Estimation des valeurs pour les points non échantillonnés

8

Je veux mesurer la biomasse sur une vasière côtière. Je ne peux accéder qu'aux points à l'intérieur du polygone. Y a-t-il des méthodes disponibles qui me permettraient d'estimer les valeurs des points à l'extérieur du polygone, sur la base des valeurs des points à l'intérieur du polygone?

set.seed(5)
x <- rnorm(50, -1.841, 0.01)
set.seed(50)
y <- rnorm(50, 55.663, 0.01)
xy <- data.frame(x,y, values=rnorm(50))
coordinates(xy) <- c("x", "y")
proj4string(xy) <- CRS("+proj=longlat +ellps=WGS84 +datum=WGS84")
plot(xy)

makePolygons <- function(coordsx, coordsy){

  coords <- matrix(c(c(coordsx, coordsy)), ncol=2)
  p <- Polygon(coords)
  p <- Polygons(list(p), ID = "p")
  myPoly <- SpatialPolygons(list(p))
  spdf = SpatialPolygonsDataFrame(myPoly, data.frame(variable1 = c(2),
                                                     variable2 = c(3), row.names = c("p")))
  proj4string(spdf) <- CRS("+proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0")

  print("polygon is in longlat!!!")

  spdf

}

myPoly <- makePolygons(coordsx=c(-1.841960, -1.843464, -1.888623, -1.841960), 
                      coordsy=c(55.633696, 55.68178, 55.63841, 55.633696))

plot(myPoly, add=T)

entrez la description de l'image ici

spatial-statistics interpolation sampling luciano
la source
La végétation se trouve sur des vasières dans une zone intertidale - certaines zones sont trop dangereuses pour y accéder. La biomasse végétale est une variable prédictive
luciano
9
Vous avez un problème important, car il est très probable que l'inaccessibilité et la biomasse soient liées. Cela rend invalide l'extrapolation des données obtenues à partir d'endroits accessibles à tous les endroits. Pour une approche valide, vous devez trouver un moyen - même si ce n'est qu'un moyen de substitution - de mesurer une partie représentative des zones inaccessibles. Le krigeage (et la plupart des autres procédures de contournage) résoudra magnifiquement le problème et le logiciel vous donnera avec plaisir des résultats extrêmement détaillés et incroyablement faux.
whuber
2
Mon approche serait de relier les estimations de la biomasse au sol aux valeurs NDVI, peut-être à partir des données Landsat. Utilisez la régression pour prédire la biomasse du NDVI dans les zones de danger.
Aaron
@whuber bien que les zones dans les polygones rouges soient accessibles, elles ne sont jamais utilisées par les gens.
luciano
1
Qu'importe? Comment cela change-t-il la nature de votre étude ou la procédure d'échantillonnage?
whuber

Réponses:

1

Ma meilleure supposition est de transformer les polygones en une grille de points et d'estimer la valeur de chaque point qui ne chevauche pas les points contenant des données. Il y a un tutoriel assez soigné ici .

Eric Lino
la source