Krigingverfahren, häufig mit Hilfsvariablen, sind interessante Verfahren für viele Fragen der Waldinventur, Waldstrukturanalyse und Regionalisierung von Stichprobendaten. Verbreitete Fehlermaße für die in diesen Gebieten vorgenommenen räumlichen Punkt- und Flächenvorhersagen sind Kriging- und Dispersionsvarianz, die beide nicht unmittelbar mit dem klassischen Stichprobenfehler designbasierter Verfahren verglichen werden können. In anderen Anwendungsgebieten sind sie bereits häufig kritisiert worden, da sie Erwartungswerte über alle Realisierungen des unterstellten Prozessmodells darstellen und als solche unabhängig von den konkreten Messwerten sind. In diesem Projekt sollen deshalb die Möglichkeiten zur Schätzung des bedingten MSPE (mean square prediction error), gegeben die Messwerte, auf der Basis geostatistischer Modelle untersucht werden. Neben theoretischen Lösungen in Spezialfällen wird dabei die bedingte Simulation stochastischer Prozesse bei unterschiedlichen Verteilungsannahmen eine zentrale Rolle spielen. Weiterhin soll die Anwendbarkeit der Verfahren anhand von realen forstlichen Stichprobendaten untersucht werden. Als modellabhängiges Fehlermaß ist der geschätzte bedingte MSPE schließlich auch ein potentielles Maß für die Fehler, die aus systematischen Stichproben resultieren.
DFG Programme
Research Grants
