Bom dia pessoal,

Espero que possam me ajudar.

Entro em contato para pedir uma ajuda em uma interpolação que estou tentando fazer. 

Já usei o mesmos comandos abaixo para realizar interpolações de variáveis de um lago por ordinary kriging com 240 pontos, sem problemas.

Agora estou tentando interpolar a batimetria do lago, para tanto criei pontos no limite do lago com valor zero,  cerca de 1200 pontos. 

Usando a mesma metodologia, a predição “predict( )" para o grid passa de 3 horas e não tive paciência para esperar mais, visto que as outras vezes que usei a predição para o grid demorou cerca de 2 minutos para 240 pontos interpolados.

Imagino que a quantidade de pontos seja o problema.

Alguém teria alguma sugestão de caminho que tivesse menos custo computacional, pois acho que a quantidade de pontos seja o problema.

Agradeço desde já a atenção.

Segue abaixo os comandos utilizados:

>library(geoR)

>library(raster)

>library(gstat)

>library(rgdal)

>interpol_pcsand<-data_interpol[,c(1,2,6)]

>coordinates(interpol_pcsand)<- ~long+lat

#setting the CRS for the geospatial data, same as the mask and grid 

>projection(interpol_pcsand)<-'+proj=utm +zone=22 +south +ellps=aust_SA +units=m +no_defs '

#search for duplicated coords

>dup.coords(interpol_pcsand$coords)

#Creating  a gstat object

>g_pcsand <- gstat(id="pcsand", formula=pcsand ~ 1, data=interpol_pcsand)

# variogram with eye ball fitting

> v.eye_sand <- eyefit(variog(as.geodata(interpol_pcsand["pcsand"]), max.dist = 20000))

#saving a readable file for gstat

>ve.fit <- as.vgm.variomodel(v.eye[[1]])

#updating the gstat object

>g_pcsand <- gstat(g_pcsand, id="pcsand", model=ve.fit_pcsand )

#predicting to new data

# grid4 diemensions - 

#features    : 1630464 

#extent      : 468333.3, 499983.3, 6634933, 6681223  (xmin, xmax, ymin, ymax)

#coord. ref. : +proj=utm +zone=22 +south +ellps=aust_SA +units=m +no_defs 

>p_pcsand <- predict(g_pcsand, model=ve.fit_pcsand , newdata=grid4) 

#write a raster with the interpolated matrix

rasterpcsand_pred <- rasterFromXYZ(as.data.frame(p_pcsand)[, c("x", "y", "data.pred")])

#Create raster tif file

>writeRaster(raster, filename="raster.tif", overwrite=TRUE)

_________________________________
Thiago Cesar Lima Silveira
PhD candidate - Zoology PUCRS - Brazil
Visitor PhD. student - School of Ocean Sciences -  Bangor University

Building Westbury Mouth

Room Nautilus 327

Menai Bridge - Isle of Anglesey - UK

Telephone.: 07843 115244
e-mail: thiago.cesar@acad.pucrs.br
CV: http://lattes.cnpq.br/5960267776845701

_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.