Global Co-Kriging
Global Co-Kriging Spatial Interpolation · Ayrıca şöyle bilinir: global cokriging, co-kriging, cokriging, multivariate kriging
Global Co-Kriging, çok değişkenli bir jeoistatistiksel enterpolasyon yöntemidir ve örneklenmemiş birincil bir değişkeni, bir veya daha fazla ikincil değişkenle olan uzamsal çapraz korelasyonundan yararlanarak tahmin eder. Yerel (hareketli pencere) yaklaşımların aksine, tüm çalışma alanına tek bir variyogram ve çapraz-variyogram modeli seti uydurur ve her tahmin konumu için tek bir küresel cokriging sistemi çözer.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Spatially seyrek birincil değişkene (örn. toprak kirleticisi, cevher tenörü) ve daha yoğun örneklenmiş ilişkili bir ikincil değişkene (örn. uzaktan algılama yansıması, yükselti, ucuz bir vekil ölçüm) sahip olduğunuzda ve çapraz korelasyon yapısının tüm çalışma alanı boyunca durağan veya yaklaşık durağan olduğu durumlarda Global Co-Kriging kullanın. Bilimsel olarak gerekçelendirilebilir, alan çapında tutarlı bir variyogram modeli olduğunda ve harita boyunca tahmin tutarlılığının hiper-yerel esneklikten daha önemli olduğu durumlarda doğru seçimdir. Çapraz korelasyonun durağan olmadığı (örn. alt bölgeler arasında dramatik şekilde değiştiği) durumlarda bundan kaçının — bu durumda yerel cokriging veya coğrafi olarak ağırlıklandırılmış yaklaşımlar tercih edilir. Ayrıca, ikincil değişkenlerin birincil değişkenle çok zayıf ilişkili olduğu (çapraz-variyogram sıfıra yakın) durumlarda bundan kaçının, çünkü ek karmaşıklık o zaman sıradan kriging'e göre fayda sağlamaz.
Güçlü yönler & sınırlılıklar
- Tahmin varyansını tek değişkenli kriging'e kıyasla azaltmak için değişkenler arasındaki çapraz korelasyonu kullanır.
- Tek bir küresel olarak uydurulmuş kovaryans modeli, tüm alan boyunca tutarlı, yorumlanabilir uzamsal ilişkiler sağlar.
- Gözlemlenen birincil veri konumlarında tam enterpolasyon sağlar (örnek noktalarında sıfır tahmin hatası).
- Belirsizliği ölçen cokriging varyans haritaları üretir, risk temelli karar vermeyi destekler.
- İkinci dereceden durağanlık ve doğru şekilde belirtilmiş bir çekirdeklenme doğrusal modeli altında teorik olarak optimaldir (BLUP).
- Geçerli bir çekirdeklenme doğrusal modelinin uydurulmasını gerektirir, bu karmaşıktır ve özneldir — kötü uydurulmuş çapraz-variyogramlar performansı düşürebilir.
- Çapraz korelasyonun alan boyunca durağan olduğunu varsayar; heterojen manzaralarda ihlal edilir, bu da yanlı tahminlere yol açar.
- Hesaplama açısından pahalıdır: cokriging sistemi matrisi, birincil ve ikincil gözlemlerin toplam sayısıyla büyür.
- Veri gereksinimleri yüksektir — ikincil değişken, birincil değişkenle gerçek anlamda ilişkili olmalıdır; aksi takdirde gürültü ve karmaşıklık ekler.
- Ağırlıkların yorumlanması, özellikle birden fazla ikincil değişken dahil edildiğinde, sıradan kriging'den daha az sezgiseldir.
SSS
Global Co-Kriging, Sıradan Kriging'den nasıl farklıdır?
Sıradan kriging yalnızca birincil değişkeni ve onun doğrudan variyogramını kullanır. Co-kriging ek olarak bir veya daha fazla ikincil değişkeni ve birincil değişkenle olan çapraz-variyogramlarını içerir. Bu, ikincil verilerin — genellikle daha ucuz veya daha yoğun — çapraz korelasyonun güçlü olduğu yerlerde birincil değişkenin tahminini iyileştirmesine olanak tanır.
Çekirdeklenme doğrusal modeli (LMC) nedir ve neden gereklidir?
LMC, tüm değişkenlerin ortak kovaryans matrisinin pozitif-tanımlı olmasını sağlayan matematiksel bir kısıtlamadır (cokriging sisteminin benzersiz bir çözüme sahip olması için bir gerekliliktir). Tüm doğrudan ve çapraz-variyogramları, aynı temel variyogram yapısı kümesinin pozitif doğrusal kombinasyonları olarak ayrıştırır. Geçerli bir LMC olmadan, cokriging sistemi fiziksel olarak anlamsız olan negatif kriging varyansları üretebilir.
'Küresel' etiketi ne zaman önemlidir — varsayılan olarak tüm cokriging küresel değil midir?
Uygulamada, cokriging yerel olarak uyarlanabilir bir stratejiyle (sadece hareketli bir komşuluk penceresindeki gözlemleri kullanarak ve modeli yerel olarak yeniden uydurarak), yerel kriging'e benzer şekilde uygulanabilir. 'Küresel', tek bir variyogram ve çapraz-variyogram modelinin tüm verilerden tahmin edildiği ve alan çapında uygulandığı anlamına gelir. Bu klasik ve en yaygın uygulamadır, ancak yerel veya coğrafi olarak ağırlıklandırılmış alternatiflerle karşılaştırıldığında ayrım önemlidir.
İkincil değişkenim birincil değişkenle sadece zayıf bir şekilde ilişkiliyse ne olur?
Zayıf çapraz korelasyon, ikincil gözlemlere atanan cokriging ağırlıklarının sıfıra yakın olacağı ve yöntemin sıradan kriging'e doğru dejenere olacağı anlamına gelir. Bu durumda, ikincil değişkeni eklemek doğruluk kazançları olmadan model karmaşıklığı ekler. Sıfır çizgisine yakın bir çapraz-variyogram veya büyüklük olarak 0.4–0.5'in altındaki bir korelasyon, cokriging'in sıradan kriging'i geçemeyeceğini gösterir.
Global Co-Kriging modeli nasıl doğrulanır?
Birincil değişken üzerinde bırak-bir-dışarı çapraz doğrulama (jack-knife) kullanın: her gözlemi sırayla kaldırın, kalan verilerden tahmin edin ve tahmin edilen ile gözlemlenen değerleri karşılaştırın. Anahtar tanılayıcılar ortalama hata (yanlılık), ortalama karesel hata ve standartlaştırılmış ortalama karesel hatadır (kriging varyansları iyi kalibre edilmişse 1'e yakın olmalıdır). İkincil verileri dahil etmenin faydasını doğrulamak için bu metrikleri sıradan kriging ile karşılaştırın.
Kaynaklar
- Myers, D. E. (1982). Matrix formulation of co-kriging. Journal of the International Association for Mathematical Geology, 14(3), 249–257. DOI: 10.1007/BF01032887 ↗
- Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press. ISBN: 9780195115383
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Global Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/tr/spatial-analysis/global-co-kriging
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Co-kriging: Çok Değişkenli Jeoistatistiksel İnterpolasyonMekânsal analiz↔ karşılaştır
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Mekansal OtokorelasyonMekânsal analiz↔ karşılaştır
- Evrensel Kriging (Eğilimli Kriging)Mekânsal analiz↔ karşılaştır