Basic Steps in Geostatistics: The Variogram and Kriging

Oliver, M. A.; Webster, R.

doi:10.1007/978-3-319-15865-5

Cited by 222 publications

(224 citation statements)

References 51 publications

Supporting

Mentioning

197

Contrasting

Unclassified

Order By: Relevance

“…Kriging is mathematically identical to Gaussian Processes regression, and is strictly valid only when the residuals are normally distributed (Oliver & Webster 2015). Kriging interpolation utilizes the variogram of PSF, and interpolates in a way so that the variance of the estimator is minimized (Cressie 1988).…”

Section: Kriging Interpolationmentioning

confidence: 99%

Testing PSF Interpolation in Weak Lensing with Real Data

Lu¹,

Zhang²,

Dong³

et al. 2017

View full text Add to dashboard Cite

Reconstruction of the point spread function (PSF) is a critical process in weak lensing measurement. We develop a real-data based and galaxy-oriented pipeline to compare the performances of various PSF reconstruction schemes. Making use of a large amount of the CFHTLenS data, the performances of three classes of interpolating schemes -polynomial, Kriging, and Shepard -are evaluated. We find that polynomial interpolations with optimal orders and domains perform the best. We quantify the effect of the residual PSF reconstruction error on shear recovery in terms of the multiplicative and additive biases, and their spatial correlations using the shear measurement method of Zhang et al. (2015). We find that the impact of PSF reconstruction uncertainty on the shear-shear correlation can be significantly reduced by cross correlating the shear estimators from different exposures. It takes only 0.2 stars (SNR ∼ > 100) per square arcmin on each exposure to reach the best performance of PSF interpolation, a requirement that is satisfied in most of the CFHTlenS data.

show abstract

Section: Kriging Interpolationmentioning

confidence: 99%

Testing PSF Interpolation in Weak Lensing with Real Data

Lu¹,

Zhang²,

Dong³

et al. 2017

View full text Add to dashboard Cite

show abstract

“…Ez utóbbi számos logikusan felépített szakkönyv tárgyát képezi (pl. JOURNEL & HUIJBREGTS, 1978;ISAAKS & SRIVASTAVA, 1989;CRESSIE, 1993;GOOVAERTS, 1997;DEUTSCH & JOURNEL, 1998;WEBSTER & OLIVER, 2007;PYRCZ & DEUTSCH, 2014;ROSSI & DEUTSCH, 2014;OLIVER & WEBSTER, 2015).…”

Section: B Evezetésunclassified

“…Kiemelendők továbbá HÄGERSTRAND (1965), illetve TOBLER (1970) geográfusok munkái, akik elsőként helyezték előtérbe a föld-rajztudományban a szomszédsági kapcsolatok szerepét és fontosságát, melyet ma "Tobler törvényeként" (vagy "a földrajz első törvényeként") ismerünk. CRESSIE (1990) szerint azonban MATHERON volt az első, aki teljes elméleti és gyakorlati megoldást nyújtott; ezért az utókor Georges Matheron-t -és részben Danie G. Krige-t a gyakorlati munkássága révén -tekinti a geostatisztika megalapítójának (JOURNEL & HUIJBREGTS, 1978;CRESSIE, 1993;GOOVAERTS, 1997;DEUTSCH & JOURNEL, 1998;WEBSTER & OLIVER, 2007;OLIVER & WEBSTER, 2015).…”

Section: B Evezetésunclassified

“…fekete dobozként jelennek meg a geostatisztikában kevésbé jártas felhasználó előtt, mely téves eszközök megválasztásához és beállítá-sához vezethet. Ugyanakkor az egyes eszköztárak alap (default) beállításai nem feltétlenül vezetnek az adott probléma optimális megoldásához (OLIVER & WEBSTER, 2015;WEBSTER, 2015). Ezek hatása kritikus lehet a modell alapján meghozott szakmai döntésre.…”

Section: Né Há Ny Go Ndolat a Téri Nfor Matika I Szo Ftverek Be éPíteunclassified

See 1 more Smart Citation

Geostatisztika a talajtérképezésben – Szemle –

Szatmári¹,

Pásztor²

2016

Agrokem

View full text Add to dashboard Cite

A geostatisztika a talajtérképezésben, illetve a tágabb értelemben vett talajtani kutatásokban mára már bevált gyakorlat (RAJKAI, 2001;OLIVER & WEBSTER, 2014;WEBSTER, 2015), melyeknek kivitelezését az egyre rohamosabban fejlődő térinfor-matikai szoftverkörnyezet biztosítja. A geostatisztika és a geomatematika segítsé-gével feltárhatjuk, elemezhetjük, kvantitatíve leírhatjuk, illetve modellezhetjük a vizsgált talajtani sajátságok közötti, illetve a környezetükkel fennálló kapcsolatokat a földrajzi és/vagy attribútum térben, akár időben is. Az ily módon megalkotott talajtani modellek segítségével becsléseket végezhetünk az adott talajtani sajátságok paramétereire (például az átlag vagy a szórás), illetve ismeretlen pontbéli vagy terü-letegység értékeire, továbbá előrejelzéseket tehetünk az adott talajtani sajátság jövőbeni változására és alakulására. Ezek a modellek kiemelkedő szerepet játszanak a bizonytalansági, illetve kockázati elemzésekben, amelyekben az adott talajtani sajátsággal, folyamattal kapcsolatos ismeretek hiányának, illetve a káros vagy nem kívánatos kimenetelű események lehetőségeinek mérlegelése történik. Továbbá ezek a modellek segítenek, hogy jobban megismerhessük a talajban lejátszódó folyamatokat a kiegészítő szakmai ismeretek felhasználásával. Ez utóbbi pedig lényeges része a geostatisztikai alapú modellalkotásnak (WEBSTER, 1989;GOOVAERTS, 1997;GEIGER, 2006aGEIGER, , 2007.A geostatisztikai megközelítések széles körű alkalmazhatóságuknak köszönhe-tően igen korán, az 1980-as évek elején megjelentek a talajtérképezésben, melyek azóta is meghatározzák a (digitális) talajtérképezés gyakorlatát, illetve a talajtérké-pezők talajjal kapcsolatos szemléletét és gondolkodását.Az egyre rohamosabban fejlődő térinformatikai szoftverek és kapcsolódó eszköztárak tették lehetővé, hogy a geostatisztika széles körben elérhetővé váljon azon felhasználók részére, akik munkájuk során a térbeli -és időbeli -referenciájú adatok feldolgozásával, elemzésével, értelmezésével és az ennek hátterében álló természeti folyamatok modellezésével foglalkoznak (OLIVER & WEBSTER, 2014, 2015.

show abstract

“…Kriging and 2D-IDW are common interpolation methods in geostatistics and earth sciences in general (Bartier and Keller, 1996;Oliver and Webster, 2015), whereas 3D-IDW is a newly developed approach …”

Section: Introductionmentioning

confidence: 99%