عمل رائع أخي محمد، ولو أن "جغمة" ما سمعتها إلا في ديرتنا، فهل انت من الباحة؟!

املهم هذا يؤكد لنا حقيقة في الاشتقاق وهي أن مصداقية العمل من مصداقية البيانات؛ فكلما كثرت البيانات
وتم التأكد من صحتها قيمة قيمة، كلما كان الاشتقاق أفضل.
فمن المعروف أن بيانات الامطار من محطات في مواقع محددة سلفاً وتتميز بكبر المسافات فيما بينها
هنا لا بد من وضع محطات لفترة من الزمن في المناطق الواسعة (نكثف النقاط) بافتراض أن البحث يمتد لفترة زمينة طويلة نسبياً –حسب الدراسة. طبعاً عذر نقص البيانات في هذه الحالة لا يفيد لاننا مرتبطون بأهداف محددة
وإذا لم ننجزها لا نستطيع أن نقول شيء عن النتائج.

الجميل في طريقة الكريجنغ هو اننا نستطيع أن نحدد مقدار العينة المطلوبة ونختبر عددها قبل أن نقبل النتائج.
كما ان الكريجنغ المشارك CoKringing يستطيع أن ينتج لنا سطحا للظاهرة بناءً على ارتباطها مع ظاهرة أو
ظواهر أخرى، إذ من المنطقي أن نفعل ذلك لان الواقع يزخر بالعديد من الارتباطات المعقدة بين الظواهر.
فلو اردت أن تبين لنا سطحاً خاصا بتوزيع النبات ويكون هذا السطح منتجاً من خلال الاشتقاق وانت تعرف أن النبات مرتبط بالماء خاصة المطر، فمن الطبيعي أن تكون الظاهرة هي النبات والظاهرة المشاركة هي المطر. هذا بشرط أن تكون بياناتك في الأصل نقطية لكلاً من النبات والمطر-عند كل نقطة يوجد قراءة للنبات والمطر.
بهذه الطريقة أنت اشتققت بيانات جديدة بناء على ما هو حاصل في الواقع وأخذت الارتباط الذاتي المكاني ليس فقط بين قيم الظاهرة الواحدة بل بين هذه القيم وبين القيم الأخرى الخاصة بالظاهرة الأخرى.
لكن لنفرض أن طريقتك التي نتجت ذلك السطح الذي توجد به قيم غير مقبولة وتريد أن تستمر في موضوع الارتباط، يمكن عندئذ أن تتحايل على القيم كأن تعيد تصنيف طبقة الاشتقاق الخاصة بالمطر فتختار كل القيم الخاطئة ثم تضع لها قيماً تقريبة من فهمك للواقع أو تضع وهذا الأسلم قمية NoData. بعد ذلك تقوم باختيار عينة عشوائية لا تقل عن 30 نقطة، من سطح النبات المشتق وسطح الامطار. ثم تجري العلاقة الاحصائية بين هذه القيم. ومع ذلك لا يصح إلا الصحيح، فعدد بيانات الأصلية لابد أن تكون كافية لاخراج سطح صحيح أو مقبول.
الطريقة الأخرى وبعد أن تتخلص من القيم الخاطئة، أن تجري عملية مطابقة Intersection تقاطع وتختبر العلاقة من خلال مربع كاي، هنا انت تتعامل مع وحدات مساحية (يعني تجري عملية حساب للتوافق المساحي) إذ انه كلما توافقت المساحات أكثر بين الطبقتين كلما كان الارتباط قوي بين الظاهرتين، والعكس صحيح.
الخيار الآخر مثلما قال الأخ حمود، تعمل كل ذلك من خلال برامج الاحصاء بشرط أن تكون قيم النبات وقيم الأمطار مرتبطة باحداثيات (أي أن هذه القيم مسجلة عند نقاط محددة باحداثيات)
اعتقد أنني قلت بما يملا "قربة" ماء وربما غير مستساغة، والله وأعلم