Küresel Evrensel Kriging
Global Universal Kriging · Ayrıca şöyle bilinir: universal kriging (global), global UK, kriging with external drift (global), global trend kriging
Global Universal Kriging, uzamsal olarak değişen bir eğilimi (drift) koordinatların deterministik bir fonksiyonu olarak modelleyen ve hem eğilim katsayılarını hem de artık variogramı eş zamanlı olarak uydurmak için tüm veri kümesini kullanan bir jeoistatistiksel enterpolasyon yöntemidir. Tüm çalışma bölgesi boyunca büyük ölçekli bir uzamsal gradyanı hesaba katarak, nokta bazında tahmin belirsizliği ile birlikte optimal doğrusal yansız tahminler üretir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İlgilenilen değişkenin, yerel değişkenliği enterpole etmeden önce açıkça modellenmesi gereken belirgin bir büyük ölçekli uzamsal eğilim (örneğin, kıyıdan dağlara doğru artan yükseklik, enleme göre azalan sıcaklık) sergilediği durumlarda Global Universal Kriging kullanın. Eğilimin tüm çalışma alanı boyunca durağan olduğu (tutarlı yön ve büyüklük), veri kümesinin orta büyüklükte olduğu (yaklaşık 50–5000 nokta) böylece tek bir küresel variogramun temsil edici olduğu ve enterpole edilmiş yüzeyin yanı sıra tahmin belirsizlik haritalarının gerektiği durumlarda en uygunudur. Eğilimin alt bölgeler arasında yön veya güç değiştirdiği (yerel veya çok ölçekli varyantlar kullanın), veri kümesinin çok büyük olduğu (on binlerce nokta) ve küresel kriging sisteminin hesaplama açısından aşırı maliyetli hale geldiği veya saptanabilir bir driftin olmadığı ve Sıradan Kriging'in yeterli olduğu durumlarda bundan kaçının.
Güçlü yönler & sınırlılıklar
- Büyük ölçekli bir uzamsal eğilimi açıkça modeller ve kaldırır, drift mevcut olduğunda bile yansız tahminler üretir.
- Hem eğilimi hem de variogramı tahmin etmek için mevcut tüm verileri kullanır, bilgi kullanımını en üst düzeye çıkarır ve küresel olarak tutarlı tahminler üretir.
- Her tahmin konumunda titiz, uzamsal olarak değişen belirsizlik tahminleri (kriging varyansı) sağlar.
- Tahminler, model varsayımları altında En İyi Doğrusal Yansız Tahmincilerdir (BLUE).
- Belirgin yönlü veya polinom gradyanlı (örneğin, yükseklik, yağış, sıcaklık) çalışma alanları için uygundur.
- Büyük veri kümeleri için hesaplama açısından pahalıdır: tam n×n kriging sistemini çözmenin karmaşıklığı O(n^3)'tür.
- Eğilimin doğru şekilde belirtildiği varsayılır; yanlış belirtilmiş bir eğilim fonksiyonu, yansız tahminlere ve bozulmuş variogramlara yol açar.
- Artıkların durağanlığını varsayar: artık varyansı bölge genelinde değişiyorsa, tek bir küresel variogram yanıltıcı olacaktır.
- Eğilimi güvenilir bir şekilde tahmin etmek için yeterli veri yayılımı gerektirir — seyrek veya kümelenmiş bir veri kümesi kararsız eğilim katsayılarına yol açabilir.
- Sıradan Kriging'den daha karmaşıktır ve yorumlanması daha zordur; eğilim derecesi ve variogram model formu hakkında kararlar gerektirir.
SSS
Sıradan Kriging ile Global Universal Kriging arasındaki fark nedir?
Sıradan Kriging, çalışma alanı boyunca sabit ancak bilinmeyen bir ortalama varsayar; oysa Global Universal Kriging, ortalamanın uzamsal koordinatların deterministik bir fonksiyonu (drift veya eğilim) olarak değişmesine izin verir. Uzamsal bir eğilim mevcut olduğunda, Sıradan Kriging yansız tahminler üretir; Evrensel Kriging, artıkların enterpolasyonundan önce eğilimi hesaba katar ve kaldırır.
Evrensel Kriging'de eğilim derecesini nasıl seçerim?
Doğrusal bir eğilimle (birinci dereceden polinom) başlayın ve genelleştirilmiş artıkların variogramının durağan görünüp görünmediğini kontrol edin. Sistematik büyük ölçekli bir değişkenlik kalırsa, ikinci dereceden bir polinom deneyin. Aşırı uydurma riski taşıdıkları için yüksek dereceli polinomlardan açıkça gerekmedikçe kaçının. Çapraz doğrulama istatistikleri (RMSE, standartlaştırılmış hata), en iyi derecenin seçilmesine yardımcı olur.
Ne zaman Yerel Evrensel Kriging'i Global Evrensel Kriging'e tercih etmeliyim?
Eğilimin çalışma alanı boyunca yönünü veya yoğunluğunu değiştirdiği durumlarda, tek bir küresel polinom uydurmak uygun değildir. Yerel Evrensel Kriging, hareketli bir komşuluk kullanır, böylece eğilim her tahmin noktasında yeniden tahmin edilir ve daha fazla hesaplama ve potansiyel kenar etkileri pahasına uzamsal durağan olmama durumunu yakalar.
Global Universal Kriging, çok büyük veri kümelerini verimli bir şekilde işleyebilir mi?
Standart uygulamalar, birkaç bini aşan noktalar için sakıncalı hale gelen n×n bir matrisi tersine çevirmeyi gerektirir. Büyük veri kümeleri için seçenekler arasında seyrek yaklaşımlar, kovaryans sivri uçları, düşük dereceli yöntemler veya her tahmin konumunda yalnızca daha küçük alt sistemleri çözen yerel bir komşuluk varyantına geçmek yer alır.
Global Universal Kriging'i hangi yazılımlar uygular?
R paketleri gstat ve geoR, seçilebilir komşuluk boyutuna sahip Evrensel Kriging'i destekler (küresel mod için tüm verilere ayarlanır). Python'un PyKrige kütüphanesi de Evrensel Kriging sağlar. ArcGIS Geostatistical Analyst ve GSLIB yöntemi uygular.
Kaynaklar
- Journel, A. G., & Huijbregts, C. J. (1978). Mining Geostatistics. Academic Press, London. ISBN: 978-0123910608
- Chiles, J.-P., & Delfiner, P. (1999). Geostatistics: Modeling Spatial Uncertainty. Wiley, New York. ISBN: 978-0471083153
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Global Universal Kriging. ScholarGate. https://scholargate.app/tr/spatial-analysis/global-universal-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
- Yerel Evrensel KrigingMekânsal analiz↔ karşılaştır
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Evrensel Kriging (Eğilimli Kriging)Mekânsal analiz↔ karşılaştır