JOURNAL BROWSE
Search
Advanced SearchSearch Tips
Precipitation Analysis Based on Spatial Linear Regression Model
facebook(new window)  Pirnt(new window) E-mail(new window) Excel Download
 Title & Authors
Precipitation Analysis Based on Spatial Linear Regression Model
Jung, Ji-Young; Jin, Seo-Hoon; Park, Man-Sik;
  PDF(new window)
 Abstract
In this study, we considered linear regression model with various spatial dependency structures in order to make more reliable prediction of precipitation in South Korea. The prediction approaches are based on semi-variogram models fitted by least-squares estimation method and restricted maximum likelihood estimation method. We validated some candidate models from the two different estimation methods in terms of cross-validation and comparison between predicted values and observed values measured at different locations.
 Keywords
Semi-variogram;precipitation;universal kriging;spatial linear regression model;cross-validation;
 Language
Korean
 Cited by
1.
풍속 자료의 공간예측,정승환;박만식;김기환;

응용통계연구, 2010. vol.23. 2, pp.345-356 crossref(new window)
2.
다양한 관측네트워크에서 얻은 공간자료들을 활용한 계층모형 구축,최지은;박만식;

응용통계연구, 2013. vol.26. 1, pp.93-109 crossref(new window)
3.
공간 극단값의 분계점 모형 사례 연구 - 한국 여름철 강수량,황승용;최혜미;

응용통계연구, 2014. vol.27. 4, pp.655-665 crossref(new window)
4.
공간자료의 기하학적 비등방성 연구,고혜지;박만식;

응용통계연구, 2014. vol.27. 5, pp.755-771 crossref(new window)
5.
안동댐 유역 기상인자의 시공간분포 추정,임철희;문주연;임윤진;김세진;이우균;

한국지형공간정보학회지, 2015. vol.23. 4, pp.57-65 crossref(new window)
1.
Threshold Modelling of Spatial Extremes - Summer Rainfall of Korea, Korean Journal of Applied Statistics, 2014, 27, 4, 655  crossref(new windwow)
2.
Estimating Spatio-Temporal Distribution of Climate Factors in Andong Dam Basin, Journal of Korean Society for Geospatial Information System, 2015, 23, 4, 57  crossref(new windwow)
3.
On the Geometric Anisotropy Inherent In Spatial Data, Korean Journal of Applied Statistics, 2014, 27, 5, 755  crossref(new windwow)
4.
Estimating Precise Spatio-Temporal Distribution of Weather Condition Using Semi-Variogram in Small Scale Recreation Forest, Journal of the Korean Association of Geographic Information Studies, 2015, 18, 3, 63  crossref(new windwow)
5.
On the Hierarchical Modeling of Spatial Measurements from Different Station Networks, Korean Journal of Applied Statistics, 2013, 26, 1, 93  crossref(new windwow)
 References
1.
김선우, 정애란, 이성덕 (2005). 공간자료에 대한 지리적 가중회귀 모형과 크리깅의 비교, <응용통계연구>, 18, 271-280

2.
신만용, 윤진일, 서애숙 (1999). 공간통계기법을 이용한 전국 일 최고/최저기온 공간변이의 추정, <대한원격탐사학회지>, 15, 9-20

3.
오광중, 곽진, 정덕영, 손건태 (1998). 부산지역의 대기오염물질농도와 기상인자간의 통계분석-광안리지역을 중심 으로, Journal of Korean Society of Environmental Engineers, 20, 1235-1245

4.
유성모, 엄익현 (1999). 강우강도 데이터를 이용한 세미베리오그램의 추정과 공간이상치에 관한 연구,<응용통계 연구>, 12, 125-141

5.
이지영, 황철수 (2002). 공간통계분석을 이용한 지가의 입지값 측정에 관한 연구, <한국GIS학회지>, 10, 233-246

6.
장지희 (2003). <크리깅 방법을 이용한 공간데이터 분석>, 성균관대학교, 석사학위논문

7.
조재영 (2001). <공간자료에 대한 공간통계와 일반통계 분석법에 의한 예측력 비교 연구>, 동의대학교, 석사학위 노문

8.
조재영, 최승배, 김규곤 (2001). 일반통계에 대한 공간통계 방법의 예측성능에 관한 연구, Journal of the Korean Data Analysis Society, 6, 473-491

9.
최승배, 조장식, 범수균 (2004). 공간변이성의 추정량들에 대한 예측력 비교 연구: 남한지역 일산화탄소 자료를 이용하여, Journal of the Korea Data Analysis Society, 6, 279-291

10.
허태영, 서의훈, 권원태 (2004). 세미베리오그램 모형을 적용한 남한지역 강수량 자료의 공간분석, Journal of the Korean Data Analysis Society, 6, 473-491

11.
Cressie, N. A. C. (1993). Statistics for Spatial Data, John Wily & Sons, New York

12.
R Development Core Team (2008). R: A Language and Environment for Statistical Computing, R Founda- tion for Statistical Computing, Vienna, Austria, http://www.R-project.org