2

我正在尝试使用 CRS("+init=epsg:4326") 来获取具有纬度、经度的水质数据集。

GGT <- read.csv("C:/Users/user/Data/newdata2019.csv")
coordinates(GGT) = ~Lon+Lat
GGT <- st_as_sf(GGT)
st_crs(GGT) <- 4326

GGTgrid <- readOGR('C:/Users/user/Desktop/FisheryScience/Data/Maps/GGTgrid.shp')
GGTgrid1 <- st_as_stars(GGTgrid, crs = 4326)
st_crs(GGTgrid1) <- 4326

在此处输入图像描述

- 这就是 GGT 数据集的样子

vario <- variogram(log(DO_S)~1, GGT)
model_GGT <- fit.variogram(vario, model=vgm(psill = 1, model= 'Sph', range= 200, nugget =1))
plot(vario, model = model_GGT)

在此处输入图像描述 - 这里似乎工作正常

然后当我运行下面的代码块时它显示错误

krige_result <- krige(formula = log(DO_S)~1, GGT, GGTgrid1, model = model_GGT)

有很长的错误行

proj4string(obj) 中的警告消息：
“CRS 对象有注释，在输出中丢失”proj4string(obj) 中的警告消息：
“CRS 对象有注释，在输出中丢失”proj4string(obj) 中的警告消息：

4

1 回答 1

0

您收到的警告表明您的工作可能会受到 R-spatial 和 rspatial 采用的 PROJ 6（和 GDAL 3）引入的更改的影响。您可以使用以下两个链接获取所有详细信息：

https://rgdal.r-forge.r-project.org/articles/CRS_projections_transformations.html

https://r-spatial.org/r/2020/03/17/wkt.html

要使这些警告消息消失，您只需要使用考虑到这些最近更改的类型sf和（通过安装/加载相同名称的包）的对象。stars因此，我建议您在脚本开头使用以下几行代码来替换前六行代码。这将为您提供两个对象（即类型的 GGT 和类型的sfGGTgrid1 stars）：

GGT <- read.csv("C:/Users/user/Data/newdata2019.csv")
coordinates(GGT) = ~Lon+Lat
GGT <- st_as_sf(GGT)
st_crs(GGT) <- 4326

GGTgrid <- readOGR('C:/Users/user/Desktop/maps/GGTgrid.shp')
coordinates(GGTgrid) <- ~x+y
GGTgrid1 <- st_as_stars(GGTgrid1, crs = 4326)
st_crs(GGTgrid1) <- 4326

对我来说，处理真实数据比使用您的对象名称“虚拟”工作更容易，因为我没有您的原始文件。因此，我更愿意向您展示如何使用sp包中包含的“meuse”数据进行分析。

通过类比我给你的reprex，我认为你应该能够使用自己的文件进行管理。您会看到，不会再出现警告消息 :-)

请在下面找到我的代表。

代表

  • 加载库和数据
library(sp)
library(sf)
library(stars)
library(gstat)

data(meuse)                # loading the data (equivalent of your csv file)
coordinates(meuse) = ~x+y  # you already know this step ;-)

# Just a look to the class of original data 
class(meuse)
#> [1] "SpatialPointsDataFrame"
#> attr(,"package")
#> [1] "sp"                # "meuse" is an object of class 'sp'


data(meuse.grid)           # loading the data (equivalent of your shp file)
gridded(meuse.grid) = ~x+y

# Just a look to the class of original data 
class(meuse.grid)
#> [1] "SpatialPixelsDataFrame"
#> attr(,"package")
#> [1] "sp"                # "meuse" is an object of class 'sp'
  • 将meuse数据转化为sf对象，将meuse.grid数据转化为stars对象
# Convert 'sp' object 'meuse' (i.e. SpatialPointsDataFrame) into 'sf' object
meuse <-  st_as_sf(meuse)

class(meuse) 
#> [1] "sf"         "data.frame"    # meuse is indeed of class 'sf'

# Convert 'sp' object 'meuse.grid' (i.e. SpatialPixelDataFrame) into 'stars' object
meuse.grid <-  st_as_stars(meuse.grid)

class(meuse.grid) 
#> [1] "stars"                       # meuse.grid is indeed of class 'stars'
  • 计算并绘制变异函数
vario <-  variogram(log(zinc)~1, meuse)
model_meuse <-  fit.variogram(vario, model = vgm(psill = 1, model = "Sph", range = 200, nugget = 1))
plot(vario, model = model_meuse)

  • 克里格和绘图预测和方差
krige_result <- krige(formula = log(zinc)~1, meuse, meuse.grid, model = model_meuse)
#> [using ordinary kriging]
class(krige_result)
#> [1] "stars"
krige_result
#> stars object with 2 dimensions and 2 attributes
#> attribute(s):
#>                  Min.   1st Qu.    Median      Mean   3rd Qu.      Max. NA's
#> var1.pred  4.77655207 5.2376428 5.5728908 5.7072284 6.1717618 7.4399908 5009
#> var1.var   0.08549102 0.1372838 0.1621815 0.1853301 0.2116141 0.5002793 5009
#> dimension(s):
#>   from  to offset delta refsys point values x/y
#> x    1  78 178440    40     NA    NA   NULL [x]
#> y    1 104 333760   -40     NA    NA   NULL [y]

plot(krige_result[1]) # plot predictions


plot(krige_result[2]) # plot variances

由reprex 包于 2021-10-19 创建(v2.0.1)

于 2021-10-15T19:57:01.383 回答