在 R 中的栅格 类 内自定义反距离预测
Customize inverse distance predictions within raster classes in R
我想修改以下代码，以便对于超出定义的最大距离的所有值，我可以使用属于同一土壤顺序类别的点的平均值。有什么建议吗？
# load packages and data
library(gstat)
library(raster)
data(meuse)
data(meuse.grid)
##################
meuse <- meuse[110:155,]
meuse <- na.omit(meuse)
coordinates(meuse) <- ~x+y
coordinates(meuse.grid) <- ~x+y
gridded(meuse.grid) <- TRUE
spplot(meuse.grid[4], main="soil class")
# inverse distance prediction for maximum distance of 2km.
ca.idw = idw(cadmium ~ 1, meuse, meuse.grid, omax =5, maxdist = 2000)
一种方法是将土壤类别添加为（因子）预测变量，并使用普通克里金法和达到基台的变差函数模型（如球形模型）和小范围
ca.ok = krige(cadmium ~ soil, meuse, meuse.grid, vgm(1, "Sph", 100))
给出：
另一种方法是对每个土壤类别进行单独的普通克里金法。不同的是，前者模型跨边界插值考虑了残差（残差插值是全局的，忽略边界），后者则没有。
我想修改以下代码，以便对于超出定义的最大距离的所有值，我可以使用属于同一土壤顺序类别的点的平均值。有什么建议吗？
# load packages and data
library(gstat)
library(raster)
data(meuse)
data(meuse.grid)
##################
meuse <- meuse[110:155,]
meuse <- na.omit(meuse)
coordinates(meuse) <- ~x+y
coordinates(meuse.grid) <- ~x+y
gridded(meuse.grid) <- TRUE
spplot(meuse.grid[4], main="soil class")
# inverse distance prediction for maximum distance of 2km.
ca.idw = idw(cadmium ~ 1, meuse, meuse.grid, omax =5, maxdist = 2000)
一种方法是将土壤类别添加为（因子）预测变量，并使用普通克里金法和达到基台的变差函数模型（如球形模型）和小范围
ca.ok = krige(cadmium ~ soil, meuse, meuse.grid, vgm(1, "Sph", 100))
给出：
另一种方法是对每个土壤类别进行单独的普通克里金法。不同的是，前者模型跨边界插值考虑了残差（残差插值是全局的，忽略边界），后者则没有。