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。
- 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。