Regression modelGIS / spatial

Байесовский кригинг (Геостатистика на основе моделей)

Байесовский кригинг встраивает классическую геостатистическую интерполяцию в полную вероятностную структуру. Вместо того чтобы рассматривать параметры вариограммы как фиксированные точечные оценки, он назначает им априорные распределения и обновляет эти априорные значения с помощью наблюдаемых пространственных данных для получения апостериорного распределения. Затем предсказания в неисследованных местах усредняются по этой неопределенности, давая честные предиктивные интервалы, учитывающие как пространственную зависимость, так и неопределенность параметров.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  1. Diggle, P. J., Tawn, J. A., & Moyeed, R. A. (1998). Model-based geostatistics. Journal of the Royal Statistical Society: Series C (Applied Statistics), 47(3), 299–350. DOI: 10.1111/1467-9876.00113
  2. Handcock, M. S., & Stein, M. L. (1993). A Bayesian analysis of kriging. Technometrics, 35(4), 403–410. DOI: 10.1080/00401706.1993.10485354

Как цитировать эту страницу

ScholarGate. (2026, June 3). Bayesian Kriging (Model-Based Geostatistics). ScholarGate. https://scholargate.app/ru/spatial-analysis/bayesian-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

Упоминается в

ScholarGateBayesian Kriging (Bayesian Kriging (Model-Based Geostatistics)). Получено 2026-06-15 из https://scholargate.app/ru/spatial-analysis/bayesian-kriging · Набор данных: https://doi.org/10.5281/zenodo.20539026