克里金插值

克里金插值法[优质文档]

克里金插值法克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （x i ，x j ）是Z(x i )和Z(x j )的协方差函数。

克里金插值法

克里金插值法克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式：11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （x i ，x j ）是Z(x i )和Z(x j )的协方差函数。

克里金插值法

克里金插值法及其适用范围20 巴任若测绘学院克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron随后将该方法理论化、系统化，并命名为Kriging，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a上研究变量Z（x），在点xi∈A（i=1，2，……，n）处属性值为Z（xi），则待插点x0∈A处的属性值Z（x0）的克里金插值结果Z*（x0）是已知采样点属性值Z（xi）（i=1，2，……，n）的加权和，即：)()(10*i n i i x Z x Z ∑==λ（1）式中i λ是待定权重系数。

其中Z(xi)之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式：11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （xi ，xj ）是Z(xi)和Z(xj)的协方差函数。

克里金插值法

克里金插值法克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （x i ，x j ）是Z(x i )和Z(x j )的协方差函数。

克里金插值-Kriging插值-空间统计-空间分析

克里金插值方法-Kriging 插值-空间统计-空间分析1.1 Kriging 插值克里金插值（Kriging 插值）又称为地统计学，是以空间自相关为前提，以区域化变量理论为基础，以变异函数为主要工具的一种空间插值方法。

克里金插值的实质是利用区域化变量的原始数据和变异函数的结构特点，对未采样点的区域化变量的取值进行线性无偏、最优估计。

克里金插值包括普通克里金插值、泛克里金插值、指示克里金插值、简单克里金插值、协同克里金插值等，其中普通克里金插值是最为常用的克里金插值方法。

以下介绍普通克里金插值的原理。

包括普通克里金方法在内的各种克里金插值方法的使用前提是空间数据存在着显著的空间相关性。

判断数据空间相关性是否显著的工具是半变异函数（semi-variogram ），该函数以任意两个样本点之间的距离h 为自变量，在h 给定的条件下，其函数值估计方法如下：2||||1()[()()]2()i j i j s s h h z s z s N h γ-==-∑其中()N h 是距离为h 的样本点对的个数。

()h γ最大值与最小值的差m a x m i n γγ-可以度量空间相关性的强度。

max min γγ-越大，空间相关性越强。

如果()h γ是常数，即max min 0γγ-=，则说明无论样本点之间的距离是多少，样本点之间的差异不变，也就是说样本点上的值与其周围样本点的值无关。

在实际操作中，会取一些离散的h 值，当||s s ||i j -接近某个h 时，即视为||||i j s s h -=。

然后会通过这些离散点拟合成连续的半变异函数。

拟合函数的形式有球状、指数、高斯等。

在数据存在显著的空间相关性的前提下，可以采用普通克里金方法估计未知点上的值。

普通克里金方法的基本公式如下：01ˆ()()()n i ii Z s w s Z s ==∑普通克里金方法的基本思想是：通过调整i s 的权重()i w s ，使未知点的估计值0ˆ()Z s 满足两个要求：1.0ˆ()Z s 是无偏估计，即估计误差的期望值为0，2.估计误差的方差达到最小。

克里金插值公式

克里金插值公式为：
设有n个采样点(xi,yi,zi)，其中xi和yi是采样点的横纵坐标，zi是采样点的属性值（如温度、海拔高度等），则在(x,y)处的插值结果z(x,y)可以表示为：
z(x,y)=∑i=1nλi(x,y)zi
其中λi(x,y)是权重系数，表示第i个采样点对(x,y)处的插值结果的贡献。

通常情况下，λi(x,y)可以用下面的公式计算：
λi(x,y)=∑j=1nwij1∑j=1nwij
其中wij是第i个采样点与第j个采样点之间的空间距离的函数，通常采用高斯函数或指数函数，其公式如下：
wij=exp(−2h2dij2)
其中dij表示第i个采样点和第j个采样点之间的空间距离，h是插值参数，用来调节插值结果的平滑程度。

