cokriging：无法将变异图与子集数据拟合（零距离半方差误差）

Question

当主变量和辅助变量未完全并置时，我无法获得fit.lmc的{​​{1}}函数来拟合方差图。

例如，对于 meuse 数据集，考虑我们将gstat克里格作为主要变量，并辅以lead个测量值作为辅助变量。我们将copper子集化，以模拟稀疏测量，因此，需要与更密集的lead测量进行协同克里格化：

copper

如果没有完成任何子集（某种程度上限制了协同克里格的兴趣，不是吗？），那么一切都很好。这是因为（对我而言）非常可疑，交叉半变异函数图中的零距离点没有出现：

library("gstat")
data("meuse")
coordinates(meuse) = ~x+y

g <- gstat(NULL, data=meuse[1:80,], formula=lead ~ 1) # subset
g <- gstat(g, data=meuse, formula=copper ~ 1)
v <- variogram(g)
plot(v) # see we have a zero distance semivariance dot in panel var2.var2
g <- fit.lmc(v=v, g, vgm("Sph")) # error because of this zero dist semivariance

所以我的问题是：

1. 当我们使用较少的数据时，如何在交叉半变异函数图中有更多点？
2. 为什么这个零距离点仅在对数据进行子集化时出现？
3. 当我们确实需要在某些位置进行共克里金法时，为什么不应该缺少零距离？

我希望有人能指出我在这里缺少的东西！