0

通过使用 R 版本 3.4.2 和库“geoR”，我对不同的变量进行了克里金插值（下面我给出了我的过程示例）。我还制作了一个矩阵，其中包含 305 棵具有不同标记（物种、胸径、高度）的树的坐标，这些标记位于同一插值空间内，如附图所示 ( https://imgur.com/SLQBnZH )。我一直在寻找从每棵树的每个变量中提取最接近的值并将相应的值保存在 data.frame 或矩阵中的方法，但没有成功，我也找不到具体的答案。

我一直在研究的一件事是尝试将克里金法结果转换为栅格 (.tif) 并从那里开始。但是克里金插值是由矢量数据制成的，那么它甚至可能吗？

我很高兴收到任何形式的帮助，在此先感谢您！

PS我这样做是为了以后可以将数据用于空间点模式分析。

#Kriging####:
PG<-read.csv("PGF.csv", header=T, stringsAsFactors=FALSE)
library("geoR")
x<-(PG$x)
y<-(PG$y)

#Grid
loci<-expand.grid(x=seq(-5, 65, length=100), y=seq(-5, 85, length=100))
names(loci)<-c("x", "y")

mix<-cbind(rep(1,10000), loci$x, loci$y, loci$x*loci$y)

#Model
pH1.mod<-lm(pH1~y*x, data=PG, x=T)
pH1.kg<-cbind(pH1.mod$x[,3], pH1.mod$x[,2], pH1.mod$residuals)
#Transform to geographic data
pH1.geo<-as.geodata(pH1.kg)
#Variogram
pH1.vario<-variog(pH1.geo, max.dist=35)
pH1.vario.mod<-eyefit(pH1.vario)
#Cross validation
pH1.valcruz<-xvalid(pH1.geo, model=pH1.vario.mod)
#Kriging
pH1.krig<-krige.conv(pH1.geo, loc=loci, krige=krige.control(obj.model=pH1.vario.mod[[1]]))
#Predictive model
pH1a.yhat<-mix %*% pH1.mod$coefficients + pH1.krig$predict
#Exchange Kriging prediction values
pH1.krig$predict<-pH1.yhat
#Image
image(pH1.krig2)
contour(pH1.krig2, add=TRUE)

#Tree matrix####:

CoA<-read.csv("CoAr.csv", header=T)
#Data
xa<-(CoA$X)
ya<-(CoA$Y)
points(xa,ya, col=4)

TreeDF<-(cbind.data.frame(xa, ya, CoA$Species, CoA$DBH, CoA$Height, stringsAsFactors = TRUE))
m<-(cbind(xa, ya, 1:305)) 
as.matrix(m)

我尝试使用以下代码通过与预测值的最小距离来找到空间中一个点的值（树 [1:305]），（我建议不要运行它，因为它需要太长时间）：

for(i in 1:2){print(c(2:10000)[as.matrix(dist(rbind(m[i,], as.matrix(pH1.krig2$predict))))[i,2:10000]==min(as.matrix(dist(rbind(m[i,],as.matrix(pH1.krig2$predict))))[i,2:10000])])}
4

1 回答 1

0

在以下链接中，aldo_tapia 的答案是解决此问题所需的方法。谢谢大家！https://gis.stackexchange.com/questions/284698/how-to-extract-specific-values-with-point-coordinates-from-kriging-interpolation

过程如下：

使用 raster 包中的 extract() 函数：

library(raster)

r <- SpatialPointsDataFrame(loci, data.frame(predict = pH1.krig$predict))
gridded(r) <- T
r <- as(r,'RasterLayer')

pts <- SpatialPointsDataFrame(CoA[,c('X','Y')],CoA)

pH1.arb <-extract(r, pts)

为此，我只是通过 cbind 将值添加到树数据框中，因为它们是有序的。

COA2<-cbind(CoA, pH1val=pH1.arb)

我将对每个变量重复该过程。

于 2018-05-31T16:37:02.783 回答