Surfer网格化方法的基本知识-克里格法（Kriging）

最新推荐文章于 2024-02-23 14:29:56 发布

weixin_34356555

最新推荐文章于 2024-02-23 14:29:56 发布

阅读量5.8k

点赞数

文章标签： python c/c++

原文链接：http://blog.51cto.com/7346562/2065558

版权

克里格法是一种灵活且精确的网格化方法，常用于数据网格化。它通过加权相邻数据点来估计网格节点值，权重随距离递减。在Surfer软件中，可以选择克里格法进行网格化，通过高级选项可自定义变异函数模型、克里格类型、漂移类型等。搜索选项允许调整搜索参数，如搜索扇区和椭圆，以适应不同数据集。此外，Surfer还支持断层线以处理地形不规则情况。

摘要由CSDN通过智能技术生成

克里格法是比较灵活和准确的网格化方法之一，通常是网格化数据时推荐的一种。它可以通过在整体预测中给予较小的权重来补偿集群数据。克里格的缺点之一就是比其他方法慢。它也可以推断超出数据Z值范围的网格值。
每个网格节点值都基于与节点相邻的已知数据点。每个数据点通过与节点的距离加权。这样，离节点越远的点在节点的估计中权重就越小。例如，为了计算网格节点A处的Z值，使用以下等式：
Surfer网格化方法的基本知识-克里格法（Kriging）
其中ZA是网格节点A的估计值，n是估计中使用的相邻数据值的数量，Z i是具有权重W i的位置i处的值。权重的值将总计为1以确保对群集数据点没有误差。如果应用漂移和搜索半径等，公式会变得更复杂。
下面是一个分类散点图，它显示了使用克里格方法网格的一组数据值。
Surfer网格化方法的基本知识-克里格法（Kriging）
左图为分类散点图，右图表示使用克里格网格方法生成等高线图。
在Surfer中，Kriging的默认属性是不搜索数据点。除非另外指定，否则使用默认属性。要将网格化方法设置为Kriging，请在“ 网格数据”对话框中将“ 网格化方法”更改为“ 克里格Kriging”。要自定义Kriging，请点击高级选项Advanced Options，以调出Kriging高级选项。