Memahami Layer Geostatistical Analyst

Geostatistical Analyst (atau GA) menggunakan sampel titik yang diambil dari lokasi yang berbeda pada landscape dan membuat interpolasi surface yang continuous. Sampel titik dihitung berdasarkan fenomena tertentu, seperti muntahan oli, radiasi dari pembangkit nuklir, dan titik tinggi. GA menghasilkan surface menggunakan nilai dari lokasi yang dihitung untuk memprediksi nilai dari setiap lokasi pada bentang lahan.

Hasil dari analisa menggunakan GA disimpan dalam layer Geostatistikal, diilustrasikan seperti gambar di bawah ini. Layer GA seperti juga layer ArcMap, anda dapat menambah, menghapus, menamai ulang, dan edit simbologi dengan berbagai macam cara.

1

Layer GA menyimpan data sumber (biasanya data titik) dan parameter yang digunakan untuk menginterpolasi nilai, tetapi tidak menyimpan hasil keseluruhan dari interpolasi. Ketika layer GA digambarkan di ArcMap, grid kasar akan ditempatkan di atas seluruh extent dari layer dan nilai akan diinterpolasikan on-the-fly untuk setiap sel pada grid.
Nilai yang diinterpolasi digunakan untuk membuat isolines yang tertutup yang diperlihatkan oleh layer. Isoline ini hanya dibuat untuk 10 kelas yang berada antara nilai min dan max dari data sumber. Resolusi dari grid dioptimasi jadi dapat digambarkan secara cepat pada layer; menggunakan grid yang lebih halus akan memperlambat kecepatan gambar.
Fakta bahwa layer GA menginterpolasi nilai secara on-the-fly seringkali disalahartikan. Sebagai contoh, ketika layer GA diekspor ke grid menggunakan tool GA Layer to Grid, interpolasi dilakukan untuk setiap sel dari grid output. Jika output anda mempunya 1000 kolom dan baris, 1 juta kalkulasi akan dilakukan. Resolusi detail grid output mungkin memerlukan beberapa juta kalkulasi, jadi performa dari tool GA Layer to Grid tergantung pada resolusi output grid.
Ada efek lain dari ekspor layer menjadi grid- nilai sel output, dan juga nilai min dan max dari grid output, dipengaruhi oleh ukuran sel grid. Nilai min dan max dari grid hampir selalu berbeda dari nilai min dan max input data. Sebagai contoh, ilustrasi dibawah menunjukkan layer GA dengan nilai min dan max dan gris yang diekspor dengan nilai min dan max, terlihat perbedaan statistik nilai min dan max dari kedua data tersebut.
2
Interpolator pasti, seperti Inverse Distance Weighting, dapat menghasilkan grid output yang mempunyai nilai Max lebih rendah dari nilai max input, seperti terlihat di atas. ini terjadi ketika input data yang mengandung nilai max tidak berada pada pusat dari sel grid output. pada kasus ini, nilai max ditimbang berdasarkan jarak dari pusat sel dengan titik terdekat.

njoy :beer:

sumber : ESRI Blog

Tinggalkan Pesan