有人能帮助我理解为什么我从自动和手动克立格中得到如此不同的结果吗?我看到这两种算法使用的是不同的变异函数模型,但这是所有差异的唯一原因吗?我也对这样一个事实感到不舒服,即autokrige在没有数据的位置预测了更高的值,例如网格的左下角和右下角。它是否与通过指数将(日志转换的)克里格输出转换回来有关?此外,两种方法预测的值都远低于数据。# extract kriged data
#
我有一个每日观察的数据框架,我想插值一下。我每天都使用自动生成一个变异函数,然后应用于新的数据。我尝试运行一个循环,并将结果放入一个新的dataframe中。不幸的是,带有结果的数据框架只包含最后预测的一天。nrow=50,ncol=10)) #new data frame for predicted valeus
kriging_new <- autoKrigeNULL or having a negative sill/range/nugget,
我对R相当陌生,我正在尝试对温度测量进行插值,这是从荷兰各地不同的观测站收集的。我有35个测站的数据,每10分钟测量一次,时间约为两周。因此,我认为最好做一个循环来处理这个问题。为了做到这一点,我使用了automap包中的Autokrige函数,接下来我使用了自动程序包中的compare.cv函数,以便对所有时间戳中最重要的统计数据进行概述。0.25, 0.75), na.rm = na.rm, :
missing values and NaN's not allowed if 'na.rm' is F