土地利用数据|气象数据|社会经济数据|npp数据|ndvi数据-地理遥感生态网

上一次说了一下GEE中IDW插值，这一次我们介绍一下GEE中另外一种插值算法：克里金（kriging）插值算法。

引用自百度百科：

克里金(Kriging)插值法，又称空间自协方差最佳插值法，它是以南非矿业工程师D．G．Krige的名字命名的一种最优内插法。克里金法广泛地应用于地下水模拟、土壤制图等领域，是一种很有用的地质统计格网化方法。

它首先考虑的是空间属性在空间位置上的变异分布．确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。根据样品空间位置不同、样品间相关程度的不同，对每个样品品位赋予不同的权，进行滑动加权平均，以估计中心块段平均品位。

说完理论直接上代码，声明一下这个代码只是为了演示在GEE中如何使用克里金插值方法，具体的参数还需要在具体使用的地方做调整

//kriging Demo
var point = ee.FeatureCollection([
 ee.Feature(ee.Geometry.Point(116.478112,    39.647680), {value: 15.98}),
 ee.Feature(ee.Geometry.Point(116.439615,    39.651196), {value: 57.15}),
 ee.Feature(ee.Geometry.Point(116.405094,    39.656615), {value: 63.94}),
 ee.Feature(ee.Geometry.Point(116.402833,    39.678339), {value: 26.56})
]);

// interpolation, valid to 10 kilometers.
var area = point.kriging({
 range: 5000,
 propertyName: 'value',
 shape: "gaussian",
 sill: 1.0,
 nugget: 0.1,
 reducer: "mean"
});

var viz = {min:0, max:80, palette:'ff0000,00ff00,0000ff,ffff00'};
Map.centerObject(point,10);
Map.addLayer(area,viz,"area");
Map.addLayer(point,{},"point");

运行结果：

函数说明：

在理想的变差函数上块，基底和范围参数