• 以下是使用R语言进行克里金插值预测后生成平滑热图的步骤指南：

1. 提升克里金插值网格分辨率

• 在克里金预测阶段生成更密集的网格，从根本上减少像素感。

library(gstat)
library(sp)
library(raster)

# 假设已有空间数据框`data`，包含坐标(x,y)和变量(z)
coordinates(data) <- ~x + y

# 创建高分辨率网格（调整n=100为更高值，如n=200）
grid <- expand.grid(
  x = seq(min(data$x), max(data$x), length.out = 200),
  y = seq(min(data$y), max(data$y), length.out = 200)
)
gridded(grid) <- ~x + y

# 执行克里金插值（以普通克里金为例）
krig_result <- krige(z ~ 1, data, newdata = grid, model = vgm_model)

2. 转换为栅格对象并进行平滑处理

• 将插值结果转换为栅格格式后应用平滑滤波器。

# 将预测值转换为栅格
krig_raster <- raster(krig_result, layer = "var1.pred")

# 高斯平滑滤波（调整sigma控制平滑强度）
library(terra)
krig_smoothed <- terra::focal(
  rast(krig_raster), 
  w = matrix(1, 5, 5),  # 5x5窗口
  fun = function(x) mean(x, na.rm = TRUE)
)

# 转换回数据框用于ggplot绘图
smoothed_df <- as.data.frame(krig_smoothed, xy = TRUE)

3. 使用ggplot2绘制平滑热图

• 通过geom_raster或geom_tile结合插值参数优化可视化。

library(ggplot2)

ggplot() +
  geom_raster(
    data = smoothed_df, 
    aes(x = x, y = y, fill = lyr.1),
    interpolate = TRUE  # 关键参数，启用插值抗锯齿
  ) +
  scale_fill_viridis_c(option = "plasma", name = "预测值") +
  coord_fixed() +
  theme_minimal() +
  labs(title = "平滑克里金插值热图")

4. 替代方案：等高线填充图

• 使用geom_contour_filled生成平滑的等值区域图。

ggplot(smoothed_df, aes(x = x, y = y, z = lyr.1)) +
  geom_contour_filled(bins = 30) +  # 调整bins控制平滑度
  scale_fill_viridis_d(option = "magma", name = "预测区间") +
  coord_fixed() +
  theme_minimal()

关键参数说明

效果对比

• 原始低分辨率网格：明显像素块，边界锯齿状。
• 高分辨率+平滑滤波：颜色过渡自然，无突兀网格线。
• 等高线填充：平滑的区域划分，适合展示趋势。

• 选择方法时需权衡计算成本与可视化需求。若需快速预览，可优先启用interpolate=TRUE；若追求出版级图形，建议结合高分辨率网格与后处理平滑。