Regression modelGIS / spatial

Co-Krigage Bayésien

Le Co-Krigage Bayésien est une méthode géostatistique multivariée qui utilise des variables auxiliaires spatialement corrélées pour améliorer les prédictions d'une variable primaire d'intérêt. En plaçant des à priori bayésiens sur les paramètres de covariance croisée, il propage toute l'incertitude — y compris l'incertitude des paramètres — dans les intervalles de prédiction, produisant des cartes entièrement probabilistes avec des bornes d'incertitude calibrées.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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

Comment citer cette page

ScholarGate. (2026, June 3). Bayesian Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/fr/spatial-analysis/bayesian-co-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

Référencée par

ScholarGateBayesian Co-Kriging (Bayesian Co-Kriging Spatial Interpolation). Consulté le 2026-06-15 sur https://scholargate.app/fr/spatial-analysis/bayesian-co-kriging · Jeu de données : https://doi.org/10.5281/zenodo.20539026