我使用geoR
包进行降雨量的空间插值。我必须告诉我,我对地质统计学还很陌生。感谢youtube中的一些视频教程,我理解(好吧,我认为是这样)变差函数背后的理论。根据我的理解,对的数量应随着滞后距离的增加而减少。例如,如果我们考虑100米长的拉伸(比如100米长的河床横截面),5米滞后的对数是20,10米滞后的对数是10,依此类推。但我对variog
包中的geoR
函数的输出感到困惑。下面给出一个例子
mydata
X Y a
[1,] 415720 432795 2.551415
[2,] 415513 432834 2.553177
[3,] 415325 432740 2.824652
[4,] 415356 432847 2.751844
[5,] 415374 432858 2.194091
[6,] 415426 432774 2.598897
[7,] 415395 432811 2.699066
[8,] 415626 432762 2.916368
这是我的数据集,a
是我的变量(降雨强度),x, y
是点的坐标。 varigram计算如下所示
geodata=as.geodata(data,header=TRUE)
variogram=variog(geodata,coords=geodata$coords,data=geodata$data)
variogram[1:3]
$u
[1] 46.01662 107.37212 138.04987 199.40537 291.43861 352.79411
$v
[1] 0.044636453 0.025991469 0.109742986 0.029081575 0.006289056 0.041963076
$n
[1] 3 8 3 3 3 2
,其中
你:一个有距离的矢量。
v:具有在u中给出的距离处的估计变差函数值的向量。
n:每个箱子中的对数
据此,对(n)的数量具有随机模式,而相应的滞后距离(u)增加。我发现很难理解这一点。任何人都可以解释发生了什么?此外,任何改进此应用的变异函数计算的建议/建议(降雨强度的空间插值)都受到高度赞赏,因为我是地质统计学的新手。提前谢谢。
答案 0 :(得分:1)
在100米的线性横断面上,在观测值之间有5米的规则间距,如果在5米滞后时有20对,那么在10米滞后时你将有19对。这个想法不适用于您的数据,因为它们是不规则分布的,并且它们分布在两个维度上。对于不规则分布的数据,对于非常短的距离,通常只有很少的点对。获得更好看的变异函数的建议是使用更大的数据集:地质统计学开始变得有趣,有30个观测值,而有趣的是超过100个观测值。