python 克里金空间插值_Python克里金(Kriging)插值计算及可视化绘制

前面两篇推文我们分别介绍了使用Python和R进行IDW(反距离加权法) 插值的计算及结果的可视化过程,详细内容可见如下:

本期推文,我们将介绍如何使用Python进行克里金(Kriging)插值计算及插值结果的可视化绘制。主要涉及的知识点如下:

克里金(Kriging)插值简介

Python-pykrige库克里金插值应用

克里金(Kriging)插值结果可视化绘制

克里金(Kriging)插值简介

克里金法(Kriging) 是依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法。在特定的随机过程,例如固有平稳过程中,克里金法能够给出最优线性无偏估计(Best Linear Unbiased Prediction, BLUP),因此在地统计学中也被称为空间最优无偏估计器(spatial BLUP)(以上定义来自于网络)。还是IDW插值介绍一样,我们省去繁琐的公式推导过程,示意图如下:

                        (Kriging插值示意图)

而使用Python进行Kriging插值计算无需自定义复杂的函数,这里我们直接调用pykrige包进行Kriging插值计算,而我们所要做的就是将计算出pykrige包插件计算所需要的参数数据即可。

插值网格制作

无论是自定义还是调用包,我们都需要制作出我们插值区域的网格(grid),方法也十分简单,首先根据地图文件(js)获取其经纬度范围,这里我们使用geopandas读取geojson 地图文件,并获取total_bounds属性,具体代码如下:

js_box = js.geometry.total_bounds

grid_lon = np.linspace(js_box[0],js_box[2],400)

grid_lat = np.linspace(js_box[1],js_box[3],400)

这里我们还是设置400*400的网格,注意np.linspace()方法和上期中 R的seq() 的使用不同。除此之外,我们还需要获取已知站点的经纬度信息(lons、lats)和对应值(data),这里给出点数据预览,如下:

获取数据代码如下:

lons = nj_data["经度"].values

lats = nj_data["纬度"].values

data = nj_dat

  • 3
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
克里金算法是一种常用的空间插值方法,可以用于预测未知点的数值。在Python中,可以使用gma来进行克里金空间插值。 首先,你需要导入gma和pandas,并加载要进行插值数据。你可以使用pandas的read_excel函数读取Excel文件中的数据,并将经度和纬度存储在Points变量中,将数值存储在Values变量中。 接下来,你可以使用gma中的smc.Interpolate.Kriging函数进行克里金插值。在这个函数中,你可以设置一些参数,如分辨率、半变异函数模型、半变异函数参数、k值方法等。可以根据需要选择适当的参数配置。 最后,你可以使用gma中的rasp.WriteRaster函数将插值结果写入栅格文件,以便进一步分析和可视化。在这个函数中,你可以设置输出文件路径、数据投影、转换矩阵、数据类型等。 需要注意的是,克里金算法提供的半变异函数模型有高斯、线性、球形、阻尼正弦和指数模型等,其中球形模型在气象要素场插值中比较适用。 希望这个回答对你有帮助,如果你还有其他问题,请随时提问。<span class="em">1</span><span class="em">2</span> #### 引用[.reference_title] - *1* *2* [【Python进阶】克里金插值法的实现过程](https://blog.csdn.net/qq_38140292/article/details/127953822)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值