Uzay-Zaman Evrensel Kriging
Space-Time Universal Kriging · Ayrıca şöyle bilinir: STUK, spatiotemporal universal kriging, space-time kriging with trend, universal kriging in space-time
Uzay-Zaman Evrensel Kriging (STUK), deterministik bir trend bileşenini açıkça modellerken, hem uzay hem de zaman boyunca sürekli değişen bir fenomeni enterpole eden jeoistatistiksel bir yöntemdir. Evrensel Kriging'i birleşik uzay-zaman alanına genelleştirerek, gözlemlenmemiş uzay-zaman konumlarında tarafsız optimal tahminler ve ilişkili belirsizlik tahminleri 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
Düzensiz uzay-zaman konumlarında toplanan nokta referanslı gözlemleriniz olduğunda ve örneklenmemiş konumlarda enterpole edilmiş haritalara veya zaman serilerine ihtiyacınız olduğunda ve değişkenin göz ardı edilmek yerine hesaba katılması gereken belirgin bir mekansal veya zamansal trendi (örneğin, sıcaklık gradyanı, zamansal mevsimsellik) olduğunda Uzay-Zaman Evrensel Kriging'i kullanın. Çevre izleme, iklim yeniden analizi, hava kalitesi haritalaması ve orta büyüklükteki veri kümeleriyle epidemiyolojik sürveyans için çok uygundur. Trendin kötü belirtildiği veya oldukça doğrusal olmadığı durumlarda (parametrik olmayan alternatifler tercih edin), veriler ızgaralı ve bol olduğunda (makine öğrenimi veya derin öğrenme enterpolatörleri daha hızlı olabilir), veri kümesi çok büyük olduğunda (n x n kriging sistemi yaklaşımlar olmadan hesaplama açısından çok pahalı hale gelir) veya gözlemler mekansal olarak referanslandırılmadığında bundan kaçının.
Güçlü yönler & sınırlılıklar
- Herhangi bir örneklenmemiş uzay-zaman konumunda optimal (minimum varyanslı) tarafsız tahminler sağlar.
- Enterpole edilmiş değerlerin yanı sıra tam bir tahmin belirsizliği haritası (kriging varyansı) üretir.
- Mekansal ve zamansal trend bileşenlerini açıkça modelleyerek durağan olmayan ortalamaları ele alır.
- Çarpım-toplam veya metrik varyogram modelleri aracılığıyla asimetrik uzay-zaman kovaryans yapılarını esnek bir şekilde barındırır.
- R (gstat), Python (PyKrige) ve ArcGIS'te uygulamaları olan iyi kurulmuş teorik temeller (BLUP).
- Hesaplama açısından pahalı: kriging sistemini çözmek, gözlem sayısına göre O(n^3) olarak ölçeklenir, bu da yerel komşuluklar gibi yaklaşımlar olmadan büyük veri kümeleri için pratik olmamasına neden olur.
- Uzay-zaman varyogramının dikkatli bir şekilde belirtilmesini ve uydurulmasını gerektirir, bu da her iki boyutta da yeterli veri yoğunluğu talep eder.
- Sonuçlar, trend modelinin yanlış belirtilmesine duyarlıdır; yanlış bir trend, tahminleri sistematik olarak yanlı hale getirebilir.
- Artık sürecin ikinci dereceden durağanlığını varsayar, bu da heterojen manzaralarda geçerli olmayabilir.
- Trend atlanırsa sıradan kriging'e indirgenir, bu nedenle model seçimi (OK vs. UK) ek bir adımdır.
SSS
Uzay-Zaman Evrensel Kriging, Uzay-Zaman Sıradan Kriging'den nasıl farklıdır?
Sıradan Kriging, sabit ama bilinmeyen bir ortalama varsayar ve tek bir tarafsızlık kısıtlaması uygular (ağırlıklar 1'e eşittir). Evrensel Kriging, bilinen temel fonksiyonlarla modellenen bir uzay-zamansal trend varsayar ve her trend terimi için bir tarafsızlık kısıtlaması ekler. Verilerde açık bir gradyan veya trend görüldüğünde STUK tercih edilmelidir; ortalama durağan görünüyorsa, Sıradan Kriging daha basit ve eşit derecede geçerlidir.
Hangi uzay-zaman varyogram modelleri yaygın olarak kullanılır?
En yaygın seçenekler, çarpım modeli (ayrılabilir: mekansal ve zamansal varyogramlar çarpılır), çarpım-toplam modeli (mekansal ve zamansal bileşenleri artı çarpımlarını ekler, daha fazla esneklik sağlar) ve metrik modeldir (uzay ve zamanı tek bir ölçekli mesafede birleştirir). Çarpım-toplam modeli, esneklik ve tanımlanabilirlik arasında bir denge olarak yaygın şekilde önerilmektedir.
Bu yöntem için ne kadar büyük bir veri kümesi çok büyüktür?
Tam kriging sistemi, n x n'lik bir matrisin tersini almayı gerektirir, bu nedenle yaklaşık 5.000-10.000 gözlemin üzerindeki veri kümeleri, yerel komşuluk yaklaşımları olmadan yavaşlar. Pratikte, çoğu uygulama, yalnızca en yakın n_local gözlemleri tutan hareketli bir pencere (yerel kriging) kullanır, bu da hesaplamayı önemli ölçüde azaltırken küresel optimallikte küçük bir kayıp kabul eder.
Gelecekteki zaman noktalarını tahmin etmek için Uzay-Zaman Evrensel Kriging'i kullanabilir miyim?
Evet, trend modeli dışa aktarılabildiği (örneğin, zamana uydurulmuş bir polinom veya harmonik) ve varyogram geçmiş verilere uydurulduğu sürece. Ancak, zamansal hedef gözlem penceresinin ötesine geçtikçe tahmin varyansı hızla artar, bu nedenle belirsizlik sınırları açıkça iletilmelidir. Uzun menzilli tahmin için, dinamik uzay-zamansal modeller (örneğin, durum-uzay veya makine öğrenimi tabanlı) genellikle tercih edilir.
Hangi yazılımlar Uzay-Zaman Evrensel Kriging'i uygular?
R paketi gstat (veri işleme için spacetime paketi ile birlikte) uzay-zaman varyogram modellemesi, uydurma ve kriging dahil olmak üzere tam destek sağlar. Python kullanıcıları, özel kovaryans fonksiyonlarıyla PyKrige'i kullanabilir. ArcGIS Pro, uzay-zamansal uzantılarla ampirik Bayes kriging sunar. MATLAB'ın İstatistik ve Makine Öğrenimi Araç Kutusu da trendli kriging'i destekler.
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 ↗
- Graler, 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 Universal Kriging. ScholarGate. https://scholargate.app/tr/spatial-analysis/space-time-universal-kriging
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Coğrafi Ağırlıklı Regresyon (GWR)Mekânsal analiz↔ karşılaştır
- Sıradan KrigingMekânsal analiz↔ karşılaştır
- Uzay-Zaman KrigingMekânsal analiz↔ karşılaştır
- Uzay-Zaman Sıradan KrigingMekânsal analiz↔ karşılaştır
- Evrensel Kriging (Eğilimli Kriging)Mekânsal analiz↔ karşılaştır