第一个帖子在这里:)真的是简单的粗体问题。我想使用1997年至2012年智利圣地亚哥的8个静态站点的PM10每日数据进行克里金法绘制为34个质心，这些质心绘制了不同的县。我会用一些中间的问题来解释我到目前为止所做的事情。我仅使用2008年（丢失值较少的数据）作为第一个实验。
说明：
数据：我有一个列，其日期为1997年至2012年，另外8列为PM10站数据。我将此数据导入到R中，并确定了时间：
time <-as.POSIXlt(data$date)，没有错误：
“ 1997-04-05 UTC 1997-04-12 UTC .... 2012-12-27 UTC”
我使用坐标导入了测站并建立了投影。
coordinates(stations)=~longitud+latitud
proj4string(stations) <- CRS("+proj=longlat + ellps=WGS84")
为了创建STFDF，我首先用8个站构建了数据矢量PM10，顺序为：
PM10<-as.vector(cbind(data $PM10bosque,data $PM10cerrillos,data $PM10cerronavia,data $PM10condes,data $PM10florida,data $PM10independencia,data $PM10parqueoh,data $PM10pudahuel))
PM10<-data.frame(PM10)
DFPM=STFDF(stations, time, PM10)
DFPM<-as(DFPM,"STSDF")
，最后一行，因为我正在处理丢失的数据。然后，使用以下方法完成估计的方差图及其建模（我知道这很差）：
varPM10 <- variogramST(PM10~1,data=DFPM,tunit="days",assumeRegular=F,na.omit=T)
sepVgm <- vgmST("separable",space=vgm(0,"Exp", 8, 700),time =vgm(200,"Exp", 15, 700), sill=100)
sepVgm <- fit.StVariogram(varPM10, sepVgm)
这将导致： Variograms
然后我以这种方式使用KrigeST：
gridPM10 <-STF(centroids,time) (centroids defined previously the same way as stations)
krigedPM10<-krigeST(PM10~1, DFPM, newdata=gridPM10,modelList=sepVgm)
对该站点县质心绘制一个站点数据和kriged数据的结果是：
Kriging result for Cerillos county and its station data
似乎是根据一组日期对时间窗口进行估算。 第一个问题：有人知道为什么这种kriging具有这种形状吗？
然后我想知道如果我仅使用距离作为预测变量，那么我会进行编码：
varPM10 <- variogramST(PM10~1,data=DFPM,tunit="days", tlags=0:0, assumeRegular=F,na.omit=T)
第二个问题：这是尝试仅作为预测变量的一种合理方法吗？如果没有，关于如何调整我的代码的任何建议我将非常感激。无论如何，这是结果：
使用sepVgm <- vgmST("separable",space=vgm(1,"Per", 8, 700),time =vgm(200,"Exp", 15, 700), sill=100)
顺便说一句，你们会如何适应呢？
，那么输出确实让我感到惊讶： Kriging result with tlags=0:0
第三个问题：为什么我得到这个结果？我知道方差图建模很差，但是即使那是真的，我也知道程序应该使用相应日期的站点数据，因此至少应该随时间变化。
