当前位置：首页 > 培训职业 > 正文

gstat | 空间插值（三）——克里金插值之泛克里金和简单克里金

克里金插值系列文章深入探讨了泛克里金和简单克里金两种方法。在常规克里金中，假设属性值的数学期望与空间位置无关，但泛克里金则突破了这一限制，允许期望值受空间位置和其他因素影响，如空气污染浓度受海拔和人口密度等影响。

趋势面分析作为泛克里金的组成部分，通过线性回归分析空间坐标与属性值的关系，对预测结果进行可视化。与趋势面分析不同，泛克里金的表达式允许包含解释变量，例如可吸入颗粒物的预测通过加入X和Y变量（技术演示，实际应用可扩展）进行。

简单克里金则是泛克里金的简化版本，其表达式的截距和系数已知，通过krige函数中的beta参数指定。例如，通过线性回归处理泛克里金插值结果来确定系数，再进行可视化。

无论是泛克里金还是简单克里金，其插值步骤与普通克里金类似，但后者在已知截距情况下转化为简单克里金。通过比较不同方法的插值结果，可以直观了解它们的差异和适用场景。