在网上找了非常多资源没见过教怎么用MATLAB编程实现普通克里金法的，作为初学者感觉上手有一定难度。这个PDF详细介绍了普通克里金法的推导过程，并且对如何用MATLAB实现普通克里金法进行了详细讲解，如要自己改写克里金法可以进行参考学习。 该方法是对普通克里金法进行直接的实现的，如要学习更有扩展性的编程方法参考Engineering Design via Surrogate Modelling,A Practice Guide这本书。

克里金插值法的计算机实现多种多样，这里是克里金插值的matlab实现。克里金法（Kriging）是依据协方差函数对随机过程/随机场进行空间建模和预测（插值）的回归算法。在特定的随机过程，例如固有平稳过程中，克里金法能够给出最优线性无偏估计（Best Linear Unbiased Prediction, BLUP），因此在地统计学中也被称为空间最优无偏估计器（spatial BLUP）。

kriging克里金插值matlab程序

介绍了普通克里金插值方法的原理及步骤,利用普通克里金插值法对离散的数字高程模型(DEM)数据进行了插值加密;在Windows环境下,以Visual C++6.0为开发平台,以OpenGL为工具,建立了基于DEM的等高线模型;对克里金插值法与距离反比插值法做了比较,结果表明,克里金插值后生成的等高线模型比距离反比插值后生成的等高线模型精度高、误差小.

基于GIS的云贵高原典型地貌区极端降水时空分布规律研究_闫星光.caj

普通克里金插值的详细步骤，主要是通过自己学习普通克里金插值对其计算过程的一个描述，对于刚接触克里金插值的人来说，是很好的一个了解资料，可以快速掌握，并根据资料编程实现，资料中省去了克里金插值中较为繁琐的公式推导。若要看公式的详细推导，文档中也给出了可参考的文献以及部分伪代码。

贵州省地处云贵高原东部,降水时空分布分异显著,极端降水导致的山体崩塌等地质灾害现象频发,识别降水时空分布规律对于地质灾害防控预警尤为必要。本文基于贵州省19个站点1951-2013年日、年降水数据,综合运用克里金插值方法、Mann-Kendall秩次相关法、线性倾向估计法和降水距平法,从年均降水量、年均最大降水量和日最大降水量以及年降水天数等方面研究贵州省降水时空分布规律。结果表明,贵州省年均降水空间分布不均匀,整体呈现南多北少的分布趋势;年均最大降水量介于1283.7～2103.4 mm之间,最大值出现在贵州省西部盘县,最小值分布于贵州省北部毕节市;日最大降水量介于113.2～337.2 mm之间,最大值降雨中心分布在贵州省南部罗甸县,最小值降雨中心位于贵州东南部三穗县;近63年贵州省年均降水量和年降水天数均呈现下降趋势,其中,年降水天数在2001年发生突变后显著下降;而日最大降水量多呈现上升趋势。证明贵州省的降水呈现整体下降而单日降水剧增,日极端降水将成为地质灾害风险预警的重要因子。

喀斯特山区地形复杂,地势起伏大,降水量时空分布不均匀,尤其是丰水期降水量的分布直接影响当地经济作物的生长,也是地质灾害发生的诱因.以贵州省77个气象站点30 a（1981—2010年）丰水期月均降雨量为基础数据,分析了地形因素（海拔、坡度和坡向）和气象因素（站点压强及相对湿度）与贵州省降水的相关性,并对4种协克里金插值模型方法进行了对比研究.结果表明:采用Pearson相关性分析得出坡向与研究区降水相关性最强,相关系数为0.998.综合对比不同协克里金半变异函数模型（稳定模型、指数模型、球面模型和高斯模型）预测值和实测值的结果表明球面模型的偏差均值最小（MAE=-0.000 4）,一致性系数最优（RMSE=0.864）.采用球面模型的协克里金插值是进行贵州省降水插值的最好方法,这为更有效地识别出喀斯特地区丰水期降水空间分布提供基础.

具有外部漂移的克里金 (Kriging with an external Drift) 估计值 当K = 1时，线性趋势函数为 趋势函数 可理解为二级变量

kriging(克里金方法_克里金插值算法）