几种克里金温度插值的比较

几种克里金温度插值的比较1克里金插值法克里金法类型分常规克里金插值（常规克里金模型/克里金点模型）和块克里金插值。

常规克里金插值，其内插值与原始样本的容量有关，当样本数量较少的情况下，采用简单的常规克里金模型内插的结果图会出现明显的凹凸现象;块克里金插值是通过修改克里金方程以估计子块B内的平均值来克服克里金点模型的缺点，对估算给定面积实验小区的平均值或对给定格网大小的规则格网进行插值比较适用。

克里金插值有多种方式，可分为简单克里金插值、普通克里金插值、泛克里金插值等线性插值法，指示克里金插值、析取克里金插值等非线性插值法和概率克里金插值、贝叶斯克里金插值等。

克里金法提供了一个在有限区域内对空间变量进行无偏最优估计的方法。

1.1简单克里金插值图1未经数值变换的简单克里金插值（作图：曹源飞）图2数值变换后的简单克里金插值（作图：曹源飞）采用简单克里金插值时，由于原温度数据不满足正态分布，故进行数值转换，即在Transformation Type 中选择 Normal Score， Order of trend removal 中选择 Second 得到图2.simple kriging很少直接用于估计，因为它假设空间过程的均值依赖于空间位置，并且是已知的，但在实际中均值一般很难得到。

它可以用于其它形式的克立格法中例如指示和析取克立格法，在这些方法中数据进行了转换，平均值是已知的。

1.2普通克里金插值图3普通克里金插值(作图：杨敏)Ordinary kriging是单个变量的局部线形最优无偏估计方法，也是最稳健常用的一种方法。

普通克里金(Ordinary Kriging)提供了一个在有限区域内对空间变量进行无偏最优估计的方法，是根据样本空间位置不同、样本间相关程度不同，对每个样品赋予了不同的权，进行滑动加权平均，以估计待测点的值。

普通克里金法为一种广泛使用的地理统计的插值方法，但一般都只依据经验使用一个变异函数来计算插值结果。

常用的克里金插值及其变体

常用的克里金插值及其变体
常用的克里金插值及其变体包括以下几种：
1.普通克里金插值(OrdinaryKriging)：这是克里金插值的最基本形式，它基于一系列测量数据，通过最小化预测误差的平方和，对未测量位置的值进行估计。

这种方法假设观测点之间的空间相关性可以用一个随机过程来描述。

2.简单克里金插值(SinlPleKriging)：与普通克里金插值类似，但假设空间相关性可以忽略不计，因此每个观测点都被视为独立的。

这种方法适用于观测点之间几乎没有空间相关性，或者已经对观测点进行了充分的空间混合的情况。

3.泛克里金插值(UniVerSalKriging)：这是在普通克里金插值的基础上，考虑了非线性趋势的克里金插值。

它适用于那些除了空间相关性之外，还包含非线性趋势的地质数据。

4.协同克里金插值(Co-Kriging)：这种插值方法用于评估两个不同但相关的测量数据集之间的空间相关性。

它允许我们同时对两个数据集进行插值，并考虑它们之间的相关性。

5.多变异克里金插值(MUlti-VariateKriging)：这是用于处理多个相关变量的插值方法。

它允许不同变量之间的空间相关性被建模，这有助于更好地理解不同变量之间的相互关系。

这些是常见的克里金插值及其变体，选择哪种方法取决于数据的性质以及分析者的需求。

克里金插值(kriging)

②设连续型随机变量ξ的可能取值区间为(-∞，+∞)，
p(x)为其概率密度函数，若无穷积分
xp(x)dx
绝对收敛，则称它为ξ的数学期望，记为E(ξ)。
E(ξ) = xp(x)dx
•数学期望是随机变量的最基本的数字特征，
相当于随机变量以其取值概率为权的加权平均数。
•从矩的角度说，数学期望是ξ的一阶原点矩。
对于一组样本：
N
( z i )
m i1 N
(2)方差
为随机变量ξ的离散性特征数。若数学期望 E[ξ-E(ξ)]2存在，则称它为ξ的方差，记为D(ξ)，或Var(ξ)，或σξ2。
D(ξ)= E[ξ-E(ξ)]2 其简算公式为
D(ξ)=E(ξ2) –[E(ξ)]2
方差的平方根为标准差，记为σξ
跃迁现象
一维情况下的定义：
假设空间点x只在一维的x轴上变化，则将区域化变量Z(x)在x，x+h两点处的值之差的方差之半定义
为Z(x)在x轴方向上的变差函数，记为 (x,h)
(x,h) =
1 2
Var[Z(x)-Z(x+h)]
=
1 2
E[Z(x)-Z(x+h)]2-{E[Z(x)-Z(x+h)]}2
(h)C (0)C (h)
（二阶平稳假设条件下边查函数与写防查的关系）
变程(Range) ：指区域化变量在空间上具有相关性的范围。在变程范围之内，数据具有相关性；而在变程之外，数据之间互不相关，即在变程以外的观测值不对估计结果产生影响。
具不同变程的克里金插值图象
块金值(Nugget) ：变差函数如果在原点间断，在地质统计学中称为“块金效应”，表现为在很短的距离内有较大的空间变异性，无论h多小，两个随机变量都不相关。它可以由测量误差引起，也可以来自矿化现象的微观变异性。在数学上，块金值c0相当于变量纯随机性的部分。

克里金插值法

克里金插值法及其合用范围克里金插值法又称空间局部插值法，是以变异函数理论和构造剖析为基础，在有限地区内对地区化变量进行无偏最优预计的一种方法，是地统计学的主要内容之一，由南非矿产工程师 D.Matheron于1951年在找寻金矿时首次提出，法国着名统计学家G.Matheron随后将该方法理论化、系统化，并命名为Kriging，即克里金插值法。

克里金插值法原理克里金插值法的合用范围为地区化变量存在空间有关性，即假如变异函数和构造剖析的结果表示地区化变量存在空间有关性，则能够利用克里金插值法进行内插或外推。

其本质是利用地区化变量的原始数据和变异函数的构造特色，对未知样点进行线性无偏、最优预计，无偏是指偏差的数学希望为0，最优是指预计值与本质值之差的平方和最小[1]。

所以，克里金插值法是依据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方向，与未知样点的互相空间关系，以及变异函数供给的构造信息以后，对未知样点进行的一种线性无偏最优预计。

假定研究地区a上研究变量Z（x），在点xi A（i=1，2，，n）处属性值为Z（xi），则待插点x0 A处的属性值Z（x0）的克里金插值结果 Z*（x0）是已知采样点属性值Z（xi）（i=1，2，，n）的加权和，即：Z*(x0)ni Z(x i)（1）i1式中i是待定权重系数。

此中Z(xi)之间存在必定的有关关系，这类有关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“地区化变量”针对克里金方法无偏、最小方差条件可获取无偏条件可得待定权系数i (i=1，2，，n)知足关系式：ni1（2）i1以无偏为前提，kriging方差为最小可获取求解待定权系数i的方程组：ni C(x i,x j) C(x0,x j)(j 1,2, ，n)i 1ni 1i1（3）式中，C（xi，xj）是Z(xi)和Z(xj)的协方差函数。

2国内外研究进展从克里金方法被提出到此刻已有完美的理论，并在好多领域获取了本质的应用，在某些领域的应用又推进了克里金理论的发展[3]。

克里金插值克里金(Kriging)插值克里金(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。

该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。

它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后，为达到线性、无偏和最小估计方差的估计，而对每一个样品赋与一定的系数，最后进行加权平均来估计块段品位的方法。

但它仍是一种光滑的内插方法在数据点多时，其内插的结果可信度较高。

克里金法类型分常规克里金插值(常规克里金模型／克里金点模型)和块克里金插值。

常规克里金插值其内插值与原始样本的容量有关，当样本数量较少的情况下，采用简单的常规克里金模型内插的结果图会出现明显的凹凸现象；块克里金插值是通过修改克里金方程以估计子块B内的平均值来克服克里金点模型的缺点，对估算给定面积实验小区的平均值或对给定格网大小的规则格网进行插值比较适用。

块克里金插值估算的方差结果常小于常规克里金插值，所以，生成的平滑插值表面不会发生常规克里金模型的凹凸现象。

按照空间场是否存在漂移(drift)可将克里金插值分为普通克里金和泛克里金，其中普通克里金(Ordinary Kriging简称OK法)常称作局部最优线性无偏估计．所谓线性是指估计值是样本值的线性组合，即加权线性平均，无偏是指理论上估计值的平均值等于实际样本值的平均值，即估计的平均误差为0，最优是指估计的误差方差最小。

在科学计算领域中，空间插值是一类常用的重要算法，很多相关软件都内置该算法，其中GodenSoftware 公司的Surfer软件具有很强的代表性，内置有比较全面的空间插值算法，主要包括：Inverse Distance to a Power（反距离加权插值法）Kriging（克里金插值法）Minimum Curvature（最小曲率）Modified Shepard's Method（改进谢别德法）Natural Neighbor（自然邻点插值法）Nearest Neighbor（最近邻点插值法）Polynomial Regression（多元回归法）Radial Basis Function（径向基函数法）Triangulation with Linear Interpolation（线性插值三角网法）Moving Average（移动平均法）Local Polynomial（局部多项式法）下面简单说明不同算法的特点。

克里金插值法

克里金插值法克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G. Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （x i ，x j ）是Z(x i )和Z(x j )的协方差函数。

克里金插值(kriging)

P (ξ=xk)= pk, k=1,2,….

则当级数 xk pk 绝对收敛时，称此级数的 k 1
和为ξ的数学期望，记为E(ξ)，或Eξ。

E(ξ) = xk pk k 1
②设连续型随机变量ξ的可能取值区间为(-∞，+∞)，
p(x)为其概率密度函数，若无穷积分

xp(x)dx
可出现E[Z(u)]不存在，但E[Z(u)-Z(u+h)]存在并为零的情况
E[Z(u)]可以变化,但E[Z(u)-Z(u+h)]=0
② 增量[Z(u)-Z(u+h)]的方差函数 (变差函数,Variogram)
存在且平稳 (即不依赖于u)，即：
Var[Z(u)-Z(u+h)] = E[Z(u)-Z(u+h)]2-{E[Z(u)-Z(u+h)]}2 = E[Z(u)-Z(u+h)]2 = 2γ(u,h) = 2γ(h),
P
F(u; z) F(u h; z)

可从研究区内所有数据的累积直方图推断而得（将邻近点当成重复取样点）
太强的假设，不符合实际
二阶平稳
当区域化变量Z(u)满足下列二个条件时，则称其为二阶平稳或弱平稳：
① 在整个研究区内有Z(u)的数学期望存在，且等于常数，即： E[Z(u)] = E[Z(u+h)] = m(常数) x h
特殊地，当h=0时，上式变为 Var[Z(u)]=C(0), 即方差存在且为常数。
u+h u
本征假设 intrinsic hypothese
量[Z(u)-Z(u+h)]满足下列二条件时，称其为满足本征假设或内蕴假设。
①在整个研究区内有 E[Z(u)-Z(u+h)] = 0

克里金插值法

克里金插值法及其适用范围克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，是地统计学的主要内容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国着名统计学家G . Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用范围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行内插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域内的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点xi ∈A （i=1，2，……，n ）处属性值为Z （xi ），则待插点x0∈A 处的属性值Z （x0）的克里金插值结果Z*（x0）是已知采样点属性值Z （xi ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(xi)之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ(i=1，2，……，n)满足关系式： 11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n ,2,1)(,(),(101n i i j j i n i i j x x C x x C λμλ，（3）式中，C （xi ，xj ）是Z(xi)和Z(xj)的协方差函数。

克里金插值(kriging)[知识荟萃]

Var[Z(u)-Z(u+h)] = E[Z(u)-Z(u+h)]2-{E[Z(u)-Z(u+h)]}2 = E[Z(u)-Z(u+h)]2 = 2γ(u,h) = 2γ(h),
相当于要求：Z(u)的变差函数存在且平稳。
行业重点
19
可出现协方差函数不存在，但变差函数存在的情况。
例：物理学上的著名的布朗运动是一种呈现出无限离散性的物理现象，其随机函数的理论模型就是维纳-勒维(Wiener-Levy)过程(或随机游走过程)。
提出了“地质统计学”概念 (法文Geostatistique)
发表了专著《应用地质统计学论》。
阐明了一整套区域化变量的理论，
为地质统计学奠定了理论基础。
区域化变量理论
克里金估计
1977年我国开始引入行业重点随机模拟
3
克里金插值方法
n
z* x0 i zxi i 1 （普通克里金）
•不仅考虑待估点位置与
n
i 1
C
xi
xj
i
C
x0
n
xj
i 1
i 1
j 1, , n
当随机函数不满足二阶平稳,而满足内蕴（本征）假设时, 可用变差函数来表示克里金方程组如下:
i
n 1
xi x j
i
x0 x j
n
i 1
i 1
j 1, , n
Z*(x0)
行业重点
25
最小的估计方差,即克里金方差可用以下公式求解:
第二讲
克里金插值
克里金方法（Kriging）, 是以南非矿业工程师D.G.Krige (克里格)名字命名的一项实用空间估计技术，是地质统计学的重要

