เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| Global Ordinary Kriging× | สหสัมพันธ์เชิงพื้นที่× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เชิงพื้นที่ | การวิเคราะห์เชิงพื้นที่ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1951–1963 | 1950 |
| ผู้ริเริ่ม≠ | Danie G. Krige; formalized by Georges Matheron | P. A. P. Moran (global measure, 1950); Roy Geary (Geary's C, 1954); Luc Anselin (LISA, 1995) |
| ประเภท≠ | Geostatistical interpolation | Spatial statistic / exploratory spatial data analysis |
| แหล่งต้นตำรับ≠ | Cressie, N. A. C. (1993). Statistics for Spatial Data (revised ed.). Wiley. ISBN: 978-0471002550 | Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23. DOI ↗ |
| ชื่อเรียกอื่น | ordinary kriging, OK, global kriging, stationary ordinary kriging | spatial dependence, geographic autocorrelation, spatial clustering measure, SA |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | Global Ordinary Kriging (GOK) is the canonical geostatistical interpolation method that estimates values at unsampled locations as a weighted linear combination of nearby observations. It fits a single variogram model to the entire dataset, enforcing a global stationarity assumption, and produces optimal unbiased predictions along with quantified prediction uncertainty at every interpolated point. | Spatial autocorrelation quantifies the degree to which a variable's values at nearby locations resemble each other more (positive autocorrelation) or less (negative autocorrelation) than expected by chance. Global indices such as Moran's I summarise the pattern across the entire study area, while local variants reveal clusters and outliers at the level of individual observations. |
| ScholarGateชุดข้อมูล ↗ |
|
|