前言
本篇承接前文，基于具体案例，探索地统计分析模块。
一、案例引入
（一）案例背景
美国环保局负责对加利佛尼亚州的大气臭氧浓度进行监测。臭氧浓度值是通过遍布全州的监测站来测定的。已经知道所有监测站的臭氧浓度值，但是我们还想知道加利佛尼亚州其它任一地方的臭氧浓度值，但是考虑到费用以及实用性问题， 我们不可能在任何地方都建立监测站。地统计分析模块提供了许多工具，通过检测所有采样点之间的关系，生成一个关于臭氧浓度值、预测标准差（不确定性）以及超出临界值的概率的连续表面，从而使对其它点的浓度值进行最佳预测成为可能。
（二）数据说明
|--------------|-----------|---|
| 数据集 | 描述 |
| Ca_outline | 加州轮廓图 |
| Ca_ozone_pts | 臭氧采样点数据 | |
| Ca_cities | 加州主要城市位置图 |
| Ca_hillshade | 加州山体阴影图 |
（三）任务要求
- 使用缺省参数创建一个表面；
- 数据检查；
- 制作臭氧浓度图；
- 模型比较；
- 制作超出某一临界值的臭氧概率图；
- 生成最终成果图。
二、arcmap完整实现
（一）利用缺省参数创建一个表面
1.导入要素
这一部分只需要ca_ozone_pts和ca_outline数据集，首先在catalog中链接数据文件夹，然后选中这两个.shp文件，完成导入。然后将ca_outline填充设置为空白，只保留其边界。结果如下。
2.利用缺省值创建表面
执行【Geostatistical Analyst->Geostatistical Wizard】进入地统计向导，然后按照指导流程进行设置，以臭氧点数据为输入，利用普通克里格插值法，得到未知点的臭氧浓度值。主要结果如下。
下面是得到的模型结果。
（二）数据检查
1.检查数据分布
利用Histogram工具来直观的反映数据的分布情况。执行【Geostatistical Analyst->Export Data->Histogram】，在弹出的对话框按要求设置，在此给出ozone的分布结果。可以看出，数据单峰分布，也有一定的对称性。
2.正态QQ图
在同样的位置，选择【Normal QQPlot】，就得到了QQ图。如下，可以看出臭氧数据十分接近于一条直线，只在高值处出现部分偏差，与Hisgram工具得到的结果具有一致性，具有正态分布特征。
3.识别数据中全局趋势
利用【Trend Analysis】工具，对数据的全局趋势进行分析，得到的趋势图如下，可以看出数据在东西向有很强的趋势，而南北向的趋势则较弱。
4.理解数据的空间自相关和方向效应
利用【Semivariogram/Covariance Cloud】工具，得到数据的半变异函数图如下。从高亮部分可以看出，该点在距离上很近但是变异值很高，可以看出从洛杉矶到海边，臭氧浓度的差异是很大的。
然后再来看方向。勾选Show search direction，按如下调整。可以看出，洛杉矶向内陆其他地区的点对间，也有很高的半变异函数值。
（三）制作臭氧浓度图
1.半变异函数/协方差函数模型
在前节已知数据趋势为南东-北西走向，因为呈倒U型分布，所以可以用二次多项式拟合，这里首先再次用克里格插值，选择模型为二次，结果如下。明显可以看出，南西-北东方向的变化是最快的。
点击Next，即可见半变异函数如下。
这里步长很大，更改步长为12000，设定步长组为10，得到新的缺省球面模型结果如下。可以看出，拟合得到的半变异函数图先上升后变平，即说明在超出自相关阈值后，自相关关系也就不再存在了。
2.方向半变异函数
首先设置Show search direction=True，并设置Anisotropy，首先设置Angle direction=236.0，Angle tolerance=45.0；Bandwidth(lags= 3.0。得到结果如下。可以看出半变异函数曲线比他的基台值增长的要快。
继续调整参数为Angle direction=340.0，Angle tolerance=45.0；Bandwidth(lags= 3.0，得到又一个结果。
3.邻域搜索
点击Next之后，在对话框修改 Identify 下坐标：X=2044968； Y=208630.37。并按照步骤更改angle，下图左右分别为angle=90与angle=338.1的结果。
4.交叉验证
点击Next进入到交叉验证窗口。从QQ图可以看出，某些值稍微落在直线的上部，而某些值则稍稍落在直线的下部，但是大部分点都接近于一条平直的虚线，这表明预测误差近似于正态分布。
得到新的预测图如下。
得到的预测标准误差表面图如下。
（四）模型对比
现在来对1.1和1.3得到的两个模型进行对比。选中Trend_removed右键进行对比，得到对比图如下。
可以直观看出Trend_removed层的均方根预测误差较小，其均方根标准预测误差更接近于 1，而平均预测误差更接近于 0，因此，有理由相信"Trend removed"模型更有效。
（五）创建臭氧超出某一临界值的概率图
利用指示克里格法，选择0.12为阈值，设置步长为25000，步长数目为10，效果如下。
进入交叉验证步，蓝线即阈值0.12，其左边的点的指示变换值为 0，而其右边的点的指示转换值则为 1。
得到概率图如下。该图显示的指示预测值是指超出临界值 0.12ppm 的概率，时间是 1996 年的某一天或某几天。从图中可以清楚看出，在洛杉矶附近，臭氧浓度很有可能超出安全值( 一般说来，一年中的任意一个 8 小时时段的浓度值小于 O.12ppm 为安全值 )。
（六）生成最后结果图
1.显示两个表面
右键Indicator_Kriging图层进入符号系统，按要求设置得到概率图和预测图的叠加效果。
2.外推臭氧值
按要求更改两个表面的Extent，设置如下。
3.以加州轮廓图为参考对图层进行剪裁
只做加州范围内的臭氧浓度图，因此按步骤进行裁剪，设置如下。
裁剪之后，所见只有加州。
4.定位洛杉矶城
在ca_cities的属性表中按属性选择，定位到洛杉矶。
将图层放大之后可以看出，具有较高臭氧浓度的地区位于洛杉矶东部。
5.创建图版（这招儿是新学到的，这样给地图布局，确实高哈哈哈）
执行【view-】Layout View】，将数据框调整至合适大小，然后再添加新的数据框，将数据复制到新的数据框并进行裁剪，得到结果如下。
6.添加一个透明的山体阴影图
将ca_hillshade导入并设置Trend_removed图层透明度后，得到增添了山体阴影的图。
7.添加地图要素
进行图幅整饰，得到专题图。
三、唠唠叨叨
······