Suite

Interpréter un semi-variogramme à effet pépite élevé ?

Interpréter un semi-variogramme à effet pépite élevé ?


J'ai fait un semi-variogramme en R en utilisant le package gstat,variogramme()une fonction. Je veux voir s'il y a une autocorrélation spatiale dans les résidus de mon modèle (abondance des espèces en fonction de l'habitat, à travers des sites espacés de quelques km à 900 km, en utilisant un glmm).

Mes unités sont en km, et donc mon interprétation est que la portée est d'un peu plus de 100 km jusqu'à ce que l'autocorrélation spatiale ne soit plus un "problème". Je me demande si quelqu'un peut expliquer pourquoi la pépite semble si haute ? Cela signifie-t-il que même à des endroits similaires, il y a encore un degré relativement élevé de différence ? Ou, ce variogramme ondulé signifie-t-il que je dois ajuster mon nombre de décalages et la distance de décalage jusqu'à ce que j'obtienne une forme plus typique ?

Afin d'approfondir mes recherches, j'ai également utilisé la fonctionvariog()dans le package geoR, et utilisébreaks=seq(0,100,10), pour essayer de ne regarder que les distances les plus proches (en utilisant les mêmes points et les mêmes résidus de modèle). Celui-ci indique que les points les plus proches sont plus différents, ce qui n'a pas non plus de sens. Cela indique peut-être qu'il n'y a pas d'autocorrélation spatiale et que mon modèle en tient déjà compte.

J'ai trouvé cette excellente source, "Géostats sans larmes", et à la page 51, vous trouverez de bons conseils sur l'ajustement des variogrammes. Par ce conseil, mon premier semble avoir la bonne gamme. Cela revient donc à la première question - comment interpréter cela ?


Je me demande si quelqu'un peut expliquer pourquoi la pépite semble si haute ? Cela signifie-t-il que même à des endroits similaires, il y a encore un degré relativement élevé de différence ?

Oui, un effet de pépite élevé (semivariance élevée à l'origine) indique qu'il existe une dépendance spatiale faible (ou nulle) (autocorrélation) entre les données d'échantillon à de petites distances. Cela pourrait être le cas de la structure des données ayant une portée plus courte que l'intervalle d'échantillonnage, mais la deuxième image semble indiquer que ce n'est pas le cas non plus.


Voir la vidéo: Semivariogram Example Calculation