如何在R中使用gstat拟合半变异函数模型？

Question

我有一个csv文件文件包含3月1日下午12点的大气PM10浓度数据。please, download.我想在R中使用gstat包绘制一个半变异函数。我试着在R中编写这些代码但是有了这些数据，我不能适应模型。

    library(sp)
    library(gstat)

    seoul3112<-read.csv("seoul3112.csv")
    seoul3112<-na.omit(seoul3112)

    g<-gstat(id="PM10",formula=PM10~LON+LAT,location=~LON+LAT,
             data=seoul3112)
    seoul3112.var<-variogram(g,width=0.04,cutoff=0.6)
    seoul3112.var
    plot(seoul3112.var, col="black", pch=16,cex=1.3,
         xlab="Distance",ylab="Semivariance",
         main="Omnidirectional Variogram for seoul 3112")

model.3112<- fit.variogram(seoul3112.var,vgm(700,"Gau",0.5,200), fit.method = 2)
    plot(seoul3112.var,model=model.3112, col="black", pch=16,cex=1.3,
         xlab="Distance",ylab="Semivariance",
         main="Omnidirectional Variogram for seoul 3112")

其实我是R和统计学的初学者。所以，即使是变差函，我也很无知。我有一些疑问：

a）当我将数据绘制为半变异函数时，它看起来不同于典型的半变异函数！为什么会这样？我应该使用像转换这样的数据做任何其他事情吗？

b）如何使用此数据拟合模型？我尝试了不同的模型，例如＆＃34; Sph＆＃34;，＆＃34; Exp＆＃34;但它们看起来像线性的！为什么呢？

c）我怎样才能理解在vgm()函数中我应该使用的窗台，范围，金块的初始值是什么？

d）我如何理解该模型是否适合数据？

e）对于使用克里金法，我应该绘制什么样的半变异函数？只有全方位半变异函数？或者我应该绘制方向半变异函数？

f）我怎样才能解释半变异函数？我的意思是从半变异函数的数据中我能理解的是什么？

提前致谢。

Answer 1

你的坐标是纬度和经度，但你不告知gstat它们是。因此，gstat将假设它可以计算这些数字的欧几里德距离，这是没有意义的。

建议是在使用包SpatialPointsDataFrame将点转换为sp后学习如何使用gstat，然后学习如何投影数据，使欧几里德距离合理。

Answer 2

我将为您的代码相关问题提供答案。其余的问题（d，e和f）更多地与理论相关。

首先，在您的评论中，当您更改proj4string时，距离单位应该在图上更改。他们做了吗？根据你的评论，听起来似乎没有发生。

a）除了玩cutoff距离之外，还要注意在半变异函数上支持每个np的{​​{1}}（点对）。例如，使用您更新的bin信息，我尝试proj4string和cutoff=80（10个分区而不是15个分区）来查看半变异函数形状如何变化。在点对存在的情况下，从15到10个区间减少不会改变，只会增加每个width=80/10代表的距离。此外，这种方法不一定是您应该使用的方法，但它是如何更改平滑样本半变异图的一个示例（但更平滑并不意味着更好）。

b）使用您的代码，bin和"Sph"模型会返回"Exp"。该警告表明没有足够的数据来拟合球形和指数经验模型的某些参数。有关每个经验公式及其参数的指导，请参见gstat user manual。

例如，Warning: singular model in variogram fit函数可以用于眼睛拟合样本半变异函数。如果您对如何使用示例数据绘制vgm()模型感到困惑，请尝试使用

vgm()

您在调用eye_vgm = vgm(psill=1200,model="Gau",range=60,nugget=350) plot(seoul3112.var,model=eye_vgm, col="black", pch=16,cex=1.3) 时使用的是vgm()，只要您提供给fit.variogram()的参数合理（例如基于样本数据）和经验模型可以安装参数，vgm()会根据fit.variogram()找到合适的结果。