Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "semiwariogram" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Analysis of Spatial Variability in the Depth of the Water Table in Grassland Areas
Analiza zmienności przestrzennej głębokości położenia wód gruntowych na użytkach zielonych
Autorzy:
Grzywna, A.
Kamińska, A.
Bochniak, A.
Powiązania:
https://bibliotekanauki.pl/articles/1813932.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
geostatistics
groundwater levels
semivariogram
kriging
geostatystyka
poziom wody gruntowej
semiwariogram
Opis:
The kriging spatial statistical analysis technique was used to analyze spatial variability in the groundwater levels in irrigated grassland catchment in the Piwonia River valley. The geostatistical analysis in this study was performed using ArcGIS software, and the spatial distributions on fluctuations in groundwater levels were also studied. The objective of study was to evaluate the applicability of the kriging method for the analysis of the groundwater level. Field observation data collected in Sosnowica in 2011 were used (Western Polesie). The study area is located in Eastern Poland in the province of Lublin and has an temperate climate with temperature extremes -30°C and 35°C. (average 8°C). The annual rainfall in the area is about 600 mm, 40% of which occurs between June and September, and the evapotranspiration potential is high. The catchment area of the ditches is 0.46 km2 and is 86% of area is used as a one-crop seminatural meadows land. The soil cover is dominated by degraded soil muck-peat (MtII). In the catchment area 75% of the habitat moorshed and moist with a high groundwater level. In spring and summer, flooding of grassland in the eastern part of the study area was observed. It was caused by seepage of water from the pond and the supply of water after ice thawing or after rainfall. The obstruction of drainage including neglected ditches had also impact on flooding. The groundwater level in the western part of the study area decreased excessively in the fall because of drainage influence of the river which depth is 2 m. The dataset consisted of groundwater level measured at 15 points in three test periods (spring, summer and autumn). The measured groundwater levels were used to construct experimental semivariograms to characterize the spatial variability in the levels. A range of theoretical models (spherical, exponential, Gaussian models) were fitted to the experimental semivariograms. The models were validated using cross-validation statistics. Surface generated hydroizohipses maps were produced to illustrate spatial variations in the groundwater level in the study area. The spatial analysis of the groundwater level data from the piezometers led to the following conclusions: groundwater levels in the study area were autocorrelated in the distance between 203.5 and 300 m – depending on series, the groundwater level depth was smallest in the vicinity of the Hetman pond and greatest near the Piwonia river, spatial variability in the groundwater levels was described better by the Gaussian model than by the other models for all test series.
Do analizy zmienności przestrzennej poziomu zalegania wód gruntowych na nawadnianych użytkach zielonych w dolinie zlewni rzeki Piwonia wykorzystano technikę przestrzennej analizy statystycznej w postaci krigingu. W prezentowanych badaniach analizę geostatystyczną obejmującą studium rozkładu przestrzennego wahań głębokości położenia wód gruntowych przeprowadzono przy użyciu oprogramowania ArcGIS. Celem pracy była ocena możliwości stosowania metody krigingu do analizy poziomu wody gruntowej. Wykorzystane zostały dane obserwacyjne zebrane w rejonie Sosnowicy w 2011 roku (Polesie Lubelskie). Badany obszar położony jest we wschodniej Polsce, w województwie lubelskim i charakteryzuje się klimatem umiarkowanym z ekstremalnymi temperaturami od -30°C do 35°C (średnia 8°C). Suma opadów rocznych na obszarze badań wynosi około 600 mm, z czego 40% ma miejsce w okresie od czerwca do września, a potencjalna ewapotranspiracji jest wysoka. Powierzchnia zlewni rowu wynosi 0,46 km2 i jest w 86% użytkowana jako jednokośne półnaturalne łąki. W pokrywie glebowej dominują zdegradowane gleby murszowo-torfowe (MtII). 