Kriging(克里金插值/克里金法):一种用于空间数据插值的统计方法,常见于地质、环境与地理信息系统(GIS)。它利用“附近位置更相似”的规律,并通过变差函数(variogram)建模空间相关性,从而对未知位置进行预测,并可给出预测不确定性(误差/方差)的估计。
/ˈkriːɡɪŋ/
Kriging can estimate rainfall at locations where no sensors exist.
克里金法可以估计没有传感器的位置的降雨量。
After fitting a variogram, the team used ordinary kriging to map soil contamination across the industrial zone and quantify the prediction uncertainty.
在拟合变差函数之后,团队使用普通克里金法绘制工业区的土壤污染分布,并量化预测的不确定性。
Kriging 得名于南非采矿工程师 Danie G. Krige,他在矿业品位估计中提出相关思想;后来法国数学家 Georges Matheron 将其系统化,发展为地统计学(geostatistics)中的经典方法,因此该词属于以人名命名的技术术语(eponym)。