GS+ Rockware

GS+ Rockware
GS+ menyediakan semua komponen geostatistik, mulai dari analisis semivarian hingga kriging dan pemetaan dalam satu program perangkat lunak terintegrasi yang dipuji secara luas karena fleksibilitas dan antarmukanya yang ramah.

Perangkat Lunak Geostatistik GS
GS adalah program perangkat lunak geostatistik komprehensif yang cepat, efisien, dan mudah digunakan. GS menyediakan semua komponen geostatistik, mulai dari analisis semivarians hingga kriging dan pemetaan, dalam satu program perangkat lunak terintegrasi yang dipuji secara luas karena fleksibilitas dan antarmukanya yang ramah. Banyak pengguna terkejut bahwa analisis geostatistik bisa begitu mudah dan intuitif.

Geostatistika adalah kelas teknik statistik yang dikembangkan untuk menganalisis dan memprediksi nilai variabel yang terdistribusi dalam ruang atau waktu. Ini dimulai dengan jenis analisis autokorelasi yang disebut analisis variografi atau semivarians, di mana tingkat kesamaan diri ditampilkan sebagai variogram. Model variogram digunakan untuk memprediksi lokasi tanpa sampel dengan kriging atau simulasi kondisional, yang menghasilkan perkiraan variabel di seluruh domain spasial atau temporal.

Sejak diperkenalkan pada tahun 1988, geostatistik telah menjadi inti dari GS. Banyak pengguna kami memiliki akses ke alat geostatistik lain dalam GIS atau program pemetaan favorit mereka, tetapi datang ke GS untuk analisis geostatistik serius mereka, terutama untuk menjelajahi hubungan geostatistik dalam kumpulan data. Output GS kompatibel dengan standar industri dan dapat digunakan secara langsung dengan banyak program lain. Itu juga dapat digunakan sebagai program mandiri. GS memiliki lembar kerja datanya sendiri (yang menerima MicroSoft Excel, Access, dan jenis file data lainnya) dan menghasilkan petanya sendiri untuk para pengguna yang tidak bekerja dengan program pemetaan lain.

GS kompatibel dengan platform Windows modern (lihat persyaratan sistem) dan menerima file data dengan sebanyak 2 miliar catatan. Algoritma cepat dan dapat diandalkan. Analisis geostatistik adalah komputasi intensif – sebelum tahun 1988 sebagian besar analisis harus dilakukan pada superkomputer, tetapi GS memungkinkan lingkungan Windows untuk menangani sebagian besar kumpulan data dengan mudah. Ditulis dalam kombinasi Visual Studio dan Fortran, dan menggambar pada subrutin GSLIB, GS menunjukkan bahwa kecepatan komputasi, fleksibilitas, dan antarmuka intuitif kompatibel.

Ilmuwan, insinyur, dan mahasiswa di seluruh dunia menggunakan GS .

Lihatlah Fitur GS+ untuk tur singkat fitur utama perangkat lunak, termasuk gambar semua jendela utama. Lihat statistik unggulan untuk daftar cepat dari berbagai statistik yang disediakan.

Fitur GS+ Rockware :

A. ANALISIS SEMIVARIANS GS+ (VARIOGRAFI)
Variogram, autokorelasi, anisotropi, variance cloud, analisis h-scattergram.

Variogram GS+
Variogram yang dihasilkan oleh GS+ awalnya muncul di Jendela Autokorelasi. Dengan menekan perintah Perbesar di jendela itu, variogram jendela penuh seperti di bawah ini dibuat. Dari jendela ini variogram dapat diedit dan dicetak. Selain itu, nilai semivarians yang digunakan untuk menghasilkan variogram dapat dicantumkan, dan analisis Variance Cloud dan h-Scattergram menyediakan cara untuk mendeteksi pasangan titik outlier yang mungkin secara artifisial mencondongkan variogram (seperti titik di bawah kursor di Kelas lag ke-7, ke kanan).

Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram diatur dalam Jendela Autokorelasi, di mana juga dimungkinkan untuk mengakses jendela Model Definition untuk menyesuaikan garis model yang ditarik di antara titik-titik variogram.

