通过使用R版本3.4.2和库" geoR",我为不同的变量做了kriging插值(下面我给出了我的过程的一个例子)。我还制作了一个矩阵,其中305个树的坐标具有不同的标记(物种,DBH,高度),这些标记位于插入的相同空间内,如附图所示(https://imgur.com/SLQBnZH)。我一直在寻找从每个树的每个变量中提取最接近值的方法,并将相应的值保存在data.frame或matrix中,但还没有成功,我找不到具体答案。
我一直在关注的一件事是尝试将Kriging结果转换为Raster(.tif)并从那里开始。但Kriging插值是由矢量数据构成的,所以它甚至可以实现吗?
我很乐意接受任何形式的帮助,提前谢谢你!
P.S。我这样做是为了后来我可以使用数据进行空间点模式分析。
#Kriging####:
PG<-read.csv("PGF.csv", header=T, stringsAsFactors=FALSE)
library("geoR")
x<-(PG$x)
y<-(PG$y)
#Grid
loci<-expand.grid(x=seq(-5, 65, length=100), y=seq(-5, 85, length=100))
names(loci)<-c("x", "y")
mix<-cbind(rep(1,10000), loci$x, loci$y, loci$x*loci$y)
#Model
pH1.mod<-lm(pH1~y*x, data=PG, x=T)
pH1.kg<-cbind(pH1.mod$x[,3], pH1.mod$x[,2], pH1.mod$residuals)
#Transform to geographic data
pH1.geo<-as.geodata(pH1.kg)
#Variogram
pH1.vario<-variog(pH1.geo, max.dist=35)
pH1.vario.mod<-eyefit(pH1.vario)
#Cross validation
pH1.valcruz<-xvalid(pH1.geo, model=pH1.vario.mod)
#Kriging
pH1.krig<-krige.conv(pH1.geo, loc=loci, krige=krige.control(obj.model=pH1.vario.mod[[1]]))
#Predictive model
pH1a.yhat<-mix %*% pH1.mod$coefficients + pH1.krig$predict
#Exchange Kriging prediction values
pH1.krig$predict<-pH1.yhat
#Image
image(pH1.krig2)
contour(pH1.krig2, add=TRUE)
#Tree matrix####:
CoA<-read.csv("CoAr.csv", header=T)
#Data
xa<-(CoA$X)
ya<-(CoA$Y)
points(xa,ya, col=4)
TreeDF<-(cbind.data.frame(xa, ya, CoA$Species, CoA$DBH, CoA$Height, stringsAsFactors = TRUE))
m<-(cbind(xa, ya, 1:305))
as.matrix(m)
我尝试使用以下代码通过与预测值的最小距离找到空间中的点(树[1:305])的值,(我建议不要运行它,因为它需要太长时间):
for(i in 1:2){print(c(2:10000)[as.matrix(dist(rbind(m[i,], as.matrix(pH1.krig2$predict))))[i,2:10000]==min(as.matrix(dist(rbind(m[i,],as.matrix(pH1.krig2$predict))))[i,2:10000])])}
答案 0 :(得分:0)
在以下链接中,aldo_tapia的回答是此问题所需的方法。谢谢大家! https://gis.stackexchange.com/questions/284698/how-to-extract-specific-values-with-point-coordinates-from-kriging-interpolation
流程如下:
使用raster包中的extract()函数:
library(raster)
r <- SpatialPointsDataFrame(loci, data.frame(predict = pH1.krig$predict))
gridded(r) <- T
r <- as(r,'RasterLayer')
pts <- SpatialPointsDataFrame(CoA[,c('X','Y')],CoA)
pH1.arb <-extract(r, pts)
对此我只是通过cbind将值添加到树数据框中,因为它们是有序的。
COA2<-cbind(CoA, pH1val=pH1.arb)
我会为每个变量重复这个过程。