İstatistik Sözlüğü → Variogram + Kriging
Variogram + Kriginganaliz
Ölçüm noktaları arasındaki benzerliğin uzaklıkla nasıl azaldığını variogramla modelleyip bu modele dayanarak ölçüm yapılmamış konumlardaki değerleri ve tahminlerin belirsizliğini kestiren mekânsal enterpolasyon yöntemi.
Kavram
Toprak, su ya da hava kalitesi gibi sürekli değişkenler yalnızca sınırlı sayıda noktada ölçülebilir, ama sonuç çoğu zaman bütün alanı kapsayan bir harita olarak istenir. Basit enterpolasyon yöntemleri yakındaki noktalara daha çok ağırlık verir, ama bu ağırlıkları keyfi bir kuralla belirler ve tahminin ne kadar güvenilir olduğunu söylemez. Kriging ağırlıkları verinin kendi mekânsal yapısından türetir ve her tahmin için bir standart hata da verir.
İlk adım deneysel variogramdır: belirli bir uzaklıktaki nokta çiftlerinin değer farklarının karelerinin yarı ortalaması, γ(h). Yakın noktalar birbirine benziyorsa γ küçük uzaklıklarda düşüktür ve uzaklık arttıkça yükselir. Bu noktalara kuramsal bir model (küresel, üstel, Gauss, Matérn) uydurulur ve modelin üç parametresi okunur: nugget (çok kısa uzaklıktaki ölçüm hatası ve küçük ölçekli değişkenlik), eşik (sill; değişkenliğin ulaştığı tavan) ve range (bu tavana ulaşılan, ötesinde noktaların artık birbirine benzemediği uzaklık). Kriging bu modelle, tahmin hatasının varyansını en küçük yapan ve yansız ağırlıkları hesaplar; sıradan kriging bilinmeyen sabit bir ortalama, basit kriging bilinen bir ortalama, evrensel kriging ise koordinatlara ya da bir kovaryata bağlı bir trend varsayar.
Yöntem, mekânsal yapının alan boyunca aynı olduğunu (durağanlık) ve genellikle yönden bağımsız olduğunu varsayar; belirgin bir trend ya da yönlü değişim (anizotropi) varsa bunlar ayrıca modellenmelidir. Tahmin kalitesi variogram modelinin uygunluğuna bağlıdır; birini dışarıda bırakma çapraz geçerlemesi, modelin hem tahmin hatasını (RMSE) hem de kendi belirsizlik kestiriminin doğruluğunu (standartlaştırılmış hata kareleri ortalaması 1'e yakın olmalı) sınar. Örneklerin seyrek olduğu kenarlarda standart hata büyür.
Ne zaman kullanılır?
- Sınırlı sayıda noktada ölçülen sürekli bir değişkenin (toprak besin maddesi, kirletici, yağış, yeraltı suyu düzeyi) bütün alan için tahmin haritasını ve belirsizlik haritasını üretmek için.
- Değişkende belirgin bir trend ya da onu açıklayan bir kovaryat varsa evrensel kriging; uzaklıkla azalan basit ağırlıklarla hızlı bir yüzey yeterliyse ters uzaklık ağırlıklandırma (IDW) kullanılır.
- Ölçülen bir değer değil de olay noktalarının yoğunluğu isteniyorsa KDE; değerlerin mekânsal kümelenmesi yalnızca sınanacaksa Moran's I tercih edilir.
Gündelik bir örnek
Bir çiftçi 50 hektarlık tarlasında gübreyi her yere aynı miktarda değil, ihtiyaca göre atmak istiyor ve tarlanın 120 noktasından toprak örneği alıp azot düzeyini ölçtürüyor. Variogram, birbirine 300 metreden yakın örneklerin benzer azot düzeyine sahip olduğunu, daha uzak örneklerin ise artık birbirine benzemediğini (range yaklaşık 300 m) gösterir. Kriging bu yapıyı kullanarak tarlanın her 10 metrelik karesi için bir azot tahmini ve bunun standart hatasını üretir. Çiftçi gübre makinesini tahmin haritasına göre ayarlar; standart hatanın büyük çıktığı köşeden ise birkaç ek örnek alır.
MerQur'da parametreler
Sınıflandır / Yöntem / Palet
Kavram: Sınıflandır noktaları analizden önce kategorik bir sütuna göre renklendirir; Yöntem harita sekmesinde çalıştırılacak analizi seçer; Palet ise yalnızca renk ölçeğini belirler. Bunlar kriging sonucunu değiştirmez.
