Відповіді:
Залежно від типу Kriging, який ви хочете застосувати, є різні пакети для вибору:
Найпоширеніша версія реалізована, наприклад, у:
Простий Kriging використовує середнє значення для всього набору даних, тоді як звичайний Kriging використовує локальне середнє. Тому Простий кригінг може бути менш точним, але він загалом дає «більш плавні» результати. Він реалізований у:
Універсальний Kriging дозволяє врахувати дрейф у даних. Реалізація включена до:
Інші типи кригінгу
GRASS v.krige також підтримує Block Kriging.
HPGL реалізує велику кількість менш відомих методів Kriging (див . Посібник для отримання додаткової інформації про них):
SAGA пропонує різні версії як звичайного, так і універсального кригінгу.
Gstat krige додатково підтримує Block і Point Kriging.
Схоже, існує кілька варіантів з GRIS GIS. Перевірте сторінку Wiki GRAS Kriging: http://grass.osgeo.org/wiki/Kriging
Проект Google Summer of Code 2009 року створив V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
Пакет gstat gPL повинен працювати сам по собі або взаємодіяти з GRASS GIS. http://www.gstat.org/
У Ділана Бодетт є приємний приклад, як робити кригінг з GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (Його блог сповнений чудових та цікавих прикладів використання GIS OpenSource та статистичних інструментів!)
R-проект має дуже багато просторових пакетів статистики програмного забезпечення , але R має досить крутий кривий навчання.
Якщо ви раді прочитати ваш растр у масиві numpy ( gdal може це зробити), ви можете використовувати реалізацію бібліотеки високоефективної геостатистики з Python або C / C ++.
HPGL реалізує такі алгоритми:
- Простий кригінг (SK)
- Звичайний кригінг (ОК)
- Крігінг показника (IK)
- Місцеве кризоване середнє значення (LVM Kriging)
- Простий корінг (Маркові моделі 1 і 2)
- Послідовне моделювання показників (SIS)
- Кореллограмний локальний мінливий середній ШІС (CLVM SIS)
- Місцеве значення середнього значення SIS (LVM SIS)
- Послідовне моделювання Гаусса (SGS)
- Усечене моделювання Гаусса (GTSIM) [у колекції сценаріїв Python]
Я сам цього не використовував, але чув про це хороші речі, особливо щодо швидкості.
Перевірте цю безкоштовну книгу, вона стосується того, як робити геостатистику в R, і містить деяку інформацію про те, як це робити в SAGA та GRASS. http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
Ви можете спробувати модель Kriging у Surfpack версії 1.1 (я писав її, коли я ще був у команді DAKOTA), або найновішу і найбільшу версію, яка постачається зі "стабільною" версією DAKOTA (Surfpack є підпакетом DAKOTA) , це робить універсальний Кригінг з точки зору кореляційних функцій, а не напівваріограм.
Нещодавно користувач Джоель Герреро порівнював його головою проти ряду інших реалізацій і заявив, що "Завжди пов'язаний із серфінгом, ми порівнюємо його з іншими реалізаціями (включаючи комерційну), і поки він перевершує їх усіх, до того, що іноді здається, що робиш чорну магію "
GSLIB (Геостатистична бібліотека програмного забезпечення) - це першокласне програмне забезпечення для файлів / команд, розроблене в університеті Стенфорда і випущене в 1990-х роках, з деяким обслуговуванням минулого десятиліття. Вихідний код можна вільно завантажувати та компілювати в Linux / Windows за допомогою компілятора Fortran. Є інтернет-ресурси та книга .
Кригінг - одна з сильних сторін програмного забезпечення: