Как эффективно построить несколько вариограмм из одного набора данных в R?

У меня есть кадр данных с именем seoul1to7, содержащий почасовые данные о концентрации PM10 с 1 по 7 марта 2012 г. "nofollow">пожалуйста, загрузите.В этом наборе данных время указано в формате ггггммддч. Например, 2012030101 означает 1 марта 2012 г., 1 час ночи.

Данные выглядят так:

      ID       time PM10      LAT     LON
1 111121 2012030101   42 37.56464 126.976
2 111121 2012030102   36 37.56464 126.976
3 111121 2012030103   46 37.56464 126.976
4 111121 2012030104   40 37.56464 126.976
.
.

Моя конечная цель — построить полувариограмму для каждого часа. например, на 1 марта 2012 г., 1:00 (2012030101) имеется 107 данных PM10. И я хочу построить вариограмму с 2012030101 по 2012030723 (всего 7*24 вариограммы). Я написал код на R:

seoul1to7<-read.csv("seoul1to7.csv", row.names=1)
rownames(seoul1to7)<-NULL

seoul311<-subset(seoul1to7, time==2012030101)
seoul312<-subset(seoul1to7, time==2012030102)
.
.
.
seoul3723<-subset(seoul1to7,time==2012030724)

сначала я попытался сделать нужные (7 * 24) кадры данных с помощью функции subset(), затем я хотел построить вариограмму для каждого кадра данных. Например, я построил вариограмму для seoul311 (для 2012030101) с помощью следующего кода:

library(sp)
library(gstat)
library(rgdal)
seoul311<-read.csv("seoul311.csv",row.name=1)
seoul311<-na.omit(seoul311)

coordinates(seoul311)=~LON+LAT
proj4string(seoul311) =  "+proj=longlat +datum=WGS84" 
seoul311<-spTransform(seoul311, CRS("+proj=utm +north +zone=52 +datum=WGS84"))

#plot Omnidirectional Variogram
seoul311.var<-variogram(PM10~1,data=seoul311,cutoff=66000, width=6000)
seoul311.var
plot(seoul311.var, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Omnidirectional Variogram for seoul 311")

#Model fit
model.311<- fit.variogram(seoul311.var,vgm(psill=250,model="Gau",range=40000,nugget=100),
                          fit.method = 2)
plot(seoul311.var,model=model.311, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Omnidirectional Variogram for seoul 3112")


#Directional Variogram
seoul311.var1<-variogram(PM10~1,data=seoul311,width=6000,cutoff=66000,
                         alpha=seq(0,135,45),tol.hor=15)
seoul311.var1
plot(seoul311.var1,model=model.311, cex=1.1,pch=16,col=1,
     main="ANisotropic Variogram for PM10")    


#anisotropy corrected variograms
model.3112.anis<- fit.variogram(seoul311.var1,vgm(250,"Gau",40000,100,anis=c(45,0.80)),
                                fit.method = 2)

#Final isotropic variogram for kriging
plot(seoul311.var,model=model.3112.anis, col="black", pch=16,cex=1.3,
     xlab="Distance",ylab="Semivariance",
     main="Final Isotropic Variogram")

Но я понимаю, что мой код очень неэффективен! Я пишу (7*24) раз subset(seoul1to7, time==2012030101) этот код. а потом еще раз (7*24) код для построения вариограммы! Я думаю, что это очень неуместный способ.

Итак, как я могу очень эффективно построить эти (7*24) полувариограммы из моего набора данных seoul1to7 (используя цикл или любую другую функцию)? Если вам нужна дополнительная информация, пожалуйста, дайте мне знать.