Gündelik örnek: Örnekler 'killi' ve 'kumlu' toprak diye renklendirilirse azotun toprak türüyle ilişkili görünüp görünmediği önceden fark edilir. Palet değiştirmek yalnızca azot haritasının görünüşünü değiştirir, tahminleri değil.
Ne işe yarar: Sınıflandır noktaları kategoriye göre renklendirir (veri keşfi); Yöntem harita yöntemini seçer; Palet (Viridis, Plasma, Jet, RdYlBu) yalnız renk ölçeğini belirler.
Sonuca etkisi: Sayısal çıktıyı değiştirmez (palet için beklenen etkisizlik).
Koordinat türü (Coğrafi (enlem / boylam, derece), Projeksiyonlu (X / Y)), X (doğu), Y (kuzey), Koordinat birimi (m, km)
Kavram: Uzaklıkların hangi koordinat sisteminde hesaplanacağını belirler. Coğrafi koordinatlarda (derece) uzaklıklar düzleme dönüştürülerek, projeksiyonlu koordinatlarda (UTM gibi, metre ya da km) doğrudan düz uzaklık olarak hesaplanır; range, cutoff ve blok boyutu bu birimle okunur.
Gündelik örnek: Tarladaki örnekler GPS ile enlem-boylam olarak kaydedildiyse coğrafi seçilir. Harita ulusal projeksiyonda metre olarak verilmişse projeksiyonlu ve 'm' seçilir; bu durumda range '300' olarak, yani metre cinsinden okunur.
Ne işe yarar: Projeksiyonlu koordinatlarda (UTM, ulusal ızgara) doğrudan düzlem Öklid uzaklığını kullanır; cutoff, blok ve range koordinat biriminde verilir. X, Y ve birim yalnız Projeksiyonlu seçilince etkindir.
Sonuca etkisi: Coğrafi seçimde enlem-boylam yerel eşdikdörtgen düzleme taşınır; projeksiyonlu seçimde uzaklıklar özgündür.
Doğrulama verisinde: meuse RD metre: küresel 0.0506604 / 0.5906058 / 897.006 m. Gerçek WGS84 enlem-boylamla küresel range 0.8991 km.
Kriging türü (Sıradan kriging (OK), Basit kriging (SK, bilinen ortalama), Evrensel kriging (UK, trend))
Kavram: Kriging türü ortalama hakkındaki varsayımı belirler. Sıradan kriging ortalamanın sabit ama bilinmediğini, basit kriging ortalamanın bilindiğini, evrensel kriging ise ortalamanın koordinatlarla ya da bir yardımcı değişkenle (kovaryat) birlikte değiştiğini varsayar.
Gündelik örnek: Tarlada azot her yerde benzer bir ortalama çevresinde dalgalanıyorsa sıradan kriging yeterlidir. Azot tarlanın eğimli kuzeyinden düz güneyine doğru düzenli artıyorsa bu eğilim evrensel kriging ile modellenir.
Ne işe yarar: OK bilinmeyen sabit ortalamayı kestirir; SK verilen ortalamayı kullanır (boşsa örneklem ortalaması 5.8858); UK koordinat trendi veya kovaryat kullanır, variogram trend artıklarından hesaplanır.
Sonuca etkisi: Tahmin ve tahmin varyansını belirler.
Doğrulama verisinde: LOO RMSE: OK (küresel) 0.3918; SK ortalaması boş 0.3924; UK doğrusal üstel 0.3898; UK ikinci derece 0.4301; UK sqrt(dist) üstel 0.3777.
Variogram modeli (Otomatik (en küçük SSE), Küresel, Üstel, Gauss, Matérn, Doğrusal) ve Matérn κ (düzgünlük)
Kavram: Variogram modeli, benzerliğin uzaklıkla nasıl azaldığını tanımlayan eğridir. Küresel model belirli bir range'te eşiğe tam olarak ulaşır; üstel model eşiğe yavaşça yaklaşır; Gauss modeli kısa uzaklıklarda çok düzgün bir değişim varsayar; Matérn modelinde κ bu düzgünlüğü ayarlar. Otomatik seçenek modelleri karşılaştırıp en iyi uyanı seçer.
