Krigagem ordinária

O Kriging ajusta ou recebe um modelo de semivariograma e usa a krigagem ordinária local para estimar os valores nos pontos a estimar. A maioria dos usuários pode deixar o apbase.Map decidir se ela é a melhor opção: o pipeline compara a krigagem com o IDW e só fica com ela quando tem o menor RMSE (raiz do erro quadrático médio) leave-one-out.

from apbase.kriging import Kriging

kriging = Kriging(max_neighbors=40, min_neighbors=3).fit(x, y, z)
z_targets = kriging.interpolate(targets)  # targets: array (n, 2)

use apbase::kriging::{Kriging, KrigingOptions};

let mut kriging = Kriging::new(KrigingOptions { max_neighbors: 40, min_neighbors: 3, ..Default::default() })?;
kriging.fit(&x, &y, &z)?;
let z_targets = kriging.interpolate(&targets)?; // targets: array (n, 2) ou um Grid ajustado

Parâmetros

x, y : array_like : Coordenadas dos pontos amostrais passadas ao fit. O Kriging não converte longitude/latitude: passe coordenadas projetadas, na mesma unidade de radius.

z : array_like : Valores amostrais. Precisa ter o mesmo tamanho de x e y.

targets : array_like ou Grid : Coordenadas dos pontos a estimar passadas ao interpolate: um array (n_targets, 2), um Grid ajustado ou geometrias de ponto (uma lista de pontos Shapely, ou um GeoSeries/GeoDataFrame).

radius : float, opcional : Raio de busca local. Se for omitido, é derivado do semivariograma ajustado (veja Ajuste do semivariograma).

max_neighbors : int, padrão 40 : Número máximo de pontos amostrais usados por ponto a estimar.

min_neighbors : int, padrão 3 : Número mínimo de pontos amostrais dentro de radius. Quando há menos, são usados os max_neighbors pontos mais próximos, qualquer que seja a distância.

model_values : array_like, opcional : Modelo de semivariograma pré-calculado (Variogram.model_values). Se for informado, o fit usa esse modelo em vez de ajustar um novo semivariograma.

O que "local" e "ordinária" significam aqui

Local quer dizer que cada ponto a estimar é estimado a partir dos pontos amostrais vizinhos dentro de radius, até max_neighbors, e não do conjunto de dados inteiro. Isso mantém o sistema linear pequeno e o método escalável. Ordinária quer dizer que a média do processo é tratada como desconhecida e constante dentro de cada vizinhança local. A krigagem simples, ao contrário, assume que a média é conhecida.

Veja Krigagem ordinária para a dedução completa (o sistema linear resolvido para cada ponto a estimar e por que ele dá a melhor estimativa linear não tendenciosa) e Ajuste do semivariograma para os modelos de semivariograma.