一种用于具有潜在各向异性相关性的网格化环境空间数据空缺填补的方向梯度曲率方法
应用统计
2014-01-09 v1
摘要
我们引入了方向梯度曲率（DGC）方法，这是一种填补网格化环境数据中空缺的新方法。DGC基于一个目标函数，该函数测量样本和整个域数据的定向分离归一化平方梯度和曲率能量之间的距离。DGC采用数据条件模拟，该模拟对目标函数的局部极小值构型空间进行采样，而不是完整的条件概率密度函数。各向异性和非平稳性可以通过局部约束和方向依赖的全局约束来捕获。DGC计算效率高，且需要最少的用户输入，使其适用于大型（例如遥感）空间数据集的自动处理。在合成数据上研究了各种效果。通过使用合成和真实卫星数据（包括日柱状臭氧值的偏态分布），将DGC的空缺填补性能与已建立的分类和插值方法进行了比较。结果表明，DGC在交叉验证性能方面具有竞争力。
引用
@article{arxiv.1303.0191,
title = {A Directional Gradient-Curvature Method for Gap Filling of Gridded Environmental Spatial Data with Potentially Anisotropic Correlations},
author = {Milan Žukovič and Dionissios T. Hristopulos},
journal= {arXiv preprint arXiv:1303.0191},
year = {2014}
}
备注
26 pages, 7 figures