¿Métodos de código abierto para kriging?

Respuestas:

45

Dependiendo del tipo de Kriging que desee aplicar, hay diferentes paquetes para elegir:

Kriging ordinario

La versión más común se implementa, por ejemplo, en:

Kriging simple

Kriging simple usa el promedio de todo el conjunto de datos, mientras que Kriging Ordinario usa un promedio local. Por lo tanto, el Kriging simple puede ser menos preciso, pero generalmente produce resultados "más suaves". Se implementa en:

Kriging universal

Kriging universal permite considerar la deriva en los datos. Las implementaciones están incluidas en:

Otros tipos de Kriging

GRASS v.krige también es compatible con Block Kriging.

HPGL implementa una gran cantidad de métodos de Kriging menos conocidos (consulte el manual para obtener más información al respecto):

  • Indicador Kriging (IK)
  • Kriging medio variable local (Kriging LVM)
  • CoKriging simple (modelos 1 y 2 de Markov)
  • Simulación de Indicador Secuencial (SIS)
  • Corellogram SIS medio variable variable (SIS CLVM)
  • SIS medio variable local (LVM SIS)
  • Simulación secuencial gaussiana (SGS)
  • Simulación gaussiana truncada (GTSIM) [en la colección de scripts de Python]

SAGA ofrece diferentes versiones de Kriging tanto ordinario como universal.

Gstat krige también es compatible con Block y Point Kriging.

bajo oscuro
fuente
1
Gran respuesta Kriging!
Ragi Yaser Burhum
1
Sus enlaces de faunalia no funcionan ...
Alex Leith
17

Parece que hay algunas opciones con GRASS GIS. Echa un vistazo a la página Wiki de GRASS Kriging: http://grass.osgeo.org/wiki/Kriging

Un proyecto de Google Summer of Code en 2009 produjo V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009

El paquete GPL gstat debería funcionar solo o en interfaz con GRASS GIS. http://www.gstat.org/

Dylan Beaudette tiene un buen ejemplo de hacer kriging con GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (¡Su blog está lleno de excelentes e interesantes ejemplos del uso de OpenSource GIS y herramientas estadísticas!)

DavidF
fuente
14

El proyecto R tiene un número considerable de paquetes de software de estadísticas espaciales , pero R tiene una curva de aprendizaje bastante empinada.

dodobas
fuente
La gente siempre dice eso, pero me pregunto: ¿empinado en relación con qué?
Matt Parker el
He visto algunas veces el comentario de la "curva de aprendizaje empinada" en R, simplemente no tiene sentido para mí. Llevaba un año en mi relación con MATLAB cuando descubrí a R. Encontré a R tan fácil de aprender que le di a MATLAB el saludo con un dedo y dejé de usarlo rápidamente.
Sharpie
1
Creo que es porque la gente rara vez trata de entender las estadísticas, y debido a que tiene una sintaxis de curva de aprendizaje empinada, rara vez hay problemas para recogerlo
Dodobas
2
Creo que la sintaxis es uno de los idiomas más fáciles de aprender. ¿Cuál es un ejemplo de un lenguaje estadístico que es fácil de aprender desde la línea de comandos? Creo que la gente se queja porque no es Excel.
TheSteve0
1
Es un paso en comparación con un programa basado en GUI. Si usó Windows toda su vida y programas basados ​​en GUI, se ejecutará cuando vea la línea de comandos. La comparación de Excel de hecho los hace correr. Pero R es muy simple de usar si alguien puede mostrarte los trucos básicos. Debe estar preparado para aprender nuevos conceptos como vectores, matrices, funciones, bucles, que en un mundo Excel / Windows no existe. Si anteriormente usabas Linux, no sería una curva escalonada.
Niculita Mihai
14

Si está contento de leer su ráster en una matriz numpy ( gdal puede hacer esto), entonces podría usar la implementación de la Biblioteca de geoestadística de alto rendimiento de Python o C / C ++.

HPGL implementa los siguientes algoritmos:

  1. Kriging simple (SK)
  2. Kriging Ordinario (OK)
  3. Indicador Kriging (IK)
  4. Kriging medio variable local (Kriging LVM)
  5. CoKriging simple (modelos 1 y 2 de Markov)
  6. Simulación de Indicador Secuencial (SIS)
  7. Corellogram SIS medio variable variable (SIS CLVM)
  8. SIS medio variable local (LVM SIS)
  9. Simulación secuencial gaussiana (SGS)
  10. Simulación gaussiana truncada (GTSIM) [en la colección de scripts de Python]

No lo he usado yo mismo, pero he escuchado cosas buenas al respecto, especialmente con respecto a la velocidad.

fmark
fuente
4

Recuerdo haber usado SAGA para hacer esto hace unos años para obtener un resultado de modelado de inundación. Código abierto y vale la pena echarle un vistazo.

Simon
fuente
4

gvSIG (otro SIG gratuito) permite kriging, utilizando Sextante. Esto es básicamente lo mismo que usar SAGA, pero gvSIG proporciona una experiencia gis más 'típica' (es decir, similar a ESRI).

Rudi
fuente
3

Puede probar el modelo Kriging en Surfpack versión 1.1 (lo escribí mientras todavía estaba en el equipo de DAKOTA), o la última y mejor versión que viene con la versión "estable" de DAKOTA (Surfpack es un sub-paquete de DAKOTA) , realiza Kriging universal desde la perspectiva de las funciones de correlación en lugar de semi-variogramas.

Recientemente, un usuario, Joel Guerrero, lo comparó frente a un montón de otras implementaciones y declaró que "Siempre relacionado con surfpack, lo estamos comparando con otras implementaciones (incluida una comercial), y hasta ahora las ha superado a todas, hasta el punto de que a veces parece que está haciendo magia negra "

Keith Dalbey
fuente
3

GSLIB (Geostatistical Software Library) es un software de primera clase basado en archivos / comandos desarrollado por la Universidad de Stanford y lanzado en la década de 1990, con algunos mantenimientos en la última década. El código fuente se puede descargar y compilar libremente en Linux / Windows utilizando un compilador Fortran. Hay recursos en línea y un libro disponible.

Kriging es uno de los puntos fuertes del software:

  • 1, 2 o 3-D cuadrícula kriging, validación cruzada, jackknifing
  • SK, OK, Reino Unido, kriging con deriva externa
  • cokriging
  • indicador kriging
Mike T
fuente