Spatial Interpolation IDW Kriging
📘 মাপা বিন্দু থেকে পুরো এলাকার মান অনুমান।
🌐 Estimate values across space from samples.
📍
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
মাপা বিন্দু থেকে পুরো এলাকার মান অনুমান।
মাপা বিন্দু থেকে পুরো এলাকার মান অনুমান।
🌐 English:
Estimate values across space from samples.
Estimate values across space from samples.
🗂 কোথায় পড়ে
৫. জিওএআই → স্পেশিয়াল পরিসংখ্যান → Spatial Interpolation IDW Kriging
🎯 এই শাখার লক্ষ্য
Test autocorrelation, find hotspots, interpolate, GWR
🧰 টুলস
PySAL, GeoDa, R sf
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
কিছু বিন্দুর মাপ থেকে পুরো এলাকার মানচিত্র—বৃষ্টিপাত, দূষণ, আর্সেনিক।
- ধাপ 1IDW: কাছের মাপকে বেশি ওজন (১/দূরত্বᵖ)—সহজ, দ্রুত
- ধাপ 2Kriging: ভ্যারিওগ্রাম দিয়ে দূরত্বের সাথে মিল কীভাবে কমে তা মডেল করে; অনিশ্চয়তাও দেয়
- ধাপ 3ভ্যারিওগ্রাম মডেল (spherical, exponential) ফিট: nugget, sill, range
- ধাপ 4leave-one-out ক্রস-ভ্যালিডেশন দিয়ে পদ্ধতি তুলনা
🧪 বাস্তব উদাহরণ
নলকূপের আর্সেনিক মাপ থেকে Kriging দিয়ে উপজেলাভিত্তিক ঝুঁকি মানচিত্র ও অনিশ্চয়তা মানচিত্র।
⚠️ সাধারণ ভুল
মাপের বিন্দু খুব কম বা এক জায়গায় জমা—বাকি এলাকার অনুমান অবিশ্বাস্য।
🔑 মূল শব্দ (Key terms)
interpolationIDWkrigingvariogramnuggetsillrange
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক5.1 IDW5.1.1 দূরত্বের বিপরীত ওজন
5.2 Kriging5.2.1 ভ্যারিওগ্রাম ভিত্তিক
5.3 ক্রস-ভ্যালিডেশন দিয়ে যাচাই
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (Spatial Statistics)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np
# Global Moran's I on a 6x6 grid with rook contiguity
rng=np.random.default_rng(0); g=np.zeros((6,6)); g[:3,:3]=10; g+=rng.normal(0,1,(6,6)); x=g.ravel(); n=x.size
W=np.zeros((n,n))
for i in range(6):
for j in range(6):
for di,dj in [(1,0),(-1,0),(0,1),(0,-1)]:
a,b=i+di,j+dj
if 0<=a<6 and 0<=b<6: W[i*6+j,a*6+b]=1
z=x-x.mean(); I=n/W.sum()*(z@W@z)/(z@z)
perm=[(lambda s:n/W.sum()*(s@W@s)/(s@s))(rng.permutation(z)) for _ in range(499)]
print("Moran's I =",round(I,3)," pseudo p =",round((np.sum(np.array(perm)>=I)+1)/500,3))❓
সেল্ফ-চেক · Self check
1. “দূরত্বের বিপরীত ওজন” — এটি কোন সাব-টপিকের বর্ণনা?
2. “ভ্যারিওগ্রাম ভিত্তিক” — এটি কোন সাব-টপিকের বর্ণনা?
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. Spatial Autocorrelation Moran's I2. Hot Spot Analysis Getis-Ord3. Point Pattern Analysis4. Kernel Density Estimation5. Spatial Interpolation IDW Kriging6. Geographically Weighted Regression7. Spatial Epidemiology8. PySAL
অন্য শাখার সম্পর্কিত টপিক
🗺️ Spatial Joins & Overlay🗺️ PostGIS Spatial SQL📍 Spatial Autocorrelation Moran's I📍 Spatial Epidemiology🌏 Geospatial Foundation Models🌏 Graph Neural Networks for Spatial Data