如何从 R 中的克里金插值中提取具有点坐标的特定值？答案

【问题标题】：How to extract specific values with point coordinates from Kriging interpolations made in R?如何从 R 中的克里金插值中提取具有点坐标的特定值？
【发布时间】：2018-11-08 17:02:52
【问题描述】：

通过使用 R 版本 3.4.2 和库“geoR”，我对不同的变量进行了克里金插值（下面我给出了我的过程示例）。我还制作了一个矩阵，其中包含 305 棵具有不同标记（物种、DBH、高度）的树的坐标，这些标记位于同一插值空间内，如附图所示 (https://imgur.com/SLQBnZH)。我一直在寻找从每棵树的每个变量中提取最接近的值并将相应的值保存在 data.frame 或矩阵中的方法，但没有成功，我也找不到具体的答案。

我一直在研究的一件事是尝试将克里金法结果转换为栅格 (.tif) 并从那里继续。但是克里金插值是由矢量数据制成的，那么它甚至可能吗？

我很乐意得到任何帮助，提前谢谢你！

附：我这样做是为了以后可以将数据用于空间点模式分析。

#Kriging####:
PG<-read.csv("PGF.csv", header=T, stringsAsFactors=FALSE)
library("geoR")
x<-(PG$x)
y<-(PG$y)

#Grid
loci<-expand.grid(x=seq(-5, 65, length=100), y=seq(-5, 85, length=100))
names(loci)<-c("x", "y")

mix<-cbind(rep(1,10000), loci$x, loci$y, loci$x*loci$y)

#Model
pH1.mod<-lm(pH1~y*x, data=PG, x=T)
pH1.kg<-cbind(pH1.mod$x[,3], pH1.mod$x[,2], pH1.mod$residuals)
#Transform to geographic data
pH1.geo<-as.geodata(pH1.kg)
#Variogram
pH1.vario<-variog(pH1.geo, max.dist=35)
pH1.vario.mod<-eyefit(pH1.vario)
#Cross validation
pH1.valcruz<-xvalid(pH1.geo, model=pH1.vario.mod)
#Kriging
pH1.krig<-krige.conv(pH1.geo, loc=loci, krige=krige.control(obj.model=pH1.vario.mod[[1]]))
#Predictive model
pH1a.yhat<-mix %*% pH1.mod$coefficients + pH1.krig$predict
#Exchange Kriging prediction values
pH1.krig$predict<-pH1.yhat
#Image
image(pH1.krig2)
contour(pH1.krig2, add=TRUE)

#Tree matrix####:

CoA<-read.csv("CoAr.csv", header=T)
#Data
xa<-(CoA$X)
ya<-(CoA$Y)
points(xa,ya, col=4)

TreeDF<-(cbind.data.frame(xa, ya, CoA$Species, CoA$DBH, CoA$Height, stringsAsFactors = TRUE))
m<-(cbind(xa, ya, 1:305)) 
as.matrix(m)

我尝试使用以下代码通过到预测值的最小距离来找到空间中一个点的值（树 [1:305]），（我建议不要运行它，因为它需要太长时间）：

for(i in 1:2){print(c(2:10000)[as.matrix(dist(rbind(m[i,], as.matrix(pH1.krig2$predict))))[i,2:10000]==min(as.matrix(dist(rbind(m[i,],as.matrix(pH1.krig2$predict))))[i,2:10000])])}

【问题讨论】：

标签： r geospatial kriging

【解决方案1】：

在以下链接中，aldo_tapia 的答案是解决此问题所需的方法。谢谢大家！ https://gis.stackexchange.com/questions/284698/how-to-extract-specific-values-with-point-coordinates-from-kriging-interpolation

流程如下：

使用光栅包中的 extract() 函数：

library(raster)

r <- SpatialPointsDataFrame(loci, data.frame(predict = pH1.krig$predict))
gridded(r) <- T
r <- as(r,'RasterLayer')

pts <- SpatialPointsDataFrame(CoA[,c('X','Y')],CoA)

pH1.arb <-extract(r, pts)

为此，我只是通过 cbind 将值添加到树数据框中，因为它们是有序的。

COA2<-cbind(CoA, pH1val=pH1.arb)

我会为每个变量重复这个过程。

【讨论】：