ScholarGate
Assistent
Regression modelGIS / spatial

Bayesiaanse Co-Kriging

Bayesiaanse Co-Kriging is een multivariate geostatistische methode die hulpvariabelen met ruimtelijke correlatie gebruikt om voorspellingen van een primaire variabele van belang te verbeteren. Door Bayesiaanse priors te plaatsen op kruis-covariantieparameters, propageert het alle onzekerheid – inclusief parameteronzekerheid – naar de voorspellingsintervallen, wat resulteert in volledig probabilistische kaarten met gekalibreerde onzekerheidsgrenzen.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  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

Deze pagina citeren

ScholarGate. (2026, June 3). Bayesian Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/nl/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

Geciteerd door

ScholarGateBayesian Co-Kriging (Bayesian Co-Kriging Spatial Interpolation). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/spatial-analysis/bayesian-co-kriging · Gegevensset: https://doi.org/10.5281/zenodo.20539026