Bạn thực sự cần nghiên cứu thêm một chút về phương pháp luận của mình và đọc tài liệu để hiểu cấu trúc của các đối tượng lớp sp S4 và sự tương tác của các đối tượng sp với các hàm gstat có liên quan. Trong sp Vignette có một lời giải thích chi tiết về sự khác biệt giữa các đối tượng SpatialPolygons (chỉ cấu trúc liên kết đa giác) và SpatialPolygonDataFrame (đa giác với các thuộc tính).
Những gì bạn đang giải thích không chặn Kriging và sử dụng thời gian làm thuộc tính không dẫn đến ước tính không gian-thời gian. Phương pháp khái niệm bạn mô tả là khá không hợp lệ. Sử dụng đa giác hoặc đa giác trung tâm vi phạm các giả định Kriging của một trường ngẫu nhiên thống nhất, bất đẳng hướng và không cố định.
Dưới đây là một họa tiết gstat đẹp trên các mô hình không gian-thời gian bằng cách sử dụng giao diện cho gói không thời gian. Tôi cũng cần lưu ý rằng gói Kìm bị ràng buộc có thể tiến hành chặn Kriging trên các khối có hình dạng tùy ý bằng cách sử dụng hàm trung bình không cố định và phương pháp đo biến dạng tĩnh không đẳng hướng.
Điều đó nói rằng, để trả lời câu hỏi của bạn, bạn có thể chuyển trực tiếp một đối tượng Sp SpatialPointsDataFrame cho một mô hình variogram / Kriging trong gstat. Trong loại đối tượng sp này, các thuộc tính nằm trong khe "dữ liệu" và đã được gắn vào tọa độ thông qua cấu trúc lớp S4 bên trong.
# COERCE meuse DATAFRAME TO sp SpatialPointsDataFrame OBJECT
require(gstat)
data(meuse)
coordinates(meuse) <- ~ x + y
head(meuse@data)
# CREATE SEMIVARIOGRAM USING THE zinc ATTRIBUTE
# NOTE: THERE IS NO ARGUMENT FOR A "4th DIM"
v <- variogram(log(zinc) ~ 1, meuse)
plot(v, type = "l")