Documente Academic
Documente Profesional
Documente Cultură
Vue
Variogrammes R et Krigeage
d'ensemble
Contenu R fournit des fonctions pour créer des variogrammes et créer des surfaces
(rasters) à l'aide de Kriging.
Référence
Ces exemples utilisent les ensembles de données suivants:
Ressources
Aléatoire: valeurs aléatoires
Gradient: les valeurs forment un gradient d'ouest en est (de gauche à droite)
Sinus: les valeurs sont basées sur une onde sinusoïdale le long d'une diagonale
du sud-ouest au nord-est (en bas à gauche en haut à droite)
Ceux-ci ont été créés dans Excel par les étapes suivantes:
1. Créez une colonne "x" et "y" et indiquez-leur des valeurs comprises entre 1 et
1000. Celles-ci simuleront les coordonnées
2. Créer une colonne "m_grad" pour simuler un dégradé et lui donner la même
valeur que la colonne "x"
3. Créer une colonne "m_rand" et en faire une variable aléatoire
4. Créer une colonne "m_grad_rand" et la rendre égale aux valeurs de colonne
aléatoires plus les valeurs de colonne en dégradé
5. Créez une colonne "m_sine" et définissez-la sur le sinus de la colonne x fois la
colonne y après la mise à l'échelle des colonnes pour passer de 0 à 2 PI ou:
1. m_sine = sinus ((x / 1000 * 2 * PI) * (y / 1000) * 2 * PI))
2. Code Excel: = NAS (A2 / 1000 * 2 * PI () + B2 / 1000 * 2 * PI ())
Données aléatoires
Le problème, c’est que nous voulons voir les valeurs et leur emplacement. Pour
cela, nous allons commencer par utiliser la bibliothèque "sp" pour convertir
d’abord les colonnes "x" et "y" en coordonnées, puis créer un graphique à bulles
pour tracer les valeurs aléatoires.
# charge la bibliothèque de
bibliothèque sp (sp)
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 1/8
02/09/2019 R for Spatial Scientists
Ensuite, nous allons créer un variogramme simple. Cela "rassemble" les données
ensemble en divisant les distances entre chacun des points sur la base d'une taille
de "décalage" entre les distances. Exécutez le code suivant et affichez le résultat.
Entrez le nom du variogramme dans R et vous verrez un tableau avec les valeurs
suivantes:
TheVariogramModel <- vgm (psill = 0,15, modèle = "Gau", nugget = 0,0001, plage = 5)
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 2/8
02/09/2019 R for Spatial Scientists
Notez que pour les données aléatoires, l'auto-corrélation est très faible, la plage
est donc très petite et nous atteignons rapidement le seuil.
Pente
Pour cet exemple, utilisez les données de dégradé et voyez en quoi les tracés sont
différents.
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 3/8
02/09/2019 R for Spatial Scientists
Notez que pour les données de gradient, nous avons une très longue portée et
nous n’atteignons jamais un seuil.
Note: The values for the psill and range look appropriate to me (use the means).
I'm not sure where the nugget is (it should be about 0) and there is minimal
documentation on the output for R functions - a great extra credit opportunity!
Sine Function
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 4/8
02/09/2019 R for Spatial Scientists
This shows that there is autocorrelation in the "sine" data but the graph also
shows a strong trend in the autocorrelation from the north-west to the south-east.
This is referred to as "anisotropic" (not the same in all directions).
Anisotropy
## the original data had a large north-south trend, check with a variogram map
plot(TheVariogram, threshold=10)
This plot shows there is a stronger autocorrelation between the values along the
north-east to south-west axis than in the other directions.
# Create directional variograms at 0, 45, 90, 135 degrees from north (y-axis)
TheVariogram <- variogram(TheGStat, alpha=c(0,45,90,135))
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 5/8
02/09/2019 R for Spatial Scientists
## plot results:
plot(TheVariogram, model=FittedModel, as.table=TRUE)
Notice that there is autocorrelation in all the directions except 135 degrees or
where you can follow a line where all the values are the same.
Continuing from the previous section, we'll want to update out "gstat" object.
Use the code below and modify it as needed to create a "grid" (raster) to hold the
Kriged surface.
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 6/8
02/09/2019 R for Spatial Scientists
Finally, we can perform Kriging on the data and plot the results.
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 7/8
02/09/2019 R for Spatial Scientists
Modifying Variograms
You can modify the location of the lags with the "boundaries" parameter:
boundaries=c(0,1,2,3,4,5,6,7,8,9)
Acknowledgements
This section was partially based on information from University of Florida Statistics
Department
Other Resources
gstat Package
Colorado State University, Oregon State University, and Humboldt State University.
gsp.humboldt.edu/OLM/R/04_01_Variograms.html 8/8