درس رائع أخي علي ربنا يوفقك ألاحظ أن هناك تقارب كبير في الاهتمامات بيننا
كم كنت أتمنى أن يتاح لي وقت لعمل بعض الإضافات للموضوع لكن اسمح لي أن أضيف بعض النقاط التي في خاطري الآن

كنت أتمنى أن نقول جيو إحصائي وليس إحصائي لنكون أكثر تحديداً وإن كنا نريد أن نكون أكثر تحديداً فعبارة (Spatial Interpolation) قد تكون الأكثر تحديداً

كنت أتمنى لو قمت بتطبيق المثال الموجود في الكتيبات التي تأتي مع البرنامج فهي بحق أفضل مرجع رأيته في حياتي لهذا الموضوع خصوصاً وأنه تتوفر البيانات ويمكن لنا أن نقوم بتطبيق الخطوات وملاحظة النتيجة


طريقة الكريقينغ نسبة إإلى عالم يسمى Krige بعض المراجع ذكرت أنه من جنوب أفريفيا وبعضها قالت إنه فرنسي وهو عالم تعدين عموماً لا يمكن الجزم بأن هذه الطريقة تعطي دوماً نتائج أدق من غيرها ولابد دوماً كما ذكر الدكتور علي فهم الظاهرة محل الدراسة خصوصاً وأن هذه الطريقة هي إحصائية احتمالية (probabilistic) وليست طريقة حتمية (Deterministic) مثل طريقة Inverse Distance Weighted بالرغم من تميز طريقة (Kriging) يمزايا أخرى يطول شرحها وقد ذكرها دليل إزري بالتفيصيل مثل عمل Simulation وعمل Variogram

اتباعك لهذه الخطوات يشعر غير المتخصص بأن هذه هي الخطوات القياسية والأمر ليس كذلك فمثلاً
ما يتعلق بالصورة الخامسة حيث تم استخدام عملية التحويل إلى لوغاريتم للبيانات (Log Transform) ولا نستخدم التحويل عموماً إلى إذا كانت البيانات لدينا لا تتبع للتوزيع الطبيعي (normal distribution) ولا يلزم أن نستخدم التحويل اللوغاريتمي وإنما يجب علينا اختبار أن التحويلات التي تجعل البيانات لدينا تقترب من التوزيع الطبيعي
أيضاً من المهم جداً التعرف على الخطأ المعياري لعملية (Spatial Interpolation) وعدم أخذ النتيجة كما هي من خلال النقر على لوحة المفاتيح الموضوع يطول ويكفيك أنك أول من فتح هذا الباب
أشكرك على إثارة الهمم والموضوع

تقبل خالص شكري على هذا الموضوع الرائع المدعم بالصور