0

我正在尝试使用 automap 包中的 autoKrige() 函数来简单地应用通用克里金法。我有一个不规则间隔的测量网格，我想在它们之间以精细的空间尺度进行插值。示例代码：

    library('automap')

    # create an irregularly spaced grid
    y <-x <-c(-5,-4,-2,-1,-0.5,0,0.5,1,2,4,5)
    grid <-expand.grid(x,y)
    names(grid) <-c('x', 'y')

    # create some measurements, greatest in the centre, with some noise
    vals <-apply(grid,1, function(x) {12/(0.1+sqrt(x[1]^2 + x[2]^2))+rnorm(1,2,1.5)})

    # get data into sp format
    s <-SpatialPointsDataFrame(grid, data.frame(vals))

    # make some prediction locations and get them into sp format
    pred <-expand.grid(seq(-5,5,by=0.5), seq(-5,5,by=0.5))
    pred <-cbind(pred[,1], pred[,2])    # this seems to be needed, not sure why
    pred <-SpatialPoints(pred)

    # try universal kriging
    surf <-autoKrige(vals~x+y, s, new_data=pred)

这会导致错误：

    Error in gstat.formula.predict(d$formula, newdata, na.action = na.action,  : 
      NROW(locs) != NROW(X): this should not occur

我尝试让 new_data 与原始数据具有相同的行数，甚至尝试使 new_data 中的坐标与原始数据完全相同，但我仍然收到此错误。我是地质统计学技术的新手，如果我犯了一个基本错误，我深表歉意。谁能告诉我哪里出错了？谢谢。

4

1 回答 1

5

问题是您的autoKrige函数语法错误。输入的公式autoKrige指定您要使用的线性模型，例如：

log(zinc) ~ dist

从meuse数据集中。在这种情况下，您建模log(zinc)与dist使用线性模型，并且该模型的残差使用变异函数进行插值。本质上，通用克里金法是具有空间相关残差的线性回归。

在您的情况下，您指定：

val ~ x+y

所以autoKrige（实际上）将尝试首先对与和（多元回归）gstat的线性模型进行建模，并使用变异函数模型对残差进行插值。但是，和变量不存在于.valsxyxySpatialPointsDataFrame

我认为您想要做的只是使用变异函数模型在空间上进行插值。在这种情况下，线性模型非常简单，实际上只是拟合一个平均值：

vals ~ 1

其中vals确定了 的平均值，并使用变异函数模型对残差进行插值。这实际上被称为普通克里金法。您的电话autoKrige将类似于：

surf <-autoKrige(vals ~ 1, s, new_data=pred)
于 2015-09-08T13:57:34.367 回答