Прогноз Gstat с неоднородными ошибками измерения

У меня есть набор измерений для переменной Z по неравномерной сетке по X и Y. Для каждого значения Z у меня есть среднее значение плюс дисперсия измерения. То есть у меня есть набор данных (Zmean_i,Zvariance_i,X_i,Y_i) i=1..N. Другими словами, некоторые оценки переменной Z более надежны, чем другие, и эта неопределенность количественно выражается в Zдисперсии. Если я приму во внимание только среднее значение Z, процесс прогнозирования значений Z в новой сетке данных (GridXY) ясен (SP — это фрейм пространственных данных с X и Y в качестве координат и Zmean в качестве значений)

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

При использовании пакета gstat, как мне учесть дисперсию каждого значения Z (Zvariance) как при подгонке модели вариограммы, так и при составлении прогнозов?


r kriging gstat
person alberto torre    schedule 15.05.2020    source источник

Ответы (1)


arrow_upward
0
arrow_downward

autofitVariogram не имеет аргумента для включения ошибки измерения. Лучшее решение — написать уравнения кригинга на языке R самостоятельно.

В качестве альтернативы вы можете использовать пакет DiceKriging R, у которого есть аргумент для включения ошибки измерения. См. аргумент noisy.var в функции km. Вы также можете посмотреть на функцию krige0 и изменить ее внутреннюю структуру, добавив вручную ошибку измерения к диагонали ковариационной матрицы.

Теорию см. в статье Delhomme (1978) или в книге Geostatistics. Чайлза и Дельфинера.

person Alexandre Wadoux    schedule 19.05.2020