3．1 半变异函数／协方差函数模型

在练习2 Semivariogram／Covsnance Cloud中，你已经检测了已测点的所有的空间自 相关。为此你需要检查半变异函数，半变异函数显示了具有不同距离的样点对的方差。用半变异函数／协方差函数进行模拟的目的在于为其确定一个最佳拟合模型，该模则将穿过半变异函数图中的那些点(如图中黄线所示)。

半变异函数是一个关于数据点的半变异值(或称变异性)与数据点间距离的函数。对它的图形表述可以得到一个数据点与其相邻数据点的空间相关关系图。

在Semivariogra/Covariance Modeling对话框中你可以模拟数据集的空间关系。缺省情况下，将以球面半变异函数模刑来计算其最佳参数值。首先，地统计分析模块要为半变异函数值的划分确定一个合适的步长大小。为了减少大量可能的合并而将数据点对分成不同的距离级，该距离级的大小就是步长。这种方法称为步氏分组。步长分组后，半变异函数图中的点与练习2相比少了许多。一个好的步长大小也有助于揭示空间相关关系。该对话框用表面图和散点图的形式来显示半变异函数值与距离间的关系。然后拟合一个球面半变异函数模则(在各个方向都能拟合的很好)以及它们的相关参数值，这些参数通常被称为块金效应、自白相关阐值及偏基台值(结构方差)。

可以尝试用小的步长(距离)来拟合半变异函数。可以采用不同的步长分组值，通过改变步长的大小和步长组数目来重新拟合缺省球面模型。

9．输入—个新步K值12000。

10．单击输入框，设定步长组的数目为10。

减小步长的大小意味着你可以有效地放大并模拟相邻采样点间局部变异的细节。你会注意到当赋予一个较小的步长时，拟合后的半变异函数图(图中黄线)急剧上升、接着变平。其自相关阈值即为曲线变平时经过的距离。半变异函数图的这种变平现象表明在超出其自相关阈值后自己相关关系就不再存在了。

提出趋势后，半变异函数就可以模拟数据点间自相关而不用考虑数据中存在的趋势。该