这个问题可能与我对克里金法的不了解有关 - 是否有可能在单个空间位置计算kriged值?据我了解,典型的克里金方法使用嵌入在稀疏数据中的空间相关性来在具有与数据相同的空间范围的规则网格上的所有点处内插值。我想知道的是,我是否可以在特定点(可能不在网格上)进行插值。例如,下面的代码对meuse数据中的铜浓度进行克里金法,并覆盖默兹地图上的值。我想知道如何在地图中心附近的Maasband"处计算kriged值。
感谢。
# transform meuse data to SpatialPointsDataFrame
suppressMessages(library(sp))
data(meuse)
coordinates(meuse) <- ~ x + y
proj4string(meuse) <- CRS("+proj=stere
+lat_0=52.15616055555555 +lon_0=5.38763888888889
+k=0.999908 +x_0=155000 +y_0=463000
+ellps=bessel +units=m +no_defs
+towgs84=565.2369,50.0087,465.658,
-0.406857330322398,0.350732676542563,-1.8703473836068, 4.0812")
# define a regular grid for kriging
xrange <- range(as.integer(meuse@coords[, 1])) + c(0,1)
yrange <- range(as.integer(meuse@coords[, 2]))
grid <- expand.grid(x = seq(xrange[1], xrange[2], by = 40),
y = seq(yrange[1], yrange[2], by = 40))
coordinates(grid) <- ~ x + y
gridded(grid) <- T
# do kriging
suppressMessages(library(automap))
krg <- autoKrige(formula = copper ~ 1,
input_data = meuse,
new_data = grid)
# extract kriged data
krg_df <- data.frame(krg$krige_output@coords,
pred = krg$krige_output@data$var1.pred)
# transform to SpatialPointsDF & assign original (meuse) projection
krg_spdf <- krg_df
coordinates(krg_spdf) <- ~ x + y
proj4string(krg_spdf) <- proj4string(meuse)
# transform again to longlat coordinates (for overlaying on google map below)
krg_spdf <- spTransform(krg_spdf, CRS("+init=epsg:4326"))
krg_df <- data.frame(krg_spdf@coords, pred = krg_spdf@data$pred)
# get meuse map and overlay kriged data
suppressMessages(library(ggmap))
suppressMessages(library(RColorBrewer))
lon <- range(krg_df$x)
lat <- range(krg_df$y)
meuse_map <- get_map(location = c(lon = mean(lon), lat = mean(lat)),
zoom = 13)
print(ggmap(meuse_map, extent = "normal", maprange = F) +
stat_summary_2d(aes(x = x, y = y, z = pred),
binwidth = c(0.001,0.001),
alpha = 0.5,
data = krg_df) +
scale_fill_gradientn(name = "Copper",
colours = brewer.pal(6, "YlOrRd")) +
coord_cartesian(xlim = lon, ylim = lat, expand = 0) +
theme(aspect.ratio = 1))
# geocode for Maasband
longlat <- as.numeric(geocode("Maasband"))
x0 <- longlat[1]
y0 <- longlat[2]
答案 0 :(得分:1)
你可以预测单个点,并且该点可以在训练网格之外,但从统计上来说它是不正确的,如果你走得太远,你只会获得平均值。
预测训练点外的例子(新数据):
ggplot2