R 中的时空混合效应：相关结构中的组太大

如何解决R 中的时空混合效应：相关结构中的组太大

我正在尝试使用 lme {nlme} 拟合具有时空相关结构的混合效应模型。
数据包括 37936 lon (x) + lat (y) 网格单元（18968 个男性 + 18968 个女性），密度 (kde)，高于/低于长期平均值从 2001 年到 2010 年 (yearF=10)，降雨量 (rainAB) 和与水的距离 (wDist) 每年都会重复。
我想模拟 kde 如何受 rainAB 和 wDist 的影响，同时允许每个 sexF 对 yearF 有自己的截距和斜率，而这些又都与空间 (x+y) 和时间 (yearF >).
该模型在小数据集 (n=3780) 上运行良好，但在较大数据集 (n=379360) 上有 Too large groups in the correlation structure。我将不胜感激有关如何处理此问题的任何建议 - 请参阅下面的可重现示例。

# LOAD LIBRARIES
library(nlme)
library(car)
library(dplyr)
library(ggstatsplot)
#----------------------------------------------------------------------------------------------

# SMALL DATASET
set.seed(1)
(nGrid_s = 189) #Number of 1km grid cells in study area
(nYrs = 10) #Number of years
(nGrps = 2) #Number of groups i.e. male and female

dat_s = data.frame(x=rep(seq(from=283,to=401,length.out=nGrid_s),each=nYrs),y=rep(seq(from=7176,to=7529,yearF=as.factor(rep(2001:2010,nGrid_s)),sexF=as.factor(rep(c('male','female'),each=nGrid_s*nYrs)),kde=runif(nGrid_s*nYrs,8),rainAB=runif(nGrid_s*nYrs,-70,247),wDist=runif(nGrid_s*nYrs,14))
str(dat_s)

# LME WITH SMALL DATASET (n=3780)
lmeS = lme(kde~rainAB/sexF+wDist/sexF,#What about how rainAB affects wDist
           # random=~y+x|yearF,random=~yearF|sexF,correlation=corSpatial(form=~x+y|sexF/yearF),control=lmeControl(maxIter=50,msMaxIter=50,niterEM=50,opt='optim',msVerbose=TRUE),method="REML",data=dat_s)
summary(lmeS)
Anova(lmeS,type=c("III")) 
ggcoefstats(x = lmeS,title = "Small LME mixed-effects model")
##############################################################################################

# GENERATE LARGE DATASET
set.seed(2)
(nGrid_l = 18968) #Number of 1km grid cells in study area

dat_l = data.frame(x=rep(seq(from=283,length.out=nGrid_l),nGrid_l)),each=nGrid_l*nYrs)),kde=runif(nGrid_l*nYrs,rainAB=runif(nGrid_l*nYrs,wDist=runif(nGrid_l*nYrs,14))

# LME WITH LARGE DATASET (n=379360)
lmeL = lme(kde~rainAB/sexF+wDist/sexF,data=dat_l)
# Error: 'sumLenSq := sum(table(groups)^2)' = 1.43914e+10 is too large.
# Too large or no groups in your correlation structure?
#-------------------------------------------------------------------------------