Mehr

Beispiel für einfaches Kriging mit unterschiedlichen lokalen Mittelwerten in R

Beispiel für einfaches Kriging mit unterschiedlichen lokalen Mittelwerten in R


Ich suche nach einem Beispiel, wie man einfaches Kriging mit unterschiedlichen lokalen Mitteln in R verwendet.

Ich habe google versucht, ein paar Bücher (zB Aplied Spatial Data Analysis with R) und ich habe fast nichts gefunden. Das einzig nützliche, was ich gefunden habe, ist die Abbildung 2.1 auf Seite 13 des Gstat-Benutzerhandbuchs (http://www.gstat.org/gstat.pdf).

Könnte jemand ein Beispiel für einfaches Kriging mit unterschiedlichen lokalen Mitteln in R geben?


Hier ist ein R-Beispiel, das dem Beispiel in dem Handbuch entspricht, auf das Sie verweisen:

> library(sp) > demo(meuse, ask=FALSE, echo=FALSE) > coef = lm(log(zink)~sqrt(dist), meuse)$coef > coef (Intercept) sqrt(dist) 6.994379 -2.549200 > library(gstat) > k = krige(log(zinc)~sqrt(dist), meuse, meuse.grid, vgm(.6, "Sph", 900), beta = coef) [mit einfachem Kriging]

Im Kriging-Schritt wird davon ausgegangen, dass der Trendwert bekannt ist, der Kriging-Fehler bezieht sich nur auf die Vorhersage des Residuums und beinhaltet nicht den Schätzfehler für die Trendkoeffizienten, wie Sie beim universellen Kriging erhalten würden:

> k = krige(log(zink)~sqrt(dist), meuse, meuse.grid, vgm(.6, "Sph", 900)) [mit universellem Kriging]

wobei der Trend als Teil des Kriging geschätzt wird (durch verallgemeinerte kleinste Quadrate).


Schau das Video: IDW R