问题标签 [kriging]

这个问题可能与我对克里金的了解不足有关 - 是否可以在单个空间位置计算克里金值？据我了解，典型的克里金方法使用嵌入在稀疏数据中的空间相关性来插入与数据具有相同空间范围的规则网格上所有点的值。我想知道的是我是否可以在特定点上进行插值（可能不会落在网格上）。例如，下面的代码对默兹数据中的铜浓度进行克里金法，并覆盖默兹地图上的值。我想知道如何在地图中心附近的“Maasband”计算克里格值。

谢谢。

我在 R 中使用 gstat 包来生成顺序高斯模拟。我的电脑有 4 个内核，我尝试使用并行包按照Guzmán提供的脚本来并行化 krige() 函数，以回答问题如何在 R 中实现并行克里金法以加快进程？.

然而，由此产生的模拟与当时仅使用一个内核（无并行化）的模拟不同。它看起来是一个几何问题，但我不知道如何解决它。

接下来我将提供一个生成 2 个模拟的示例（使用 4 个内核）。您会看到，运行代码后，从并行化导出的模拟地图显示了一些伪影（如垂直线），并且与当时仅使用一个内核的地图不同。

代码需要库gstat、sp、raster和。如果任何一行不起作用，请先运行。parallelspatstatlibrary()install.packages()

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。

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）：

我正在使用以下geoadditive模型

如何使用它来预测我没有协变量数据egg.count的新位置的值，例如？(lon/lat)kriging

例如说我想egg.count在这些新位置进行预测

但在这里我不知道协变量的值（b.depth, c.dist, temp.20m, log.net.area）。

我有一个名为 kef 的数据框，由 512 行和字段 x、y（指坐标）和 v（指每个单元格的某个数值）组成。

我还有一个名为 grecia.map 的地图图层，通过 readOGR 命令加载到 R 中，该图层由代表某个区域的多边形组成。

运行以下命令时：

我收到以下错误消息：

我创建了一个克里金图，它是使用克里金包的 kriging() 和 image() 函数创建的（表格是带有坐标和值的数据）：

结果可以在附图中查看。

我的问题是我无法将此地图导出为栅格。使用光栅包的以下命令时：

我收到以下错误：

我有一个带有一些高程值的 3D numpy 数组。我想对它们应用克里金插值方法并获得具有相同给定形状的全值数组。

我的目的是实际创建一个表面。我的值是水文地质层。从上到下的每一层都用网格描述，我有一些高度值，如下所述。不过，我需要每个网格的高度值。

例如，我有一个数组。“0”表示未知值，其他值为给定值。3 layer, 10 rows, 15 columns：

我想应用克里金法来获得基于给定值的插值。

我正在尝试通过使用 gstat 进行克里金法进行估计，但由于协方差矩阵的问题而永远无法实现。我从来没有估计过我想要的位置，因为它们都被跳过了。对于每个位置，我都有以下警告消息：

所有的估计都是NA。

到目前为止，我已经浏览了许多相关的 StackOverflow 线程，但没有一个能解决我的问题（https://gis.stackexchange.com/questions/222192/r-gstat-krige-covariance-matrix-singular-at-location-5-88 -47-4-0-skipping ; https://gis.stackexchange.com/questions/200722/gstat-krige-error-covariance-matrix-singular-at-location-917300-3-6109e06-0 ; https:// /gis.stackexchange.com/questions/262993/r-gstat-predict-error?rq=1 )

我检查了：

• 我的数据集中实际上有一个空间结构（参见下面的代码气泡图）

• 没有重复的位置

• 变异函数模型不是奇异的，并且非常适合实验变异函数（参见下面的代码图）

• 我还尝试了 gstat 库中的 range、sill、nugget 和所有模型的几个值

• 协方差矩阵是正定的并且具有正的特征值。根据 gstat 它是奇异的，但不是 is.singular.matrix 函数

• 有足够的点对来做实验变异函数

如何克服这个问题？有什么技巧可以避免奇异协方差矩阵？我也欢迎任何克里金法的“最佳实践”。

代码（需要 forSO.Rdata：https ://www.dropbox.com/s/5vfj2gw9rkt365r/forSO.Rdata?dl=0 ）：

我试图在给定一些纬度/经度坐标的地图上插入风速和风向值，然后将这些值与我的观察值进行比较。几篇论文表明，高斯过程/克里金法是解决此问题的有效方法，但我对数学的理解不够好，无法直接实现他们的模型。

我的数据框看起来像：

我可以按照 SciPy 上的示例进行操作，但我不确定是否可以使用他们的方法，因为我正在尝试插入向量 - 风速和风向同时具有 u 和 v 分量：

其中 U2M_.... 只是相应的逐行 u,v 分量的 pd.Series(...) 。我可以分别对每个分量执行计算，然后从插值的 u,v 值重建速度和方向值吗？我想我的问题是，这是一个数学上合理的过程吗？

我有网格化的纬度、经度和 NO2 数据。我试图从这些数据中选择几个点并插值一些数据/图，比较当我插值它时，这个插值数据/图是如何改进的。

我的数据如下：

Lat 大小为 336x264 Lon 大小为 336x264 NO2(:,:,1,12)（我将使用的变量）大小为 336x264，前两个维度分别为 lat 和 lon。

例如 lat(1,1)、lon(1,1) 和 NO2(1,1,1,12) 对应。

目前，要插入这些数据，我正在使用代码：

plot(interpn(lat(100:130),lon(100:130),no2(100:130,100:130,1,12),lat,lon,'三次插值'))

目前，要插入此数据，我正在使用以下代码尝试仅使用两个轴上位置 100 到 130 的网格中的数据来插入整个图形。

我目前的结果如下图：

我更愿意产生类似于这个数字的东西，这是正确情节的实际地图

我有两个严肃的问题：

1. 我选择的数据正确吗？可能不是，所以如果不是，我将如何仅指定所有网格数据中的 100->130 并从中进行插值？
2. 如何进行插值以产生类似的结果？我是否为此目的使用了错误的命令？

谢谢！