75% powierzchni stanowią siedliska pobagienne i wilgotne charakteryzujące się wysokim poziomem wody gruntowej w glebie. Podtapianie łąk we wschodniej części obszaru badań na wiosnę i w lecie jest spowodowane filtracją wody ze stawu, doprowadzaniem wody i niedrożnością systemu melioracyjnego w trakcie roztopów lub ulewnych opadów deszczu. Z kolei w zachodniej części badanego obszaru poziom wód gruntowych nadmiernie się obniża z powodu drenującego działania rzeki, której głębokość wynosi 2 m. Zbiór analizowanych danych dotyczył poziomów wód gruntowych mierzonych w 15 punktach w trzech okresach badawczych (wiosna, lato, jesień). Pomierzone poziomy wody gruntowej zostały wykorzystane do skonstruowania semiwariogramów eksperymentalnych charakteryzujących poziomą zmienność przestrzenną. Gama modeli teoretycznych (model sferyczny, wykładniczy i Gaussa) została dopasowana do semiwariogramów eksperymentalnych. Modele zostały sprawdzone za pomocą statystyki krzyżowej. W celu ilustracji zmian przestrzennych głębokości położenia wód gruntowych na obszarze badań utworzone zostały mapy hydroizohips. Analiza przestrzenna danych poziomu wód gruntowych z piezometrów doprowadziła do następujących wniosków: - autokorelacja poziomu wód gruntowych w obszarze badań ma zasięg od 203,5 do 300 m – zależnie od serii, - głębokość położenia zwierciadła wód gruntowych była najmniejsza w pobliżu stawu Hetman, a największa w pobliżu rzeki Piwonia, - przestrzenna zmienność głębokości położenia wody gruntowej dla wszystkich serii badań była lepiej opisana przez model Gaussa niż przez inne modele.
Źródło:
Rocznik Ochrona Środowiska; 2016, Tom 18, cz. 1; 291-302
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Geostatistical support for categorization of metal ore resources in Poland
Geostatystyczne wspomaganie kategoryzacji zasobów polskich złóż rud metali
Autorzy:
Mucha, J.
Wasilewska-Błaszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/216478.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
categorization of resources
metal ore
semivariogram
JORC Code
kategoryzacja zasobów
rudy metali
semiwariogram
Opis:
The authors attempted to introduce some components of the Australasian JORC Code system to the categorization of Polish Cu-Ag and Zn-Pb ore resources. The proposed geostatistical method of resource categorization applies two criteria: continuity of deposit parameters described by semivariograms and permissible, relative standard error of resources estimation determined with the ordinary kriging procedure. Considering the first criterion, we propose the following values of autocorrelation coefficients, which define the ranges (distances) of the resources categories around the measurement sites (e.g., exploration wells): “measured” category (A + B in the Polish system) – the values of the autocorrelation coefficient from 1 to 2/3, “indicated” category (C1 in the Polish system) – the values of the autocorrelation coefficient from 2/3 to 1/3, “inferred” category (partly C2 in the Polish system) – the values of the autocorrelation coefficient from 1/3 to 1/20, “out-of-doors” category (partly D in the Polish system) – the values of autocorrelation coefficient from 1/20 to 0. The second criterion of resources categorization is based upon the relative, standard errors of resources estimations calculated for the parts of deposit defined with the first criterion. The following permissible values of errors determined as the errors of ordinary kriging have been proposed: “measured” category (A + B in the Polish system) – 10% error, “indicated” category (C1 in the Polish system) – 30% error, “out-of-doors” category (partly D in the Polish system) – 50% error. [...]
W artykule podjęto próbę włączenia pewnych elementów australijskiego systemu raportowania zasobów JORC Code do kategoryzacji polskich złóż Cu-Ag i Zn-Pb. Zaproponowano geostatystyczną metodę kategoryzacji uwzględniającą dwa kryteria: ciągłość parametrów zasobowych opisywaną za pomocą semiwariogramów oraz dopuszczalny relatywny, standardowy błąd oszacowania zasobów określany przy zastosowaniu procedury krigingu zwyczajnego. Według pierwszego kryterium uznano, że do poniżej wymienionych kategorii mogą być zakwalifikowane zasoby wokół punktów rozpoznania (np. otworów wiertniczych) w zasięgach odległości spełniających następujące warunki: kategoria measured (A + B wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 1 do 2/3, kategoria indicated (C1 wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 2/3 do 1/3, kategoria inferred (częściowo C2 wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału: od 1/3 do 1/20, zasoby poza wymienionymi kategoriami (częściowo D wg polskiej klasyfikacji) – współczynnik autokorelacji przyjmuje wartości z przedziału od 1/20 do 0. Jako drugie kryterium warunkujące zaliczenie partii zasobów do danej kategorii przyjęto wielkość relatywnych, standardowych błędów oszacowań zasobów w obszarach złoża przyporządkowanym kategoriom według pierwszego kryterium. Dla poszczególnych kategorii rozpoznania zaproponowano następujące dopuszczalne wielkości błędów wyznaczanych jako błędy krigingu zwyczajnego: kategoria measured (A + B wg polskiej klasyfikacji) – 10%, kategoria indicated (C1 wg polskiej klasyfikacji) – 20%, kategoria inferred (C2 wg polskiej klasyfikacji) – 30%, zasoby poza wymienionymi kategoriami (D wg polskiej klasyfikacji) – 50%. [...]
