0

我有一个小的位置数据集和以 mg/kg 为单位的苯浓度

    WELL.ID   X           Y     BENZENE
1   MW-02   268.8155    282.83  0.00150
2   IW-06   271.6961    377.01  0.00050
3   IW-07   251.0236    300.41  0.01040
4   IW-08   278.9238    300.37  0.03190
5   MW-10   281.4008    414.15  2.04000
6   MW-12   391.3973    449.40  0.01350
7   MW-13   309.5307    335.55  0.01940
8   MW-15   372.8967    370.04  0.01620
9   MW-17   250.0000    428.04  0.01900
10  MW-24   424.4025    295.69  0.00780
11  MW-28   419.3205    250.00  0.00100
12  MW-29   352.9197    277.27  0.00031
13  MW-31   309.3174    370.92  0.17900

我正在尝试像这样对网格中的值（这些井所在的属性）进行计算

setwd("C:/.....")
getwd()

require(geoR)
require(ggplot2)


a <- read.table("krigbenz_loc.csv", sep = ",", header = TRUE)
b <- data.matrix(a)
c <- as.geodata(b)

x.range <- as.integer(range(a[,2]))
y.range <- as.integer(range(a[,3]))
x = seq(from=x.range[1], to=x.range[2], by=1)
y = seq(from=y.range[1], to=y.range[2], by=1)
length(x)
length(y)
xv <- rep(x,length(y))
yv <- rep(y, each=length(x))
in_mat <- as.matrix(cbind(xv, yv))

这是我开始克里格的时候

q <- ksline(c, cov.model="exp", cov.pars=c(10,3.33), nugget=0, locations=in_mat)

但是，当查看这个的输出时

cbind(q$predict[1:10], q$krige.var[1:10])

我明白

         [,1]     [,2]
 [1,] 343.8958 10.91698
 [2,] 343.8958 10.91698
 [3,] 343.8958 10.91698
 [4,] 343.8958 10.91698
 [5,] 343.8958 10.91698
 [6,] 343.8958 10.91698
 [7,] 343.8958 10.91698
 [8,] 343.8958 10.91698
 [9,] 343.8958 10.91698
[10,] 343.8958 10.91698

前 5000 行的这些值不会改变...（无法查看更多信息，因为 max.print = 5000... 也不知道如何更改，但这是一个切线..）

我意识到我的

cov.pars = c(10,3.33)

范围和门槛，可能是问题所在。

geoR.pdf ，第 19 页描述了cov.pars 的预期，但是我不确定我应该如何决定这些协方差参数需要是什么。

有没有一种方法可以从我现有的数据中找到适当的值，或者我可以将它们设置为通用值，我的输出将类似于在 ESRI 的 ArcGIS 的空间分析包中执行的克里金法？

ZR

：：：：编辑：：：

我的地理数据对象转换不正确......这是正确的方法

c <- as.geodata(b, coords.col = 2:3, data.col = 4, )

也......对于变异函数，

v1 <- variog(c)
length(v1$n)
v1.summary <- cbind(c(1:11), v1$v, v1$n)
colnames(v1.summary) <- c("lag", "semi-variance", "# of pairs")
v1.summary
4

1 回答 1

2

一种方法是使用variofit函数（也在geoR包中）来估计协方差参数。例如，使用您的数据和初始值：

vario <- variog(c)  # See other options here for binning, etc
# Note that the order of the cov.pars is variance, then range, (see your question)
fitted_model <- variofit(vario=vario, ini.cov.pars=c(10, 3.33), cov.model='exp')
q <- ksline(c, cov.model=fitted_model$cov.model, cov.pars=fitted_model$cov.pars,
            nugget=fitted_model$nugget, locations=in_mat)

顺便说一下，看看变异函数是值得的。

于 2014-11-24T22:38:40.027 回答