Interpoler punkter
Med dette verktøyet kan du forutsi verdier på nye lokasjoner basert på målinger fra en samling punkter. Verktøyet bruker punktdata med verdier på hvert punkt og gir et raster av predikerte verdier.
Andre bruksmåter av dette verktøyet omfatter følgende:
- Et luftkvalitetsstyringsdistrikt har sensorer som måler forurensningsnivået. Interpoler punkter kan brukes til å forutsi forurensningsnivået på steder som ikke har sensorer, for eksempel steder med utsatt befolkning – f.eks. skoler eller sykehus.
- Forutse tungmetallkonsentrasjoner i avlinger basert på prøver tatt fra enkelte planter.
- Forutse nivået av næringsstoffer i jord (nitrogen, fosfor, kalium og så videre) og andre indikatorer (for eksempel elektrisk ledningsevne) for å studere deres forhold til avlingsnivå og å benytte nøyaktige mengder gjødsel for hver lokasjon på jordet.
- Meteorologiske bruksområder omfatter prediksjon av temperaturer, nedbør og tilhørende variabler (for eksempel sur nedbør).
Velg punktlaget som inneholder lokasjoner med kjente verdier
Punktlaget som inneholder punktene hvor verdiene er målt.
Velg felt som skal interpoleres
Velg feltet som inneholder verdiene du ønsker å interpolere. Feltet må være numerisk.
Optimaliser for
Velg din preferanse for hastighet kontra nøyaktighet.
Mer nøyaktige prediksjoner ta lengre tid å beregne. Denne parameteren endrer standardverdiene for flere andre parametere for Interpoler punkter, for å optimalisere beregningshastigheten, resultatnøyaktigheten eller av en blanding av de to. Som standard vil verktøyet optimalisere for balanse.
Forvandle data til vanlig distribusjon
Velg om du vil forandre dine data til normalfordelingen.
Interpolasjon er mest nøyaktig for data som følger en normal (klokkeformet) distribusjon. Hvis dataene ikke ser ut til å være normalfordelt, bør du utføre en transformasjon.
Størrelse på lokale modeller
Interpoler punkter fungerer ved å bygge opp lokale interpoleringsmodeller som er blandet sammen for å lage det endelige prognosekartet. Denne parameteren styrer hvor mange punkter som hver lokale modell skal inneholde. Mindre verdier vil gjøre resultatene mer lokale og kan avsløre effekter i liten skala, men det kan introdusere noe ustabilitet i beregningene. Større verdier vil være mer stabile, men noen lokale effekter kan mangle.
Verdien kan variere fra 30 til 500, men typiske verdier er mellom 50 og 200.
Antall naboer
Prognoser beregnes på bakgrunn av nabopunkter. Denne parameteren styrer hvor mange punkter som brukes i beregningen. Med flere naboer produseres det vanligvis mer nøyaktige resultater, men resultatene tar lengre tid å beregne.
Denne verdien kan variere fra 1 til 64, men typiske verdier er mellom 5 og 15.
Utdatacellestørrelse
Cellestørrelsen og enheten for utdatarastrene.
De tilgjengelige enhetene er fot, miles, meter og kilometer.
Prognosefeil
Velg om du vil opprette et raster av standardfeil for prognoseverdiene.
Standardfeil er nyttige fordi de gir informasjon om påliteligheten til de anslåtte verdiene. En enkel tommelfingerregel er at den faktiske verdien vil falle innenfor to standardfeil av den anslåtte verdien 95 prosent av tiden. La oss for eksempel anta at en ny lokasjon for en prognoseverdi på 50 med en standardfeil på 5. Det betyr at dette verktøyets beste gjetning er at den faktiske verdien på den lokasjonen er 50, men den kan være så lav som 40 eller så høy som 60. Du kan beregne dette utvalget av rimelige verdier ved å multiplisere standardfeilen med 2, legge denne verdien til den anslåtte verdien for å få den øvre enden av skalaen, og trekke det fra den anslåtte verdien for å få den nedre enden av skalaen.
Navn på resultatlag
Navnet på laget som opprettes i Mitt innhold og legges til kartet. Standardnavnet er basert på verktøynavnet og navnet på inndatalaget. Hvis laget finnes allerede, blir du bedt om å oppgi et annet navn.
Du kan angi navnet på en mappe i Mitt innhold, der resultatet blir lagret via rullegardinlisten Lagre resultat i.