问题标签 [dismo]

我需要将数据点格式化为我在新西兰的点为黄色，为我在澳大利亚的点设置为红色。

怎么做到呢？

我可以分别更改地图智利部分和澳大利亚/新西兰部分的颜色，但我不知道如何在澳大利亚/新西兰内更改颜色。

这是我的地图。

我在 dismo 包中使用 Maxent 函数来创建一些物种分布模型。

通常这是有效的：

但是当我用复制品创建这个模型时

评估功能不起作用。它给出了一个错误

任何想法为什么？或如何解决？

这是可重现的代码：

我正在使用 R gbm 和 dismo 库来创建景观 CO2 排放的增强回归树 (BRT)。

我正在使用栅格预测功能获取 CO2 估算地图。例如，如果 Stacked 是我的输入预测变量的栅格堆栈，而 BRT1 是我的增强回归树模型，那么我的 CO2 估计空间参考图通过以下方式获得：

CO2 <- predict(Stacked, BRT1, type="response", n.trees = 1000)

我想要一张 CO2 标准误差的相关地图。我知道对于其他模型（例如 GLM），我可以添加se.fit=TRUE以获得标准误差 + 预测值。由于这不适用于 BRT，我想知道还有哪些其他选项可用。

提前谢谢了！

我在 R 中运行增强回归树 (BRT)，使用该软件包，并且我已经包含了一个预测变量（残差自协变量），在Crase et al (2012)dismo的一篇论文之后，理论上它可以纠正空间自相关。我的数据单元是矢量格式的网格单元。我已经定义了二元邻居（即它们都具有相同的权重。我没有任何理由考虑任何其他类型）和“女王”类型（在我的情况下，即与每个网格单元有任何联系的那 8 个邻居） ）。

我正在使用这些 BRT 将环境预测因子与全球范围内的不同生物多样性指标（响应）联系起来。

问题是，即使按照我上面公开的方式进行了校正，残差仍然具有空间相关性（以全局 Moran's I 衡量）。我以前用过这种方法，从来没有遇到过这个问题。所以，我有两个问题：

1. 有没有办法解决这个问题

2. 有剩余的空间自相关有那么糟糕吗？我知道全球物种丰富度（例如）具有这个特征，当然，所有模型都会错过一些预测因子，以充分解释动物群的这种自然聚集

欢迎任何想法！

谢谢你。

我正在尝试使用 R 中“dismo”包中的 bioclim 方法运行物种分布建模。

安装必要的包然后加载它后，一切似乎正常。

并且“dismo”包出现在Rstudio的包框中，它也被选中。

但是，在我尝试运行 bioclim 方法后，出现以下错误。

当我尝试检查该方法的“帮助”部分时，出现以下错误：

这是我使用的完整代码

谁能解释为什么会出现这样的错误以及如何解决？先谢谢了~

我正在尝试遵循此处找到的教程： https ://data.cdrc.ac.uk/tutorial/aa5491c9-cbac-4026-97c9-f9168462f4ac/4b026153-2953-4173-ab44-b24b2fb559fd

注意：该教程需要免费登录才能访问

我在教程中坚持的步骤是这段代码：

我无法让 dismo::gmap() 工作。每次我运行它，我得到

当我将它指向任何其他位置时，会弹出相同的错误。任何人都可以帮忙吗？

我对卫星标记的海龟有 608 次观察。我想用包括海面温度、当前速度、风速等在内的环境数据对这些进行建模。当然，标记和环境数据都会在空间和时间上发生变化。我使用从这里改编的下面的代码生成了伪缺席数据。但是，我现在意识到我生成的数据点只是空间样本。有什么方法可以编辑此代码以进行临时采样，以便生成的 csv 具有每个点的日期/时间，以便我可以将其与我的环境数据相匹配？或者，我可以尝试一个不同的包来允许我这样做吗？

TL;博士

R中处理在纬度+/- 180°处与反子午线相交/重叠的SpatialPolygons并将它们沿该子午线切成两部分的最佳方法是什么？

前言

这将是一篇很长的文章，但这只是因为我将包含大量代码和图表以进行说明。我将向您展示我的目标是什么以及我通常如何实现这一目标，然后在一个字面的边缘案例中演示它们是如何组合在一起的。正如标题所示，我已经找到了一种可能的解决方案来解决我的问题，因此我也会将其包括在内。但它不是 100% 干净的，我想看看是否有人能想出更优雅的东西。无论如何，我认为这是一个有趣的问题，因为就在几天前，我做梦也不会怀疑这甚至可能在 2019 年成为一个问题。

R中的常规工作流程

首先，创建一个有效的示例数据集

看起来像这样： 然后，我使用 dismo 包中的 circles() 在这些位置周围创建循环缓冲区。我使用这个函数，因为它考虑到地球不是平的：

看起来像这样：

然后，将单个缓冲区合并为一个大（多）多边形：

这正是我需要的：

问题

现在观察当我们引入非常接近缓冲区必须越过该线的反子午线（经度+/-180°）的位置时会发生什么：

circles() 命令确实设法在反子午线的另一侧创建多边形段（如果溶解 = FALSE）：

但多边形穿过整个地球而不是正确环绕（与 0° 相交而不是 180°）。这会导致自相交和

将失败

gUnaryUnion(buffr@polygons) 中的错误：TopologyException：输入几何 0 无效：在点 170.08604674698876 12.562175561621103 处或附近自相交 170.08604674698876 12.562175561621103

快速且略显肮脏的解决方案

首先，我们需要检测一个多边形是否穿过反子午线。但是，它们实际上都没有相交 +/-180°。相反，我使用了两条伪经线，它们靠近真实经线，但距离东西方足够远，可能与所讨论的多边形相交。如果一个多边形与它们两者相交，它也必须穿过反子午线。

在检测并分离出“坏”多边形后，我只需通过查看纵向坐标将它们分成两个单独的部分。每个具有负值的坐标对进入新的西部多边形，正值进入东部多边形。然后我只是将它们重新合并在一起，做我的 gUnaryUnion 并拥有我需要的东西：

最终结果：

实际问题

所以，这个解决方案适用于我当前的用例，但它有一些问题：

• 一旦其中一个缓冲区穿过反子午线和本初子午线，它可能会完全中断（如果原始点位置靠近两极，这不太可能）。
• 这不是很精确，因为两个多边形部分不是在 +/-180° 处切割，而是在原始多边形中存在的最高负/正纬度值处切割。
• 我很难相信没有“正确”的方式来做到这一点。

所以这一切归结为一个问题：有没有更好的方法来做到这一点？

当我试图弄清楚这一点时，我发现了包中的nowrapRecenter()andnowrapSpatialPolygons()函数maptools，乍一看，它们看起来就像我想要的那样。经过仔细检查，它们几乎针对相反的用例（以反子午线为中心，从而沿本初子午线切割多边形）。我和他们一起玩，但没有让他们为我工作——事实上，他们只会让事情变得更糟。

感谢您的关注！

我想问一个关于 R 中 dismo 包中的方法的更理论问题：为什么在评估（）函数和 maxent 中测试数据的 AUC 之间产生的曲线特征下面积（AUC）如此不同（ ） 目的？

为了说明 maxent 模型的 AUC 和评估，我添加了用于计算这两个值的脚本。

最大对象：

评估（）：

我希望这两种方法能够产生相似的结果，但是使用 maxent AUC 的第一种方法会导致我的模型的值要低得多......如果您能分享一些这方面的知识，非常感谢。

请原谅我的长问题，但我真的希望有人可以尝试帮助我改进我的代码。基本上这就是我想做的：用不同的输入重复相同的模型（例如随机森林）10 次。作为每次迭代的结果，我想从每个模型中提取几个参数，并且在所有迭代之后从它们产生平均值和标准偏差（例如平均 AUC，平均偏差）。我可能会上传输入文件，但我的问题与不直接依赖它们的步骤有关，我认为它可以使用一些编码来解决。这是一个例子：

我正在使用来自伴随“dismo”包的小插图中的数据处理物种分布模型。所有代码都可以在这里找到：https ://rspatial.org/raster/sdm/6_sdm_methods.html#random-forest 首先我正在创建物种出现（pb=1）和伪缺失（pb=0）的数据）。这些伴随着两列中的经度和纬度坐标，后来的环境变量被连接到每个点。这里一切正常，所以我可以创建一个模型。但我想制作几个模型并平均它们的结果。

这些是我最初的步骤：

我运行模型：

然后我想运行相同的模型但使用不同的背景点。因此，在这种情况下，我制作了另一个输入文件，其中包含来自整个数据集的另外 1000 个随机点：

在这个例子中，a 只重复了 2 次，但理想情况下我想做 10 次或 100 次。如何使它更优雅和自动，而不是手动创建 100 个对象..？