Спасибо за рекомендации. Подскажите, а эмпирический байесовский кригинг (вроде он пока только в ArcGIS реализован) в самом делеgamm писал(а): ↑05 янв 2020, 22:25В последнем случае лучше всего использовать кригинг с линейной вариограммой (который эквивалентен сплайну), и регулировать сглаживание через nugget-эффект.
"автоматизирующий наиболее трудоемкие аспекты построения корректной модели кригинга. Другие методы кригинга в модуле Geostatistical Analyst требуют ручного изменения параметров для достижения точных результатов, в то время как метод ЭБК автоматически вычисляет эти параметры путем разбиения данных на поднаборы и моделирования данных."
как заявляют эсривцы в документации (https://pro.arcgis.com/ru/pro-app/help/ ... iging-.htm)?
Интересно, попробуем.gamm писал(а): ↑05 янв 2020, 22:25можно просто на растре посчитать матрицу расстояний с сопротивлением, сделав дистанционное преобразование от каждой точки, а потом решить систему в любой программе
В рыбохозяйственной отрасли часто фокусируются на алгоритме интерполяции, забывая о важности корректной оценки границы прогнозирования. Понятно, когда прогнозная поверхность выходит на берег, сложнее, когда в определенный год стандартная сетка станций хуже оконтурила основные скопления вида (такое в экспедициях по пространственно изменчивым, активно мигрирующим объектам часто бывает, и возможности сделать дополнительные станции зачастую просто нет). Например, https://docplayer.ru/92804584-Izvestiya ... sursy.html, рисунок 6. Отчасти это компенсируется стандартной схемой станций, реализуемой ежегодно. Но если в определенный год характер миграций сильно отличается, то это может привести к проблемам с точной оценкой общего обилия вида.gamm писал(а): ↑05 янв 2020, 22:25Главное, избегать экстраполяции- лучше самим ставить экспертно данные за границами, чем экстраполировать.