推进插值

Question

笔记;我已经提到了这个问题，因此不需要对Pykrige的特殊知识来回答这个问题！

---

嗨，我想在我的代码中使用Universal Kriging。为此，我的数据构成如下：

      Latitude   Longitude  Altitude          H2        O18        Date    Year  month       dates  a_diffO       O18a
0    45.320000  -75.670000     114.0  -77.500000 -11.110000  2004-09-15  2004.0    9.0  2004-09-15   -0.228 -10.882000
1    48.828100    9.200000     314.0  -31.350000  -4.880000  2004-09-15  2004.0    9.0  2004-09-15   -0.628  -4.252000
2    51.930000  -10.250000       9.0  -18.800000  -3.160000  2004-09-15  2004.0    9.0  2004-09-15   -0.018  -3.142000
3    48.248611   16.356389     198.0  -45.000000  -6.920000  2004-09-15  2004.0    9.0  2004-09-15   -0.396  -6.524000
4    50.338100    7.600000      85.0  -19.200000  -3.190000  2004-09-15  2004.0    9.0  2004-09-15   -0.170  -3.020000

您可以在此处找到我的数据：

我想通过通用kriging和使用dlling功能来插入数据（纬度，经度，经度，高度和O18）。

到目前为止，我已经在这里对此进行了编程，但是我没有到达任何地方，例如，我不知道如何有效地将高度用作漂移功能，而来自Pykrige文档的信息有限：

from traceback import print_tb
from typing_extensions import Self
import numpy as np
from pykrige.uk import UniversalKriging
from pykrige.kriging_tools import write_asc_grid
import pykrige.kriging_tools as kt
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Path, PathPatch
import pandas as pd
from osgeo import gdal 

def load_data():
    df = pd.read_csv(r"File")
    return(df)

def get_data(df):
    return {
        "lons": df['Longitude'],
        "lats": df['Latitude'],
        "values": df['O18'],
    }

def extend_data(data):
    return {
        "lons": np.concatenate([np.array([lon-360 for lon in data["lons"]]), data["lons"], np.array([lon+360 for lon in data["lons"]])]),
        "lats": np.concatenate([data["lats"], data["lats"], data["lats"]]),
        "values":  np.concatenate([data["values"], data["values"], data["values"]]),
    }

def generate_grid(data, basemap, delta=1):
    grid = {
        'lon': np.arange(-180, 180, delta),
        'lat': np.arange(np.amin(data["lats"]), np.amax(data["lats"]), delta)
    }
    grid["x"], grid["y"] = np.meshgrid(grid["lon"], grid["lat"])
    grid["x"], grid["y"] = basemap(grid["x"], grid["y"])
    return grid

def interpolate(data, grid):
    uk = UniversalKriging(
        data["lons"],
        data["lats"],
        data["values"],
        variogram_model='exponential',
        verbose=True,
        drift_terms=["functional"],
        functional_drift=[func],
    )
    return uk.execute("grid", grid["lon"], grid["lat"])

def prepare_map_plot():
    figure, axes = plt.subplots(figsize=(10,10))
    basemap = Basemap(projection='robin', lon_0=0, lat_0=0, resolution='h',area_thresh=1000,ax=axes) 
    return figure, axes, basemap

def plot_mesh_data(interpolation, grid, basemap):
    colormesh = basemap.contourf(grid["x"], grid["y"], interpolation,32, cmap='RdBu_r') #plot the data on the map. plt.cm.RdYlBu_r
    color_bar = basemap.colorbar(colormesh,location='bottom',pad="10%") 


df = load_data()
base_data = get_data(df)
figure, axes, basemap = prepare_map_plot()
grid = generate_grid(base_data, basemap, 90)
extended_data = extend_data(base_data)
interpolation, interpolation_error = interpolate(extended_data, grid)
plot_mesh_data(interpolation, grid,basemap)
plt.show()

我现在只使用Universal Kriging并创建了Universal Kriging这些图像：

我得到了预期错误： value error：必须指定点漂移项的位置和强度。

我只知道我必须创建具有高度的网格，但我不知道如何，我不知道如何使漂移取决于高度。高度公式为：

其中100 m代表100 m的差异。

有趣的是，有一个网站上有示例：但是，我在编码方面缺乏经验，无法理解示例并将其转移到我的示例中： https://python.hotexamples.com/exampleass/core/core/core/calc_cr/calc_cr/python-calc_cr/python-calc_cr-function-examples.html < /a>

结论： 我不知道如何定义[“ external_drift”]做我想做的事情（这是基于我一般没有经验的我）。

我已经尝试解决这些问题已经3周了，但是我真的一无所获。

Answer 1

From the documentation of pykrige.uk.UniversalKriging (

drift_terms（字符串列表，可选） - 漂移术语列表到
包括在环球kriging中。当前支持的漂移条款
'区域_linear'，'point_log'，'external_z'，“指定”和
“功能”。

在您的代码中，您指定不支持的Drift_terms = [“ external_drift”]。对不起，我在此模型中没有专门知识，因此我无法进一步帮助您。但是，这些可能是您需要指定的参数：

external_drift（array_like，可选） - 用于该的网格数据
外部Z标量漂移术语。必须是形状（m，n），其中m在
y方向和n在x方向上。网格间距不需要
保持恒定。如果网格间距不是恒定的，则必须指定网格
细胞尺寸。如果问题涉及各向异性，则外部漂移
根据预先调整的坐标提取值（即，
原始坐标系）。

external_drift_x（array_like，可选） - 网格
外部Z-Scalar数据。必须是形状（m，）或（m，1），其中m是
X方向中的网格单元数量。坐标被视为
单元的中心。

external_drift_y（array_like，可选） - 网格
外部Z-Scalar数据。必须是形状（n，）或（n，1），其中n是
Y方向中的网格单元数量。坐标被视为
单元的中心。

Answer 2

错误的值：必须指定点漂移项的位置和强度。”似乎只有选择“ point_log”为drift_terms才提示