[R-br] Predição lenta - Interpolação Kriging

[Luis Paulo Braga]

será que você está fazendo global kriging?
não vi no seus comandos um limite para número máximo de observações na
vizinhança.


Em 17 de junho de 2014 09:22, Thiago Cesar Lima Silveira <
thiagoclsilveira em yahoo.com.br> escreveu:

>
>
> Bom dia pessoal,
> Espero que possam me ajudar.
>
> Entro em contato para pedir uma ajuda em uma interpolação que estou
> tentando fazer.
> Já usei o mesmos comandos abaixo para realizar interpolações de variáveis
> de um lago por ordinary kriging com 240 pontos, sem problemas.
>
> Agora estou tentando interpolar a batimetria do lago, para tanto criei
> pontos no limite do lago com valor zero,  cerca de 1200 pontos.
> Usando a mesma metodologia, a predição “predict( )" para o grid passa de 3
> horas e não tive paciência para esperar mais, visto que as outras vezes que
> usei a predição para o grid demorou cerca de 2 minutos para 240 pontos
> interpolados.
> Imagino que a quantidade de pontos seja o problema.
>
> Alguém teria alguma sugestão de caminho que tivesse menos custo
> computacional, pois acho que a quantidade de pontos seja o problema.
>
> Agradeço desde já a atenção.
>
> Segue abaixo os comandos utilizados:
>
> >library(geoR)
> >library(raster)
> >library(gstat)
> >library(rgdal)
> >interpol_pcsand<-data_interpol[,c(1,2,6)]
>
> >coordinates(interpol_pcsand)<- ~long+lat
>
> #setting the CRS for the geospatial data, same as the mask and grid
> >projection(interpol_pcsand)<-'+proj=utm +zone=22 +south +ellps=aust_SA
> +units=m +no_defs '
>
> #search for duplicated coords
> >dup.coords(interpol_pcsand$coords)
>
> #Creating  a gstat object
> >g_pcsand <- gstat(id="pcsand", formula=pcsand ~ 1, data=interpol_pcsand)
>
> # variogram with eye ball fitting
> > v.eye_sand <- eyefit(variog(as.geodata(interpol_pcsand["pcsand"]),
> max.dist = 20000))
>
> #saving a readable file for gstat
> >ve.fit <- as.vgm.variomodel(v.eye[[1]])
>
> #updating the gstat object
> >g_pcsand <- gstat(g_pcsand, id="pcsand", model=ve.fit_pcsand )
>
> *#predicting to new data*
> *# grid4 diemensions - *
> *#features    : 1630464 *
> *#extent      : 468333.3, 499983.3, 6634933, 6681223  (xmin, xmax, ymin,
> ymax)*
> *#coord. ref. : +proj=utm +zone=22 +south +ellps=aust_SA +units=m
> +no_defs *
> *>p_pcsand <- predict(g_pcsand, model=ve.fit_pcsand , newdata=grid4) *
>
> #write a raster with the interpolated matrix
> rasterpcsand_pred <- rasterFromXYZ(as.data.frame(p_pcsand)[, c("x", "y",
> "data.pred")])
>
> #Create raster tif file
>
> >writeRaster(raster, filename="raster.tif", overwrite=TRUE)
>
>
> _________________________________
> Thiago Cesar Lima Silveira
> PhD candidate - Zoology PUCRS - Brazil
> Visitor PhD. student - School of Ocean Sciences -  Bangor University
> Building Westbury Mouth
> Room Nautilus 327
> Menai Bridge - Isle of Anglesey - UK
> Telephone.: 07843 115244
> e-mail: thiago.cesar em acad.pucrs.br
> CV: http://lattes.cnpq.br/5960267776845701
>
>
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20140618/5da6ef68/attachment.html>