GEE：克里金 Kriging 空间插值（以陕西省2013年生物量为例）

作者：CSDN @ _养乐多_

本文记录了在Google Earth Engine（GEE）平台上进行 Kriging 插值的介绍和代码案例。本文通过选取的2013年陕西省生物量样本点数据为例，利用 Kriging 插值对未知区域做了插值计算。

Google Earth Engine（GEE）是一个用于分析地理空间数据的云平台，其中包含了许多地理空间分析工具和算法，其中就包括了Kriging插值方法。Kriging是一种空间插值技术，其基本思想是通过已知的样本点对未知位置上的数据进行估计。Kriging方法是一种基于统计学理论的插值方法，适用于具有空间自相关性的数据。

在GEE中，Kriging插值方法被实现为ee.Image.interpolate()函数的一个选项。该函数接受一个包含样本点和它们的值的ee.FeatureCollection对象和一个ee.Image对象作为输入，并返回一个插值后的图像。

以下是使用Kriging插值得到的结果展示：

---

---

一、克里金插值函数

GEE中的kriging函数使用经验半变异函数(EBVF)来计算权重。EBVF是指从现有数据点的距离和半变异函数中得出的函数，它可以根据样本之间的空间相关性来调整权重。kriging函数基于半变异函数和最小二乘法来计算最优拟合，从而预测未知区域的值。

kriging(propertyName, shape, range, sill, nugget, maxDistance, reducer)
克里金插值（属性名称、形状、范围、窗台、块金、最大距离、归纳方法）

返回在每个像素处对 Kriging 估计器进行采样的结果。
参数：
this：集合（FeatureCollection ）：
用作估计源数据的特征集合。
属性名称（字符串）：
要估计的属性（必须是数字）。
形状（字符串）：
半变异函数形状（{指数、高斯、球形}之一）。exponential, gaussian, spherical
范围（浮点型）：
半变异函数范围，以米为单位。
窗台（浮点型）：
半变异函数基台。
核函数（浮点型）：
半变异函数。
最大特征的半径( Float , default: null ) :
确定每个像素的计算中包含哪些特征的半径，以米为单位。默认为半变异函数的范围。
reducer （Reducer ，默认值：null ）：
Reducer 用于将重叠点的“propertyName”值折叠为单个值。
返回：影像

执行插值的邻域大小由参数指定 maxDistance。较大的尺寸将导致更平滑的输出但更慢的计算。

二、代码案例

//加入矢量边界
var roi = ee.FeatureCollection("users/949384116/Shaanxi");

//加入生物量样本数据
var sampleCollection_2013 = ee.FeatureCollection('users/949384116/2013sample');

//kriging插值函数
var kriging = sampleCollection_2013.kriging({
 range: 150000,//每个点的缓冲区大小
 propertyName: 'biomass',//矢量数据中需要插值的波段
 shape: "gaussian",//可选：指数exponential, 高斯gaussian, 球形spherical
 sill: 1.0,
 nugget: 0.1,
 reducer: "mean"
}).clip(roi);

//矢量数据可视化参数
var styleParams = {
  fillColor: 'b5ffb4',
  color: '00909F',
  width: 1.0,
};

//克里金影像可视化参数
var viz = {min:0, max:80, palette:'green, blanchedalmond, orange, black'};

//以样本点为中心显示
Map.centerObject(sampleCollection_2013, 6);

//可视化影像和矢量边界
Map.addLayer(roi, styleParams, "roi");
Map.addLayer(kriging, viz, "kriging");
Map.addLayer(sampleCollection_2013, {}, "sampleCollection_2013");