基于协变量的点过程建模：R中quadscheme函数的正确使用

错误原因 #

你遇到的Number of rows in ‘covariates’ does not equal the number of quadrature points错误，核心原因是：

• quadscheme生成的求积点包含两部分：100个火灾观测点 + 40个自定义虚拟点，总计140个点
• 你传入的Cov只有40行（对应虚拟点的降水数据），无法覆盖所有140个求积点，导致行数不匹配

正确解决方案 #

协变量必须为**每一个求积点（观测点+虚拟点）**提供对应的值。由于你的降水数据是稀疏站点数据，需要通过空间插值将其扩展到整个研究区域，再为每个求积点匹配降水值。

修正后的完整代码 #

library(spatstat)

# 1. 构建火灾观测点模式
fire_outbreaks <- data.frame(
  x = runif(100, min = 0, max = 100),
  y = runif(100, min = 0, max = 100)
)
fire_ppp <- ppp(fire_outbreaks$x, fire_outbreaks$y, owin(c(0, 100), c(0, 100)))

# 2. 构建带标记的降水点模式（标记为降水值）
precipitation <- data.frame(
  x = runif(40, min = 0, max = 100),
  y = runif(40, min = 0, max = 100),
  precip_mm = runif(40, min = 0, max = 4)
)
precip_ppp <- ppp(
  x = precipitation$x, 
  y = precipitation$y, 
  window = owin(c(0, 100), c(0, 100)),
  marks = precipitation$precip_mm
)

# 3. 创建求积方案（观测点+自定义虚拟点）
dummy_ppp <- ppp(precipitation$x, precipitation$y, window = owin(c(0, 100), c(0, 100)))
quad <- quadscheme(data = fire_ppp, dummy = dummy_ppp)

# 4. 空间插值：将稀疏降水数据扩展为区域连续图像
# 这里使用双线性插值，也可根据需求选择其他方法（如"idw"）
precip_im <- interpolate(precip_ppp, method = "bilinear")

# 5. 为所有求积点匹配降水值
cov_precip <- as.im(quad) %over% precip_im
cov_df <- data.frame(precip_mm = cov_precip)

# 6. 拟合泊松点过程模型
model <- ppm(quad, ~ precip_mm, family = Poisson())
summary(model)

简化写法 #

你也可以直接将插值后的降水图像传入ppm，函数会自动提取每个求积点的协变量值，无需手动构建数据框：

# 直接用插值图像作为协变量
model <- ppm(quad, ~ precip_im, family = Poisson())

关键注意事项 #

• 虚拟点必须转为ppp格式传入quadscheme，不能直接传列表
• 协变量需覆盖所有求积点：观测点也需要对应降水值，不能只提供虚拟点的
• 插值方法可根据数据特性调整：如降水数据更适合反距离加权（method="idw"），可替换interpolate中的参数

内容的提问来源于stack exchange，提问作者Alex Monito Nhancololo