9

我有许多具有每周分辨率的地理参考水文数据：

Station name, Lat, Long, Week 1 average, Week 2 average ... Week 52 average

不幸的是，我也有一些只有每月分辨率的数据：

Station name, Lat, Long, January average, February average ... December average

与其“重新发明轮子”，任何人都可以推荐一个最喜欢的模块、包或技术，以提供从月值中合理插值周值的方法吗？线性会很好，但如果我们可以使用坐标来改进基于附近站点的插值，那就太好了。

我用 python 标记了这篇文章，因为它是我最近一直在使用的语言（尽管不是它的统计函数）。如果答案是“使用类似的统计程序r”，那就这样吧，但我很好奇 python 有什么。谢谢！

4

4 回答 4

4

我没有机会深入研究它，但是hpgl（高性能地统计库）提供了许多克里金法（地理空间插值）方法：

算法

  • 简单克里金法 (SK)
  • 普通克里金法（OK）
  • 指示克里金法 (IK)
  • 局部变均值克里金法（LVM 克里金法）
  • 简单的 CoKriging（马尔可夫模型 1 和 2）
  • 顺序指标模拟 (SIS)
  • Corellogram 局部变化平均 SIS (CLVM SIS)
  • 局部变均值 SIS (LVM SIS)
  • 顺序高斯模拟 (SGS)
于 2012-07-24T01:25:06.613 回答
4

如果您有兴趣将您的经验扩展到 R 中，那么有许多很好的、使用良好且文档化的软件包。我将从查看 Spatial Taskview 开始，它列出了哪些包可用于空间数据。其中一段涉及插值。我最熟悉 automap/gstat（我写了 automap），尤其是 gstat 是一个强大的地统计软件包，它支持多种方法。

http://cran.r-project.org/web/views/Spatial.html

可以通过多种方式集成 Python 和 R，例如使用系统调用或使用 Rpy 的内存链接。也可以看看：

R 编程语言的 Python 接口

于 2012-07-30T15:37:35.897 回答
1

我正在考虑做同样的事情，我发现这个克里金模块是由AMBHAS的 Sat Kumar Tomer编写的。

似乎有产生变异函数和执行普通克里金的方法。

如果我使用它并做出进一步的发现，我会更新这个答案。

于 2013-04-16T10:27:08.690 回答
1

自从我最初发布这个问题（在 2012 年！）以来，一个积极开发的 Python Kriging 模块已经发布https://github.com/bsmurphy/PyKrige

还有这个较旧的选项： https ://github.com/capaulson/pyKriging

于 2017-03-01T00:03:37.770 回答