問題タブ [spatial-interpolation]

ジャカルタ湾でクリギングを試みます。適切な座標と属性 (pH、塩分など) を持つ一連の測定ポイントがあります。

クリギングを行うには、まずバリオグラムのモデルを見つける必要があります。「バリオグラム」関数を使用すると、出力は完全ではありませんが、問題はありませんが、バリオグラムを当てはめようとすると警告メッセージが表示されます。 Sph", 0.1, 0.01)) : 警告: バリオグラム フィットに特異なモデルがあり、特異なモデルがあります。

ここでは、バリオグラム計算に関連する特異モデルについて読みました。改善するために何かできることはありますか？

自分のバリオグラムをより適切に適合させるにはどうすればよいですか? 測定点の周りに小さな円しか表示されないのはなぜですか? 予測値を含む完全なマップが必要です。

さらに柔軟性の低い「automap」ライブラリも試しましたが、良い結果が得られませんでした。

いくつかの曲線グリッド データがあり、このデータを新しいグリッドに補間しようとしています。データには、マスクされたデータの変数が非現実的に高いため、次を使用してマスキングを試みました。

私がこれを行う場合：

ただし、実行すると:

再び非現実的な高いマスク値になってしまいます。

scipy.interpolate明らかに私のマスクを受け入れていません。マスクを設定する方法を知ってscipy.interpolateいるか、回避策を知っている人はいますか? ありがとう。

この質問は、私が使用した最終的な解決策を表示するための回答の後に編集されました

例のように、さまざまなソースからの非構造化 2D データセットが あります。これらの データセットは 3 numpy.ndarray (X、Y 座標、Z 値) です。

私の最終的な目的は、これらのデータをグリッド上で補間して、画像/マトリックスに変換することです。したがって、これらのデータを補間するための「最適なグリッド」を見つける必要があります。そして、そのためには、そのグリッドのピクセル間の最適な X と Y のステップを見つける必要があります。

ポイント間のユークリッド距離に基づいてステップを決定する：

各点とその最も近い点の間のユークリッド距離の平均を使用します。

• X,Y データの構築ツリーには scipy.spacial のKDTree/を使用します。cKDTree
• queryメソッドを使用しk=2て距離を取得します ( の場合k=1、各ポイントのクエリがそれ自体を検出したため、距離はゼロになります)。

パフォーマンスの調整:

• scipy.spatial.cKDTreeand notを使用すると、scipy.spatial.KDTree実際に高速になるためです。
• balanced_tree=False組み合わせて使用scipy.spatial.cKDTree​​: 私の場合は大幅に高速化されますが、すべてのデータに当てはまるとは限りません。
• マルチスレッドを使用するn_jobs=-1には withを使用します。cKDTree.query
• ユークリッド距離 ( ) の代わりにマンハッタン距離を使用p=1するために使用: 高速ですが、精度が低くなる場合があります。cKDTree.queryp=2
• ポイントのランダムなサブサンプルのみの距離をクエリします。大規模なデータセットでは速度が大幅に向上しますが、精度と再現性が低下する可能性があります。

グリッド上の点を補間する:

計算されたステップを使用して、グリッド上のデータセット ポイントを補間します。

ピクセルがイニシャル ポイントから遠すぎる場合は NaN を設定します。

初期 X、Y、Z データのポイントから遠すぎる (距離 > ステップ) グリッドのピクセルに NaN を設定します。以前に生成された KDTree が使用されます。

以下は、球面座標からデカルト座標への変換です。

逆の計算を使用して、デカルト座標から球座標を計算します。これは、次のように定義されます。

Y と X がゼロの場合に問題が発生するため、θ は任意の値を取ることができるため、Matlab の計算中に NAN (数値ではない) が発生し、θ が不連続になります。この不連続性を取り除く補間手法と、この場合の θ の解釈方法はありますか。

θ はさまざまな点での行列であり、次の結果が得られます。次の結果には、不連続性を表すジャンプと黒のパッチがありますが、滑らかな変化で次の画像を生成する必要があります。取得したシータを確認し、リンクをクリックしてシータの変動を修正し、いくつかの変更を提案してください。 Discontinuous_Theta_variation 正確なシータ変動

R の gstat または automap パッケージを使用して、予測変数に基づいて動物が発生するデータを空間的に予測するために、通常のクリギングを使用しようとしています。多くの (100 以上の) 重複する座標点があり、それらのステーションがサンプリングされているため、それらを捨てることはできません。何年にもわたって何度も。通常のクリギングで以下のコードを実行するたびに、ポイントが重複しているために LDL エラーが発生します。データを捨てずにこの問題を解決する方法を知っている人はいますか? 重複を修正するはずのautomapパッケージのコードを試しましたが、うまくいきません。お手伝いありがとう！

私はRにかなり慣れていないので、オランダのさまざまなステーションから収集された温度測定値を補間しようとしています。私は、約 2 週間の期間をカバーする 10 分ごとに測定を行う約 35 の観測所のデータを持っています。したがって、これを処理するループを作成するのが最善であると考えました。補間手法がどの程度うまく機能するかを確認するために、すべてのタイムスタンプに対して相互検証を行いたいと思います。

これを行うために、automap パッケージの Autokrige 関数を使用し、次に automap パッケージの compare.cv 関数を使用して、すべてのタイム スタンプの最も重要な統計の概要を取得しました。それに加えて、少なくとも 25 のステーションが測定値を登録した場合にのみ相互検証が行われるようにしました。

ただし、問題は、以下に説明する私のコードはほとんどの場合機能しますが、4 つのケースで次の警告が表示されることです。

すべての相互検証を含む合計リストに対して compare.cv コマンドを使用しようとすると、次のエラーが表示されます。

Autokrige 関数が相互検証で NaN を生成する原因と、さらに重要なことに、compare.cv 関数を使用できるように results.cv からそれらを削除する方法を知りたいですか?

ありがとう！

Python で Copulas を使用した空間補間用のライブラリについて誰かが知っているかどうか疑問に思っていました。私はすでにcopulaliband 結果ambhasを試しましたが、空間補間には適していません。問題への参照はここにあります。

よろしく、