Question

以下代码用于使用gstat包在R中使用kriging方法预测三个位置的v值。

library(gstat);
library(sp);
walk470 <- read.table("D:/kriging/walk470.txt",header=T)
attach(walk470)
coordinates(walk470) = ~x+y
walk.var1 <- variogram(v ~ x+y,data=walk470,width=10)
plot(walk.var1,xlab="Distance",ylab="Semivariance",main="Variogram for V, Lag Spacing = 5")
model1.out <- fit.variogram(walk.var1,vgm(70000,"Sph",40,20000))
plot(walk.var1, model=model1.out,xlab="Distance",ylab="Semivariance",main="Variogram for V, Lag Spacing = 10")
predpts <- matrix(c(60,190,225,50,110,185),ncol=2,byrow=T)
predpts.g <- data.frame(x=predpts[,1],y=predpts[,2])
coordinates(predpts.g) <- ~x+y
g <- gstat(NULL,"new.v",v~1,data=walk470,model=model1.out)
three.pred <- predict(g,predpts.g)
print(three.pred)

我想知道为什么拟合变差函数模型，我们需要事先使用vgm（）方法提供sill，nugget和range值。根据克里金理论，我认为我们必须通过最小化WLS目标函数来计算这些值。

〜此致 CHANDAN

Answer 1

由于您的一个参数是球形变差函数模型的范围，因此WLS解决的优化问题是非线性的。非线性优化通常需要初始值（例如?optim），这就是您传递给初始vgm调用的内容。传递的实际值也有些重要：如果它远远超出一系列合理的值（几乎为零或非常大），则拟合将不会成功。

如果您只适合窗台和金块（将fit.ranges=TRUE传递给fit.variogram），问题将是线性的，原则上可以在没有初始值的情况下完成。在这种情况下，远离数据范围的任意值仍然有效。

变形图适合使用R中的gstat包

1 个答案: