具有异质测量误差的Gstat预测

Question

我在X和Y中的非均匀网格上有一组变量Z的测量值。对于每个Z值，我有一个平均值加上测量值的方差。也就是说，我有一个数据集(Zmean_i，Zvariance_i，X_i，Y_i)方差。换句话说，变量Z的一些估计比其他估计更可靠，这种不确定性以Z i=1..N表示。如果我只考虑Z值的平均值，那么在一个新的数据网格(GridXY)上预测Z值的过程就很清楚了(SP是空间数据框，X和Y是坐标，Z均值是值)

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

当使用gstat包时，我如何在拟合变差函数模型和进行预测时考虑每个Z值的方差(Z方差)？

Answer 1

autofitVariogram没有包含测量误差的参数。最好的解决方案是自己用R写克里格方程。

或者，您可以使用DiceKriging R包，该包具有包含测量误差的参数。请参见km函数中的参数noisy.var。您还可以查看krige0函数，并通过手动将测量误差添加到协方差矩阵的对角线来修改其内部结构。

有关该理论，请参阅Delhomme (1978)的论文或Chiles and Delfiner的地统计学书籍。