执行光栅单元值的空间预测[r]

执行光栅单元值的空间预测[r],r,maps,raster,kriging,R,Maps,Raster,Kriging,我有一个光栅网格,在网格中,我有一些感兴趣的值。但是,某些值可能会丢失,因为光栅单元中没有观测值,因此没有可使用的信息 我想问的是什么是一些方法,以及如何在R中实现它们来执行一些插值 我知道,当我有一些感兴趣的值和相关坐标时,就会执行基本克里格预测。然后,对光栅单元(栅格)执行预测 但是,是否可以首先使用光栅值,然后使用一些预测填充NAN library(tidyverse) library(sf) library(raster) # get data. using your example,

我有一个光栅网格,在网格中,我有一些感兴趣的值。但是,某些值可能会丢失,因为光栅单元中没有观测值,因此没有可使用的信息

我想问的是什么是一些方法,以及如何在R中实现它们来执行一些插值

我知道,当我有一些感兴趣的值和相关坐标时,就会执行基本克里格预测。然后,对光栅单元(栅格)执行预测

但是,是否可以首先使用光栅值,然后使用一些预测填充NAN

library(tidyverse)
library(sf)
library(raster)

# get data. using your example, we'll take spatial data from the raster package
Regions <- getData("GADM", country = "CZ", level = 0)

Regions <- 
  Regions %>% 
  st_as_sf()

grid_spacing <- 0.25

# Create a grid for the borber --------------------------------------------

polygony <- 
  st_make_grid(Regions, 
               square = T, 
               cellsize = c(grid_spacing, grid_spacing)) %>%
  st_sf()

grid <- st_intersection(polygony, Regions)

# Add Values to the grid --------------------------------------------------

grid <- 
  grid %>% 
  mutate(Value = rnorm(n = nrow(grid), 500, 50))

# Creating NAN values to be predicted -------------------------------------

grid[1:23, 'Value'] = NaN
grid[200:202, 'Value'] = NaN
grid[80:100, 'Value'] = NaN
grid[113:114, 'Value'] = NaN
grid[133:144, 'Value'] = NaN

# The NAN values here should be interpolated

grid %>% 
  ggplot(aes(fill = Value)) + 
  geom_sf()
库(tidyverse)
图书馆(sf)
图书馆(光栅)
#获取数据。使用您的示例,我们将从光栅包中获取空间数据
区域