Źródło:
Gospodarka Surowcami Mineralnymi; 2015, 31, 4; 21-33
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Variability anisotropy of mineral deposits parameters and its impact on resources estimation - a geostatistical approach
Anizotropia zmienności parametrów i jej wpływ na szacowanie zasobów w ujęciu geostatystycznym
Autorzy:
Mucha, J.
Wasilewska-Błaszczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/216978.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
parametr złożowy
geostatystyka
semiwariogram
anizotropia
kriging zwyczajny
deposit parameters
geostatistics
semivariogram
anisotropy
ordinary kriging
Opis:
Anisotropy of variations of Polish mineral deposit parameters is rarely the subject of interest of geologists who carry on the assessment projects. However, if the anisotropy is strong its description and mathematical modeling are rational and justified as it may affect the accuracy of many calculations suitably for mining geology and mining engineering, e.g. estimation of resources and grade of particular raw-material, interpolation of deposit parameters values and construction of their contour maps, designing of optimum grade mining operations or densification of sampling grid. In geostatistics anisotropy is described with directional semivariograms which represent average variability of values of particular deposit parameter in various directions, depending on the distance between sampling sites. Convenient graphic presentation of anisotropy is map of directional semivariograms and good mathematical presentation are functions describing the anisotropy models. The paper presents the results of geostatistical descriptions of various anisotropy types in selected examples of Polish mineral deposits. Taking into account the spherical variability model, the influence of anisotropy on the results of deposit parameters estimations has been theorized for both the interpolation point and calculation block (area). It was found that anisotropy is effective for parameters estimation if three mutually interrelated factors are considered: power of directional diversification of parameters variation, contribution of random component to total, observed variation of parameters and the range of semivariograms (autocorrelation) of parameter referred to the average sampling grid density. The results demonstrate that anisotropy influences much more the estimations of parameters value in interpolation points than those of average values of parameters calculated for particular parts of deposit (calculation blocks). Moreover, anisotropy is unimportant when the random component of variability dominates the overall variability of analyzed parameter. Therefore, the simpler, isotropic variability model can be applied to geostatistical estimations of deposit parameters.
Anizotropia zmienności parametrów złożowych tylko sporadycznie bywa przedmiotem zainteresowania dokumentatorów polskich złóż . Jej opis i modelowanie matematyczne ma jednak sens i uzasadnienie, gdy jest ona silnie wyrażona, ponieważ tylko wówczas może wpływać zauważalnie na dokładność rozwiązania wielu zadań z zakresu geologii górniczej i górnictwa, takich jak: szacowanie zasobów i jakości kopaliny, interpolacja wartości parametrów złożowych i kreślenie ich map izoliniowych, projektowanie eksploatacji uśredniającej czy też projektowanie zagęszczonej sieci punktów rozpoznania (opróbowania) złoża. W geostatystyce opisu anizotropii dokonuje się za pomocą semiwariogramów kierunkowych wyrażających średnie zróżnicowanie wartości badanego parametru złożowego dla różnych kierunków badań w zależności od odległości między punktami opróbowań. Graficznie anizotropię ilustruje się najczęściej w wygodnej dla interpretacji formie mapy semiwariogramów kierunkowych oraz matematycznie za pomocą funkcji analitycznych ciągłych opisujących modele anizotropowe. W artykule przedstawiono wyniki geostatystycznego opisu różnego rodzaju anizotropii zmienności parametrów złożowych na wybranych przykładach polskich złóż kopalin stałych. Teoretycznie, na przykładzie sferycznego modelu zmienności zilustrowano wpływ anizotropii na wyniki szacowania wartości parametrów złożowych w punktach i blokach złoża. Stwierdzono, że efektywność uwzględnienia anizotropii w szacowaniu parametrów złożowych jest uzależniona od wzajemnych relacji trzech elementów: siły kierunkowego zróżnicowania zmienności parametru, udziału losowego składnika zmienności w całkowitej, obserwowanej zmienności parametru oraz zasięgu autokorelacji wartości parametru odniesionego do średniego rozstawu punktów opróbowań. Wykazano, że anizotropia ma znacznie silniejszy wpływ na oszacowanie wartości parametrów w punktach złoża niż na oszacowanie jego średnich wartości w blokach złoża. Stwierdzono, że anizotropia nie ma istotnego znaczenia w przypadku dominacji losowego składnika zmienności w obserwowanej zmienności analizowanego parametru, co upoważnia do stosowania w oszacowaniach geostatystycznych prostszego, izotropowego modelu zmienności parametru.
