之后怎么计算点之间距离，然后拟合半变异函数模型

在将数据转换为投影坐标后，可以使用 `gstat` 包中的 `variogram` 函数计算点之间的半变异函数，然后使用 `fit.variogram` 函数拟合半变异函数模型。具体来说，可以按照以下步骤操作：

# 加载所需包
library(sp)
library(gstat)

# 读取数据文件并转换为投影坐标
data <- read.csv("D:\\BAOGAO\\shujubanyihanshu.csv")
coordinates(data) <- ~JD+WD
proj4string(data) <- CRS("+init=epsg:4326")
data_m <- spTransform(data, CRS("+init=epsg:32649"))

# 计算点之间的距离
dist <- as.dist(dist(data_m@coords))

# 计算半变异函数
variogram <- variogram(z ~ 1, data = data_m, width = 100000, cutoff = 300000)

# 拟合半变异函数模型
fit <- fit.variogram(variogram, vgm("Sph", range = 50000, nugget = 0.5))

# 绘制拟合结果
plot(variogram, fit.variogram = fit)

在上面的代码中，首先加载所需的 `sp` 和 `gstat` 包。然后读取数据文件并转换为投影坐标，与之前的代码段相同。接着使用 `as.dist(dist(data_m@coords))` 计算点之间的距离，其中 `data_m@coords` 表示将数据框转换为空间数据框后的坐标信息。使用 `variogram` 函数计算半变异函数，其中 `z ~ 1` 表示使用数据框中的 `z` 列计算半变异函数，`width` 和 `cutoff` 控制着计算半变异函数的范围。使用 `fit.variogram` 函数拟合半变异函数模型，其中 `vgm` 函数用于指定模型类型和参数。最后，使用 `plot` 函数绘制拟合结果，其中 `fit.variogram` 参数用于显示拟合的模型。

需要注意的是，这里使用了一些自定义的参数，比如 `width` 和 `cutoff` 控制着计算半变异函数的范围，`range` 和 `nugget` 控制着拟合的模型，具体参数的选择需要根据实际数据和分析目的来确定。