实现克里金(kriging)插值(一)计算原理

这篇文章是大三的一个课程大作业,最初发布在 CSDN 上。因为当时花了很多精力在这上面,所以决定搬过来。

克里金插值较为复杂,但效果也是比较好的。为了能够通过代码实现克里金插值的过程,首先需要了解其详细的计算过程。


在ArcGIS中实现克里金插值计算

导入散点数据

导入散点数据,数据包括散点的坐标,高程值

在“Geostatistical Analyst”中选择“地统计向导”。找不到的先右击菜单栏空白处,勾选“Geostatistical Analyst”。

选择数据

选择数据,选择“克里金法”,下一步

选择“普通克里金”

选择“普通克里金”,下一步

拟合界面

这个界面的内容很重要,也正是帮助文档中所解释的内容。左上角的拟合曲线是我们将要在C#代码中实现的,坐标系中的散点也是需要我们去通过计算得到的。

拟合界面

查看拟合函数类型

点开上图界面中的“类型”,可以看到如下的几种:球面函数,指数函数,高斯函数等。选择其中不同的类型,左侧的拟合曲线也会相应的改变,这几种函数在帮助文档中有介绍到。

拟合函数类型

查看插值的结果

选择好类型之后,下一步就将看到插值的结果

误差分析的界面

最后的界面是对插值结果的误差分析

阅读ArcGIS中的有关克里金插值的文档

打开ArcGIS的帮助文档,搜索“克里金”,选择“克里金法的工作原理”。

有关克里金插值的文档

求取散点的半方差

公式:Semivariogram(distance_h) = {1\over2} * (value_i - value_j)^2
其中distance_h就是指ij两点的距离,也就是坐标中的X轴的变量,计算得到的Semivariogram就是坐标轴中Y轴的变量。

如果有100个点,每个点都与其他的99个点计算半方差,但是这样会产生大量的数据,而且这些数据中有一部分是重复的。这样执行拟合的效率也会很低。按照帮助文档的说法,我们要精简得到的结果。比如:0~10之间的点求一个均值,10~20,20~30……

这样,我们就可以得到多个坐标点,如图,红色的点就是初始求得的点,蓝色的点就是均值点:

拟合坐标点,求取主变程和基台值

拟合主要是针对蓝色的点,拟合函数有多种选择,函数中的c_0是块金值,c是偏基台值,ar是主变程值,c_0块金值在拟合中一般默认为0。

拟合函数

球形模型

球形模型

指数模型

指数模型

高斯模型

高斯模型

在以上三个模型中,抛开c_0默认为0,球形模型的方程有3个未知量,高斯模型和指数模型有2个未知量,因为需要用C#程序去实现这个拟合的过程,我选择了较为简单的指数模型,其公式为:

    \[   r{(h)} = \begin{cases} c_0+c*(1-e^{{-h}\over r}),  & h>0 \\ 0, & h=0 \end{cases}\]

通过拟合得到cr,得到了半方差的插值模型,我们就可以进行下一步的插值计算了。

求取未知点的插值结果

接下来的插值计算过程帮助文档中未详细描述,我从一次比赛的pdf中得到了计算过程,在此分享一下。
设函数r_{(h)}为上面所求得的模型,hij两点之间的距离。

c_{ij}=c-r(h_{ij}),用于计算矩阵K,向量D。矩阵K是用已知散点求得的,表达式如下:

    \[K=         \begin{bmatrix}         c_{11}& c_{12} & \cdots\ &c_{1n}  \\         c_{21}& c_{22} &  \cdots\ &c_{2n}  \\          \cdots\ &  \cdots\ &  \cdots\ &  \cdots\  \\         c_{n1}& c_{n2} &  \cdots\ &c_{nn}  \\         \end{bmatrix}\]

向量D是计算当前要求的未知点与已知点之间的c_{ij},公式如下:

    \[D=         \begin{bmatrix}         c(x_1,x) \\         c(x_2,x) \\          \cdots\ \\         c(x_n,x) \\         \end{bmatrix}\]

利用矩阵K和向量D,能够求得向量\lambda\lambda(i)表示第i个已知点对当前未知点的影响权重,公式:\lambda=K^{-1}D

计算x_0点的高程值得公式如下,其中Z(x_i)表示i点的高程值: Z(x_0)=\sum_{i=1}^n\lambda_i*Z(x_i)

这样,一个未知点的高程值就预测出来了,矩阵K针对同一批散点是确定的。所以,预测其他坐标的高程值时,只需要重复计算向量D

发布者

Zhang

hope you enjoy my articles.

《实现克里金(kriging)插值(一)计算原理》上有2条评论

  1. Hi,man
    我最近正在研究基于克里金算法生成热力图的实现,在搜索资料时找到了您的文章,拜读您的文章后,发现与我所研究的方向一致。在此想向您进行进一步的学习,如果方便的话,希望通过邮箱能够与您取得联系。谢谢

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注