不规则时空数据通用克里金报错：二阶主子式非正定

这个报错核心是克里金分析中构建的协方差矩阵无法完成Cholesky分解，本质是矩阵非正定，通常和数据冗余、变异函数模型设置、漂移项配置有关，以下是具体排查和解决步骤：

• 检查时空数据的冗余性
  完全重合的时空观测点是常见诱因，会让协方差矩阵出现线性相关的行/列。用代码排查并清理：

  # 检测重复的时空记录
  dup <- duplicated(cbind(st_coordinates(your_stsdf), index(your_stsdf)))
  sum(dup) # 查看重复数量
  # 移除重复项
  your_stsdf_clean <- your_stsdf[!dup,]
  

  另外，如果空间上完全重合但时间差极小，同时变异函数块金值设为0，也可能触发问题，需要留意这种情况。

• 调整时空变异函数模型
  变异函数设置不当是另一大原因，尝试以下调整：

  • 给变异函数添加微小的块金值（比如1e-6），避免矩阵奇异：

    vgm_st <- vgmST("separable", 
                    space=vgm(1, "Exp", 100, nugget=1e-6),
                    time=vgm(1, "Exp", 5, nugget=1e-6),
                    sill=1)
    

  • 先改用简单的可分离模型测试，排除复杂模型（如嵌套、各向异性）带来的问题；同时检查变异函数的空间/时间范围，不能远大于数据的实际时空跨度。

• 简化通用克里金的漂移项
  过度复杂的漂移项（比如高度相关的协变量）会导致设计矩阵与协方差矩阵组合后出现线性相关：

  • 先切换到普通克里金测试，去掉trend参数，确认是否是漂移项的问题：

    krigeST(formula = value ~ 1, data = your_stsdf_clean, newdata = new_stsdf, model = vgm_st)
    

  • 如果必须用通用克里金，简化漂移项，比如从多变量回归改为仅包含常数项+空间趋势（~x+y），避免冗余协变量。

• 提升数值稳定性
  变量取值范围差异过大可能导致矩阵数值不稳定，对响应变量和协变量做标准化处理：

  your_stsdf_clean$data$value_scaled <- scale(your_stsdf_clean$data$value)
  

内容的提问来源于stack exchange，提问作者Candy