问题标签 [geostatistics]

我正在使用地统计学来评估海洋保护区内海胆的空间分布，该保护区内有不同的小岛，为此，我首先想在 R 中计算一个半变异函数。但是，我想而不是坐标，而是直接使用非欧几里得距离，因为我必须手动计算后者，因为我的采样位置之间有陆地（半变异函数公式将采用不会真正反映现实的直线距离）。

在互联网上搜索时，我发现一篇论文描述了一种有趣的方法，建议：

1. 根据非欧几里得距离估计所有感兴趣位置之间的空间协方差 - C ([di j ])
2. 近似以确保正定性。
3. 使用加权最小二乘法估计半变异函数以拟合半变异函数并将该函数转换为其相应的协变函数。

我计算了两个不同的矩阵（43rows x 43columns）：一个是成对距离，另一个是我的参数（海胆密度）在位置之间的成对差异。我将这两个矩阵结合起来，得到一个包含 3 列的数据框，看起来像这样（实际上：1849 obs. of 3 个变量）：

如何使用这些值通过加权最小二乘估计半变异函数？

预先感谢您的帮助！

我有一个数据集，其中包含每年三角洲内湖泊/池塘的低水位和高水位表面积。这些湖泊每年都会发生重大变化，有时甚至会完全干涸。因此，在低水位期间，表面积可以为 0。我试图量化这些湖泊表面区域春季洪水的程度。考虑到表面积的年际变化很大，我需要比较上一年的低水位值和下一年的高水位值来量化这个幅度；与平均值比较不够敏感。然而，鉴于某些湖泊的低水面面积为 0，我无法量化百分比变化。

我目前的想法是做百分比变化的“倒数”（不知道如何描述它），我将低水位值除以高水位值。这给了我一个尺度，其中大变化将等于 0，而小变化将等于 1。但是，再次从 0 的表面积开始的小变化将被过度表示。知道在这种情况下如何准确比较洪水的严重程度吗？

我尝试根据以下代码进行 Cokrig，一切似乎都可以拟合 CoV，当我尝试生成插值时出现错误。这是我习惯于我的案例的代码：

错误是：

（函数（类，fdef，mtable）中的错误：无法找到签名“空间点”的函数“插值”的继承方法</p>

原始数据和网格的数据结构如下：

我想创建一个空间分离距离，直到点对包含在半方差估计中（cutoff函数 in variogram {gstat}），但autofitVariogram在automap包中使用。尽管使用了miscFitOptions函数，但什么也没发生（错误或预期的输出）。在下面的示例中，我想在 1000m 处截断meuse数据集：

但是在三个情节中没有任何改变，我没有任何错误？

请问，有什么帮助吗？

我在空间中有 100 个地理参考点，它们之间的间距相等Fig1。使用以点为中心的象限法 (PCQM)，我测量了我的地理参考点与四个象限 (NW、NE、SE、SW) 中最近的树之间的距离。因此，我对每个地理参考点都有四个距离测量值。

我想计算一个聚合指数（例如 Clark-Evans 指数）来确定树是聚集的、分散的还是随机的。 数据看起来像这样。我知道在 R 中有一个名为“clarkevans”的函数，但它支持点模式数据集，并且我有地理参考点和距这些点最近的树的距离。

谢谢！

我正在使用spdep库中的errorsarlm()函数拟合空间错误模型。使用bptest.sarlm()函数计算的空间模型的 Breusch-Pagan 检验表明存在异方差。

下一步自然是获得稳健的标准误差估计并更新 p 值。在bptest.sarlm()函数的文档中说：

“通过使用 sarlm 对象的“lm.target”组件——使用 lmtest 和三明治包中的函数，在技术上也可以对标准误差估计进行异方差校正。”

并提供以下代码（作为参考）：

其中error.col是估计的空间误差模型。

现在，我可以轻松地使代码适应我的问题并获得稳健的标准错误。不过，我想知道：

• sarlm 对象的“lm.target”组件到底是什么？我在 spdep 文档中找不到任何提及。
• $tary 和 $tarX 到底是什么？同样，文档中似乎没有提到它。
• 为什么文档说“在技术上可以进行异方差校正”？这是否意味着并不真正推荐所提出的方法来克服异方差问题？

我曾尝试使用 sklearn 和 PyKrige（我认为更直观），但我的计算机内存不足（我假设是 RAM？我不是计算机专家）并且当我尝试插入我拥有的数据时崩溃。

获取约 6500 个数据点并将网格划分为 80x80 网格可以正常工作。但我需要在 500x500 网格上的 30,000 个数据点区域内的某个地方。

有没有可以解决这个问题的替代方案？

我在海上收集了一些观察结果，我们设法根据它们的属性将它们分类为 2 个集群（蓝色和红色）。正如您在下面的示例中看到的那样，在投影时，分类看起来是“空间连贯的”，或者至少，集群看起来不像是随机分布的。我正在寻找一个能够说明这种空间连贯性、每个类或完整分类的统计数据。我在 PYSAL 或 ESDA 模块中看到过示例，但没有一个具有此类数据的示例，即带有缺失数据（零值）的二维标记数组（1 和 2 值）。我不知道该怎么做。

这是代码示例：

这就是您在运行示例时看到的内容：

关于如何进行的任何建议？提前致谢！