Gündelik örnek: Azot düzeyi 300 metreden sonra komşu örneklerle artık hiç ilişkili değilse küresel model uygundur. İlişki uzaklıkla giderek azalıp hiçbir zaman tam sıfırlanmıyorsa üstel model daha iyi uyar.
Ne işe yarar: Otomatikte küresel, üstel, Gauss ve Matérn ayrı uydurulur, ağırlıklı SSE'si en küçük olan seçilir (automap ölçütü). κ yalnız Matérn ve otomatikte etkindir (κ = 0.5 üstele eşittir).
Sonuca etkisi: Nugget, kısmi eşik ve range'i, dolayısıyla tüm tahminleri belirler.
Doğrulama verisinde: Otomatikte küresel seçilir (SSE 9.011; üstel ve Matérn(0.5) 16.283, Gauss 17.616). Küresel: nugget 0.05066, kısmi eşik 0.59061, range 0.89701 km.
Izgara çözünürlüğü (varsayılan 100) ve Tahmin alanı (Dışbükey zarf (maske), Sınırlayıcı dikdörtgen)
Kavram: Izgara çözünürlüğü tahmin haritasındaki hücre sayısını, dolayısıyla hücre boyutunu belirler; daha ince ızgara daha ayrıntılı görünür ama örnekleme sıklığından daha fazla bilgi üretmez. Tahmin alanı, haritanın yalnızca örneklerin çevrelediği bölgede mi (dışbükey zarf) yoksa bütün dikdörtgen kapsamda mı çizileceğini belirler; zarf dışında tahmin, veriden uzak bir dışa kestirimdir.
Gündelik örnek: Tarla için 10 metrelik hücreler gübre makinesinin çalışma genişliğine uygundur; 1 metrelik hücre daha pürüzsüz görünür ama yeni bilgi eklemez. Örnek alınmayan tarla köşesinde tahmin yapılırsa standart hata belirgin biçimde büyür.
Ne işe yarar: Uzun kenar boyunca hücre sayısı (hücre boyutu = kapsam / değer). Maske, yalnız gözlem noktalarının dışbükey zarfı içinde tahmin yapar (dışa kestirim yok) veya dikdörtgeni kullanır.
Sonuca etkisi: Yüzeyin çözünürlüğünü ve kapsamını değiştirir; hücre değerlerini değiştirmez.
Doğrulama verisinde: Hücre 20 için 0.195 km, 100 için 0.039 km, 400 için 0.0097 km; tahmin aralığı 4.78-7.48. Dikdörtgende en büyük standart hata 0.825 (zarfta 0.785).
Birini-dışarıda-bırak çapraz doğrulama (LOO) (onay kutusu)
Kavram: Birini dışarıda bırakma çapraz geçerlemesi, her ölçüm noktasını sırayla veriden çıkarır, kalan noktalarla o noktayı tahmin eder ve tahmini gerçek değerle karşılaştırır. RMSE tahmin hatasının büyüklüğünü, ortalama hata yanlılığı, MSDR ise modelin verdiği standart hataların gerçek hatalarla uyumunu (1'e yakın olmalı) gösterir.
Gündelik örnek: 120 örneğin her biri bir kez 'gizlenip' öteki 119 örnekten tahmin edilir. RMSE düşük ve MSDR 1'e yakınsa çiftçi hem tahminlere hem de haritadaki belirsizlik bölgelerine güvenebilir.
Ne işe yarar: Birini-dışarıda-bırak çapraz doğrulamayla ME, MAE, RMSE, MSDR (ortalama standartlaştırılmış kare hata) ve gözlenen-tahmin korelasyonunu verir.
Sonuca etkisi: Kapatılırsa yalnız tablo satırı kalkar, tahmin değişmez.
Doğrulama verisinde: Küresel modelde RMSE 0.39180, MSDR 0.8185, r 0.8393.
Uzaklık sınıfı (lag) sayısı (varsayılan 15) ve Cutoff (en büyük uzaklık)
Kavram: Deneysel variogram, nokta çiftlerini uzaklıklarına göre sınıflara ayırarak hesaplanır. Sınıf sayısı her sınıfın genişliğini, cutoff ise hesaba katılacak en büyük uzaklığı belirler; çok dar sınıflarda çift sayısı azalır ve variogram gürültülü olur.
Gündelik örnek: Cutoff 600 metre ve 15 sınıf seçilirse her sınıf 40 metrelik bir uzaklık aralığını kapsar. Cutoff range'ten (300 m) kısa seçilseydi variogramın düzleştiği eşik hiç görünmez ve range güvenilir biçimde kestirilemezdi.
