我有一个空间数据集，它包含大量的点测量值（n = 10 ^ 4），这些点测量值是沿着规则的网格线（500m x 500m）以及其间的一些任意线和块。沿着这些线以约0.3-1.0m（变化）的间距进行单次测量（see example显示每10个点）。
可以假设数据是正态分布的，但在某些地区显示出强烈的小规模可变性。并且有一些趋势可以很容易地去除高程（r = 0.5）。
无论编码平台如何，我都在寻找一个好的或者最好的＆＃34;在整个感兴趣的区域（5000 x 7000米）上将这些点插值为常规的25 x 25米网格的方法。我知道各种各样的克里金技术，但我想知道是否有人对如何处理沿着线的过度采样有一个具体的想法。在线之间有相当大的间隙。
感谢您的任何建议！
利奥
答案 0 :(得分：1)
当在规则网格上进行插值点时，克里金法技术表现不佳，因为为了很好地估计协方差模型，必须有大范围的不同点间距离。
你的情况有点特别......对线路的过采样根本不是问题。主要问题是你的网格中有大洞。如果认为这些漏洞会产生问题，无论你使用什么插值技术。
然而，如果克里金表现良好，很难预测先验。无论如何，我建议你尝试一下。
Kriging仅适用于插值。您无法使用克里金元模型进行推断，因此您无法预测图中左下角的值（例如，因为您没有任何意义）。
要执行克里金法，我建议您使用以下工具（取决于您更熟悉的语言）：
DiceKriging包（我最好使用的包）fields包（更专注于空间字段）DACE matlab中的工具箱奖金：指向在线提供的克里金法参考书的链接：http://www.gaussianprocess.org/
PS ：此类问题比编程更具统计数据，可能更适合stats.stackexchange.com网站。