在进行半变异函数拟合时，调整参数的技巧包括：

增加lag distance：增加lag distance可以使得模型更多考虑远距离的点之间的空间相关性。但是过大的lag distance也可能导致模型过于平滑，忽略了数据中的一些细节。

选择合适的变异函数：不同的变异函数可以更好地描述不同类型的空间相关性。例如，指数变异函数常用于描述强烈的空间相关性，而高斯变异函数则用于较弱的空间相关性。根据数据的实际情况选择合适的变异函数。

对半方差进行转换：某些数据可能存在非线性关系，对其进行半方差转换可以更好地拟合模型。

利用交叉验证：利用交叉验证来评估参数的效果，可避免模型过度拟合或欠拟合的情况。根据交叉验证结果优化参数选择。

数据预处理：在拟合模型之前，应对数据进行预处理，如去除异常值、空缺值等，以提高模型的准确性。

需要注意的是，即使采取了上述技巧，半变异函数模型的R2值可能仍然较低。这是由于空间数据的特殊性质所致，应该综合考虑其他评价指标来评估模型的拟合效果。

谢谢指导！