Ne işe yarar: Deneysel variogramın sınıf sayısını ve en büyük uzaklığını belirler (sınıf genişliği = cutoff / sınıf sayısı). Cutoff boşsa sınırlayıcı kutu köşegeninin 1/3'ü kullanılır. Ek seçenekler grubundadır.
Sonuca etkisi: Deneysel variogramı ve uydurulan range'i değiştirir.
Doğrulama verisinde: Sınıf sayısı 5, 15, 50 için küresel range 0.8835, 0.8970, 0.9216 km. Cutoff 1.0 km için range 0.9655; 0.5 km'de üstel range 7.39 km (eşik görülmüyor uyarısı).
Variogram kestiricisi (Klasik (Matheron), Robust (Cressie-Hawkins))
Kavram: Klasik (Matheron) kestirici farkların karelerinin ortalamasını aldığından birkaç aykırı değer variogramı şişirebilir. Cressie-Hawkins kestiricisi farkların karekökleriyle çalışarak aykırı değerlere karşı daha dayanıklıdır.
Gündelik örnek: Bir örnekte laboratuvar hatası yüzünden azot olağanın beş katı çıkmışsa, o örneği içeren her çiftin farkı çok büyük olur ve klasik variogram yükselir. Cressie-Hawkins bu tek hatalı örneğin etkisini azaltır.
Ne işe yarar: Cressie-Hawkins kestiricisi aykırı değerlere dayanıklıdır.
Sonuca etkisi: Deneysel variogram değerlerini ve dolayısıyla uydurulan modeli değiştirir.
Doğrulama verisinde: Cressie-Hawkins küresel nugget 0.0082, range 0.9878.
Uydurma ağırlıkları (N/h² (gstat varsayılanı, fit.method 7), Cressie: N/γ(h)² (fit.method 2), N (fit.method 1), Ağırlıksız EKK (fit.method 6))
Kavram: Variogram modeli deneysel noktalara ağırlıklı en küçük karelerle uydurulur. Ağırlık seçenekleri, çok sayıda çifte dayanan ve (varsayılan N/h² ağırlığında olduğu gibi) kısa uzaklıktaki noktalara daha çok önem verebilir; kısa uzaklıkların kriging tahmini için en önemli bölge olması bunun gerekçesidir.
Gündelik örnek: 50 metrelik sınıftaki variogram noktası yüzlerce çifte dayanıyorsa güvenilirdir ve uydurmada ağır basar. Yalnızca birkaç çifte dayanan uzak bir sınıf ise eğriyi pek etkilemez.
Ne işe yarar: Ağırlıklı en küçük kareler ile nugget, kısmi eşik ve range'i kestirir (ağırlık N/h², N/γ(h)², N ya da ağırlıksız).
Sonuca etkisi: Model parametrelerini ve dolayısıyla tahmin yüzeyini değiştirir.
Doğrulama verisinde: Küresel range: N/h2 (varsayılan) 0.8970 km; N için 0.9110; ağırlıksız 0.8901; Cressie ağırlığında 0.90015.
Nugget etkisini uydur (onay kutusu)
Kavram: Nugget, sıfıra çok yakın uzaklıklarda bile kalan farklılıktır: ölçüm hatası ile örnekleme aralığından daha küçük ölçekteki değişkenliğin toplamıdır. Uydurulmazsa sıfır kabul edilir; bu, aynı noktada tekrarlanan ölçümlerin hep aynı sonucu vereceğini varsaymak demektir.
Gündelik örnek: Aynı noktadan yarım metre arayla alınan iki örnek bile farklı azot değeri verebilir. Nugget bu kısa ölçekli farkı modeller; sıfıra sabitlenirse kriging, ölçüm noktalarının yakınındaki tahminlerde o noktaların değerlerine gereğinden çok ağırlık verir.
Ne işe yarar: İşaretsizse nugget 0'a sabitlenir.
Sonuca etkisi: Kısmi eşik ve range yeniden kestirilir; kısa uzaklık davranışı değişir.
Doğrulama verisinde: Kapalıyken küresel kısmi eşik 0.6211, range 0.7679 km.
