Geostatistics for Engineers and Earth Scientists

مهندسان و دانشمندان زمین به طور فزاینده ای به روش های کمی برای تجزیه و تحلیل، تفسیر و مدل سازی داده هایی که به طور ناقص فرآیندها یا ویژگی های طبیعی اندازه گیری شده در مکان های جغرافیایی را توصیف می کنند، علاقه مند هستند. استنتاج از دانش ناقص قلمرو آمار کلاسیک است. در مورد بسیاری از پدیده های طبیعی، همبستگی خودکار و متقاطع مانع استفاده از آمار کلاسیک می شود. انتخاب مناسب در چنین شرایطی، زمین آمار است، مجموعه‌ای از تکنیک‌های عددی برای توصیف ویژگی‌های فضایی شبیه به درمان در تحلیل سری‌های زمانی داده‌های زمانی همبسته خودکار. همانطور که در تجزیه و تحلیل سری های زمانی، بیشتر تکنیک های زمین آماری از متغیرهای تصادفی برای مدل سازی عدم قطعیتی که با ارزیابی ها همراه است استفاده می کنند. کاربرد روش ها به ماهیت فیزیکی ویژگی ها محدود نمی شود.
زمین‌آمار برای مهندسان و دانشمندان زمین مقدمه‌ای مختصر بر زمین‌آمار با تأکید بر توضیحات مفصلی از روش‌هایی ارائه می‌کند که مختصر، غیر زائد هستند و از طریق آزمایش زمان ثابت کرده‌اند که به طور رضایت‌بخشی برای انواع ویژگی ها و طرح های نمونه گیری اکثر این روش ها اشکال مختلف کریجینگ و شبیه سازی تصادفی هستند. این ارائه از یک رویکرد مدولار پیروی می کند که هر فصل را تا حد ممکن مستقل می کند، در نتیجه امکان خواندن فصل های جداگانه را فراهم می کند، ارجاع متقابل بیش از حد به نتایج قبلی را کاهش می دهد و امکاناتی را برای بررسی مشتقات مشابه در شرایط کمی متفاوت ارائه می دهد. رهنمودها و قوانینی تا جایی که ممکن است برای کمک به انتخاب از میان روش‌های جایگزین و انتخاب پارامترها ارائه می‌شوند، بنابراین کاربر را از برقراری تماس‌های ذهنی بر اساس تجربه‌ای که هنوز به دست نیامده است رهایی می‌بخشد.
زمین‌آمار برای مهندسان و دانشمندان زمین برای کمک به آموزش رسمی زمین‌آمار یا به‌عنوان خودآموزی برای هر کسی که انگیزه استفاده از زمین‌آمار برای طراحی نمونه، تجزیه و تحلیل داده‌ها یا منابع طبیعی را دارد، در نظر گرفته شده است. تعیین مشخصات. مجموعه داده های واقعی برای نشان دادن کاربرد روش استفاده می شود.

Engineers and earth scientists are increasingly interested in quantitative methods for the analysis, interpretation, and modeling of data that imperfectly describe natural processes or attributes measured at geographical locations. Inference from imperfect knowledge is the realm of classical statistics. In the case of many natural phenomena, auto- and cross- correlation preclude the use of classical statistics. The appropriate choice in such circumstances is geostatistics, a collection of numerical techniques for the characterization of spatial attributes similar to the treatment in time series analysis of auto-correlated temporal data. As in time series analysis, most geostatistical techniques employ random variables to model the uncertainty that goes with the assessments. The applicability of the methods is not limited by the physical nature of the attributes.
Geostatistics for Engineers and Earth Scientists presents a concise introduction to geostatistics with an emphasis on detailed explanations of methods that are parsimonious, nonredundant, and through the test of time have proved to work satisfactorily for a variety of attributes and sampling schemes. Most of these methods are various forms of kriging and stochastic simulation. The presentation follows a modular approach making each chapter as self-contained as possible, thereby allowing for reading of individual chapters, reducing excessive cross-referencing to previous results and offering possibilities for reviewing similar derivations under slightly different circumstances. Guidelines and rules are offered wherever possible to help choose from among alternative methods and to select parameters, thus relieving the user from making subjective calls based on an experience that has yet to be acquired.
Geostatistics for Engineers and Earth Scientists is intended to assist in the formal teaching of geostatistics or as a self tutorial for anybody who is motivated to employ geostatistics for sampling design, data analysis, or natural resource characterization. Real data sets are used to illustrate the application of the methodology.