带有 autoKrige() 的 R 通用克里金法

Question

我正在尝试使用 automap 包中的 autoKrige() 函数来简单应用通用克里金法。我有一个不规则间隔的测量网格，我想在它们之间进行精细空间尺度的插值。示例代码：

    library('automap')

    # create an irregularly spaced grid
    y <-x <-c(-5,-4,-2,-1,-0.5,0,0.5,1,2,4,5)
    grid <-expand.grid(x,y)
    names(grid) <-c('x', 'y')

    # create some measurements, greatest in the centre, with some noise
    vals <-apply(grid,1, function(x) {12/(0.1+sqrt(x[1]^2 + x[2]^2))+rnorm(1,2,1.5)})

    # get data into sp format
    s <-SpatialPointsDataFrame(grid, data.frame(vals))

    # make some prediction locations and get them into sp format
    pred <-expand.grid(seq(-5,5,by=0.5), seq(-5,5,by=0.5))
    pred <-cbind(pred[,1], pred[,2])    # this seems to be needed, not sure why
    pred <-SpatialPoints(pred)

    # try universal kriging
    surf <-autoKrige(vals~x+y, s, new_data=pred)

这会导致错误：

    Error in gstat.formula.predict(d$formula, newdata, na.action = na.action,  : 
      NROW(locs) != NROW(X): this should not occur

我试过让new_data和原始数据有相同的行数，甚至试过让new_data中的坐标和原始数据完全一样，但是我仍然出现此错误。我是地统计学技术的新手，如果我犯了一个基本错误，我深表歉意。谁能告诉我哪里出错了？谢谢

Answer 1

问题是 autoKrige 函数的语法错误。 autoKrige 的公式输入指定您要使用的线性模型，例如：

log(zinc) ~ dist

来自 meuse 数据集。在这种情况下，您使用线性模型对 log(zinc) 与 dist 进行建模，并使用变差函数对该模型的残差进行插值。本质上，通用克里金法是具有空间相关残差的线性回归。

在您的情况下，您指定：

val ~ x+y

so autoKrige（gstat 实际上）将尝试首先对 vals 与 x 和 y（多元回归）的线性模型进行建模，然后对残差进行插值使用变异函数模型。但是，x 和 y 变量不在 SpatialPointsDataFrame 中。

我认为您想做的是仅使用变差函数模型进行空间插值。那样的话，线性模型就很简单了，其实只是拟合一个平均值：

vals ~ 1

其中确定了 vals 的平均值，并使用变差函数模型对残差进行插值。这实际上称为普通克里金法。您对 autoKrige 的调用类似于：

surf <-autoKrige(vals ~ 1, s, new_data=pred)

带有 autoKrige() 的 R 通用克里金法

R universal kriging with autoKrige()

r

spatial

automap

kriging