Yönlü variogram (0°, 45°, 90°, 135°; anizotropi) (onay kutusu)
Kavram: Yönlü variogram, benzerliğin uzaklıkla azalma hızının yöne göre değişip değişmediğini (anizotropi) dört ayrı yönde hesaplayarak inceler. Yönler arasında range belirgin biçimde farklıysa yönsüz model mekânsal yapıyı tam yansıtmaz.
Gündelik örnek: Tarlada eski bir dere yatağı kuzey-güney yönünde uzanıyorsa azot bu yönde uzun mesafeler boyunca benzer kalır, doğu-batı yönünde ise hızla değişir. Yönlü variogram bu farkı kuzey-güney yönünde daha uzun bir range olarak gösterir.
Ne işe yarar: Dört yönde (+-22.5 derece tolerans, kuzeyden saat yönünde) variogram ve yön başına range hesaplar; anizotropi oranı raporlanır.
Sonuca etkisi: Yön başına range ve anizotropi tablosu ekler; izotrop kriging sonucunu değiştirmez.
Doğrulama verisinde: 0, 45, 90, 135 derece yönlerinde küresel range 1.264 ... 1.042 km.
SK ortalaması, UK trendi (Doğrusal koordinat trendi (x + y), İkinci derece koordinat trendi, Kovaryat (dış sürüklenme)) ve Kovaryat
Kavram: Basit kriging için kullanılacak bilinen ortalamayı ya da evrensel kriging için trendin biçimini belirler: koordinatların doğrusal ya da ikinci dereceden bir işlevi veya ayrı ölçülmüş bir yardımcı değişken (dış sürüklenme). Kovaryatlı tahminde, kovaryatın değeri tahmin yapılacak her konumda bilinmelidir.
Gündelik örnek: Toprak azotunun yükseltiyle ilişkili olduğu biliniyor ve tarlanın her yeri için ayrıntılı bir yükselti haritası varsa yükselti kovaryat olarak eklenir. Kriging böylece hem yükseltinin açıkladığı eğilimi hem de onun ötesindeki mekânsal benzerliği kullanır.
Ne işe yarar: SK için bilinen ortalamayı, UK için trend biçimini veya dış sürüklenme değişkenini seçer. Kovaryatlı UK'de tahmin, değer sütunu boş ama kovaryatı dolu satırlarda yapılır.
Sonuca etkisi: Ortalama/trend yapısını, dolayısıyla tahmin ve LOO hatasını değiştirir.
Doğrulama verisinde: SK ortalaması 6.0 ile LOO RMSE 0.3917; UK doğrusal üstel 0.3898; UK sqrt(dist) üstel 0.3777.
Blok boyutu
Kavram: Blok kriging, tek bir noktanın değeri yerine belirli büyüklükte bir alanın (bloğun) ortalama değerini kestirir. Ortalamalar tek tek noktalardan daha az dalgalandığından blok tahminlerinin standart hatası nokta tahminlerinden küçüktür.
Gündelik örnek: Gübre makinesi 10 × 10 metrelik alanlara aynı miktarı attığından çiftçi için önemli olan her bloğun ortalama azotudur, tek bir noktanınki değil. Blok boyutu 10 metre seçildiğinde harita bu karara doğrudan uygun hâle gelir ve belirsizlik daha küçük görünür.
Ne işe yarar: > 0 ise kare blok (kenar, km) ortalamasını kestirir (blok kriging; 4 x 4 Gauss ayrıklaştırma).
Sonuca etkisi: Blok ortalaması nokta değerinden daha az belirsizdir; standart hata düşer.
Doğrulama verisinde: 0.04 km blokta en büyük standart hata 0.739, 0.2 km'de 0.683 (nokta kriging 0.785).
Komşu sayısı (nmax)
Kavram: Her tahminde tüm ölçüm noktaları yerine yalnızca en yakın nmax noktanın kullanılmasını sağlar (yerel kriging). Uzak noktalar zaten çok küçük ağırlık aldığından sonuç çoğu zaman pek değişmez; buna karşılık hesap hızlanır ve ortalamanın alan içinde yavaşça değişmesine izin verilir.
Gündelik örnek: Tarlanın kuzey ucundaki bir noktayı tahmin ederken güney ucundaki örneklerin pek bir katkısı yoktur. nmax = 20 ile her tahmin yalnızca en yakın 20 örneğe dayanır ve harita çok daha hızlı üretilir.
Ne işe yarar: Her tahminde yalnız en yakın nmax gözlemi kullanır (yerel kriging).
Sonuca etkisi: Tahmini yerel yapar; tahmin ve LOO hatası değişir.
