ฉันมีชุดข้อมูลแบบจุดที่ฉันต้องการKrigeโดยใช้แพ็คเกจซอฟต์แวร์โอเพ่นซอร์ส ถ้าเป็นไปได้ฉันต้องการเลือกแบบจำลองกึ่งผันแปรระหว่างกระบวนการเพื่อปรับปรุงการประมาณค่า
ฉันมีชุดข้อมูลแบบจุดที่ฉันต้องการKrigeโดยใช้แพ็คเกจซอฟต์แวร์โอเพ่นซอร์ส ถ้าเป็นไปได้ฉันต้องการเลือกแบบจำลองกึ่งผันแปรระหว่างกระบวนการเพื่อปรับปรุงการประมาณค่า
คำตอบ:
ขึ้นอยู่กับประเภทของ Kriging ที่คุณต้องการใช้มีแพ็คเกจให้เลือกมากมาย:
เวอร์ชันที่ใช้บ่อยที่สุดถูกนำมาใช้เช่นใน:
Simple Kriging ใช้ค่าเฉลี่ยของชุดข้อมูลทั้งหมดในขณะที่ Kriging สามัญใช้ค่าเฉลี่ยในท้องถิ่น ดังนั้น Kriging แบบง่ายจึงมีความแม่นยำน้อยกว่า แต่โดยทั่วไปแล้วจะให้ผลลัพธ์ที่ "เรียบ" มันนำมาใช้ใน:
Universal Kriging อนุญาตให้พิจารณาการดริฟท์ของข้อมูล การใช้งานรวมอยู่ใน:
ประเภท Kriging อื่น ๆ
GRASS v.krigeรองรับ Block Kriging
HPGL ใช้วิธีการ Kriging ที่รู้จักน้อยกว่าจำนวนมาก (ตรวจสอบคู่มือสำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเหล่านี้):
SAGA เสนอรุ่นที่แตกต่างกันของทั้งสามัญและ Universal Kriging
Gstat krige ยังรองรับ Block และ Point Kriging
ดูเหมือนว่ามีตัวเลือกไม่กี่ตัวที่มี GRASS GIS ตรวจสอบหน้า GRASS Kriging Wiki: http://grass.osgeo.org/wiki/Kriging
โครงการ Google Summer of Code ในปี 2009 ผลิต V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
แพ็คเกจ GPL gstat ควรทำงานด้วยตัวเองหรือเชื่อมต่อกับ GRASS GIS http://www.gstat.org/
Dylan Beaudette เป็นตัวอย่างที่ดีในการทำเพลง GRASS http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (บล็อกของเขาเต็มไปด้วยตัวอย่างที่ยอดเยี่ยมและน่าสนใจในการใช้ OpenSource GIS และเครื่องมือทางสถิติ!)
R-โครงการมีจำนวนมากของซอฟแวร์สถิติเชิงพื้นที่แต่ R มีการเรียนรู้โค้งสูงชันค่อนข้าง
หากคุณมีความสุขในการอ่านของคุณ raster เป็นnumpy array ( GDALสามารถทำเช่นนี้) แล้วคุณสามารถใช้ประสิทธิภาพสูง Geostatistics ห้องสมุดการดำเนินงานจากงูหลามหรือ C / C ++
HPGL ใช้อัลกอริทึมต่อไปนี้:
- Simple Kriging (SK)
- Kriging สามัญ (OK)
- ตัวบ่งชี้ Kriging (IK)
- Local Varying Mean Kriging (LVM Kriging)
- Simple CoKriging (รุ่นมาร์คอฟ 1 และ 2)
- การจำลองตัวบ่งชี้ลำดับ (SIS)
- Corellogram Local Varying Mean SIS (CLVM SIS)
- Local Varying Mean SIS (LVM SIS)
- การจำลองแบบเกาส์ต่อเนื่อง (SGS)
- การตัดแบบเกาส์จำลอง (GTSIM) [ในคอลเลกชันสคริปต์ Python]
ฉันไม่ได้ใช้ด้วยตัวเอง แต่เคยได้ยินสิ่งที่ดีเกี่ยวกับเรื่องนี้โดยเฉพาะอย่างยิ่งเกี่ยวกับความเร็ว
ตรวจสอบหนังสือฟรีเล่มนี้เกี่ยวกับการทำภูมิศาสตร์ใน R และมีข้อมูลเกี่ยวกับการทำมันใน SAGA และ GRASS ด้วย http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
ฉันจำได้ว่าใช้SAGAเพื่อทำสิ่งนี้เมื่อไม่กี่ปีที่ผ่านมาเพื่อสร้างแบบจำลองน้ำท่วม โอเพ่นซอร์สและคุ้มค่ากับการดู
gvSIG (GIS ฟรีอีกอัน) อนุญาตให้ใช้ kriging ได้โดยใช้ Sextante นี่เป็นพื้นฐานเหมือนกับการใช้ SAGA แต่ gvSIG ให้ประสบการณ์ gis 'ทั่วไป' (เช่น ESRI) มากกว่า
คุณสามารถลองรุ่น Kriging ใน Surfpack เวอร์ชั่น 1.1 (ฉันเขียนในขณะที่ฉันยังอยู่ในทีม DAKOTA) หรือรุ่นล่าสุดและยิ่งใหญ่ที่สุดซึ่งมาพร้อมกับรุ่น"เสถียร" ของ DAKOTA (Surfpack เป็นแพ็คเกจย่อยของ DAKOTA) มันเป็นสากล Kriging จากมุมมองของฟังก์ชั่นความสัมพันธ์มากกว่ากึ่งผันแปร
เมื่อเร็ว ๆ นี้ผู้ใช้ Joel Guerrero เปรียบเทียบกับผู้ใช้อื่น ๆ และกล่าวว่า "เกี่ยวข้องกับเซิร์ฟแพคเสมอเรากำลังเปรียบเทียบมันกับการใช้งานอื่น ๆ (รวมถึงการใช้งานเชิงพาณิชย์) และจนถึงตอนนี้มันมีประสิทธิภาพเหนือกว่าพวกเขาทั้งหมด จนถึงจุดที่บางครั้งดูเหมือนว่ากำลังใช้เวทมนตร์ดำ "
GSLIB (ห้องสมุดซอฟท์แวร์ทางภูมิศาสตร์) เป็นซอฟต์แวร์ที่ขับเคลื่อนด้วยไฟล์ / คำสั่งที่ได้รับการพัฒนาจากมหาวิทยาลัยสแตนฟอร์ดและเปิดตัวในปี 1990 พร้อมกับการบำรุงรักษาทศวรรษที่ผ่านมา ซอร์สโค้ดสามารถดาวน์โหลดและเรียบเรียงได้อย่างอิสระบน Linux / Windows โดยใช้คอมไพเลอร์ Fortran มีแหล่งข้อมูลออนไลน์และหนังสือที่มีอยู่
Kriging เป็นหนึ่งในจุดแข็งของซอฟต์แวร์: