2

我最近在 R 中使用 MaxEnt 做了很多工作（dismo-package），但只使用交叉验证来验证我的鸟类栖息地模型（只有一个物种）。现在我想使用一个自己创建的测试样本文件。我必须手动选择这些点进行验证，并且不能使用随机测试点。

所以我的 R 脚本看起来像这样：

library(raster)
library(dismo)

setwd("H:/MaxEnt")

memory.limit(size = 400000)

punkteVG <- read.csv("Validierung_FL_XY_2016.csv", header=T, sep=";", dec=",")
punkteTG <- read.csv("Training_FL_XY_2016.csv", header=T, sep=";", dec=",")

punkteVG$X <- as.numeric(punkteVG$X)
punkteVG$Y <- as.numeric(punkteVG$Y)

punkteTG$X <- as.numeric(punkteTG$X)
punkteTG$Y <- as.numeric(punkteTG$Y)

##### mask NA ######
mask <- raster("final_merge_8class+le_bb_mask.img")
dataframe_VG <- extract(mask, punkteVG)
dataframe_VG[dataframe_VG == 0] <- NA

dataframe_TG <- extract(mask, punkteTG)
dataframe_TG[dataframe_TG == 0] <- NA

punkteVG <- punkteVG*dataframe_VG
punkteTG <- punkteTG*dataframe_TG

#### add the raster dataset ####
habitat_all <- stack("blockstats_stack_8class+le+area_8bit.img")

####  MODEL FITTING #####
library(rJava)
system.file(package = "dismo")
options(java.parameters = "-Xmx1g" )

setwd("H:/MaxEnt/results_8class_LE_AREA")

### backgroundpoints ###
set.seed(0) 
backgrVMmax <- randomPoints(habitat_all, 100000, tryf=30)
backgrVM <- randomPoints(habitat_all, 1000, tryf=30)

### Renner (2015) PPM modelfitting Maxent ###
maxentVMmax_Renner<-maxent(habitat_all,punkteTG,backgrVMmax, path=paste('H:/MaxEnt/Ergebnisse_8class_LE_AREA/maxVMmax_Renner',sep=""),
                       args=c("-P", 
                              "noautofeature", 
                              "nothreshold", 
                              "noproduct",
                              "maximumbackground=400000",
                              "noaddsamplestobackground",
                              "noremoveduplicates",
                              "replicates=10", 
                              "replicatetype=subsample",
                              "randomtestpoints=20",
                              "randomseed=true",
                              "testsamplesfile=H:/MaxEnt/Validierung_FL_XY_2016_swd_NA"))

在“maxent()”命令之后，我遇到了多个错误。首先，我收到一个错误，指出他需要超过 0 个（这是默认值）“随机测试点”。所以我添加了“randomtestpoints = 20”（希望不会阻止程序使用该文件）。然后我得到：

Error: Test samples need to be in SWD format when background data is in SWD format
Error in file(file, "rt") : cannot open the connection

问题是，当我使用默认的交叉验证运行脚本时，如下所示：

maxentVMmax_Renner<-maxent(habitat_all,punkteTG,backgrVMmax, path=paste('H:/MaxEnt/Ergebnisse_8class_LE_AREA/maxVMmax_Renner',sep=""),
                       args=c("-P", 
                              "noautofeature", 
                              "nothreshold", 
                              "noproduct",
                              "maximumbackground=400000",
                              "noaddsamplestobackground",
                              "noremoveduplicates",
                              "replicates=10"))

...一切正常。

我还尝试了多种方法来以正确的格式获取我的 csv-validation-data。两行（标记 X 和 Y），三行（标记物种，X 和 Y）和其他东西。我宁愿使用我用 read.csv 创建的“punkteVG”-vector（这是验证数据）......但似乎 MaxEnt 想要他的文件。

我无法想象我的问题是如此罕见。之前一定有人使用过参数“testsamplesfile”。

4

1 回答 1

0

我发现了，问题出在哪里。所以在这里，让其他人享受：

子样本文件的正确 maxent 命令如下所示：

maxentVMmax_Renner<-maxent(habitat_all, punkteTG, backgrVMmax, path=paste('H:/MaxEnt',sep=""),
                       args=c("-P", 
                              "noautofeature", 
                              "nothreshold", 
                              "noproduct",
                              "maximumbackground=400000",
                              "noaddsamplestobackground",
                              "noremoveduplicates",
                              "replicates=1",
                              "replicatetype=Subsample",
                              "testsamplesfile=H:/MaxEnt/swd.csv"))

当然，不能有多个重复，因为您只有一个子样本。最重要的是“swd.csv”子样本文件必须包括：

  • X 和 Y 坐标
  • 各个点的值（例如：使用“extract（habitat_all，PunkteVG）”
  • 第一个列需要由带有标题“Species”的单词“species”组成（因为如果您没有在 Occurrence 数据中定义一个，MaxEnt 使用默认的“species”）

所以最后一点是这里的问题。基本上，如果您没有在 Subsample-file 中定义物种列，MaxEnt 将不知道如何分配数据。

于 2017-10-04T09:02:13.040 回答