Risposte:
A seconda del tipo di Kriging che desideri applicare, ci sono diversi pacchetti tra cui scegliere:
La versione più comune è implementata ad esempio in:
Kriging semplice utilizza la media dell'intero set di dati mentre Kriging ordinario utilizza una media locale. Pertanto, Simple Kriging può essere meno preciso, ma generalmente produce risultati "più fluidi". È implementato in:
Universal Kriging consente di considerare la deriva dei dati. Le implementazioni sono incluse in:
Altri tipi di Kriging
GRASS v.krige supporta anche Block Kriging.
HPGL implementa un gran numero di metodi Kriging meno noti (consultare il manuale per ulteriori informazioni su questi):
SAGA offre diverse versioni di Kriging ordinario e universale.
Gstat Krige supporta inoltre Block e Point Kriging.
Sembra che ci siano alcune opzioni con GRASS GIS. Dai un'occhiata alla pagina Wiki di GRASS Kriging: http://grass.osgeo.org/wiki/Kriging
Un progetto Google Summer of Code nel 2009 ha prodotto V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
Il pacchetto gstat GPL dovrebbe funzionare da solo o interfacciato con GRASS GIS. http://www.gstat.org/
Dylan Beaudette ha un bell'esempio di kriging con GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (Il suo blog è pieno di grandi e interessanti esempi di utilizzo di OpenSource GIS e strumenti statistici!)
Il progetto R ha un numero considerevole di pacchetti software di statistica spaziale , ma R ha una curva di apprendimento piuttosto ripida.
Se sei felice di leggere il tuo raster in un array intorpidito ( gdal può farlo), allora puoi usare l' implementazione della Libreria Geostatistics ad alte prestazioni da Python o C / C ++.
HPGL implementa i seguenti algoritmi:
- Kriging semplice (SK)
- Kriging ordinario (OK)
- Indicatore Kriging (IK)
- Kriging medio variabile variabile (LVM Kriging)
- CoKriging semplice (modelli Markov 1 e 2)
- Simulazione di indicatori sequenziali (SIS)
- Sell medio variabile variabile del corellogramma (SIS CLVM)
- SIS medio variabile locale (SIS LVM)
- Simulazione gaussiana sequenziale (SGS)
- Troncated Gaussian Simulation (GTSIM) [nella raccolta di script Python]
Non l'ho usato da solo ma ne ho sentito parlare bene, soprattutto per quanto riguarda la velocità.
Dai un'occhiata a questo libro gratuito, parla della geostatistica in R e contiene alcune informazioni su come farlo in SAGA e GRASS. http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
Potresti provare il modello Kriging in Surfpack versione 1.1 (l'ho scritto mentre ero ancora nel team DAKOTA), o l'ultima versione più grande che viene fornita con la versione "stabile" di DAKOTA (Surfpack è un sotto-pacchetto di DAKOTA) , fa Kriging universale dal punto di vista delle funzioni di correlazione piuttosto che dei semi-variogrammi.
Recentemente un utente, Joel Guerrero, lo ha confrontato testa a testa con un sacco di altre implementazioni e ha affermato che "Sempre in relazione con il surfpack, lo stiamo confrontando con altre implementazioni (incluso uno commerciale), e finora ha superato tutte, al punto che a volte sembra che stia facendo magia nera "
GSLIB (Geostatistical Software Library) è un software di prim'ordine basato su file / comando sviluppato dalla Stanford University e rilasciato negli anni '90, con alcuni interventi di manutenzione nell'ultimo decennio. Il codice sorgente può essere scaricato e compilato liberamente su Linux / Windows utilizzando un compilatore Fortran. Ci sono risorse online e un libro disponibile.
Kriging è uno dei punti di forza del software: