Yerel Evrensel Kriging
Local Universal Kriging (Kriging with External Drift, Local Neighborhood) · Ayrıca şöyle bilinir: local UK, local kriging with trend, local KED, local kriging with external drift
Yerel Evrensel Kriging, tanımlanmış bir arama komşuluğundaki yalnızca yakındaki gözlemleri kullanarak tahmin edilen, uzamsal olarak değişen deterministik bir eğilimi stokastik bir artık ile birleştiren bir jeoistatistiksel enterpolasyon yöntemidir. Artık yüzeyini enterpole etmeden önce bir polinom veya kovaryant güdümlü sürüklenmeyi açıkça modelleyerek ve kaldırarak yerel adi kriging'i genelleştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Uzamsal değişkeniniz, yerel uzamsal otokorelasyona ek olarak açık bir deterministik eğilim veya gradyan (örneğin, enlem veya rakımla artan rakım, sıcaklık, yağış) sergilediğinde Yerel Evrensel Kriging'i kullanın. Veri kümesinin verimlilik için yerel bir arama penceresi gerektirecek kadar büyük olduğu, ancak altta yatan sürecin durağan olmayan ortalama yapısına sahip olduğu durumlarda uygundur. Önemli bir eğilim olduğunda yerel adi kriging'den daha iyi performans gösterir ve eğilimin kendisi çalışma bölgesi boyunca değiştiğinde küresel evrensel kriging'e tercih edilir. Tespit edilebilir bir uzamsal eğilim olmadığında (adi kriging yeterlidir), eğilim modeli hakkında yüksek derecede belirsizlik olduğunda veya olduğunda veya yerel pencerelerdeki veriler hem eğilim hem de variyogram parametrelerini güvenilir bir şekilde tahmin etmek için çok seyrek olduğunda kullanmayın.
Güçlü yönler & sınırlılıklar
- Durağan olmayan ortalama yapısını (eğilim/sürüklenme) açıkça hesaba katar, eğilimli verilerde adi kriging'den daha az yanlı tahminler üretir.
- Yerel arama komşuluğu, yöntemi büyük uzamsal veri kümelerine ölçeklenebilir ve hesaplama açısından uygulanabilir hale getirir.
- Her konumda tahmin belirsizliği (kriging varyansı) sağlar, olasılıksal uzamsal haritalamayı mümkün kılar.
- Esnek eğilim belirtimi: koordinatlarda polinom veya harici kovaryantlar üzerinde regresyon (harici sürüklenmeyle kriging).
- Yapı gereği yansızdır — kriging ağırlıkları, eğilim varlığında bile yansızlık kısıtlamasını otomatik olarak karşılar.
- Eğilim modelinin açıkça belirtilmesini gerektirir; yanlış belirtilmiş bir eğilim, enterpole edilmiş yüzey boyunca sistematik bir yanlılık getirebilir.
- Aynı verilerden hem eğilim parametrelerini hem de variyogram parametrelerini tahmin etmek, özellikle küçük yerel pencerelerde kararsız olabilir.
- Genişletilmiş kriging sisteminin sürüklenme kısıtlamalarını içermesi nedeniyle yerel adi kriging'den hesaplama açısından daha talepkardır.
- Eğilim giderme sonrası artıkların ikinci dereceden durağanlığını varsayar, bu da tüm uygulamalarda geçerli olmayabilir.
- Performans, komşuluk boyutu ve şeklinin seçimine duyarlıdır; çok küçük bir pencere, güvenilir tahmin için yetersiz veri sağlayabilir.
SSS
Yerel Evrensel Kriging ile Yerel Adi Kriging arasındaki fark nedir?
Adi kriging, sabit ancak bilinmeyen bir ortalama varsayar ve bunu örtük olarak tahmin eder. Evrensel kriging, polinom koordinatları veya harici kovaryantları kullanarak uzamsal olarak değişen bir ortalamayı (eğilim) açıkça modeller, bu da adi kriging'in yeterince yakalayamadığı sistematik bir gradyan veya sürüklenme sergileyen veriler için uygun hale getirir.
Arama komşuluğu boyutunu nasıl seçerim?
Komşuluk, kriging sistemini tahmin etmek için yeterli noktayı içermelidir — en azından eğilim parametrelerinden bir fazlası. Pratikte, tahmin başına yaygın olarak 10-20 yakındaki gözlem kullanılır. Çapraz doğrulama metriklerini (örneğin, ortalama karesel tahmin hatası) kullanarak yerel uyarlanabilirliği (daha küçük pencere) tahmin kararlılığı (daha büyük pencere) ile dengeleyin.
Eğilim yerine harici kovaryantlar kullanılabilir mi?
Evet. Eğilim ikincil bir değişkenin fonksiyonu olduğunda (örneğin, sıcaklığı enterpole etmek için kovaryant olarak kullanılan rakım), yönteme Harici Sürüklenmeyle Kriging (KED) denir. Bu, evrensel kriging'in bir alt durumudur ve aynı yerel uygulama yaklaşımını miras alır.
Yerel evrensel kriging veri noktalarında tam enterpolasyonu garanti eder mi?
Evet, tüm standart kriging varyantları gibi, yerel evrensel kriging de tam bir enterpolatördür — kendi arama komşuluğu dahilindeyse, örnek konumundaki tahmin edilen değer gözlemlenen değere eşittir.
Ne zaman Coğrafi Ağırlıklı Regresyonu Yerel Evrensel Kriging'e tercih etmeliyim?
Coğrafi ağırlıklı regresyon (GWR), bir yanıt ve öngörücüler arasındaki uzamsal olarak değişen ilişkileri anlamak birincil amaç olduğunda ve artıkların uzamsal otokorelasyonu ikincil olduğunda daha uygundur. Yerel Evrensel Kriging, birincil amaç eğilimli bir değişkenin optimal uzamsal enterpolasyonu olduğunda, tahmin varyansını en aza indirmek için artıkların uzamsal otokorelasyonundan yararlanarak tercih edilir.
Kaynaklar
- Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press. ISBN: 9780195115383
- Chiles, J.-P., & Delfiner, P. (1999). Geostatistics: Modeling Spatial Uncertainty. Wiley. ISBN: 9780471083153
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Local Universal Kriging (Kriging with External Drift, Local Neighborhood). ScholarGate. https://scholargate.app/tr/spatial-analysis/local-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
- Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Evrensel Kriging (Eğilimli Kriging)Mekânsal analiz↔ karşılaştır