rasterad值的克里格预测[r]
我正在尝试对光栅单元格中的NA值进行克里格预测。我想用某种形式的空间预测输入光栅单元的NA值,最好是克里格法 然而,我有点不确定如何继续。我知道克里格预测。然而,它通常是用坐标来完成的,这些坐标被插值到一些光栅网格中。但是,在我的例子中,我在开始时没有坐标,而是要预测的光栅单元值。即使在这种情况下,克里格方法仍然有效吗 下面是一些可以预测的例子:rasterad值的克里格预测[r],r,maps,raster,sf,kriging,R,Maps,Raster,Sf,Kriging,我正在尝试对光栅单元格中的NA值进行克里格预测。我想用某种形式的空间预测输入光栅单元的NA值,最好是克里格法 然而,我有点不确定如何继续。我知道克里格预测。然而,它通常是用坐标来完成的,这些坐标被插值到一些光栅网格中。但是,在我的例子中,我在开始时没有坐标,而是要预测的光栅单元值。即使在这种情况下,克里格方法仍然有效吗 下面是一些可以预测的例子: library(tidyverse) library(sf) library(raster) # get data. using your exam
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