google earth engine随缘学习（二十）克里金插值

今天来讲如何在GEE里实现克里金插值~

克里金插值法，又称空间局部统计或空间局部插值，是地统计学的主要内容。其基本原理在此不表，本篇内容主要讲如何通过GEE来实现克里金插值。如果想看原理，可以点这里大致了解

1. 先放出源代码链接(点这里)和函数文档链接（点这里）

2. 函数用法

2.1 引用库

第一步你需要在代码开头写下以下内容来引用大佬的库

var oeel=require('users/OEEL/lib:loadAll');

2.2 使用函数

函数用法：

var kriged_result =  oeel.Image.kriging(covFun, radius, skipInfomed, kernel，image)

详细解释一下各参数：

@ covFun：变异函数
@ radius：搜索半径
@ skipInfomed：不用插值结果替代原值（默认true)
@ kernel：定义近邻的权重，权重为0被忽略
@ image：用于插值的图像

下面通过详细案例来具体解释一下重点参数covFun：

以下案例摘录于官方示例（对植被覆盖度插值）

var gapFilled=oeel.Image.kriging({covFun:function(dist){return dist.multiply(-0.1).exp().multiply(140);},
radius:15,image:im});

@ covFun：该参数是变异函数模型，一般是是拟合变异函数离散值的最佳模型。

下面首先讲一讲如何在GEE中获取并显示某一位置的变异函数离散值。

var variogram=oeel.Image.semivariogram(image,geometry,radius);
print(ui.Chart.feature.byFeature(variogram, 'ditance', 'var'))

@ image：用于计算的单波段影响或影像集
@ geometry：计算变异函数值的位置
@ radius：搜索半径

在获得变异函数值之后，选择合适的模型来拟合，即covFun参数

下图展示了官方示例用的变异函数模型拟合值和实际值：

关于如何选择拟合变异函数值的最佳模型：

变异函数的常见模型主要有球状模型、指数模型、高斯模型等。目前GEE暂不持拟合出最佳模型，我在这边给出一个解决方法。

1. 将变异函数值导出到本地，通过其他平台选择出误差最小的拟合模型。例如Geostatistics for the Environmental Sciences就可以帮助我们拟合各种变异函数模型。