<table cellspacing="0" cellpadding="0" border="0" ><tr><td valign="top" style="font: inherit;"><div id="yiv1475603525"><table cellspacing="0" cellpadding="0" border="0" id="bodyDrftID" class=""><tbody><tr><td id="drftMsgContent" style="font:inherit;"><div>  Dear all,</div><div><br></div><div>  Thank you very much for those who read and tried to help. However, I'm really a begginer on R and especially geostatistics. I'm trying to follow "gstat" package's guide, but I'm facing some trouble when trying to reproduce the commands created for the meuse dataset with my own dataset.</div><div><br></div><div>  I wonder if anybody could just help me in this task. In order to better illustrate my problem, I am attaching a figure which shows my spatial domain. The greater contour is Rio Grande do Sul, Brazilian southernmost state. The highlighted region in its interior represents the largest soybean producer area (my area of
 study). The finer grid are satellite precipitation values and the red dots are the
 station.</div><div><br></div><div> I'm also attaching the two files that contains the gauge and cmorph (satellite) data I mentioned (both files in ascii format). As you can note, I've already organized them in the following structure:</div><div><br></div><div>LON                             LAT                             precipitation record</div><div><br></div><div>  Satellite data spatial ranges from longitude -55.6951 to -50.0929 and latitude -29.6907 to -27.1437, with increments ("grid size") of 8km (0.072°, as you can note in the file). Station data varies from longitude -55.2670 to -50.0660 and latitude -29.2680 to -27.1920, disposed randomly.</div><div><br></div><div>  Thus, all I need is to interpolate the station values into the same grid of cmorph (satellite) in order to perform
 a proper comparison between these two sources. Quite challenging problem, huh?</div><div><br></div><div>  Could you help me to do this using gstat on R?? Please let me know if I have skipped any
 detail...</div><div><br></div><div>  Best wishes,</div><div><br></div><div>  Thiago</div><br>--- On <b>Wed, 2/6/10, jgarcia@ija.csic.es <i><jgarcia@ija.csic.es></i></b> wrote:<br><blockquote style="border-left:2px solid rgb(16, 16, 255);margin-left:5px;padding-left:5px;"><br>From: jgarcia@ija.csic.es <jgarcia@ija.csic.es><br>Subject: Re: [R-sig-Geo] Spatial data interpolation on R<br>To: "Thiago Veloso" <thi_veloso@yahoo.com.br><br>Cc: r-sig-geo@stat.math.ethz.ch<br>Date: Wednesday, 2 June, 2010, 15:09<br><br><div class="plainMail">You should conduct a block kriging from the point sparse data to the<br>regular grid (the domain of the satellite images). Try, e.g., gstat<br><br>Javier<br>///<br>> Dear R colleagues!<br>>  I´d like to start my participation in this list by describing my current<br>> problem: inside my area of study I need to compare precipitation data from<br>> two different
 sources: both station (total of 86) and a grid (at 8km) of<br>> satellite estimates.<br>>   My specific objective is to interpolate the station data into a regular<br>> grid in the same resolution of the satellite estimates, preferentially<br>> having control of the spatial domain (lat/lon coordinates). As far as I<br>> know this is the correct way of making such comparison.<br>>   Could anybody please point directions to perform this task using R? I´m<br>> such a beginner that I don´t even know if<br>>  there´s a package designed to create regular grids from "random" data<br>> (interpolating by kriging or other technique). Usage examples would be<br>> welcomed as well!<br>> Thanks in advance,<br>>  Thiago.<br>><br>><br>><br>><br>>     [[alternative HTML version deleted]]<br>><br>> _______________________________________________<br>> R-sig-Geo
 mailing list<br>> <a rel="nofollow">R-sig-Geo@stat.math.ethz.ch</a><br>> <a rel="nofollow" target="_blank" href="https://stat.ethz.ch/mailman/listinfo/r-sig-geo">https://stat.ethz.ch/mailman/listinfo/r-sig-geo</a><br>><br><br></div></blockquote></td></tr></tbody></table></div></td></tr></table><br>