Local Ordinary Kriging (Moving Window Kriging)
Ayrıca şöyle bilinir: moving window kriging, local kriging, neighborhood kriging, LOK
Ölçülmemiş bir noktadaki yağış miktarını tahmin etmeyi düşünün: tüm ülkedeki hava istasyonlarını kullanmak yerine, en yakın bir düzine istasyona odaklanırsınız. Yerel Adi Kriging tam olarak bunu yapar — her bir tahmin hedefinin etrafında uzamsal bir pencere kaydırır, o pencere içindeki en yakın gözlemleri seçer, uzamsal bağımlılığı karakterize etmek için yerel bir varyogram uydurur ve ardından optimal bir ağırlıklı ortalama hesaplar. Hedefe daha yakın gözlemler daha fazla ağırlık alır; ağırlıkların toplamı bire eşittir, bu da yanlı olmamayı sağlar. Sonuç, yerel veri yoğunluğuna ve yerel uzamsal yapıya sorunsuz bir şekilde uyum sağlayan bir tahmin yüzeyidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Her bir hareketli pencere içinde varyogramı yeniden uydurarak yerel uzamsal durağan olmamaya uyum sağlar.
Güçlü yönler & sınırlılıklar
- Küçük bir yerel alt küme yerine tüm örneklem üzerinde kriging sistemi çözüldüğü için büyük veri kümeleri için hesaplama açısından verimlidir.
- Tahminlerin yanı sıra bir kriging varyansı (belirsizlik) haritası sağlar, bu da ilkeli belirsizlik ölçümünü mümkün kılar.
- Yapı gereği yanlı değildir: yanlı olmama kısıtlaması (ağırlıkların toplamı bire eşittir) bilinmeyen bir ortalamaya olan bağımlılığı ortadan kaldırır.
- Komşuluk adaptif olarak tanımlandığında kenar etkilerine ve uzamsal olarak düzensiz örnekleme yoğunluğuna karşı dayanıklıdır.
- Küçük bir yerel pencere içinde varyogram tahmini, yaklaşık 20'den az nokta çifti olduğunda kararsız olabilir, bu da güvenilmez ağırlıklara yol açar.
- Sonuçlar öznel seçimlere bağlıdır: komşuluk boyutu, arama stratejisi ve varyogram model ailesi.
- Binlerce tahmin konumuna yayılan yerel varyogram uydurma, tek bir küresel varyogram uydurmaya kıyasla toplam hesaplamayı artırır.
- Uzamsal bağımlılık aralığının ötesine ekstrapolasyon yapamaz; herhangi bir gözlemden uzaktaki tahminler yüksek belirsizlikle yerel ortalamaya yakınsar.
- Çok küçük bir komşuluk seçmek (10'dan az gözlem) değişken varyogram tahminleri ve kararsız kriging ağırlıkları üretir.
SSS
Küresel adi kriging, tüm verilerden bir varyogram tahmin eder ve tek bir büyük kriging sistemi çözer. Yerel adi kriging, her bir tahmini hareketli bir uzamsal komşulukla sınırlar, varyogramı yerel olarak yeniden uydurur ve çok daha küçük bir sistem çözer. Bu, LOK'u büyük veri kümeleri için daha hızlı ve uzamsal korelasyonun çalışma alanı boyunca değiştiği durumlarda daha esnek hale getirir.
Komşuluk boyutunu nasıl seçerim?
Yaygın bir kural, 16-30 en yakın komşuyu veya küresel varyogramın pratik aralığına eşit bir yarıçapı dahil etmektir. Aday komşuluk boyutları boyunca ortalama karesel tahmin hatasını karşılaştıran çapraz doğrulama (bire-bırakma), en ilkeli yaklaşımdır.
Verilerimde uzamsal bir eğilim olduğunda LOK kullanabilir miyim?
Doğrudan değil. LOK, yerel durağanlığı (pencere içinde sistematik bir eğilim olmadığını) varsayar. Bir eğilim varsa, önce bir regresyon veya polinom yüzeyi ile onu kaldırın ve ardından artıklar üzerinde kriging uygulayın (regresyon-kriging) veya açıkça eğilimi modelleyen evrensel kriging'i kullanın.
Kriging varyansı bana ne anlatır?
Kriging varyansı, yakın gözlemlere olan mesafeye ve varyogram modeline dayalı tahmin belirsizliğini ölçer — veri noktalarına yakınken küçüktür ve onlardan uzaklaştıkça büyür. Veriler Gauss sürecini takip etmedikçe klasik bir güven aralığı değildir, bu nedenle gerçek kapsamın çapraz doğrulaması önerilir.
LOK, coğrafi olarak ağırlıklandırılmış regresyon ile aynı mı?
Hayır. Her ikisi de uzamsal pencereler kullanır, ancak LOK tek bir bölgesel değişken için bir jeoistatistiksel enterpolatördür ve ağırlıkları bir kovaryans (varyogram) modelinden türetir. Coğrafi olarak ağırlıklandırılmış regresyon, bir yanıt ile öngörücüler arasındaki uzamsal olarak değişen ilişkileri tahmin eden yerel bir regresyon yöntemidir. Farklı sorunları ele alırlar.
Coğrafi referanslı nokta veri kümenizi StatWise'a yükleyin, Yerel Adi Kriging'i seçin, tahmin ızgarasını belirtin, komşuluk boyutunu ve varyogram modelini ayarlayın ve manuel betik yazmadan enterpole edilmiş rasterler artı belirsizlik haritaları elde edin.
Kaynaklar
- Chiles, J.-P., & Delfiner, P. (1999). Geostatistics: Modeling Spatial Uncertainty. Wiley. ISBN: 978-0471083153
- Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press. ISBN: 978-0195115383
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Local Ordinary Kriging (Moving Window Kriging). ScholarGate. https://scholargate.app/tr/spatial-analysis/local-ordinary-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
- Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
- Çok Ölçekli Coğrafi Ağırlıklı Regresyon (MGWR)Mekânsal analiz↔ karşılaştır
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Evrensel Kriging (Eğilimli Kriging)Mekânsal analiz↔ karşılaştır