Realmente necesita investigar un poco más sobre su metodología y leer la documentación para comprender la estructura de los objetos de la clase sp S4 y la interacción de los objetos sp con funciones gstat relevantes. En la viñeta sp hay una explicación detallada de la diferencia entre los objetos SpatialPolygons (solo topología de polígonos) y SpatialPolygonDataFrame (polígonos con atributos).
Lo que está explicando no es bloquear Kriging y usar el tiempo como un atributo no da como resultado una estimación espacio-temporal. La metodología conceptual que describe es bastante inválida. El uso de polígonos o centroides poligonales viola los supuestos de Kriging de un campo aleatorio uniforme, anisotropía y no estacionariedad.
Aquí hay una buena viñeta gstat en modelos espacio-temporales que usan la interfaz para el paquete espacio-tiempo. También debo tener en cuenta que el paquete kriging constreñido puede realizar Kriging en bloque en bloques de forma arbitraria utilizando una función media no estacionaria y un variograma isotrópico débilmente estacionario.
Dicho esto, para responder a su pregunta, puede pasar un objeto sp SpatialPointsDataFrame directamente a un modelo de variograma / Kriging en gstat. En este tipo de objeto sp, los atributos residen en la ranura de "datos" y ya están unidos a las coordenadas a través de la estructura interna de clase 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")