我正在尝试在 R 中编写使用 gstat 库的代码来创建插值。我已经阅读了 gstat 手册,并根据互联网上的一些示例,我设法编写了这段代码(这只是一部分):
g <- gstat(id="tec", formula=TEC ~ 1, data=data) ##I create an object
v <- variogram(g) # plot the empirical variogram
plot(v)
mod<-vgm(sill=var(data$TEC),model="Sph",range=200,nugget=200) #create the variogram model
v.fit <- fit.variogram(v, model=mod,fit.method=1) #fit the empirical variogram
Theor_variogram=plot(variogram(g),v.fit,main="WLS Model") #plot the theoretical variogram
plot(Theor_variogram)
## Kriging interpolation
p <- predict.gstat(g, model=v.fit, newdata=predGrid)
我的问题是,当我运行最后一个命令(预测)而不是使用普通克里金插值得到结果时,我得到的是反距离加权(IDW)。我在 gstat 手册中读到:“当没有指定变异函数时,反距离加权插值是默认操作。指定变异函数时,默认预测方法是普通克里金法。”
但是,正如您在我的代码中看到的那样,我指定了经验和理论变异函数。你知道为什么我一直使用 IDW 而不是普通的克里金法吗?它可以与我拥有的坐标类型有关吗?例如,如果我的坐标彼此接近,或者感兴趣的区域太大?任何帮助都会非常有用。
提前致谢 迪米特里斯