Кокригирование: невозможно сопоставить вариограмму с подсетевыми данными (ошибка вариабельности нулевого расстояния)
Я не могу получить fit.lmc функция gstat подгонять вариограммы, когда главные и вспомогательные переменные точно не связаны.
Например, с набором данных meuse, рассмотрим, что мы krige lead в качестве главной переменной с помощью copper измерения как вспомогательная переменная. Мы подмножество lead для моделирования более редких измерений и, следовательно, необходимости в кокринге с более плотным copper измерения:
library("gstat")
data("meuse")
coordinates(meuse) = ~x+y
g <- gstat(NULL, data=meuse[1:80,], formula=lead ~ 1) # subset
g <- gstat(g, data=meuse, formula=copper ~ 1)
v <- variogram(g)
plot(v) # see we have a zero distance semivariance dot in panel var2.var2
g <- fit.lmc(v=v, g, vgm("Sph")) # error because of this zero dist semivariance
Принимая во внимание, что, если никакое подмножество не сделано (несколько ограничивающий интерес к cokriging no?), Все работает отлично. Это потому, что, весьма подозрительно (для меня), точка нулевого расстояния на кросс-вариограмме не появляется:
g <- gstat(NULL, data=meuse, formula=lead ~ 1)
g <- gstat(g, data=meuse, formula=copper ~ 1)
v <- variogram(g)
plot(v) # no zero dist dot on var1.var2 panel
g <- fit.lmc(v=v, g, vgm("Sph")) # fit fine with default fit.method
Итак, мой вопрос (ы):
- как мы можем иметь больше точек на кросс-вариограмме, когда мы используем меньше данных?
- почему эта нулевая точка расхождения появляется только при подстановке данных?
- почему отсутствие нуля dist должно отсутствовать, когда нам нужно колокейшн в некоторых точках для кокрига?
Я надеюсь, что кто-то может указать, что мне здесь не хватает!