Geostatistics: Modeling Spatial Uncertainty, Second Edition

ستایش برای چاپ اول

\".... یک جلد خواندنی و جامع که... متعلق به هر محقق یا پزشک جدی روی میز است.

وضعیت هنر در زمین‌آمار

مدل‌ها و تکنیک‌های زمین‌آماری مانند کریجینگ و تحقق‌های چندگانه تصادفی از همبستگی‌های فضایی برای ارزیابی منابع طبیعی، کمک به توسعه بهینه آنها و رسیدگی به مسائل زیست‌محیطی مرتبط با کیفیت هوا و آب، خاک استفاده می‌کنند. آلودگی و جنگلداری زمین آمار: مدل‌سازی عدم قطعیت فضایی، ویرایش دوم یک مرجع جامع و به‌روز در مورد این موضوع ارائه می‌کند که اکنون آخرین تحولات در این زمینه را نشان می‌دهد.

نویسندگان هم نظریه و هم کاربردهای زمین آمار را از طریق یک درمان واحد که بر روش شناسی تأکید دارد، توضیح می دهند. موضوعات کلیدی که پایه و اساس زمین آمار هستند، به طور عمیق مورد بررسی قرار می گیرند، از جمله مدل های ثابت و غیر ثابت. روش های خطی و غیر خطی؛ تغییر حمایت؛ رویکردهای چند متغیره؛ و شبیه سازی های مشروط ویرایش دوم تعداد روزافزون کاربردهای روش‌های زمین آماری را برجسته می‌کند و سه حوزه کلیدی رشد را در این زمینه مورد بحث قرار می‌دهد:

• نتایج و روش‌های جدید، از جمله کریجینگ مجموعه‌های داده بسیار بزرگ. کریجینگ با موارد پرت؛ مزخرف??مثل فضا-زمان کواریانس; شبیه سازی چند نقطه ای؛ شبیه سازی چند گاوسی. تغییر شکل تدریجی؛ و زمین آمار با ارزش شدید

• ارتباطات تازه شکل گرفته بین زمین آمار و رویکردهای دیگر مانند توابع پایه شعاعی، میدان های تصادفی مارکوف گاوسی، و جذب داده ها

• دیدگاه های جدید در مورد موضوعات مانند کوکریجینگ همزمان، کریجینگ با رانش خارجی، مدل‌های تغییر پشتیبانی گسسته گاوسی، و الگوریتم‌های شبیه‌سازی

زمین‌آمار، ویرایش دوم کتابی عالی برای دوره‌های مرتبط با این موضوع در فارغ‌التحصیلان است. مرحله. همچنین به عنوان یک مرجع ارزشمند برای دانشمندان زمین، مهندسان معدن و نفت، ژئوفیزیکدانان، و آماردانان محیطی که داده ها را در کارهای روزمره خود جمع آوری و تجزیه و تحلیل می کنند، عمل می کند. 2 تحلیل ساختاری (صفحات 28-146):
فصل 3 کریجینگ (صفحات 147-237):
فصل 4 مدل ذاتی مرتبه k (صفحات 238-298):
فصل 5 روش‌های چند متغیره (صفحه‌های 299) -385):
روش‌های غیرخطی فصل 6 (صفحه‌های 386-477):
فصل 7 شبیه‌سازی‌های شرطی (صفحه‌های 478-628):

Praise for the First Edition

". . . a readable, comprehensive volume that . . . belongs on the desk, close at hand, of any serious researcher or practitioner." ?Mathematical Geosciences

The state of the art in geostatistics

Geostatistical models and techniques such as kriging and stochastic multi-realizations exploit spatial correlations to evaluate natural resources, help optimize their development, and address environmental issues related to air and water quality, soil pollution, and forestry. Geostatistics: Modeling Spatial Uncertainty, Second Edition presents a comprehensive, up-to-date reference on the topic, now featuring the latest developments in the field.

The authors explain both the theory and applications of geostatistics through a unified treatment that emphasizes methodology. Key topics that are the foundation of geostatistics are explored in-depth, including stationary and nonstationary models; linear and nonlinear methods; change of support; multivariate approaches; and conditional simulations. The Second Edition highlights the growing number of applications of geostatistical methods and discusses three key areas of growth in the field:

• New results and methods, including kriging very large datasets; kriging with outliers; nonse??parable space-time covariances; multipoint simulations; pluri-gaussian simulations; gradual deformation; and extreme value geostatistics

• Newly formed connections between geostatistics and other approaches such as radial basis functions, Gaussian Markov random fields, and data assimilation

• New perspectives on topics such as collocated cokriging, kriging with an external drift, discrete Gaussian change-of-support models, and simulation algorithms

Geostatistics, Second Edition is an excellent book for courses on the topic at the graduate level. It also serves as an invaluable reference for earth scientists, mining and petroleum engineers, geophysicists, and environmental statisticians who collect and analyze data in their everyday work.Content:
Chapter 1 Preliminaries (pages 11–27):
Chapter 2 Structural Analysis (pages 28–146):
Chapter 3 Kriging (pages 147–237):
Chapter 4 Intrinsic Model of Order k (pages 238–298):
Chapter 5 Multivariate Methods (pages 299–385):
Chapter 6 Nonlinear Methods (pages 386–477):
Chapter 7 Conditional Simulations (pages 478–628):