kriging

0热度

1回答

我可能在这里做错了，但我发现，如果我通过删除不相关的列简化我的数据框automarige函数在automap库给出不同的结果。我用automap库中的meuse数据重现了这个问题。 library(automap) data(meuse) colnames(meuse) [1] "x" "y" "cadmium" "copper" "lead" "zinc" "elev" [8] "d

3热度

1回答

有人可以描述一种比双线性插值更好的二维插值方法吗？

我有一个数据点的网格，我目前使用双线性插值来找到网格中的缺失点。我指出克里格又名您最好的线性无偏估计器，但我无法找到好的源代码或代数解释。有谁知道我可以使用的其他插值方法吗？ - 更新 @Sam Greenhalgh 我已经考虑过双立方插值，但是使用我发现的代码示例收到的结果看起来不对。这里是双三次注意我编码在C＃中，但我欢迎其他语言的例子，以及代码示例。 //array 4 dou

1热度

1回答

IDW（）或克里格（）错误：尺寸不从<code>gstat</code>包缺失值时

功能idw()和krige()不断报告错误匹配时，无论反应或预测变量包含缺失值（NA），即使na.action设置为na.omit： require(gstat) data(meuse) coordinates(meuse) = ~x+y data(meuse.grid) gridded(meuse.grid) = ~x+y meuse2 <- as.data.frame(meuse)

6热度

2回答

如何将for循环推向numpy

我有以下一段代码正在执行我想要的操作（它是克里金方法的一部分）。但问题是它太慢了，我想知道是否有任何选项可以将for循环压缩到numpy？如果我推出numpy.sum，并在那里使用axis参数，它会加快一点，但显然这不是瓶颈。如何我可以倒推for循环的任何想法，numpy的加快步伐，或其他方式来加快步伐？） # n = 2116 print GRZVV.shape # (16309, 2116)

0热度

1回答

ARC中的人为因素GIS方面栅格

我想使用在21x31km范围内定期收集的点数据以300米为间隔制作一组地球磁场的栅格图层。我尝试了150种不同的克里金变量组合，并最终使用Universal进行二阶趋势删除，其余的默认设置。这给出了最准确的预测和最平滑的轮廓。将栅格（以10米分辨率）的强度转换为高宽比栅格以获取磁方向会发生问题。我在原始数据点的位置之间得到这些工件，从而产生了一系列的X。磁场方向超过5-6个像素跳过20度，然后下