STK是（不是）用于Kriging的小型工具箱。 它的主要重点是称为kriging的插值/回归技术，该技术与样条曲线和径向基函数密切相关，并且可以先解释为使用高斯过程（GP）的非参数贝叶斯方法。 STK还提供了用于顺序和非顺序实验设计的工具。 尽管STK目前主要用于计算机实验的设计和分析（DACE），但STK仍可用于其他应用程序领域（例如地统计学，机器学习，非参数回归等）。

最小估计方差,即克里格方差计算式如下: Z*(x) 用变差函数表示如下： （4）普通克里格方差 Kriging法 普通克里格插值

matlab克里金插值代码PPE_Kriging 克里格插值代码 为了 小组成员：潘岳（Yue Pan）和范德瑞（FandréJosianne） 主管：Jemil Avers Butt博士 链接到PPE的项目I： 目标：使用各种半变异函数模型实施克里格插值 环境和先决条件：Matlab（2019或更高版本） 实施细节： 去做 代码架构： 去做 演示： DEM数据集： 半变异函数： 插值结果： 密集数据集： 插值结果： 插值错误： 稀疏数据集： 插值错误： 参考： ： 克雷西·诺埃尔（Cressie，Noel）。 “克里金的起源。” 数学地质22.3（1990）：239-252。

vc++克里格法源代码，详细的说明了克里格计算的源代码。

空气质量（Air quality）的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定时间和地点空气污染物浓度受到许多因素影响。来自固定和流动污染源的人为污染物排放大小是影响空气质量的最主要因素之一，其中包括车辆、船舶、飞机的尾气、工业污染、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。随着地理信息系统的发展，空间数据分析已引起广泛的注意，解决空间数据的方法也越来越完善，地理加权回归是空间分析中一种重要的方法，是对普通线性回归全局模型的扩展，将数据的地理位置嵌入到回归参数，容许局部而不是全局的参数估计。另一

讨论了克里格插值法的原理及如何实现，可以作为学习材料使用

地统计软件SGeMS，可进行面点克里格插值（AAPK）的版本。

GS+ 地统计，空间插值软件。空间数据分析，自相关

在给定地理区域内的每个点上，获取任何给定连续现象的时空信息实际上是不可能的，也没有必要。 最实用的方法一直是在给定的地理区域内获取尽可能多的样本点中有关现象的信息，并通过空间插值从观测点的值估计未观测点的值。 但是，重要的是，用户应了解不同的插值方法在不同的数据集上各有优缺点。 在不考虑认知度，数据集的类型和性质以及所涉及的现象的情况下，笼统地说给定的插值方法（例如，克里格法，反距离加权（IDW），样条线等）比另一种方法要好。 在本文中，我们在理论上，数学上和实验上分别评估了Kriging，IDW和样条插值方法在估计未观测到的高程值和建模地形方面的性能。 本文根据这些插值方法的预测均值误差，预测均方根误差和交叉验证输出进行比较分析。 针对偏倚和归一化数据的每种方法的实验结果表明，与IDW和Kriging方法相比，样条线在样本空间内提供了更好，更准确的插值。 插值方法的选择应取决于现象和数据集结构。

图 10.70 泛克里格内插生成的标准误差预测图 10.4.5 指示克里格插值 在很多情况下，并不需要了解区域内每一个点的属性值，而只需了解属性值是否超过 某一阈值，则可将原始数据转换为（0，1）值，选用指示克里格法（Indicator Kriging） 进行分析。ArcGIS 中普通克里格插值包括 2 部分功能：创建概率图（Probability Map） 和创建标准误差指示图（Standard Error of Indicator Map）。 1. 创建概率图（Probability Map） 其在 ArcGIS 中的实现步骤为： （1） 在 ArcMap 中加载 jsGDP _training 和 jsGDP _test。 （2） 右击工具栏，启动地理统计模块 Geostatistical Analyst。 （3） 单击 Geostatistical Analyst 下的 Geostatistical Wizard 命令。 （4） 在弹出的对话框中，在 Dataset 选择训练数据 jsGDP _training 及其属性 GDP，在 Validation 中选择检验数据 jsGDP _test 及其属性 GDP，选择 Kriging 内插方法，最后 点击 Next 按钮。 （5） 在弹出的对话框中，展开指示克里格（Indicator Kriging），在下面的选项中点击概率 图（Probability Map），Primary Threshold 对话框中的阈值按默认值，最后点击 Next 按钮。 53