Źródło:
Gospodarka Surowcami Mineralnymi; 2012, 28, 4; 113-135
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of a semivariogram model in the study of spatial distribution of soil moisture
Dobór modelu semiwariogramu w badaniach przestrzennego rozkładu wilgotności gleby
Autorzy:
Obroślak, R.
Dorozhynskyy, O.
Powiązania:
https://bibliotekanauki.pl/articles/292616.pdf
Data publikacji:
2017
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
geostatistics
modelling of semivariogram
semivariogram
soil moisture
variogram
geostatystyka
modelowanie semiwariogramu
semiwariogram
wariogram
wilgotność gleb
Opis:
The paper presents a selection of a semivariogram model in the study of spatial variability of soil moisture in a loess agricultural catchment. Soil moisture tests were carried out in the Moszenki village, 15 km northwest of Lublin. Soil moisture measurements were performed at two dates at 104 points, located on a rectangular surface measuring 700 × 1200 m. These points were laid out in the corners of a grid of squares with sides 100 m. In addition, 6 measurements were made at a distance of less than 100 m from the nearest points. Soil moisture was measured in the soil surface (0–5 cm). ArcGis software with Geostatistical Analyst extension was used for modelling semivariograms. In both terms, five models of semivariograms were used: stable, circular, spherical, exponential and Gaussian. Kriging was used for the estimation of soil moisture values. Among the semivariogram models analyzed in this study, the largest errors in the determined values of soil moisture relative to the empirical data were observed for the exponential model, and the smallest for the Gaussian model. However, it should be emphasized that the values of the analysed errors for the individual semivariogram models were similar. Application of the ordinary kriging method for interpolation of spatial distribution of soil moisture yields good results, but it has to be kept in mind that the final shape of the spatial distribution is influenced by the choice of the semivariance function model.
W pracy zaprezentowano dobór modelu semiwariogramu w badaniach przestrzennej zmienności wilgotności gleby w lessowej zlewni rolniczej. Badania wilgotności gleb przeprowadzono na terenie wsi Moszenki, 15 km na północny zachód od Lublina. Pomiary wilgotności gleby przeprowadzono w dwóch terminach w 104 punktach, rozmieszczonych na powierzchni w kształcie prostokąta o wymiarach 700 × 1200 m. Punkty te wytyczono w narożnikach siatki kwadratów o bokach 100 m. Dodatkowo wykonano 6 pomiarów zlokalizowanych w odległości mniejszej niż 100 m od najbliższych punktów. Wilgotność mierzono w powierzchniowej warstwie gleby (0–5 cm). Do modelowania semiwariogramów wykorzystano program ArcGis z rozszerzeniem Geostatistical Analyst. W obu terminach do analiz wykorzystano pięć modeli semiwariogramów: stały, kołowy, sferyczny, wykładniczy, Gaussa. Do estymowania wartości wilgotności na analizowanym obszarze wykorzystano kryging zwyczajny. Spośród analizowanych modeli semiwariogramów największe błędy wyznaczonych wartości wilgotności gleby w stosunku do danych empirycznych zanotowano dla modelu wykładniczego, natomiast najmniejsze dla modelu Gaussa. Wykorzystanie krygingu zwykłego do interpolacji rozkładu przestrzennego wilgotności gleb daje dobre rezultaty, jednak na efekt końcowy rozkładu przestrzennego wpływ miał dobór modelu funkcji semiwariancji.
Źródło:
Journal of Water and Land Development; 2017, 35; 161-166
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies