Estimasi nilai untuk poin yang tidak diampelas

Saya ingin mengukur biomassa di lumpur pantai. Saya hanya dapat mengakses poin di dalam poligon. Adakah metode yang tersedia yang memungkinkan saya memperkirakan nilai titik di luar poligon, berdasarkan nilai titik di dalam poligon?

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)

masukkan deskripsi gambar di sini

spatial-statistics interpolation sampling

— luciano
sumber

Vegetasi berada di dataran lumpur di zona intertidal - beberapa daerah terlalu berbahaya untuk dijangkau. Biomassa vegetasi adalah variabel prediktor

— luciano

Anda memiliki masalah yang signifikan, karena sangat mungkin tidak dapat diaksesnya dan biomassa terkait. Itu membuatnya tidak valid untuk mengekstrapolasi data yang diperoleh dari tempat yang dapat diakses ke semua tempat. Untuk pendekatan yang valid, Anda harus menemukan beberapa cara - bahkan jika hanya cara pengganti - untuk mengukur beberapa bagian representatif dari area yang tidak dapat diakses. Kriging (dan sebagian besar prosedur contouring lainnya) akan mengatasi masalah dengan indah dan perangkat lunak akan dengan senang hati memberikan Anda hasil yang sangat terperinci dan sangat salah.

— Whuber

Pendekatan saya adalah menghubungkan estimasi biomassa berbasis darat dengan nilai NDVI, mungkin berdasarkan data Landsat. Gunakan regresi untuk memprediksi biomassa dari NDVI dalam zona bahaya.

— Aaron

@whuber meskipun area dalam poligon merah dapat diakses, mereka tidak pernah digunakan oleh orang.

— luciano

Apa masalahnya? Bagaimana hal itu mengubah sifat studi Anda atau prosedur pengambilan sampel?

— whuber

Tebakan terbaik saya adalah mengubah poligon menjadi titik grid dan memperkirakan nilai di setiap titik yang tidak tumpang tindih dengan poin yang berisi data. Ada tutorial yang cukup rapi di sini .

— Eric Lino
sumber