Empirical Bayesian Kriging Nedir?

Empirical Bayesian kriging (EBK), ge├žerli bir kriging modeli olu┼čturman─▒n en zor y├Ânlerini otomatikle┼čtiren jeoistatistiksel bir enterpolasyon y├Ântemidir. Geostatistical Analyst’deki di─čer kriging y├Ântemlerinde do─čru sonu├žlar─▒ almak i├žin parametreleri ayarlaman─▒z gerekir, ancak EBK, bu parametreleri bir alt-set ve sim├╝lasyon i┼člemi arac─▒l─▒─č─▒yla otomatik olarak hesaplar.

Empirical Bayesian KrigingÔÇÖin di─čer kriging y├Ântemlerinden fark─▒ altta yatan semivariogram─▒ tahmin etmesi ve ortaya ├ž─▒kan hatay─▒ hesaplamas─▒d─▒r. Di─čer kriging y├Ântemleri bilinen veri konumlar─▒ndan semivariogram─▒ hesaplar ve bilinmeyen yerlerde tahmin yapmak i├žin bu tek semivariogram─▒ kullan─▒r; Bu s├╝re├ž, tahmin edilen semivariogram─▒n enterpolasyon b├Âlgesi i├žin do─čru semivariogram oldu─čunu k─▒smen kabul eder. Semivariogram kestiriminin belirsizli─čini dikkate almayan di─čer kriging y├Ântemleri, standart tahmin hatalar─▒n─▒ hafife al─▒r.

Empirical Bayesian kriging arac─▒ hem Geostatistical Wizard’da hem de┬á geoprocessing ara├žlar─▒ i├žerisinde bulunmaktad─▒r.

 

Avantaj ve Dezavantajlar

 

Avantajlar

  • Minimum etkile┼čimli modelleme gerektirir.
  • Standart tahmin hatalar─▒ di─čer kriging y├Ântemlerinden daha do─črudur.
  • Orta derecede sabit olmayan verilerin do─čru tahminlerini sa─člar.
  • K├╝├ž├╝k veri k├╝melerinde di─čer kriging y├Ântemlerinden daha do─črudur.

Dezavantajlar

  • Nokta verileriniz, alt k├╝me boyutu ve ├╝st ├╝ste binme say─▒s─▒ artt─▒k├ža i┼člem s├╝resi etkilenecektir. Bir d├Ân├╝┼č├╝m tipi se├žerseniz(Empirical, Log empirical) ve ┬ásemivariogram model tipi i├žin de K-Bessel veya K-Bessel Detrended se├žilmi┼čse, i┼člem s├╝resi artacakt─▒r. Bu parametreler ┬ásonraki blog yaz─▒lar─▒nda a├ž─▒klanacakt─▒r.
  • ─░┼čleme, ├Âzellikle raster’e ├ž─▒kt─▒─č─▒nda, di─čer kriging y├Ântemlerinden daha yava┼čt─▒r.┬áArac─▒n sonucunun raster olarak al─▒nmas─▒ di─čer kriging y├Ântemlerine g├Âre daha yava┼čt─▒r.
  • Cokriging ve anisotropic d├╝zeltmeler mevcut de─čildir.
  • Log Empirical d├Ân├╝┼č├╝m├╝ bir birinden uzak de─čerlere ├Âzellikle duyarl─▒d─▒r. Bu d├Ân├╝┼č├╝m├╝, bir birinden uzak de─čerler i├žeren verilerle kullan─▒rsan─▒z, giri┼č noktalar─▒n─▒z─▒n de─čerlerinden daha b├╝y├╝k veya daha k├╝├ž├╝k de─čerleri alabilirsiniz.

Semivariogram Tahmini

Di─čer kriging y├Ântemlerinden farkl─▒ olarak , EBK’daki semivariogram parametreleri k─▒s─▒tl─▒ maksimum olas─▒l─▒k (REML) kullan─▒larak tahmin edilir. B├╝y├╝k veri k├╝meleri i├žin REML’nin hesaplama k─▒s─▒tlamalar─▒ nedeniyle, giri┼č verileri ilk olarak belirli bir boyutta ├╝st ├╝ste binen alt k├╝melere b├Âl├╝n├╝r (varsay─▒lan olarak her 100 nokta bir alt k├╝meye b├Âl├╝n├╝r). Her alt k├╝mede, semivariogramlar ┼ču ┼čekilde tahmin edilir:

