Advances in Regression Kriging-Based Methods for Estimating Statewide Winter Weather Collisions: An Empirical Investigation

Winter conditions create hazardous roads that municipalities work hard to maintain to ensure the safety of the travelling public. Targeting their efforts with effective network screening will help transportation managers address these problems. In our recent efforts, regression kriging was found to be a viable and effective network screening methodology. However, the study was constrained by its limited spatial extent making the reported results less conclusive and transferrable. In addition, our previous work implemented what has long been adopted in most of conventional studies—the Euclidean distance; however, use of the road network distance would, intuitively, result in further improving kriging estimates, especially when dealing with transportation problems. Therefore, this study improves upon our previous efforts by developing a more advanced kriging model; namely, network regression kriging using the entire state of Iowa with the significantly expanded road network. The transferability of the developed models is also explored to investigate its generalization potential. The findings based on various statistical measures suggest that the enhanced kriging model vastly improved the estimation performance at the cost of greater computational complexity and run times. The study also suggests that regional semivariograms better represent the true nature of the local variances, though an overall model may still function adequately if higher fidelity is not required.

A Comparison of Optimized Sentinel-2 Super-Resolution Methods Using Wald’s Protocol and Bayesian Optimization

In the context of earth observation and remote sensing, super-resolution aims to enhance the resolution of a captured image by upscaling and enhancing its details. In recent years, numerous methods for super-resolution of Sentinel-2 (S2) multispectral images have been suggested. Most of those methods depend on various tuning parameters that affect how effective they are. This paper’s aim is twofold. Firstly, we propose to use Bayesian optimization at a reduced scale to select tuning parameters. Secondly, we choose tuning parameters for eight S2 super-resolution methods and compare them using real and synthetic data. While all the methods give good quantitative results, Area-To-Point Regression Kriging (ATPRK), Sentinel-2 Sharpening (S2Sharp), and Sentinel-2 Symmetric Skip Connection convolutional neural network (S2 SSC) perform markedly better on several datasets than the other methods tested in this paper.

Estimación de carbono orgánico del suelo en Colombia, una herramienta de gestión del territorio

El suelo desarrolla funciones base que proporcionan valiosos servicios ecosistémicos, como la captura de carbono. En el marco de gestión del territorio, es importante contar con información nacional confiable y representativa para mantener la calidad y salud del suelo en el país. El objetivo del presente trabajo fue establecer el contenido y distribución de carbono orgánico del suelo (COS) hasta 30 cm en Colombia, con resolución espacial de 1 km, usando técnicas de mapeo digital de suelos. La motivacion principal de este trabajo fue documentar la contribucion de Colombia al mapa global de COS de la FAO. Se utilizó información de 4329 perfiles de suelo, distribuidos en los 32 departamentos del país, recopilados entre los años 1970 y 2012. Estos datos se relacionaron con la información de 140 covariables que describen los factores de formación de los suelos (clima, topografía, cobertura y uso de la tierra, tipo de suelos, material parental). El modelado espacial predictivo se realizó con Regression Kriging y se evaluó mediante validación cruzada y revisión por expertos. Los residuales del modelo ajustado se interpolaron para la obtención del mapa de incertidumbre de la predicción. Los resultados se compararon con productos similares preexistentes de mayor resolución espacial (SoilGrids 250m), obteniendo que el modelo ajustado representa la variabilidad del COS con mayor exactitud (r2=0.49 y RMSE=0.71). El clima es el factor que explicó en mayor medida el comportamiento de la variable. El producto fue validado por expertos nacionales y se busca que este insumo sea considerado como un apoyo para la toma de decisiones en la gestión del territorio y así fortalecer los compromisos del país en degradación de tierras y cambio climático.

MENENTUKAN METODE INTERPOLASI SPASIAL CURAH HUJAN BULANAN TERBAIK DI JAWA TIMUR

Informasi spasial curah hujan dibutuhkan oleh berbagai sektor namun karena keterbatasan pengamatan, proses interpolasi harus dilakukan. Metode interpolasi spasial terbaik untuk suatu tempat perlu ditentukan secara khusus. Penggunaan metode interpolasi Inverse Distance Weight (IDW) P=5 di Stasiun Klimatologi Malang perlu dikaji ulang. Tujuan penelitian ini adalah mencari justifikasi parameter interpolasi, membandingkan hasil interpolasi, dan pada akhirnya menentukan metode interpolasi terbaik untuk curah hujan bulanan Jawa Timur. Tiga metode yang diperbandingkan adalah IDW, Ordinary Kriging (OK), dan Regression Kriging (RK). Data curah hujan bulanan yang digunakan adalah 197 titik selama 204 bulan. Prediktor RK menggunakan ketinggian, kelerengan, dan estimasi curah hujan satelit. Parameter interpolasi seperti ukuran piksel, jumlah pencarian (NN), model variogram, dan power IDW dijustifikasi terlebih dahulu. Korelasi spasial digunakan untuk membandingkan hasil interpolasi. Validasi silang lipat sepuluh digunakan untuk menghasilkan galat. Galat interpolasi yang digunakan berupa nilai dan selisih kategori warna peta standar. RMSE dan MAE digunakan sebagai parameter validasi. Analisis waktu komputasi juga dilakukan. Piranti lunak R Statistics dan QGIS digunakan untuk membentuk bahan maupun mencari parameter interpolasi sedangkan interpolasi dilakukan menggunakan SAGA. Parameter interpolasi ditentukan sebagai berikut: ukuran piksel=0,01; NN=9; model variogram sperikal dengan Nugget=0, Sill=1, dan range bervariasi; power IDW=1,5. Hasil interpolasi RK jauh berbeda dari IDW maupun OK. Secara umum, IDW memiliki galat paling kecil (MAE kategori=0,871) dibandingkan OK (0,890) maupun RK (1,188).