如何在R中实现跨NA区域栅格渐变，复刻ArcGIS GWR输出效果？

要实现ArcGIS地理加权回归（GWR）输出的连续渐变填充栅格效果，核心是对离散采样点的栅格进行空间插值，填补无值（NA）区域。以下是基于stars和gstat包的具体实现步骤：

核心思路 #

st_rasterize仅将采样点映射到对应栅格单元，其余区域保留NA；而ArcGIS的渐变效果是通过空间插值算法（如反距离权重IDW、克里金）将离散值预测到整个栅格范围，生成连续的渐变表面。

完整实现代码 #

library(tidyverse)
library(sf)
library(stars)
library(gstat)

# 1. 准备采样点数据（以quakes数据集为例）
df <- quakes %>%
  select(depth, long, lat) %>%
  st_as_sf(coords = c("long", "lat"), crs = 4326)

# 2. 创建目标栅格模板（自定义分辨率，dx/dy控制栅格大小）
rast_template <- st_bbox(df) %>%
  st_as_stars(dx = 0.2, dy = 0.2) %>%
  st_set_crs(4326)

# 3. 反距离权重（IDW）插值——快速生成渐变栅格
idw_interp <- idw(depth ~ 1, df, newdata = rast_template)
# 转换为stars对象用于ggplot可视化
interp_rast <- st_as_stars(idw_interp) %>% select("var1.pred")

# 4. 可视化插值后的渐变栅格
ggplot() +
  geom_stars(data = interp_rast) +
  scale_fill_viridis_c(na.value = "transparent", option = "plasma") +
  labs(title = "IDW插值生成的渐变栅格", fill = "Depth (km)") +
  theme_minimal() +
  coord_sf()

进阶：更精确的克里金插值 #

如果需要更专业的空间预测（匹配GWR的统计建模逻辑），可以使用克里金插值：

# 拟合变异函数（球状模型为例）
vgm_model <- variogram(depth ~ 1, df) %>%
  fit.variogram(model = vgm("Sph"))

# 普通克里金插值
krige_interp <- krige(depth ~ 1, df, newdata = rast_template, model = vgm_model)
krige_rast <- st_as_stars(krige_interp) %>% select("var1.pred")

# 可视化克里金插值结果
ggplot() +
  geom_stars(data = krige_rast) +
  scale_fill_viridis_c(na.value = "transparent") +
  labs(title = "克里金插值生成的渐变栅格", fill = "Depth (km)") +
  theme_minimal() +
  coord_sf()

关键说明 #

• 栅格分辨率：通过dx和dy参数调整，值越小栅格越精细，计算量也越大
• 插值方法选择：IDW适合快速生成渐变效果，克里金基于空间自相关性，预测精度更高
• 颜色映射：可通过scale_fill_*系列函数自定义渐变配色，匹配ArcGIS的视觉风格

内容的提问来源于stack exchange，提问作者ttalVlatt