Fernando e colegas, boa noite!
Para um conjunto de dados nominado 'dados', com 4 colunas:
> head(dados)
X1 Y1 MO ALT
1 726023.6 7534573 29.50 387.1
2 726042.6 7534567 31.60 386.7
3 726014.5 7534544 33.71 387.1
4 726033.6 7534538 34.06 386.6
5 726005.5 7534516 32.65 387.1
6 726024.6 7534510 34.76 387.3
Eu tenho definido a variável que supostamente promove a tendência como uma covariável dentro do objeto geodata.
Neste exemplo dG é o objeto geodata, colunas 1 e 2 são as coords, coluna 3 ('MO') como data e coluna 4 ('ALT') como covar:
dG <- as.geodata(dados, coords.col=c(1,2), data.col=3, covar.col=4)
Definida como uma covar, a variável pode ser acessada pelo nome interno que recebe dentro do geodata, neste caso 'ALT'
variog(dG, max.dist=350, trend=~coords) ### é a mesma tendência dada por '1st', usando o nome interno coords
variog(dG, max.dist=350, trend=~ALT) ### tendência promovida por 'ALT' (coluna 4)
variog(dG, max.dist=350, trend=~coords+ALT) ### combinação de efeitos
variog(dG, max.dist=350, trend=~coords[,2]) ### só ordenadas (latitude)
variog(dG, max.dist=350, trend=~I(coords[,2]^2) +ALT ### quadrado da latitude + ALT
* OBS: não é necessário definir os argumentos coords e data para variog(), pois já são passados diretamente pelo objeto 'dG'.
Se você não definir a variável como covar dentro do seu objeto geodata, também dá pra acessar diretamente a partir
do data.frame de dados...
variog(dG, max.dist=350, trend=~dados$ALT)
Definido o modelo , a interpolação é feita pela função krige.conv() e para validar o procedimento não é jackknifing, mas sim a validação cruzada dada por xvalid().