Próbuję napisać kod w R, który używa biblioteki gstat, aby utworzyć interpolację. Przeczytałem już podręcznik gstat i na podstawie kilku przykładów w Internecie udało mi się napisać ten kod (to tylko część):

 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)

Moim problemem jest to, że kiedy uruchamiam ostatnie polecenie (przewidywanie) zamiast uzyskiwać wynik ze zwykłą interpolacją krigingu, otrzymuję wynik z odwróconą ważoną odległością (IDW). Przeczytałem w podręczniku gstat, że: „Jeśli nie są określone żadne wariogramy, domyślną akcją jest interpolacja z ważoną odległością odwrotną. Gdy wariogramy są określone, domyślną metodą przewidywania jest zwykłe krigowanie.

Ale, jak widać w moim kodzie, określam zarówno wariogram empiryczny, jak i teoretyczny. Czy wiesz, dlaczego wciąż otrzymuję IDW zamiast zwykłego krigingu? Czy może być powiązany z typem współrzędnych, które mam? Jeśli na przykład mam współrzędne blisko siebie lub jeśli obszar zainteresowania jest zbyt duży? Każda pomoc byłaby naprawdę przydatna.

Z góry dziękuję Dimitris