python - 使用克里金法或最近邻法进行空间插值？

Question

这是一个关于数据插值的悬而未决的问题。

我的出发点是几​​百个不均匀间隔的 XYZ 点，即点云。

我想使用克里金法将 Z 值赋予由定义的区域中的点

gridx = np.arange(0.0,300,20)

和

gridy = np.arange(0.0,300,20)

我希望能够根据需要平滑曲线。我过去在 ArcGIS 中与最近的邻居取得了成功，但我确信在 python 中也有一种方法可以做到这一点。我曾尝试使用 PyKrige，但发现我无法调整太多，并且斜率突然恢复到平均 Z 值。

最好的祝福，

菲尔

Answer 1

您可以使用scikit-learn，其中包含 DACE 的 python 版本，这是最初在 Matlab 中实现的流行克里金算法。

许多其他算法也可用于回归/插值、聚类等。

Answer 2

一些库会自动优化参数，但最好了解物理问题的属性。在 Python 中，我在这里展示了一个使用OpenTURNS平台的 2D 示例。