Ich habe einen Punktdatensatz, den ich gerne an Krige weitergeben möchte , idealerweise mit einem Open-Source-Softwarepaket. Wenn möglich, möchte ich während des Vorgangs auch das Semi-Variogramm-Modell auswählen, um die Schätzung zu verbessern.
Ich habe einen Punktdatensatz, den ich gerne an Krige weitergeben möchte , idealerweise mit einem Open-Source-Softwarepaket. Wenn möglich, möchte ich während des Vorgangs auch das Semi-Variogramm-Modell auswählen, um die Schätzung zu verbessern.
Antworten:
Abhängig davon, welchen Kriging-Typ Sie anwenden möchten, stehen verschiedene Pakete zur Auswahl:
Die gängigste Version ist zum Beispiel implementiert in:
Beim einfachen Kriging wird der Durchschnitt des gesamten Datensatzes verwendet, während beim normalen Kriging ein lokaler Durchschnitt verwendet wird. Daher kann einfaches Kriging ungenauer sein, führt aber im Allgemeinen zu "glatteren" Ergebnissen. Es ist implementiert in:
Universelles Kriging ermöglicht die Berücksichtigung von Datenverschiebungen. Implementierungen sind enthalten in:
Andere Kriging-Typen
GRASS v.krige unterstützt auch Block Kriging.
HPGL implementiert eine große Anzahl weniger bekannter Kriging-Methoden ( weitere Informationen hierzu finden Sie im Handbuch ):
SAGA bietet verschiedene Versionen von Normal- und Universal-Kriging an.
Gstat Krige unterstützt zusätzlich Block und Point Kriging.
Es sieht so aus, als gäbe es mit GRASS GIS einige Optionen. Schauen Sie sich die GRASS Kriging Wiki-Seite an: http://grass.osgeo.org/wiki/Kriging
Ein Google Summer of Code-Projekt im Jahr 2009 produzierte V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
Das GPL gstat-Paket sollte von selbst funktionieren oder mit GRASS GIS verbunden sein. http://www.gstat.org/
Dylan Beaudette hat ein schönes Beispiel für das Kriging mit GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (Sein Blog ist voll von großartigen und interessanten Beispielen für die Verwendung von OpenSource GIS und statistischen Tools!)
Das R-Projekt hat eine beträchtliche Anzahl von Raumstatistik-Softwarepaketen , aber R hat eine ziemlich steile Lernkurve.
Wenn Sie Ihr Raster gerne in ein Numpy- Array einlesen möchten ( das kann gdal ), können Sie die Implementierung der High Performance Geostatistics Library aus Python oder C / C ++ verwenden.
HPGL implementiert die folgenden Algorithmen:
- Einfaches Kriging (SK)
- Gewöhnliches Kriging (OK)
- Indikator Kriging (IK)
- Lokales Varying Mean Kriging (LVM Kriging)
- Einfaches CoKriging (Markov Modelle 1 & 2)
- Sequenzielle Indikatorensimulation (SIS)
- Corellogram Local Varying Mean SIS (CLVM SIS)
- Lokales variierendes mittleres SIS (LVM SIS)
- Sequentielle Gaußsche Simulation (SGS)
- GTSIM (Truncated Gaussian Simulation) [in der Python-Skriptsammlung]
Ich habe es selbst nicht benutzt, aber gute Dinge darüber gehört, insbesondere in Bezug auf die Geschwindigkeit.
Schauen Sie sich dieses kostenlose Buch an, es handelt von Geostatistik in R und enthält einige Informationen dazu in SAGA und GRASS. http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
Ich erinnere mich , dass ich vor ein paar Jahren SAGA für die Erstellung von Hochwassermodellen verwendet habe. Open Source und einen Blick wert.
Sie können das Kriging-Modell in Surfpack Version 1.1 (ich habe es geschrieben, als ich noch im DAKOTA-Team war) oder die neueste und beste Version ausprobieren, die mit der "stabilen" Version von DAKOTA geliefert wird (Surfpack ist ein Unterpaket von DAKOTA). macht es universelles Kriging aus der Perspektive von Korrelationsfunktionen und nicht von Halbvariogrammen.
Kürzlich verglich ein Benutzer, Joel Guerrero, es Kopf an Kopf mit einer Reihe anderer Implementierungen und erklärte: "Wir haben immer mit Surfpack zu tun, vergleichen es mit anderen Implementierungen (einschließlich einer kommerziellen) und übertreffen bisher alle von ihnen. zu dem Punkt, der manchmal scheint, dass schwarze Magie tut "
GSLIB (Geostatistical Software Library) ist eine erstklassige datei- / befehlsgesteuerte Software, die von der Stanford University entwickelt und in den 1990er Jahren veröffentlicht wurde. Einige davon wurden im letzten Jahrzehnt gewartet . Der Quellcode kann unter Linux / Windows mit einem Fortran-Compiler frei heruntergeladen und kompiliert werden. Es stehen Online-Ressourcen und ein Buch zur Verfügung.
Kriging ist eine der Stärken der Software: