计

　　与其他克里金法(使用加权最小二乘)不同，EBK 中的半变异函数参数是使用受限最大似然法 (REML) 估计的。由于REML 对大型数据集有计算限制，输入数据首先被分为多个特定大小的重叠子集(默认为每子集