Uzay-Zaman Sıradan Kriging
Space-Time Ordinary Kriging · Ayrıca şöyle bilinir: STOK, spatio-temporal ordinary kriging, ordinary space-time kriging, ST-OK
Uzay-Zaman Sıradan Kriging (STOK), bilinmeyen, yerel olarak sabit bir ortalama varsayımını ortak bir uzay-zaman kovaryans (veya varyogram) yapısıyla birleştirerek, örneklenmemiş uzay-zaman konumlarında uzaysal ve zamansal olarak değişen bir olguyu tahmin eden bir jeoistatistiksel enterpolasyon yöntemidir. İlgili tahmin belirsizliği ile birlikte optimal, 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
Sürekli bir değişkenin jeoreferanslı, zaman damgalı gözlemlerine sahip olduğunuzda ve özellikle global ortalamanın bilinmediği veya çalışma bölgesi boyunca sabit olmadığı durumlarda, gözlemlenmeyen uzay-zaman konumlarındaki değerleri enterpole etmeniz gerektiğinde Uzay-Zaman Sıradan Kriging'i kullanın. Değişkenin ikinci dereceden durağan olduğu (sabit ortalama ve yalnızca ayrılığa bağlı uzay-zaman kovaryansı), hem uzaysal hem de zamansal otokorelasyonun mevcut olduğu ve tahminlerin yanı sıra belirsizlik miktarının (kriging varyansı) gerekli olduğu durumlarda uygundur. Ortalama, koordinatlara veya kovaryatlara göre sistematik olarak değişiyorsa (yerine uzay-zaman evrensel kriging kullanın), veriler büyük alanlarda güçlü bir şekilde durağan değilse, değişken kategorik veya ikili ise veya yalnızca anlamlı zamansal korelasyon olmadan uzaysal yapı varsa kullanmayın.
Güçlü yönler & sınırlılıklar
- İkinci dereceden durağanlık altında en iyi doğrusal yansız tahminler (BLUP) üretir (ortalama karesel hata anlamında optimal).
- Tek bir uzay-zaman varyogramı aracılığıyla hem uzaysal hem de zamansal otokorelasyonu ortak olarak modeller, iki boyut arasındaki etkileşimi yakalar.
- Tahminlerin yanı sıra bir kriging varyansı yüzeyi sunar, ilkeli, konuma özgü belirsizlik miktarını verir.
- Ortalama yüzeyi için herhangi bir fonksiyonel form varsayımı gerektirmez - sabit ortalama varsayımı yerel komşulardan otomatik olarak tahmin edilir.
- Olgun açık kaynak uygulamaları (örneğin, R'de gstat) ve hakemli teori tarafından iyi desteklenir.
- İkinci dereceden durağanlık (sabit ortalama ve kovaryans) varsayar; eğilimler veya durağan olmayan varyans tarafından ihlal edilirse, yansız tahminlere yol açar.
- Geçerli bir ortak uzay-zaman varyogram modeli uydurmak teknik olarak zordur; yanlış belirtme tahmin hatalarına yayılır.
- Hesaplama maliyeti, komşuluktaki uzay-zaman veri noktalarının sayısıyla kübik olarak ölçeklenir; büyük veri kümeleri komşuluk kesilmesini gerektirir.
- Uzay-zaman komşuluk tanımı (hem uzayda hem de zamanda arama yarıçapı) sonuçları güçlü bir şekilde etkiler ve dikkatli ayar gerektirir.
- Yardımcı kovaryatları dahil etmez; bilgilendirici kovaryatlar mevcutsa, uzay-zaman regresyon-kriging veya ortak-kriging tercih edilir.
SSS
Uzay-Zaman Sıradan Kriging ile Uzay-Zaman Evrensel Kriging arasındaki fark nedir?
Sıradan kriging, uzay-zaman alanı boyunca bilinmeyen ancak sabit (durağan) bir ortalama varsayar ve bunu yansızlık kısıtlaması yoluyla örtük olarak tahmin eder. Evrensel kriging, ortalamanın uzaysal koordinatların veya zamanın bilinen bir fonksiyonu olarak değişmesine izin verir, bu da onu daha esnek hale getirir ancak bir sürüklenme modeli belirtilmesini gerektirir. Ortalama açıkça durağan değilse (örneğin, enlemle sıcaklık gradyanı), evrensel kriging tercih edilir.
Bir uzay-zaman varyogram modeli nasıl seçilir?
Yaygın seçenekler ayrılabilir modeldir (yalnızca uzaysal ve yalnızca zamansal varyogramın çarpımı), çarpım-toplam modeldir (ortak bir bileşen ekler) ve metrik modeldir (uzay ve zamanı birleştiren yeniden ölçeklenmiş bir Öklid mesafesi kullanır). Her birini ampirik varyograma uydurun ve artık kareler toplamını karşılaştırın. Çarpım-toplam modeli, ayrılabilir modelden daha iyi ayrılabilir olmayan bağımlılığı yakalar.
Uzay-Zaman Sıradan Kriging düzensiz zamansal örneklemeyi işleyebilir mi?
Evet. Kriging, herhangi bir keyfi uzay-zaman ayrımında değerlendirilen varyogramı kullanan noktasal bir yöntem olduğu için, gözlemlerin düzenli bir ızgarasını gerektirmeden hem uzayda hem de zamanda düzensiz örneklemeyi doğal olarak işler.
Uzay-Zaman Sıradan Kriging ne kadar büyük bir veri kümesini işleyebilir?
Tam kovaryans matrisinin doğrudan tersi O(n^3)'tür, bu nedenle birkaç binden fazla gözlem için pratik olmaz. Pratikte, maliyeti azaltan ve yerel durağanlığı da zorlayan yerel bir arama komşuluğu (örneğin, en yakın 20-50 uzay-zaman komşusu) kullanılır. Çok büyük veri kümeleri için kovaryans sivrileşmesi veya sabit-rank yaklaşımları alternatiflerdir.
Yöntem ölçüm hatalarını hesaba katar mı?
Varyogram modeline bir nugget etkisi eklemek, hem kısa menzilli değişkenliği hem de ölçüm gürültüsünü emer. Kriging tahmincisi daha sonra verilere tam olarak uymaz (tam enterpolasyon yok), bu da gözlemler gürültü içerdiğinde faydalı olabilir.
Kaynaklar
- Kyriakidis, P. C., & Journel, A. G. (1999). Geostatistical space-time models: a review. Mathematical Geology, 31(6), 651-684. DOI: 10.1023/A:1007528426688 ↗
- Gräler, B., Pebesma, E., & Heuvelink, G. (2016). Spatio-temporal interpolation using gstat. The R Journal, 8(1), 204-218. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Space-Time Ordinary Kriging. ScholarGate. https://scholargate.app/tr/spatial-analysis/space-time-ordinary-kriging
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Uzay-Zaman KrigingMekânsal analiz↔ karşılaştır
- Uzay-Zaman Mekansal OtokorelasyonuMekânsal analiz↔ karşılaştır
- Uzay-Zaman Evrensel KrigingMekânsal analiz↔ karşılaştır