如何从 R 中的 Kriging 插值中提取具有点坐标的特定值?

How to extract specific values with point coordinates from Kriging interpolations made in R?

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的一个例子)。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,这些标记在相同的 space 内用于插值,如所附图像 (https://imgur.com/SLQBnZH) 所示。我一直在寻找方法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,但没有成功,我找不到具体的答案.

我一直在关注的一件事是尝试将克里金法结果转换为栅格 (.tif) 并从那里继续。但是克里格插值是由矢量数据组成的,所以它甚至可能吗?

我很乐意收到任何形式的帮助,在此先感谢您!

P.S。我这样做是为了以后可以使用这些数据进行空间点模式分析。

#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找到space(树[1:305])中的一个点的值,(我建议不要运行这是因为它花费的时间太长):

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])])}

下面link aldo_tapia的回答就是这个问题需要的方法。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:

使用光栅包中的 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)

我会为每个变量重复这个过程。