Saat program berjalan, menempatkan kursor mouse di atas titik variogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk correlograms, madograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

Peta Variogram Anisotropik (2D) di GS+
Permukaan Variogram Anisotropik atau Peta Variogram memberikan gambaran visual semivarians di setiap arah kompas. Hal ini memungkinkan seseorang untuk lebih mudah menemukan sumbu utama yang sesuai untuk mendefinisikan model variogram anisotropik. Sebuah transek dalam satu arah (misalnya 10 derajat utara) setara dengan variogram dalam arah itu: permukaan (sumbu z) adalah semivarians; sumbu x dan y masing-masing adalah jarak pisah dalam arah E-W dan N-S. Pusat peta sesuai dengan asal variogram untuk setiap arah. Peta juga dapat diproyeksikan sebagai permukaan 3d melalui perintah Edit Graph. Jendela ini diakses dari jendela Analisis Autokorelasi utama.

Analisis Awan Varians GS+
Awan varians adalah grafik varians yang terkait dengan pasangan titik individu dalam analisis autokorelasi. Ini paling berguna untuk menemukan outlier yang dapat mengubah nilai semivarians rata-rata untuk kelas lag. Dengan menempatkan mouse di atas setiap titik, Anda dapat menentukan pasangan titik mana dalam kumpulan data yang dicurigai.

Awan varians spesifik untuk kedua arah (isotropik atau arah anisotropik tertentu) dan untuk kelas lag tertentu. Dalam contoh di bawah, awan khusus untuk kelas lag ke-7 dari variogram isotropik, seperti yang tercantum dalam judul grafik, dan mouse berada di atas pasangan yang terdiri dari catatan data 4 dan 96, yang dipisahkan oleh 52,77 unit jarak . Perintah List Values ​​mencantumkan nilai numerik untuk pasangan cloud di jendela Variance Cloud Listing yang terpisah. Saat program sedang berjalan, Anda dapat mengklik titik grafik dan diberikan pilihan untuk menghapus salah satu record dari analisis, seperti yang dijelaskan di bawah ini.

Analisis Variance Cloud dimulai dengan mengklik titik semivarians pada variogram baik di jendela Analisis Autokorelasi atau jendela Variogram.

GS+ h-Analisis Scattergram
Dalam h-scattergram nilai individu yang membentuk pasangan semivarians (nilai kepala dan nilai ekor) diplot satu sama lain untuk semua titik yang membentuk kelas lag variogram. Seperti grafik variance cloud, h-scattergrams sangat berguna untuk menemukan outlier yang dapat mencondongkan nilai semivarians rata-rata untuk kelas lag tertentu. Dengan menempatkan mouse di atas setiap titik, Anda dapat menentukan pasangan titik mana dalam kumpulan data yang dicurigai.

h-Scattergram khusus untuk kedua arah (isotropik atau arah anisotropik tertentu) dan untuk kelas lag tertentu. Dalam contoh di bawah ini, scattergram khusus untuk kelas lag ke-7 dari variogram isotropik, seperti yang tercantum dalam judul grafik, dan mouse berada di atas pasangan yang terdiri dari catatan data 4 dan 92, yang dipisahkan oleh 52,28 unit jarak. . Jika Anda meletakkan mouse di atas titik-titik terdekat, Anda akan mengetahui bahwa semua titik lainnya memiliki catatan 4 yang sama. Hal ini menunjukkan bahwa catatan 4 adalah outlier dan mungkin dikeluarkan dari analisis selanjutnya (seperti yang dijelaskan di bawah).

h-Scattergrams dibuat dengan mengklik titik dalam variogram atau autocorrelogram baik di jendela Analisis Autokorelasi atau jendela Variogram. Perintah Daftar Nilai mencantumkan nilai numerik untuk pasangan awan di jendela Daftar h-Scattergram yang terpisah.

GS+ Variance Cloud Listing
Variance Cloud Listing menyediakan daftar semua pasangan titik data yang membentuk nilai semivarians rata-rata (titik individual pada variogram). Ini adalah pasangan yang digambarkan dalam Variance Cloud Window.

Daftar tersebut menyediakan untuk setiap pasangan titik dalam interval kelas lag tertentu varians, jarak pemisahan, dan identitas (nomor catatan data) dari setiap anggota pasangan. Pasangan individu digambarkan.

B. GS+ UKURAN AUTOCORRELATION LAINNYA
Madograms, Rodograms, Drift, Correlograms, Moran's I Correlograms, Fractal Variograms, Standardized Variograms, General Relative Variograms, Pairwise Relative Variograms

Madogram GS+
Madogram mirip dengan variogram tradisional kecuali bahwa perbedaan absolut antara nilai di lokasi sampel yang berbeda digunakan daripada kuadrat perbedaan seperti untuk semivarians tradisional. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung madogram diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik madogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

GS+ Rodogram
Rodogram mirip dengan variogram tradisional kecuali bahwa akar kuadrat dari perbedaan antara nilai di lokasi sampel yang berbeda digunakan daripada kuadrat dari perbedaan seperti untuk semivarians tradisional. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung rodogram diatur di Jendela Autokorelasi.

