r - 具有异质测量误差的 Gstat 预测

Question

我在 X 和 Y 的非均匀网格上对变量 Z 进行了一组测量。对于每个 Z 值，我都有一个平均值加上测量的方差。也就是说，我有一个数据集 (Zmean_i,Zvariance_i,X_i,Y_i) i=1..N。换句话说，变量 Z 的某些估计值比其他估计值更可靠，并且这种不确定性在 Zvariance 中被量化。如果我只考虑平均 Z 值，那么在新数据网格 (GridXY) 上预测 Z 值的过程就很清楚了（SP 是以 X 和 Y 作为坐标，Zmean 作为值的空间数据框）

v <- autofitVariogram(Zmean~X+Y,SP) Zpredicted <- krige(Zmean~X+Y,SP,GridXY,model=v$var_model)

使用 gstat 包时，如何在拟合变异函数模型和进行预测时考虑每个 Z 值（Zvariance）的方差？

标签： rkriginggstat

Answer 1

autofitVariogram没有包含测量误差的参数。最好的解决方案是自己在 R 中编写克里金方程。

或者，您可以使用DiceKriging具有包含测量误差的参数的 R 包。请参阅函数noisy.var中的参数km。您还可以通过手动将测量误差添加到协方差矩阵的对角线来查看krige0函数并修改其内部结构。

有关该理论，请参见Delhomme (1978)的论文或Chiles 和 Delfiner 的 Geostatistics 书籍。