The dissemination of digital spatial databases, coupled with the ever wider use of GISystems, is stimulating increasing interest in spatial analysis from outside the spatial sciences. The recognition of the spatial dimension in social science research sometimes yields different and more meaningful results than analysis which ignores it

Geostatistics, developed originally in the mining industry from the 1950s onwards, is now being applied widely in environmental science for mapping, monitoring and management. It is based on the theory of random spatial processes. There are numerous examples in soil science, meteorology, agronomy, hydrology, ecology and some aspects of marine science. By taking into account and modelling spatial correlation, geostatistics provides unbiased predictions of environmental variables with minimum and known variance in ways that no other method does. The general technique of prediction is known as kriging. It requires a mathematical model to describe the spatial covariance, usually expressed as a variogram, which in its parameterized form has become the central tool of geostatistics. Successful kriging and estimation of the variogram depend on sampling adequately without bias and with suitable spatial configurations and supports. These differ somewhat from design-based estimation with its emphasis on random sampling. <...>

/* Style Definitions */ table.MsoNormalTable {mso-style-name:"Обычная таблица"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-pagination:widow-orphan; font-size:10.0pt; font-family:"Times New Roman",serif;}

This web page is a set of companion notes to accompany the twelve lectures presented in the summer of 1999 For Landmark Graphics in Austin Texas. The lectures are intended to be an informal training seminar for those employees involved in the development, documentation, and testing of software that implement geostatistics.

Сборник содержит оригинальные статьи, посвященные математическим моделям процессов и статистическому анализу некоторых природных геологических закономерностей; аппроксимации наблюдаемых статистических распределений и решению обратных задач в гоохимии, минералогии и петрографии; процессам метаморфизма и определению эпицентров землетрясений на ЭВМ.
Книга рассчитана на геохимиков, минералогов и петрографов.

Geostatistics, which can be de¯ned as the tools for studying and predicting the spatial structure of georeferenced variables, have been mainly used in soil science during the past two decades. Since now, hundreds of geostatistical papers have been published on soil science issues (see bibliography ibid., this volume). The use of geostatistical tools in soil science is diverse and extensive. It can be for studying and predicting soil contamination in industrial areas, for building agrochemical maps at the ¯eld level, or even to map physical and chemical soil properties for a global extent. The users of the output maps are going from soil scientists to environmental modelers. One of the speci¯city of geostatistical outputs is the assessment of the spatial accuracy associated to the spatial prediction of the targeted variable. The results which are quantitative are then associated to a level of con¯dence which is spatially variable. The spatial accuracy can then be integrated into environmental models, allowing for a quantitative assessment of soil scenarios. <...>

Монография Дж. Девиса — результат многолетней работы автора, преподававшего математические методы исследования студентам геологических специальностей. Книга имеет отчетливо методический характер и в ней отдается предпочтение не теории, а, по словам автора, ответу на вопрос: «Как это делать?». Таким образом, это хорошее методическое руководство по применению математических методов и вычислительной техники при анализе геологических данных. В отечественной научной литературе нет монографии, в которой в столь сжатом виде были собраны сведения, необходимые в настоящее время для любого геолога, имеющего дело с количественной обработкой полученных данных.
Книга несомненно будет полезна геологам всех специальностей, а также с успехом может быть использована и как учебник для студентов геологических специальностей

This reader-friendly introduction to geostatistics provides a lifeline for students and researchers across the Earth and environmental sciences who until now have struggled with statistics. Using simple and clear explanations for both introductory and advanced material, it demystifies complex concepts and makes formulas and statistical tests easy to understand and apply.

K-MINE – это специализированная геоинформационная система для решения задач геодезии, картографии, геологии, проектирования.

Существуют специализированные решения K-MINE для предприятий горногопроизводства, сельского хозяйства, транспорта и др. Основой для работы системы служат цифровыетрехмерные модели объектов различной сложности (карты местности, модели месторождений, генеральныхпланов, полей сельскохозяйственного назначения, карьеров, шахт и др.). Наличие специализированногоматематического аппарата позволяет объединять геоданные с таблично-графической информацией, чтоприводит к возможности создания многосвязных аналитических отчетов, проектной документации, построениякомплексных проектных решений для производства и хозяйственной деятельности.

Разработчиком системы является компания «КРИВБАССАКАДЕМИНВЕСТ» (г. Кривой Рог, Украина). Первая версия системы вышла в свет в 1998 г. недропользование <...>

Цель данного курса заключается в том, чтобы показать, не прибегая к языку математики, что геостатистика является простым и гибким формальным подходом для количественного представления геологических данных. В курсе также рассматривается применение геостатистики в целях интеграции данных различных дисциплин, а также количественное описание неопределенности. Каждая из данных тем иллюстрируется большим количеством практических примеров, дающих понятие о возможных способах адаптации геостатистических моделей для решения конкретных задач

Условное моделирование представляет собой подход к пространственному моделированию, при котором распределение целевой переменной описывается уникальной математической функцией, вычисленной непосредственно на основании базовых данных и средств параметрического регулирования высокого уровня, указываемых пользователем. Данный подход к моделированию может применяться к дискретным переменным, таким как литология (после преобразования дискретных кодов в численные величины), или к непрерывным переменным, таким как определение содержания полезного компонента геохимическими методами. В настоящей статье обсуждается оценка непрерывных переменных (содержание полезного компонента) с использованием условного моделирования.

Одним из базовых инструментов условного моделирования для создания описания данной математической функции является радиальная базисная функция (РБФ). По существу, РБФ представляет собой взвешенную сумму функций, расположенных в каждой точке данных. Система линейных уравнений решается для вычисления весов и коэффициентов любых базовых коэффициентов модели дрейфа. После выведения РБФ может быть решена для любой невыборочной точки или усреднена по любому объему для обеспечения оценки содержания полезного компонента. К примеру, можно запросить РБФ на регулярной сетке для получения оценки содержания полезного компонента по блокам. Принимая во внимание простоту создания РБФ и ее способность прогнозировать содержание полезных ископаемых, возникает вопрос относительно того, как сравнить содержание полезного компонента, вычисленное в результате решения РБФ, с оценками содержания полезного компонента, полученными с применением традиционных геостатистических методов интерполяции (например, обычного кригинга).