Saat program sedang berjalan, menempatkan kursor mouse di atas titik rodogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, covariograms, drift, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

GS+ Drift
Drift dihitung sebagai perbedaan antara nilai pada lokasi sampel yang berbeda dalam interval kelas lag tertentu (kelas jarak pemisah). Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung penyimpangan diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik grafik akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

GS+ Correlograms
Correlograms disajikan di jendela Correlogram. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung correlogram diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik correlogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, madograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

GS+ Kovariogram
Covariograms disajikan di jendela Covariance. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung kovariogram diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik kovariogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, drift, Moran's I, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

Korelogram I GS+ Moran
Statistik Moran's I adalah ukuran autokorelasi yang serupa dalam interpretasinya dengan statistik korelasi Pearson's Product Moment untuk sampel independen, di mana kedua statistik berkisar antara -1.0 dan 1.0 tergantung pada derajat dan arah korelasi. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram ini diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik autocorrelogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, drift, dimensi fraktal, dan standar, relatif umum, dan variogram relatif berpasangan.

Variogram Fraktal GS+
GS+ menggunakan plot log-log dari variogram untuk mendapatkan dimensi fraktal D0, yang disajikan di jendela Fractal Variograms. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram fraktal diatur di Jendela Autokorelasi.
Saat program berjalan, menempatkan kursor mouse di atas titik variogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, drift, Moran's I, dan standard, general relative, dan pairwise relative variograms.

Variogram Standar GS+
Variogram standar dihitung pada logaritma natural dari variates. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram ini diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik variogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan variogram relatif umum dan relatif berpasangan.

Variogram Relatif Umum GS+
Variogram relatif umum adalah grafik semivarians yang distandarisasi oleh rata-rata kuadrat dari data yang digunakan untuk setiap interval jarak h. Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram relatif umum diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik variogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan variogram relatif standar dan berpasangan.

Variogram Relatif Berpasangan GS+
Variogram relatif berpasangan adalah grafik semivarians yang dinormalisasi oleh rata-rata kuadrat dari nilai ekor dan kepala (nilai anggota yang berbeda dari setiap pasangan sampel). Arah anisotropik yang berbeda muncul pada tab terpisah. Parameter untuk menghitung variogram relatif berpasangan diatur di Jendela Autokorelasi.

Saat program berjalan, menempatkan kursor mouse di atas titik variogram akan menghasilkan kotak yang menunjukkan jumlah pasangan dalam interval kelas lag tersebut, dan mengklik titik tersebut akan menghasilkan grafik Variance Cloud atau h-Scattergram dari semua pasangan dalam interval tersebut. .

Ukuran lain dari autokorelasi yang disediakan oleh GS+ termasuk variograms, correlograms, madograms, rodograms, covariograms, drift, Moran's I, dimensi fraktal, dan variogram relatif standar dan umum.

C. INTERPOLASI GS+
Kriging, Cokriging, Simulasi Bersyarat, Jarak Terbalik, Jarak Normal, Filter Poligon, Validasi Silang

Interpolasi dalam GS+
Interpolasi berarti memperkirakan nilai untuk titik-titik yang tidak benar-benar diambil sampelnya, sehingga menghasilkan peta atau model spasial lainnya untuk area yang tidak diambil sampelnya secara menyeluruh. Ada banyak teknik interpolasi yang berbeda, mulai dari teknik linier sederhana yang rata-rata nilai titik sampel terdekat, hingga teknik yang lebih kompleks seperti kriging yang menggunakan titik terdekat yang diberi bobot berdasarkan jarak dari lokasi interpolasi ditambah derajat autokorelasi untuk jarak tersebut.

GS+ menyediakan tiga jenis interpolasi yang luas. Semua adalah teknik tetangga terdekat di mana nilai-nilai di lokasi yang dekat dengan titik interpolasi digunakan untuk memperkirakan nilai titik interpolasi. Mereka berbeda dalam cara pembobotan lokasi terdekat. Teknik-tekniknya adalah:

- Kriging, di mana perkiraan interpolasi dibuat berdasarkan nilai di lokasi tetangga ditambah pengetahuan tentang hubungan spasial yang mendasari dalam kumpulan data. Variogram memberikan pengetahuan tentang hubungan yang mendasarinya. Kriging biasanya lebih unggul daripada cara interpolasi lainnya karena menyediakan estimasi interpolasi optimal untuk lokasi koordinat tertentu, serta estimasi varians untuk nilai interpolasi.
- Inverse Distance Weighting (IDW) dan Normal Distance Weighting (NDW), dimana estimasi interpolasi dibuat berdasarkan nilai pada lokasi terdekat yang dibobot hanya berdasarkan jarak dari lokasi interpolasi.
- Simulasi Bersyarat, di mana perkiraan interpolasi didasarkan pada bentuk simulasi stokastik di mana nilai data terukur dihormati di lokasinya. Hal ini memungkinkan seseorang untuk memetakan diskontinuitas spasial yang tajam seperti hotspot kontaminasi atau garis patahan. Kriging tepat waktu dan blok serta IDW akan menghaluskan detail lokal variasi spasial, terutama karena lokasi yang diinterpolasi menjadi lebih jauh dari lokasi yang diukur.
GS+ memungkinkan Anda untuk menentukan kisi interpolasi (termasuk poligon atau area kosong) dan aspek lain dari analisis, dan kemudian GS+ menjalankan mesin interpolasi 32-bit yang memotong jam dari metode sebelumnya. File output ASCII dapat ditulis dalam format GS+, ArcView®, atau Surfer®.

Perintah Cross Validation melakukan analisis jackknife di mana setiap titik terukur dalam kumpulan data dihapus sementara dari kumpulan data kemudian diperkirakan untuk memberikan indikasi kesesuaian model variogram yang diberikan.

Kriging di GS+
Kriging menyediakan sarana interpolasi nilai untuk titik tidak sampel fisik menggunakan pengetahuan tentang hubungan spasial yang mendasari dalam kumpulan data untuk melakukannya. Variograms memberikan pengetahuan ini. Kriging didasarkan pada teori variabel regionalisasi dan lebih unggul daripada cara interpolasi lainnya karena menyediakan estimasi interpolasi optimal untuk lokasi koordinat tertentu, serta estimasi varians untuk nilai interpolasi. Teknik interpolasi lainnya di GS+ termasuk simulasi bersyarat dan pembobotan jarak terbalik.

Tab Krig adalah bagian dari Jendela Interpolasi yang lebih besar.

Cokriging di GS+
Cokriging adalah teknik interpolasi yang memungkinkan seseorang untuk memperkirakan nilai peta dengan lebih baik jika distribusi sampel variabel sekunder lebih intens daripada variabel primer diketahui. Jika variate primer sulit atau mahal untuk diukur, maka cokriging dapat sangat meningkatkan estimasi interpolasi tanpa harus lebih intens mengambil sampel variate primer.

Karbon tanah, lebih mudah diukur daripada uranium, diambil sampelnya di lokasi yang sama dengan uranium dan tambahan di 60 lokasi lain seperti yang tercantum pada peta kuartil di bawah kiri. Regresi karbon terhadap uranium menunjukkan bahwa variasinya sangat berkorelasi (kanan), menunjukkan bahwa cokriging dapat meningkatkan peta uranium.

Menggunakan karbon sebagai kovariat untuk menghasilkan peta hasil cokriged uranium di peta kanan bawah, diplot di sebelah peta asli di atas. Perhatikan peningkatan substansial dalam definisi perbedaan kontur (isolin), terutama di kuadran kanan atas peta di mana sampel uranium paling jarang diambil:

Bagaimana Anda melakukan cokriging? Sebelum cokriging Anda harus memiliki
1. mendefinisikan kovariat dalam dialog Field Assignment, dari Data Worksheet;
2. melakukan analisis semivarian (termasuk pemodelan variogram) untuk variat primer dan kovariat; dan
3. dilakukan analisis cross-semivariance (termasuk pemodelan variogram).
Konfirmasikan bahwa kovariat sebenarnya berkorelasi dengan variasi utama dengan melihat Jendela Regresi di Jendela Ringkasan Data. Perhatikan bahwa tidak ada keuntungan untuk cokriging (di atas kriging biasa) jika kerapatan sampel dari variasi utama Anda sama dengan untuk variasi sekunder, atau jika variasinya tidak berkorelasi.

Setelah tiga variogram dimodelkan, Anda dapat memilih tab Cokrig di jendela Interpolasi:

Simulasi Bersyarat di GS+
Simulasi bersyarat adalah teknik interpolasi yang estimasi Z didasarkan pada bentuk simulasi stokastik di mana nilai data terukur dihormati di lokasinya. Metode interpolasi lainnya, termasuk kriging dan pembobotan jarak terbalik, akan menghaluskan detail lokal dari variasi spasial, terutama karena lokasi yang diinterpolasi menjadi lebih jauh dari lokasi yang diukur. Ini bisa menjadi masalah ketika Anda mencoba untuk memetakan diskontinuitas spasial yang tajam seperti hotspot kontaminasi atau garis patahan. GS+ menggunakan metode simulasi gaussian sekuensial.

Tab Simulasikan adalah bagian dari Jendela Interpolasi yang lebih besar.

Pembobotan Jarak Terbalik (IDW) dalam GS+
Inverse Distance Weighting (IDW) dan Normal Distance Weighting (NDW) adalah teknik interpolasi di mana estimasi interpolasi dibuat berdasarkan nilai pada lokasi terdekat yang dibobot hanya berdasarkan jarak dari lokasi interpolasi. Baik IDW maupun NDW tidak membuat asumsi tentang hubungan spasial kecuali asumsi dasar bahwa titik-titik terdekat seharusnya berhubungan lebih dekat daripada titik-titik jauh dengan nilai di lokasi interpolasi. IDW menerapkan bobot yang lebih kuat ke titik terdekat daripada NDW. Teknik interpolasi lainnya di GS+ termasuk kriging dan simulasi kondisional.

Tab IDW adalah bagian dari Jendela Interpolasi yang lebih besar.

Grid Interpolasi GS++
Gunakan kisi interpolasi untuk menentukan wilayah yang akan diinterpolasi serta interpolasi atau intensitas kisi. Nilai Jarak Interval memberikan jarak antara persimpangan grid (di mana interpolasi terjadi). Area poligon ditentukan dalam jendela definisi poligon terpisah. Jendela kisi interpolasi diakses dari Jendela Interpolasi.

GS+ Tentukan Garis Poligon
Bentuk tidak beraturan dapat diinterpolasi atau dikecualikan dari interpolasi dengan mendefinisikan poligon sebelum kriging. Tentukan poligon yang akan digunakan dengan memasukkan koordinat simpul poligon, yaitu pasangan koordinat yang mendefinisikan garis poligon. Jumlah simpul yang tidak terbatas dapat ditentukan per poligon (hingga beberapa miliar), dan poligon dapat bersarang satu sama lain seperti pada contoh di bawah ini. Perintah Peta memungkinkan Anda untuk memeriksa bentuk poligon saat sedang didefinisikan.

Contoh di bawah ini mendefinisikan dua poligon: yang pertama adalah area 6-sisi yang dikeluarkan dari interpolasi, yang kedua mendefinisikan area 4-sisi inklusif (persegi panjang) di dalam area 6-sisi. Jendela Peta Poligon menunjukkan bentuk dari.

Peta Poligon GS+
Saat mendefinisikan poligon, akan sangat membantu untuk mengkonfirmasi bentuk topeng yang didefinisikan dengan menggambar poligon sebelum interpolasi. Area keseluruhan adalah area interpolasi yang ditentukan dalam jendela Kriging. Poligon didefinisikan dalam Jendela Definisi Poligon. Poligon eksklusif muncul dalam warna merah, inklusif dengan warna biru. Pada peta di bawah, area antara poligon luar (eksklusif) merah dan persegi panjang biru (inklusif) akan tetap tidak dipetakan. Poligon yang lebih kompleks (misalnya, bentuk benua atau danau) dapat didefinisikan oleh kumpulan simpul yang lebih kompleks di jendela Definisi Poligon.

Analisis Validasi Silang GS+
Analisis validasi silang memungkinkan Anda untuk mengevaluasi model alternatif untuk kriging. Dalam analisis validasi silang, setiap titik terukur dalam kumpulan data secara individual dihapus dari kumpulan dan nilainya kemudian diperkirakan melalui kriging seolah-olah tidak pernah ada. Ini memberikan grafik perkiraan vs. nilai aktual untuk setiap lokasi sampel; nilai juga dapat dicantumkan di jendela terpisah.

Important Keywords :
GS+ Rockware, jual GS+ Rockware, beli GS+ Rockware, harga GS+ Rockware,
fitur GS+ Rockware, agen GS+ Rockware, distributor GS+ Rockware, reseller GS+ Rockware,