如何使用gstat在R Studio中执行回归克里金法？

如何解决如何使用gstat在R Studio中执行回归克里金法？

我在R中使用回归克里金法苦苦挣扎。我想在考虑高程的情况下对流域的温度进行插值，但是当我要执行最后一步时，总是得到相同的误差，即克里金法。 我有两个数据框，我的15个测量站之一，每天有30年的坐标，标高和气象数据，每天是一列（X1 .... X11642）。另一个数据框包含有关我的分水岭的信息，作为具有坐标和高程的点数据（如表中的网格代码）（6列，315'226行）。

代表：

代码：

library(sp)
library(raster)
library(gstat)

d_t<-stations
coordinates(stations)= ~LONG+LAT

area<- watershed
coordinates(area)=~X+Y

ext<-extent(area)

ras<- raster(ext)

raster<-rasterize(basin,ras,basin$ELEVATION,fun='last',background=NA,mask=FALSE,update=FALSE,updateValue='all',na.rm=TRUE)

proj4string(raster)<-CRS("+init=epsg:4326")

grid <- rasterToPoints(raster,spatial = TRUE)

gridded(grid)<- TRUE

proj4string(d_t) <- CRS("+init=epsg:4326")

stat <- spTransform(d_t,CRSobj = CRS("+init=epsg:4326"))

lzn.vgm = variogram(log(DAY1)~1,stat)

lzn.fit = fit.variogram(lzn.vgm,model = vgm(1,"Sph",4000,1))

plot(lzn.vgm,lzn.fit)

lzn.kriged = krige(stat$DAY1~stat$ELEVATION,newdata=grid,locations=stat_prj,model = lzn.fit)

我也尝试过代替克里格：

gprj <- gstat(id = "stat",formula = stat$DAY1~stat$ELEVATION,data = stat,maxdist=100,nmin=10,force=TRUE,model=lzn.fit)

predg<- predict(gprj,grid)

当我表演时：

lzn.kriged = krige(stat$X1~stat$ELEVATION,locations=stat,model = lzn.fit)

我收到以下错误：

Error in predict.gstat(g,newdata = newdata,block = block,nsim = nsim,: 
  dimensions do not match: locations 154 and data 15

当我表演时：

gprj <- gstat(id = "stat",model=lzn.fit)
predg<- predict(gprj,grid)

我收到此错误：

Error in gstat.formula.predict(d$formula,newdata,na.action = na.action,: 
  NROW(locs) != NROW(X): this should not occur

我试图弄清楚如何解决这些问题之一，但还没有成功。 我已经在Google和论坛的此处搜索了答案，但是没有建议对我有用。

如何在R studio中顺利进行回归克里金法？