在R中进行Kriging之前应该绘制哪些变异函数图？

Question

我有一个名为seoul3112的csv文件，其中包含PM10浓度。 请下载。 我试图绘制样本变异函数并在其上拟合模型。

library(sp)
    library(gstat)
    library(rgdal)
    seoul3112<-read.csv("seoul3112.csv",row.name=1)
    seoul3112<-na.omit(seoul3112)

＃分配CRS并重新投影

coordinates(seoul3112)=~LON+LAT
proj4string(seoul3112) =  "+proj=longlat +datum=WGS84" 
seoul3112<-spTransform(seoul3112, CRS("+proj=utm +north +zone=52 +datum=WGS84"))

#plot半变异函数

g<-gstat(id="PM10",formula=PM10~LON+LAT, data=seoul3112)
seoul3112.var<-variogram(g, cutoff=70000, width=6000)
seoul3112.var
plot(seoul3112.var, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Omnidirectional Variogram for seoul 3112")

＃适合模型

model.3112<- fit.variogram(seoul3112.var,vgm(700,"Gau",40000,400),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")

编写完这些代码后，我得到了一个半变异函数。

由于我是地统计学的新手，所以我很困惑我上面的变异函数对我的数据集是否可行。 因为在典型的方差图中，半方差值在门槛处变为水平。 但是这个变异函数会上升！ 我应该在代码中进行一些更正吗？

另一件事是，实际上我的最终目标是在数据集上进行kriging插值（seoul3112）。我不明白，对于进行kriging而言，此样本方差图就足够了还是应该绘制方向方差图或其他任何东西？ 有人可以详细解释吗？

Answer 1

如果你看看你的拟合模型，它将有一个sill参数（即nugget + psill ），但它是超越你的样品的程度。

 sill = sum(model.3112$psill)

您可能没有足够的点对距离来达到sill的range 。 我不认为这不是问题，只要您使用此半变异函数来预测数据的空间域+ 60000 m（具有数据支持的距离）即可。 我之所以采取这一立场，是因为半变异函数要拟合的最重要部分是开始，并且在数据范围内，拟合良好。

需要检查的是，您有多少对点（ np ）支持绘制的bins （越多的点对越好）。

另一个建议是使用水平图寻找各向异性

seoul3112.var_map<-variogram(g, cutoff=70000, width=6000, map=TRUE)
plot(seoul3112.var_map, col.regions=terrain.colors(20))

或通过设置alpha并绘制模型拟合来从多个方向查看拟合。 您只需检查180度，因为它是对称的（您可以在下图中看到0度和180度相同）。

seoul3112.var_angles<-variogram(g, cutoff=70000, width=6000, alpha=seq(0,180,30))
plot(seoul3112.var_angles, model=model.3112, pch=16, ylim=c(0,3000))

如果有差异定向，则可以使用模拟各向异性的长轴和短轴fit.variogram与anis的定义vgm()模型。 例：

vgm(700,"Gau",40000,400, anis=c(someangle, someratio))