Naprawdę musisz zrobić trochę więcej badań na temat swojej metodologii i przeczytać dokumentację, aby zrozumieć strukturę obiektów klasy sp S4 i interakcję obiektów sp z odpowiednimi funkcjami gstat. W winiecie sp znajduje się szczegółowe wyjaśnienie różnicy między obiektami SpatialPolygons (tylko topologia wielokątów) i SpatialPolygonDataFrame (wielokąty z atrybutami).
To, co wyjaśniasz, nie jest blokowaniem Kriginga, a użycie czasu jako atrybutu nie powoduje oszacowania przestrzenno-czasowego. Metodologia koncepcyjna, którą opisujesz, jest dość nieprawidłowa. Używanie wielokątów lub centroidów wielobocznych narusza założenia Kriginga dotyczące jednolitego pola losowego, anizotropii i niestacjonarności.
Oto ładna winieta gstat na modelach przestrzenno-czasowych wykorzystujących interfejs do pakietu czasoprzestrzeni. Powinienem również zauważyć, że ograniczony pakiet Kriging może prowadzić blok Kriging na blokach o dowolnym kształcie, używając niestacjonarnej funkcji średniej i izotropowego słabo stacjonarnego wariogramu.
To powiedziawszy, aby odpowiedzieć na twoje pytanie, możesz przekazać obiekt SpatialPointsDataFrame bezpośrednio do wariogramu / modelu Kriginga w gstat. W tym typie obiektu sp atrybuty znajdują się w gnieździe „danych” i są już dołączone do współrzędnych za pośrednictwem wewnętrznej struktury klasy S4.
# 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")