  1. Semivariogram alt k├╝medeki verilerden hesaplan─▒r.
  2. Bu semivariogram─▒ model olarak alarak, alt k├╝medeki giri┼č konumlar─▒n─▒n her birinde ko┼čulsuz olarak yeni veriler sim├╝le edilir.
  3. Sim├╝le edilmi┼č verilerden yeni bir semivariogram tahmin edilir.
  4. 2. ve 3. ad─▒mlar belirtilen say─▒da tekrarlan─▒r. 1. ad─▒mda tahmin edilen semivariogram girdi verilerinin konumlar─▒nda yeni veri k├╝mesini sim├╝le etmek i├žin kullan─▒l─▒r daha sonra sim├╝le edilmi┼č veriler yeni semivariogram─▒ tahmin etmek i├žin kullan─▒l─▒r.

 

Bu s├╝re├ž, her bir alt k├╝me i├žin ├žok say─▒da semivariogram olu┼čturur ve bunlar birlikte ├žizildi─činde, sonu├ž, yo─čunluk taraf─▒ndan g├Âlgelenen bir semivariogram da─č─▒l─▒m─▒d─▒r (daha koyu mavi renk, daha fazla semovariogram bu b├Âlgeden ge├žer). Empirical semivariances mavi (+) ile temsil edilir. Ek olarak, da─č─▒l─▒m─▒n medyan─▒ koyu k─▒rm─▒z─▒ bir ├žizgi ile renklendirilmi┼č ve 25 ve 75’inci y├╝zdeler┬áa┼ča─č─▒da g├Âsterildi─či gibi k─▒rm─▒z─▒ kesikli ├žizgilerle renklendirilmi┼čtir.

Sim├╝le edilmi┼č semivariogramlar

Alt k├╝me i├žin simule edilen semivariogramlar─▒n say─▒s─▒ varsay─▒lan olarak 100’e ayarlan─▒r ve bu semivariogramlar─▒n her biri, alt k├╝me i├žin ger├žek semivariogram─▒n bir tahminidir.

Her bir tahmin konumu i├žin noktan─▒n ├ževresindeki semivariogram spektrumlar─▒ndan tekil semivariogram ├Ârneklerine dayal─▒ bir ├Ârneklemeyle olu┼čturulan yeni bir semivariogram da─č─▒l─▒m─▒ kullan─▒larak hesaplan─▒r. ├ľrne─čin, bir tahmin yerinin ├╝├ž farkl─▒ alt k├╝mede (arama kom┼čulu─čunda belirtildi─či gibi) kom┼čular─▒ varsa, ├╝├ž alt k├╝menin her birinden sim├╝le edilmi┼č semivariogramlar kullan─▒larak hesaplanacakt─▒r; Bu semivariogramlar olas─▒l─▒k de─čerlerine g├Âre se├žilmi┼čtir.

Geostatistical Wizard┬áile Empirical Bayesian Kriging’i ├žal─▒┼čt─▒rd─▒─č─▒n─▒zda tahmin edilen de─čeri hesaplamak i├žin kullan─▒lan alt k├╝meleri g├Ârebilirsiniz.┬áA┼ča─č─▒daki g├Ârselde, tahmin y├╝zeyindeki imle├ž merkezdir. ─░mlecin etraf─▒ndaki k├╝├ž├╝k daire, arama merkezidir ve ├╝st ├╝ste binen ├žokgenler, tahminleri hesaplamak i├žin kullan─▒lan iki alt k├╝mede yer alan noktalar─▒ g├Âsterir. Bu ├Ârnekte, haritan─▒n ortas─▒ndaki noktalar her iki alt k├╝mede de bulunur. Bu g├Ârselle┼čtirmeyi mavi okla g├Âsterilen buton ile a├ž─▒p kapatabilirsiniz:

 

Kaynaklar

http://pro.arcgis.com/en/pro-app/help/analysis/geostatistical-analyst/what-is-empirical-bayesian-kriging-.htm

 

├ľnceki Yaz─▒
ArcGIS Pro’da Stereo Haritalama
Yaz─▒y─▒ g├Âr├╝nt├╝le
Sonraki Yaz─▒
ArcGIS Pro ile Su├ž Analizi (Crime Analysis Toolbar)
Yaz─▒y─▒ g├Âr├╝nt├╝le