Méthodes spatiales
111 méthodes dans cette famille.
À la une
Modèle CA-Markov de changement d'utilisation des terresCA-Markov is a hybrid spatio-temporal model that projects land-use and land-cover change by combining a Markov chain — which predicts how much of each class will change — with cellCo-krigage : interpolation géostatistique multivariéeCo-kriging is a geostatistical interpolation technique that predicts the spatial distribution of a primary variable by leveraging its spatial cross-correlation with one or more secCokrigageCokriging extends kriging to use one or more correlated secondary variables to improve prediction of a primary variable. When the variable of interest is sparsely sampled but a relSimulation géostatistique conditionnelleConditional Geostatistical Simulation — most commonly implemented as Sequential Gaussian Simulation (SGS) — generates multiple stochastic realizations of a spatial random field thaProcessus GaussienA Gaussian Process (GP) is a non-parametric, fully probabilistic machine learning model that places a prior distribution directly over functions. Rather than predicting a single vaC de Geary (mesure globale d'autocorrélation spatiale)Geary's C is a global measure of spatial autocorrelation — whether nearby locations tend to have similar values — introduced by Roy Geary in 1954. Unlike Moran's I, which is built
Parcours de lecture
Les méthodes fondamentales les plus citées de ce thème, dans l'ordre de leur développement — un point de départ si vous débutez ici.
Toutes les méthodes 111
Modèle CA-Markov de changement d'utilisation des terresCo-krigage : interpolation géostatistique multivariéeCokrigageSimulation géostatistique conditionnelleProcessus GaussienC de Geary (mesure globale d'autocorrélation spatiale)Rapport de contiguïté C de GearyAnalyse en Composantes Principales Pondérée Géographiquement (GWPCA)Forêt aléatoire géographiquement pondéréeRégression Pondérée Géographiquement (GWR)Analyse de points chauds Getis-Ord Gi*L'analyse multicritère (AMC) basée sur SIG (AMC-SIG)Co-Krigage GlobalStatistique G de Getis-Ord globaleAnalyse globale des points chauds (Statistique G de Getis-Ord)Krigage globalIndice I de Moran globalKrigeage ordinaire globalClassification globale par télédétectionAutocorrélation spatiale globaleModèle de Durbin Spatial Global (SDM)Global Spatial Error ModelModèle de Panel Spatial GlobalKrigage universel globalAnalyse des points chauds (Getis-Ord Gi*)Modèle de HuffPondération par distance inverse (IDW)Interpolation spatiale par krigeageMétriques de motif paysagerAnalyse de chemin de moindre coût / Analyse coût-distanceLISAIndicateur local d'association spatiale (LISA) C de Geary localRégression Géographiquement Pondérée Locale (GWR)La statistique Gi* de Getis-Ord locale (Analyse de points chauds)Analyse des points chauds locaux (Getis-Ord Gi*)Indicateurs Locaux d'Association Spatiale (LISA)Estimation locale par noyau de la densitéKriging local (Kriging à fenêtre glissante)I de Moran local (LISA)Analyse spatiale locale basée sur les réseauxKrigage ordinaire localAutocorrélation spatiale localeModèle de Durbin Spatial LocalModèle de décalage spatial localRégression Spatiale LocaleKrigage Universel LocalModèles de localisation-affectationAlgèbre cartographiqueRégression pondérée géographiquement multi-échelle (MGWR)Test d'autocorrélation spatiale I de MoranI de MoranRégression Géographiquement Pondérée Multiscale (MGWR)Analyse de points chauds Getis-Ord Gi* multiscalaireMoran's I multiscalaireAutocorrélation spatiale multiscalaireAnalyse spatiale basée sur le réseauKriging OrdinaireAutocorrélation spatiale C de Geary en panelRégression Géographiquement Pondérée sur Données de Panel (Panel GWR)Analyse de points chauds en panelEstimation de Densité par Noyau sur Données de PanelKriging de PanelIndicateurs Locaux d'Association Spatiale en Panel (Panel LISA)Panel Multiscale Geographically Weighted RegressionAnalyse Spatiale de Réseaux en Données de PanelKrigage ordinaire de panelAutocorrélation spatiale de panelModèle de Durbin spatial sur données de panelModèle d'erreur spatiale de panelRégression Spatiale sur Données de PanelKrigage Universel de PanneauModèle de Radiation de la Mobilité et de la MigrationClassification par télédétectionFonction K de RipleyCo-Kriging RobusteC de Geary robusteStatistique Robuste de Getis-Ord Gi*Krigeage RobusteIndicateurs Locaux Robustes d'Association Spatiale (LISA Robust)Moran's I robusteAutocorrélation spatiale robusteKrigage Universel RobusteAnalyse de zone de serviceC de Geary espace-tempsSpace-Time Getis-Ord Gi*Analyse des points chauds spatio-temporelsEstimation de la Densité par Noyau Spatio-Temporel (ST-KDE)Krigage spatio-temporelIndicateurs Locaux d'Association Spatiale Temps-Espace (ST-LISA)I de Moran espace-tempsAnalyse spatio-temporelle basée sur les réseauxOrdinary Krigeage Spatio-TemporelClassification d'images satellitaires spatio-temporellesAutocorrélation spatio-temporelleModèle de Durbin spatial espace-temps (ST-SDM)Modèle d'erreur spatiale spatio-temporelModèle autorégressif spatial à décalage espace-tempsModèle de Panel Spatial Spatio-TemporelRégression spatio-temporelle spatialeKrigage universel spatio-temporelAutocorrélation spatialeDifférence-en-différences spatialeModèle de Durbin spatial (SDM)Modèle d'erreur spatiale (SEM)Modèles d'interaction spatiale (gravitationnelle)Modèle de retard spatial (SAR / Autoregressive Spatial)Modèle de données de panel spatial (effets fixes/aléatoires)Pondération par score de propension spatialeModèle SAC SpatialQuantification de l'incertitudeKrigage universel (Krigage avec une tendance)