ScholarGate
Assistent
Regression modelGIS / spatial

Bayesianisches Universelles Kriging

Bayesianisches Universelles Kriging (BUK) erweitert das klassische universelle Kriging, indem es den Trendkoeffizienten und räumlichen Kovarianzparametern Prior-Verteilungen zuweist und anschließend die vollständige posteriore Unsicherheit in die Vorhersagen propagiert. Es interpoliert räumlich referenzierte kontinuierliche Daten, während es gleichzeitig großskalige deterministische Trends, die durch Kovariaten angetrieben werden, und kleinskalige stochastische räumliche Abhängigkeiten schätzt. Dies führt zu Vorhersageintervallen, die sowohl die Parameter- als auch die Interpolationsunsicherheit ehrlich berücksichtigen.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Diggle, P. J., & Ribeiro, P. J. (2007). Model-Based Geostatistics. Springer. ISBN: 978-0387329079
  2. Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Bayesian Universal Kriging. ScholarGate. https://scholargate.app/de/spatial-analysis/bayesian-universal-kriging

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Referenziert von

ScholarGateBayesian Universal Kriging (Bayesian Universal Kriging). Abgerufen am 2026-06-15 von https://scholargate.app/de/spatial-analysis/bayesian-universal-kriging · Datensatz: https://doi.org/10.5281/zenodo.20539026