克里金插值法

克里金插值法克里金插值法又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域对区域化变量进行无偏最优估计的一种方法，是地统计学的主要容之一，由南非矿产工程师D. Matheron 于1951年在寻找金矿时首次提出，法国著名统计学家G . Matheron 随后将该方法理论化、系统化，并命名为Kriging ，即克里金插值法。

1 克里金插值法原理克里金插值法的适用围为区域化变量存在空间相关性，即如果变异函数和结构分析的结果表明区域化变量存在空间相关性，则可以利用克里金插值法进行插或外推。

其实质是利用区域化变量的原始数据和变异函数的结构特点，对未知样点进行线性无偏、最优估计，无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[1]。

因此，克里金插值法是根据未知样点有限领域的若干已知样本点数据，在考虑了样本点的形状、大小和空间方位，与未知样点的相互空间关系，以及变异函数提供的结构信息之后，对未知样点进行的一种线性无偏最优估计。

假设研究区域a 上研究变量Z （x ），在点x i ∈A （i=1，2，……，n ）处属性值为Z （x i ），则待插点x 0∈A 处的属性值Z （x 0）的克里金插值结果Z*（x 0）是已知采样点属性值Z （x i ）（i=1，2，……，n ）的加权和，即：)()(10*i ni i x Z x Z ∑==λ （1）式中i λ是待定权重系数。

其中Z(x i )之间存在一定的相关关系，这种相关性除与距离有关外，还与其相对方向变化有关，克里金插值方法将研究的对象称“区域化变量”针对克里金方法无偏、最小方差条件可得到无偏条件可得待定权系数i λ (i=1，2，……，n)满足关系式： 11=∑=n i i λ（2）以无偏为前提，kriging 方差为最小可得到求解待定权系数i λ的方程组：⎪⎪⎩⎪⎪⎨⎧=⋯⋯==+∑∑==1)n,2,1)(,(),(11niijjiniijxxCxxCλμλ，（3）式中，C（x i，x j）是Z(x i)和Z(x j)的协方差函数。

克里金插值方法第二节

•
地变化，否则可能导致KT
线性系统不稳定；
（2）在主变量的所有数据点u处和待估计的位置u处，外部变量都必须是已知的。
（K=0时，？）
四、协同克里金（CK） (Cokriging)
利用几个变量之间的空间相关性，对其中的一个或几个变量进行空间估计，尤其适用于被估计变量的观察数据较少的情况。
协同克里金估计值（初始变量和二级变量）
n
m
Z
* 0
i xi
jyj
i 1
j 1
Z
* 0
----随机变量在位置0处的估计值；
x1,, x-n---初始变量的n个样本数据；
•
y1,, ym----二级变量的m个样本数据；
a1,, an 及 1,, --m--需要确定的协同克里金加权系数。
协同克里金方程组
n
i C
xi x j
1
( 1,2,, n)
应用条件：
随机函数二阶平稳随机函数的期望值 m为常数并已知
不能用于具有局部趋势的情况
二、普通克里金(OK) (Ordinary Kriging)
n
Z *u (u)Z u 1
n 1
(u)C
u
u
(u) Cu u
n
(u) 1
1
1,, n
观察数据：是指那些精度比较高，但数量比较少的数据猜测数据：是指那些精度比较低，但分布广泛的数据
在观测数据比较多的地方，估计结果主要受观测数据的影响；在观测数据比较少的地方，则主要受猜测数据的影响。
n
(u)C(u ,u ) C(u,u ),
1
( 1,2,, n)
求(n+1)个m(u), 求(n+1)×(n+1) 个C(u,u)