Doğrulama verisinde: nmax 30 için LOO RMSE 0.3887; 10 için 0.3879.
IDW ile karşılaştır (gstat idw) (onay kutusu) ve IDW üssü (p)
Kavram: Ters uzaklık ağırlıklandırma (IDW), her ölçüm noktasına uzaklığın p'inci kuvvetiyle ters orantılı ağırlık verir; mekânsal yapıyı modellemez ve standart hata üretmez. p büyüdükçe en yakın noktalar baskınlaşır. Kriging ile LOO hatasının karşılaştırılması, variogram modellemesinin tahmine ne kattığını gösterir.
Gündelik örnek: Çiftçi, daha basit olan IDW haritasıyla kriging haritasını karşılaştırabilir. Çapraz geçerlemede kriging'in hatası belirgin biçimde küçükse, variogramla uğraşmanın gübre kararlarını gerçekten iyileştirdiği görülür.
Ne işe yarar: Ters uzaklık ağırlıklı enterpolasyon yüzeyi ve LOO hatasını kriging ile karşılaştırır (ağırlık = uzaklık^(-p); varsayılan p = 2).
Sonuca etkisi: Kriging sonucunu değiştirmez; karşılaştırma satırı ekler.
Doğrulama verisinde: LOO RMSE p = 1 için 0.6393; p = 2 için 0.5138; p = 4 için 0.4571 (kriging 0.3918).
Değer (sütun)
Kavram: Haritası çıkarılacak sürekli değişkeni seçer. Değişken çok çarpıksa (ör. kirletici derişimleri) kriging çoğu zaman log dönüşümü uygulanmış değer üzerinde yapılır, çünkü variogram uç değerlerden büyük ölçüde etkilenir.
Gündelik örnek: Değer olarak azot (mg/kg) seçilir. Tarlanın birkaç noktasında azot diğerlerinin çok üstündeyse logaritması alınmış azotla çalışmak daha kararlı bir variogram verir.
Ne işe yarar: Kestirilecek değişkeni (log(zinc) vb.) seçer.
Sonuca etkisi: Variogram, model ve tüm tahminler bu değişkene dayanır.
Doğrulama verisinde: Varsayılan çalıştırmada logzinc.
Gerçek veride örnek
Veri: Meuse nehri taşkın ovası, R sp meuse ve meuse.grid
Değişkenler: 155 toprak örneği (km düzleminde enlem/boylam), değer logzinc (çinko, log); değeri boş 3103 ızgara satırı yalnız kovaryatlı UK tahmininde kullanılır
- Soru: Meuse taşkın ovasında topraktaki çinko (log) mekânda nasıl değişiyor ve örneklenmemiş noktalarda ne kadar iyi tahmin edilebilir?
- Model: 15 sınıflı deneysel variograma dört model uyduruldu; en küçük ağırlıklı SSE ile küresel model seçildi: nugget = 0.051, kısmi eşik = 0.591, range = 0.897 km.
- Mekânsal bağımlılık: Nugget/eşik oranı = 0.08; güçlü mekânsal bağımlılık vardır, yaklaşık 0.9 km'ye kadar yakın örnekler birbirine benzer.
- Model uyumu (LOO): ME = -2.06e-05 (yansız), RMSE = 0.392, r = 0.839; MSDR = 0.819 (1'e yakın): kriging varyansı gerçek hatalarla uyumludur.
- Tahmin: Sıradan kriging yüzeyi 4.78 ile 7.48 (logzinc) arasındadır; en büyük standart hata 0.785, örneklerin seyrek olduğu kenarlardadır.
- Sınırlılık: Variogram yönsüz (izotrop) varsayıldı; nehre uzaklık gibi bir trend evrensel kriging ile ayrıca denenmelidir.
- Rapor satırı: Küresel variogram (nugget = 0.051, kısmi eşik = 0.591, range = 0.897 km); LOO RMSE = 0.392, r = .84, MSDR = 0.82.
İlgili kavramlar
Variogram (yarı-variogram)Kriging (basit, sıradan, evrensel, blok)Birini dışarıda bırak (LOO)Nugget, eşik (sill) ve menzil (range)Anizotropi (yöne bağımlılık)Ters uzaklık ağırlıklandırması (IDW)Gözlem penceresi (çalışma alanı)Uzaklık ölçüsü (Öklid, Manhattan, Gower, büyük daire)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.