方差參數爲Krig ksline

Question

我有一個小的數據集的以mg位置和苯濃度/千克

WELL.ID X   Y  BENZENE 
1 MW-02 268.8155 282.83 0.00150 
2 IW-06 271.6961 377.01 0.00050 
3 IW-07 251.0236 300.41 0.01040 
4 IW-08 278.9238 300.37 0.03190 
5 MW-10 281.4008 414.15 2.04000 
6 MW-12 391.3973 449.40 0.01350 
7 MW-13 309.5307 335.55 0.01940 
8 MW-15 372.8967 370.04 0.01620 
9 MW-17 250.0000 428.04 0.01900 
10 MW-24 424.4025 295.69 0.00780 
11 MW-28 419.3205 250.00 0.00100 
12 MW-29 352.9197 277.27 0.00031 
13 MW-31 309.3174 370.92 0.17900 

和我試圖krig在網格（這些孔駐留在屬性中的值）像這樣

setwd("C:/.....") 
getwd() 

require(geoR) 
require(ggplot2) 


a <- read.table("krigbenz_loc.csv", sep = ",", header = TRUE) 
b <- data.matrix(a) 
c <- as.geodata(b) 

x.range <- as.integer(range(a[,2])) 
y.range <- as.integer(range(a[,3])) 
x = seq(from=x.range[1], to=x.range[2], by=1) 
y = seq(from=y.range[1], to=y.range[2], by=1) 
length(x) 
length(y) 
xv <- rep(x,length(y)) 
yv <- rep(y, each=length(x)) 
in_mat <- as.matrix(cbind(xv, yv)) 

這是當我

q <- ksline(c, cov.model="exp", cov.pars=c(10,3.33), nugget=0, locations=in_mat) 

啓動Krig然而，在看的時候這與

cbind(q$predict[1:10], q$krige.var[1:10]) 

輸出我看到

  [,1]  [,2] 
[1,] 343.8958 10.91698 
[2,] 343.8958 10.91698 
[3,] 343.8958 10.91698 
[4,] 343.8958 10.91698 
[5,] 343.8958 10.91698 
[6,] 343.8958 10.91698 
[7,] 343.8958 10.91698 
[8,] 343.8958 10.91698 
[9,] 343.8958 10.91698 
[10,] 343.8958 10.91698 

這些值不爲第5000行改變......（廣東話查看更多因爲max.print = 5000 ...不知道如何要麼改變這種但這是一個切..）

我意識到我的

cov.pars = c(10,3.33) 

是範圍和門檻，是PR可以問題的問題。

geoR.pdf，第19頁描述了cov.pars的期望值，但我不確定我應該如何確定這些協方差參數需要做什麼。

是否有一種方法可以從現有數據中找到適當的值，或者可以將這些值設置爲通用值，其輸出結果與ESRI ArcGIS空間分析軟件包中執行的克里金處理類似？

ZR

::::編輯:::

我的地理數據對象被不正確地轉換...... 這裏是爲了做到這一點

c <- as.geodata(b, coords.col = 2:3, data.col = 4,) 

也是正確的方法...對於變異函數，

v1 <- variog(c) 
length(v1$n) 
v1.summary <- cbind(c(1:11), v1$v, v1$n) 
colnames(v1.summary) <- c("lag", "semi-variance", "# of pairs") 
v1.summary 

Answer 1

一種方法是使用variofit函數（也在geoR包中）來估計協方差參數。例如，使用您的數據和初始值：

vario <- variog(c) # See other options here for binning, etc 
# Note that the order of the cov.pars is variance, then range, (see your question) 
fitted_model <- variofit(vario=vario, ini.cov.pars=c(10, 3.33), cov.model='exp') 
q <- ksline(c, cov.model=fitted_model$cov.model, cov.pars=fitted_model$cov.pars, 
      nugget=fitted_model$nugget, locations=in_mat) 

順便說一下，您值得花時間看variogram。