【问题标题】:Universal kriging using lat long gstat R使用 lat long gstat R 的通用克里金法
【发布时间】:2018-02-21 08:01:55
【问题描述】:

我是 R 的新手,我在使用 gstat R 执行通用克里金法时遇到了一些麻烦。

作为 Hengl 等人。 (2004) 说“通用克里金法应保留用于仅将漂移(或趋势)建模为坐标函数的情况”。所以,我只想在通用克里金法中使用坐标而不是 dist。

谁能告诉我怎么做?我是这样处理的:

library(sp)
library(gstat)

data(meuse)
coordinates(meuse) <- c("x", "y")
data(meuse.grid)
coordinates(meuse.grid) <- c("x", "y")
meuse.grid <- as(meuse.grid, "SpatialPixelsDataFrame")

plot(variogram(log(zinc) ~ meuse@coords, meuse),pch=19)
v1 <- variogram(log(zinc) ~ meuse@coords, meuse)
p1 <- vgm(psill = 0.42, model = 'Cir', range = 1000, nugget = 0.08)
fit1 <- fit.variogram(v1, p1)

# Trying to use the coordinates with meuse@coords
uk1 <- krige(log(zinc) ~ meuse@coords, meuse, meuse.grid, fit1)

# Trying to get coordinates as data column
xy <- as.data.frame(meuse@coords)
meuse$long <- xy$x
meuse$lat <- xy$y

uk2 <- krige(log(zinc) ~ meuse$long + meuse$lat, meuse, meuse.grid, fit1)

谢谢!

【问题讨论】:

    标签: r geospatial spatial kriging gstat


    【解决方案1】:

    实际上,我不太确定 T. Hengl 在他 2004 年的论文中的意思。那篇论文是关于 UK、RK 和 KED 之间的区别,它们实际上都是等价的。首先,您拟合一个趋势、一个多重线性模型,然后在这些残差上拟合一个变异函数模型。

    如果您想在 R 中的英国模型中使用坐标作为漂移,您可以简单地执行以下操作:

    library(sp)
    library(gstat)
    
    data(meuse)
    coordinates(meuse) <- c("x", "y")
    data(meuse.grid)
    coordinates(meuse.grid) <- c("x", "y")
    meuse.grid <- as(meuse.grid, "SpatialPixelsDataFrame")
    
    meuse$X <- as.numeric(meuse@coords[,1])
    meuse$Y <- as.numeric(meuse@coords[,2])
    
    meuse.grid$X <-as.numeric(meuse.grid@coords[,1])
    meuse.grid$Y <-as.numeric(meuse.grid@coords[,2])
    
    plot(variogram(log(zinc) ~ X+Y, meuse),pch=19)
    v1 <- variogram(log(zinc) ~  X+Y, meuse)
    p1 <- vgm(psill = 0.42, model = 'Cir', range = 1000, nugget = 0.08)
    fit1 <- fit.variogram(v1, p1)
    
    
    
    # Trying to use the coordinates with meuse@coords
    uk1 <- krige(log(zinc) ~ X+Y, meuse, meuse.grid, fit1)
    
    # Trying to get coordinates as data column
    uk2 <- krige(log(zinc) ~  X+Y , meuse, meuse.grid, fit1)
    

    【讨论】:

      猜你喜欢
      • 2020-09-01
      • 1970-01-01
      • 2016-12-08
      • 2017-09-12
      • 2015-12-03
      • 2017-04-25
      • 2022-01-03
      • 2017-04-12
      • 2021-09-15
      相关资源
      最近更新 更多