คุณต้องทำการวิจัยเพิ่มเติมอีกเล็กน้อยเกี่ยวกับระเบียบวิธีของคุณและอ่านเอกสารประกอบเพื่อทำความเข้าใจโครงสร้างของวัตถุคลาส sp S4 และการโต้ตอบของวัตถุ sp กับฟังก์ชัน gstat ที่เกี่ยวข้อง ใน Vignette sp มีคำอธิบายโดยละเอียดเกี่ยวกับความแตกต่างระหว่าง SpatialPolygons (เฉพาะรูปหลายเหลี่ยม) และ SpatialPolygonDataFrame (รูปหลายเหลี่ยมที่มีแอตทริบิวต์)
สิ่งที่คุณกำลังอธิบายไม่ใช่บล็อก Kriging และการใช้เวลาเนื่องจากแอตทริบิวต์ไม่ได้ส่งผลให้เกิดการประมาณเชิงพื้นที่ วิธีการแนวคิดที่คุณอธิบายไม่ถูกต้อง การใช้รูปหลายเหลี่ยมหรือรูปหลายเหลี่ยม centroids เป็นการฝ่าฝืนข้อสันนิษฐานของ Kriging ของเขตข้อมูลแบบสุ่ม, anisotropy และ nonstationarity
นี่คือบทความ gstat ที่ดีสำหรับโมเดลเชิงพื้นที่ - ชั่วคราวโดยใช้ส่วนต่อประสานกับแพ็คเกจกาลอวกาศ ฉันควรทราบด้วยว่าแพคเกจ constrainedKriging สามารถทำการบล็อก Kriging บนบล็อกที่มีรูปร่างตามอำเภอใจโดยใช้ฟังก์ชั่นค่าเฉลี่ย nonstationary และไอโซโทรปิกแบบคงที่แบบอ่อน
ที่กล่าวว่าเพื่อตอบคำถามของคุณคุณสามารถส่งวัตถุ Sp SpialialPointsDataFrame โดยตรงไปยังรูปแบบ Variogram / Kriging ใน gstat ในวัตถุประเภทนี้แอตทริบิวต์จะอยู่ในช่อง "data" และเชื่อมต่อกับพิกัดผ่านโครงสร้างคลาส S4 ภายในแล้ว
# COERCE meuse DATAFRAME TO sp SpatialPointsDataFrame OBJECT
require(gstat)
data(meuse)
coordinates(meuse) <- ~ x + y
head(meuse@data)
# CREATE SEMIVARIOGRAM USING THE zinc ATTRIBUTE
# NOTE: THERE IS NO ARGUMENT FOR A "4th DIM"
v <- variogram(log(zinc) ~ 1, meuse)
plot(v, type = "l")