在搜索了很多，询问并编写了一些代码之后，我有点了解在 R 的 gstat 中进行克里金法的最低要求。
使用 4 个点（我知道，非常糟糕），我对位于它们之间的未采样点进行了克里格。但实际上，我不需要所有这些点。在那个区域里面，有一个更小的分区……这个区域是我真正需要的。
长话短说……我从 4 个报告降雨数据的气象站进行了测量。这些点的经纬度坐标为：
lat long
7.16 124.21
8.6 123.35
8.43 124.28
8.15 125.08
通过我之前关于 StackOverflow 的问题可以看出我的克里金之路。
我知道图像中的坐标（至少根据我的估计）：
Leftmost: 124 13ish 0 E(DMS)
Rightmost : 124 20ish 0 E
Topmost corrdinates: 124 17ish 0 E
Bottommost coordinates: 124 16ish 0 E
转换将发生，但我认为这并不重要，或者以后更容易处理。
图像也是不规则的（但不是全部）。
把它想象成一个甜甜圈，你可以计算甜甜圈的整个圆形，但你只需要孔覆盖的区域，这样你就可以删除或至少忽略你从甜甜圈本身获得的值。
我有相关区域的图像 (.jpg)，我必须使用 QGIS 或类似软件将图像转换为 shapefile 或其他一些矢量格式。之后，我必须将该矢量图像插入 4 点克里格区域内，这样我就知道要实际考虑哪些坐标以及要删除哪些坐标。
最后，我获取图像所覆盖区域的值并将它们存储到 csv 或数据库中。
有人知道我该如何开始吗？R和统计的总菜鸟。感谢任何回复的人。
我只是想知道它是否可能以及是否提供一些提示。再次感谢。
不妨也发布我的脚本：
suppressPackageStartupMessages({
library(sp)
library(gstat)
library(RPostgreSQL)
library(dplyr) # for "glimpse"
library(ggplot2)
library(scales) # for "comma"
library(magrittr)
library(gridExtra)
library(rgdal)
library(raster)
library(leaflet)
library(mapview)
})
drv <- dbDriver("PostgreSQL")
con <- dbConnect(drv, dbname="Rainfall Data", host="localhost", port=5432,
user="postgres", password="postgres")
day_1 <- dbGetQuery(con, "SELECT lat, long, rainfall FROM cotabato.sample")
coordinates(day_1) <- ~ lat + long
plot(day_1)
x.range <- as.integer(c(7.0,9.0))
y.range <- as.integer(c(123.0,126.0))
grid <- expand.grid(x=seq(from=x.range[1], to=x.range[2], by=0.05),
y=seq(from=y.range[1], to=y.range[2], by=0.05))
coordinates(grid) <- ~x+y
plot(grid, cex=1.5)
points(day_1, col='red')
title("Interpolation Grid and Sample Points")
day_1.vgm <- variogram(rainfall~1, day_1, width = 0.02, cutoff = 1.8)
day_1.fit <- fit.variogram(day_1.vgm, model=vgm("Sph", psill = 8000, range = 1))
plot(day_1.vgm, day_1.fit)
plot1 <- day_1 %>% as.data.frame %>%
ggplot(aes(lat, long)) + geom_point(size=1) + coord_equal() +
ggtitle("Points with measurements")
plot(plot1)
############################
plot2 <- grid %>% as.data.frame %>%
ggplot(aes(x, y)) + geom_point(size=1) + coord_equal() +
ggtitle("Points at which to estimate")
plot(plot2)
grid.arrange(plot1, plot2, ncol = 2)
coordinates(grid) <- ~ x + y
############################
day_1.kriged <- krige(rainfall~1, day_1, grid, model=day_1.fit)
day_1.kriged %>% as.data.frame %>%
ggplot(aes(x=x, y=y)) + geom_tile(aes(fill=var1.pred)) + coord_equal() +
scale_fill_gradient(low = "yellow", high="red") +
scale_x_continuous(labels=comma) + scale_y_continuous(labels=comma) +
theme_bw()
write.csv(day_1.kriged, file = "Day_1.csv")
编辑：自上次以来，代码已更改。但我想这并不重要，我只想知道它是否可能，任何人都可以提供最简单的例子来说明它是可能的。我可以从那里得出针对我自己的问题的示例的解决方案。
