Regression modelGIS / spatial
贝叶斯协同克里金法
贝叶斯协同克里金法是一种多元地统计学方法，它利用辅助的空间相关变量来改进对主要关注变量的预测。通过对交叉协方差参数设置贝叶斯先验，该方法将所有不确定性（包括参数不确定性）传播到预测区间中，从而生成具有校准不确定性边界的完全概率图。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Diggle, P. J., & Ribeiro, P. J. (2007). Model-Based Geostatistics. Springer. ISBN: 978-0387329079
- Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173
如何引用本页
ScholarGate. (2026, June 3). Bayesian Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/zh/spatial-analysis/bayesian-co-kriging
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 贝叶斯克里金法（基于模型的地质统计学）空间分析↔ compare
- Bayesian Spatial Regression空间分析↔ compare
- 贝叶斯通用克里金法空间分析↔ compare
- 协克里金：多元地统计学插值空间分析↔ compare
- 普通克里金法空间分析↔ compare