from pykrige.ok import OrdinaryKriging OK = OrdinaryKriging(lons, lats, data, variogram_model='gaussian',nlags=6) z1, ss1 = OK.execute('grid', grid_lon, grid_lat) 注意: 我们使用OrdinaryKriging方法进行插值计算,此外,还有UniversalKriging、RegressionKriging插值方法 variogram_model='gaussian',我们...
from pykrige.okimportOrdinaryKrigingOK=OrdinaryKriging(lons,lats,data,variogram_model='gaussian',nlags=6)z1,ss1=OK.execute('grid',grid_lon,grid_lat) 注意: 我们使用OrdinaryKriging方法进行插值计算,此外,还有UniversalKriging、RegressionKriging插值方法 variogram_model='gaussian',我们设置高斯(gaussian)模型,...
在Python里,有两个GitHub评分比较高的克里金插值包,pykrige和pykriging。我两个都用过,感觉pykrige使用起来更加方便好用。 pykrige的基本使用 下面代码给出了使用普通克里金进行插值的一个简单例子,其他类型的克里金插值类似。 frompykrige.okimportOrdinaryKrigingimportnumpyasnpfrommatplotlibimportpyplotasplt# 已知采样点...
pykrige.ok3d.OrdinaryKriging3D函数定义分析 查看原文 R_空间插值_必知必会(二) 。 1library(gstat) 2library(sp)3library(raster) 4 5# 首先定义回归模型6 7# 将自定义的多项式公式代入回归运算,然后将回归运算预测空栅格中的值,相当于插值计算...(sp)3library(raster) 4library(tmap) 5 6#自定义一个一...
importpykrige.kriging_toolsasktfrompykrige.okimportOrdinaryKrigingimportnumpyasnp 1. 2. 3. 准备数据:将预处理后的观测数据转换为numpy数组,并提取坐标和降水量。 # 将数据转换为numpy数组x=np.array(data['lon'])y=np.array(data['lat'])z=np.array(data['precipitation']) ...
OrdinaryKriging: 2D ordinary kriging with estimated mean UniversalKriging: 2D universal kriging providing drift terms OrdinaryKriging3D: 3D ordinary kriging UniversalKriging3D: 3D universal kriging RegressionKriging: An implementation of Regression-Kriging ClassificationKriging: An implementation of Simplicial Ind...
2 # Generate ordinary kriging object ---> 3 OK = OrdinaryKriging( 4 np.array(x_rain_wgs), 5 np.array(y_rain_wgs), 6 value_rain, 7 variogram_model = "linear", 8 verbose = False, 9 enable_plotting = False, 10 coordinates_type = "euclidean", 11...