Jawaban:
Tergantung pada jenis Kriging yang ingin Anda terapkan, ada paket berbeda untuk dipilih:
Versi paling umum diterapkan misalnya di:
Simple Kriging menggunakan rata-rata dari seluruh kumpulan data sementara Biasa Kriging menggunakan rata-rata lokal. Oleh karena itu, Simple Kriging bisa kurang akurat, tetapi umumnya menghasilkan hasil yang "lebih halus". Diimplementasikan di:
Universal Kriging memungkinkan pertimbangan drift dalam data. Implementasi termasuk dalam:
Jenis Kriging Lainnya
GRASS v.krige juga mendukung Block Kriging.
HPGL mengimplementasikan sejumlah besar metode Kriging yang kurang dikenal (lihat manual untuk informasi lebih lanjut tentang itu):
SAGA menawarkan versi berbeda dari Biasa dan Universal Kriging.
Gstat krige juga mendukung Block dan Point Kriging.
Sepertinya ada beberapa opsi dengan GRASS GIS. Lihatlah halaman GRASS Kriging Wiki: http://grass.osgeo.org/wiki/Kriging
Proyek Google Summer of Code pada tahun 2009 menghasilkan V.krige: http://grass.osgeo.org/wiki/V.krige_GSoC_2009
Paket GPL gstat harus bekerja sendiri atau dihubungkan dengan GRASS GIS. http://www.gstat.org/
Dylan Beaudette memiliki contoh yang bagus untuk melakukan kriging dengan GRASS. http://casoilresource.lawr.ucdavis.edu/drupal/node/438 (Blognya penuh dengan contoh-contoh hebat dan menarik menggunakan OpenSource GIS dan alat statistik!)
The R-proyek memiliki sejumlah besar paket perangkat lunak statistik spasial , tetapi R memiliki kurva belajar agak curam.
Jika Anda senang membaca raster Anda menjadi array numpy ( gdal bisa melakukan ini), maka Anda bisa menggunakan implementasi High Performance Geostatistics Library dari Python atau C / C ++.
HPGL mengimplementasikan algoritma berikut:
- Kriging Sederhana (SK)
- Kriging Biasa (OK)
- Indikator Kriging (IK)
- Variatif Lokal Kriging Bervariasi (LVM Kriging)
- CoKriging Sederhana (Markov Model 1 & 2)
- Simulasi Indikator Berurutan (SIS)
- Corellogram Local Varying Mean SIS (CLVM SIS)
- SIS Bervariasi Lokal (SIS LVM)
- Simulasi Gaussian Berurutan (SGS)
- Simulasi Gaussian Terpotong (GTSIM) [dalam koleksi skrip Python]
Saya belum menggunakannya sendiri tetapi telah mendengar hal-hal baik tentang itu, terutama sehubungan dengan kecepatan.
Periksa buku gratis ini, ini tentang melakukan geostatistik di R, dan berisi beberapa info tentang melakukannya di SAGA dan GRASS juga. http://spatial-analyst.net/book/ http://spatial-analyst.net/book/sites/default/files/Hengl_2009_GEOSTATe2c1w.pdf
Anda dapat mencoba model Kriging di Surfpack versi 1.1 (saya menulisnya ketika saya masih di tim DAKOTA), atau versi terbaru dan terhebat yang hadir dengan versi "stabil" DAKOTA (Surfpack adalah sub-paket DAKOTA) , ini memang universal Kriging dari perspektif fungsi korelasi daripada semi-variograms.
Baru-baru ini seorang pengguna, Joel Guerrero, membandingkannya secara langsung dengan sekelompok implementasi lain dan menyatakan bahwa "Selalu terkait dengan surfpack, kami membandingkannya dengan implementasi lain (termasuk yang komersial), dan sejauh ini mengungguli semuanya, ke titik yang kadang-kadang tampaknya melakukan sihir hitam "
GSLIB (Perpustakaan Perangkat Lunak Geostatistik) adalah perangkat lunak yang digerakkan oleh file / perintah yang dikembangkan dari Universitas Stanford dan dirilis pada 1990-an, dengan beberapa pemeliharaan dekade terakhir. Kode sumber dapat diunduh dan dikompilasi secara bebas di Linux / Windows menggunakan kompiler Fortran. Ada sumber daya online dan buku tersedia.
Kriging adalah salah satu kekuatan perangkat lunak: