1、地统计学概论（地统计学概论（ Geostatistics）课程大纲课程大纲 第一章 概论 第二章 地统计学基础 第三章 区域化变量理论 第四章 变异函数结构分析 第五章 克里金法 第六章 地统计学应用实例 一、地统计学概念二、地统计学研究内容三、地统计学起源及发展四、地统计学应用领域五、地统计学软件介绍第一章第一章 概论概论一、地统计学概念一、地统计学概念年代 人物 定义 1962 G.Matheron 地统计学即以随机函数的形式体系在勘查与估计自然现象中的应用。1970 G.Matheron 地统计学是以区域化变量理论在评估矿床上的应用（包括采用的各种方法和技术）。20世纪 80、 90年代
2、Webster 1985，王仁铎等 1987，Issaks等 1989，侯景儒等 1993地统计学是以 区域化变量理论 为基础，以 变异函数 为主要工具，研究在空间分布上 既有随机性又有结构性 ，或 空间相关和依赖性 的自然现象的科学。一一 、 地统计学概念地统计学概念理论基础 区域化变量理论当一个变量呈现为空间分布时，就称之为区域化（Regionalized Variable）。这种变量常常反映某种空间现象的特征，用区域化变量来描述的现象称之为区域化现象。区域化变量具有两个最显著，而且也是最重要的特征，即随机性和结构性。 一、一、 地统计学概念地统计学概念主要工具 协方差函数和变异函数 协方
3、差函数和变异函数是以区域化变量理论为基础建立起来的地统计学的两个最基本的函数，是描述区域化变量的主要工具。一一 、 地统计学概念地统计学概念主要内容 克里金（ Kriging）插值法 克立格（ Kriging）插值法，又称空间局部估计或空间局部插值法，是地统计学的主要内容之一。克立格法是建立在变异函数理论及结构分析基础之上。 实质是利用区域化变量的原始数据和变异函数的结构特点，对未采样点的区域化变量的取值进行线性无偏、最优估计。 普通克里格法（ Ordinary Kriging）、 泛克里格法（ Universal Kriging）、 指示克里格法（ Indicator Kriging） 析取
4、克里格法（ Disjunctive Kriging）、 协同克里格法（ Cokriging）等。经典统计学 研究纯随机变量 变量可无限次重复观测或大量重复观测 样本相互独立 研究样本的数字特征地统计学 研究区域化变量 变量不能重复试验 样本具有空间相关性 研究样本的数字特征和区域化变量的空间分布特征经典统计学与地统计学的区别经典统计学与地统计学的区别二二 、地统计学研究内容、地统计学研究内容 1、空间估值 根据空间分布的离散采样点值求出未知点值，或将离散的数据点转化为连续的数据曲面，即空间估值。 在地统计学领域，估值方法统称为克里金法。 2、局部不确定性预测 估值时考虑待估点周围样本点的影响，利用条件概率模型来推断局部不确定型。 如参数法中的众高斯法和非参数法中的指示克里金法。二、地统计学研究内容二、地统计学研究内容 3、随机模拟 根据随机变量定义， 每个变量可以有多个实现。只要总体趋势是正确的，每个未知点上的变量估值可以有多种情况，这种方法称为随机模拟。 4、多点地统计学 通过多个点的训练图像来取代变异函数，能有效反映目标的空间分布结构。
