Mam punktowy zestaw danych, który chciałbym Krige , najlepiej za pomocą pakietu oprogramowania typu open source. Jeśli to możliwe, chciałbym również wybrać model semi-wariogramu podczas procesu, aby poprawić oszacowanie.
Mam punktowy zestaw danych, który chciałbym Krige , najlepiej za pomocą pakietu oprogramowania typu open source. Jeśli to możliwe, chciałbym również wybrać model semi-wariogramu podczas procesu, aby poprawić oszacowanie.
W zależności od typu Kriging, który chcesz zastosować, do wyboru są różne pakiety:
Najpopularniejsza wersja jest zaimplementowana na przykład w:
Proste Kriging wykorzystuje średnią z całego zestawu danych, podczas gdy Zwykłe Kriging wykorzystuje średnią lokalną. Dlatego Proste Kriging może być mniej dokładne, ale generalnie daje „gładsze” wyniki. Jest zaimplementowany w:
Universal Kriging pozwala uwzględnić dryf danych. Wdrożenia są zawarte w:
Inne typy Kriginga
GRASS v.krige obsługuje również Block Kriging.
HPGL wdraża wiele mniej znanych metod Kriginga ( więcej informacji na ten temat można znaleźć w instrukcji ):
SAGA oferuje różne wersje Krigingów zwykłych i uniwersalnych.
Gstat krige dodatkowo obsługuje Block i Point Kriging.
Wygląda na to, że istnieje kilka opcji z GRASS GIS. Sprawdź stronę GRASS Kriging Wiki: http://grass.osgeo.org/wiki/Kriging
Projekt Google Summer of Code w 2009 roku wyprodukował V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
Pakiet Gstat GPL powinien działać samodzielnie lub współpracować z GRASS GIS. http://www.gstat.org/
Dylan Beaudette ma dobry przykład krigingu z GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (Jego blog jest pełen wspaniałych i interesujących przykładów korzystania z OpenSource GIS i narzędzi statystycznych!)
źródło
Projekt R ma znaczną liczbę pakietów oprogramowania do statystyki przestrzennej , ale R ma dość stromą krzywą uczenia się.
źródło
Jeśli z przyjemnością wczytasz swój raster do tablicy numpy ( gdal może to zrobić), możesz skorzystać z implementacji High Performance Geostatistics Library z Python lub C / C ++.
HPGL implementuje następujące algorytmy:
Nie korzystałem z niego sam, ale słyszałem o nim dobre rzeczy, szczególnie w odniesieniu do prędkości.
źródło
Sprawdź tę darmową książkę, chodzi o wykonanie geostatystyki w języku R i zawiera informacje na temat robienia tego w SAGA i GRASS. http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
źródło
Pamiętam, jak użyłem SAGA, aby zrobić to kilka lat temu, aby uzyskać wyniki modelowania powodziowego. Open Source i warte obejrzenia.
źródło
gvSIG (inny darmowy GIS) pozwala na kriging przy użyciu Sextante. Jest to w zasadzie to samo co używanie SAGA, ale gvSIG zapewnia bardziej „typowe” (tj. Podobne do ESRI) doświadczenie gis.
źródło
Możesz wypróbować model Kriging w wersji 1.1 pakietu Surfpack (napisałem go, gdy jeszcze pracowałem w zespole DAKOTA) lub najnowszej i najlepszej wersji, która jest dostarczana ze „stabilną” wersją DAKOTA (Surfpack to sub-pakiet DAKOTA) , robi uniwersalny Kriging z punktu widzenia funkcji korelacji, a nie semi-wariogramów.
Ostatnio użytkownik, Joel Guerrero, porównał go łeb w łeb z kilkoma innymi implementacjami i stwierdził, że „Zawsze związany z surfpack, porównujemy go z innymi implementacjami (w tym komercyjnymi) i jak dotąd przewyższa je wszystkie, do tego stopnia, że czasami wydaje się, że robi czarną magię ”
źródło
GSLIB (Geostatistic Software Library) to najwyższej klasy oprogramowanie sterowane plikami / poleceniami opracowane na Uniwersytecie Stanforda i wydane w latach 90. XX wieku, z pewną konserwacją w ostatniej dekadzie. Kod źródłowy można dowolnie pobrać i skompilować w systemie Linux / Windows przy użyciu kompilatora Fortran. Dostępne są zasoby online i książka .
Kriging jest jedną z mocnych stron oprogramowania:
źródło