Ich versuche, einen Code in R zu schreiben, der die gstat-Bibliothek verwendet, um eine Interpolation zu erstellen. Ich habe das Handbuch zu gstat bereits gelesen und anhand einiger Beispiele im Internet habe ich es geschafft, diesen Code zu schreiben (dies ist nur ein Teil):

 g <- gstat(id="tec", formula=TEC ~ 1, data=data)  ##I create an object
 v <- variogram(g) # plot the empirical variogram
 plot(v)
 mod<-vgm(sill=var(data$TEC),model="Sph",range=200,nugget=200) #create the variogram model

v.fit <- fit.variogram(v, model=mod,fit.method=1)  #fit the empirical variogram 
Theor_variogram=plot(variogram(g),v.fit,main="WLS Model") #plot the theoretical variogram
plot(Theor_variogram)
 ## Kriging interpolation
 p <- predict.gstat(g, model=v.fit, newdata=predGrid)

Mein Problem ist, dass ich, wenn ich den letzten Befehl ("predict") ausführe, anstatt ein Ergebnis mit gewöhnlicher Kriging-Interpolation zu erhalten, einen Befehl mit inverser Distanzgewichtung (IDW) erhalte. Ich habe im Handbuch von gstat gelesen, dass: "Wenn keine Variogramme angegeben sind, ist die inverse entfernungsgewichtete Interpolation die Standardaktion. Wenn Variogramme angegeben sind, ist die Standardvorhersagemethode gewöhnliches Kriging."

Aber wie Sie in meinem Code sehen können, gebe ich sowohl das empirische als auch das theoretische Variogramm an. Weißt du, warum ich immer wieder IDW bekomme anstatt gewöhnliches Kriging? Kann es mit der Art der Koordinaten zusammenhängen, die ich habe? Wenn ich zum Beispiel Koordinaten nahe beieinander habe oder wenn die Region von Interesse zu groß ist? Jede Hilfe wäre wirklich nützlich.

Vielen Dank im Voraus Dimitris