Regression modelGIS / spatial
贝叶斯通用克里金法
贝叶斯通用克里金法 (Bayesian Universal Kriging, BUK) 通过对趋势系数和空间协方差参数设置先验分布，并将完整的后验不确定性传播到预测中，从而扩展了经典通用克里金法。它在插值空间参考连续数据的同时，能够估计由协变量驱动的大尺度确定性趋势和小尺度随机空间依赖性，从而得到能够诚实地同时考虑参数和插值不确定性的预测区间。
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 Universal Kriging. ScholarGate. https://scholargate.app/zh/spatial-analysis/bayesian-universal-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.
- 贝叶斯普通克里金空间分析↔ compare
- 协克里金：多元地统计学插值空间分析↔ compare
- 地理加权回归 (GWR)空间分析↔ compare
- 普通克里金法空间分析↔ compare
- 空间自相关空间分析↔ compare
- 通用克里金 (带趋势的克里金)空间分析↔ compare