问题标签 [dismo]

我正在尝试使用 dismo 包创建 BRT 模型。当我按照 cran 教程简化我的模型，然后尝试重新指定它时，我收到一条错误消息：“数据错误 [，gbm.x，drop = FALSE]：维度数不正确”。

我不确定问题是什么，任何帮助将不胜感激。

我正在尝试使用来自 GBIF 的数据来了解整个非洲的 Vachella 物种干扰情况，并将其与 R. 的年降雨量相叠加。

任何包装建议、在线资源或教程将不胜感激？

提前致谢

目标：

我的目标是使用Dismo 包中的函数randomPoints()构建物种分布预测模型，最终目标是生成伪缺失点并将它们绘制在地图上。这些点将被转换成栅格文件，以便从 MODIS 文件中提取元数据（即海面盐度、叶绿素水平等），作为重要的生态预测指标，以确定它们如何影响蓝鲸的分布。

这个想法是将具有相关元数据值的存在和伪缺失数据插入一般线性混合（GLM），这最终将使我的模型更加平衡和准确。

问题大纲：

我正在尝试按照这个物种分布练习使用randomPoints() 函数生成伪缺失点（所需的输出：参见图 1） 。但是，在运行我的 R 代码（见下文）后，我遇到了此 R 错误消息（见下文）。我的 r 代码还生成了一张带有 GPS 点的地图（图 2）。

错误信息：

（函数（类，fdef，mtable）中的错误：无法为签名'“standardGeneric”'的函数'nlayers'找到继承的方法</p>

我试图找到解决方案。但是，我在使用 R 中的地图方面相对较新，我对这里的问题感到非常困惑！

我的数据框包含918 行，我想生成与存在点相同数量的伪缺失点。不幸的是，我无法发布我的数据，但我提供了一个迷你数据框作为示例。

如果有人可以帮助我，我将不胜感激！

提前谢谢了！

R代码：

解决问题后我计划运行的代码

图 1（所需输出）

图 2：

my dependent variable is continuous and not normal but I'm not sure which family to choose ... when I run the analysis, this message appears:

restart model with a smaller learning rate or smaller step size ... it is the first time that I do this analysis and any help would be very welcome. thanks

我有一个栅格文件，它是根据从 DIVA-GIS 下载的数据创建的：http ://www.diva-gis.org/datadown

nz_map<-raster("NZL1_msk_cov.grd")

在此对象上使用plot()效果很好，因此导入它没有问题。栅格对象包含很多我不需要的数据，土地覆盖数据。我想要一个更简单的栅格对象，它具有 lon 和 lat 坐标，陆地值为 1，海洋值为 NA。

该栅格将与 dismo 函数randomPoints()一起用于对背景数据进行采样以模拟物种分布，因此最重要的是确定哪些区域是陆地（适合采样），哪些是海洋（不适合）。

我可以使用 更简单地可视化栅格plot(!is.na(nz_map5))。这很好用并为该randomPoints()功能提供服务，但我不确定如何编辑地图的颜色。这样做： plot(!is.na(nz_map5), col="grey")结果是一个完全灰色的块，而不是仅仅将适当的区域涂成灰色；这就是为什么我认为使用更简单的光栅对象可能会更好，以消除!is.na争论有什么想法吗？

如果有人知道您可以下载此类文件的地方，就可以省去我的麻烦——也可以。

gbm.step()我正在尝试使用R 包中的函数对增强回归/分类树执行交叉验证dismo，但它返回一个空输出，我不知道为什么。这是我正在使用的代码：

答案变量是变量HasRes，协变量是变量use, acc, tmp, irg, PgExt, PgInt, ChExt, ChInt, ca, veg。

据我了解，R 缺乏一种以空间独占方式缓冲多边形的方法，以保留相邻多边形的拓扑。因此，我正在尝试一种生成原始多边形顶点的 voronoi 多边形的方法。结果似乎很有希望，除了 voronoi 生成中的明显错误。

相当老派的 R，所以有可能一个更整洁的替代方案可能会更好。这个可重复的示例使用美国/加拿大，但请注意问题是数学几何之一，因此海洋边界不相关：

假设我们要将灰点合并到最近的多边形。我认为最优雅的方法是创建一组新的扩展多边形。这避免了大量的 n 平方最近邻计算。接下来我们尝试对原始多边形顶点进行 voronoi 细分：

这里有很多错误。可能是由于不同的多边形共享一些顶点。让我们尝试使用小的负缓冲区来帮助算法：

一些改进——几乎验证了我认为的方法。但是我们仍然有一些错误，例如不列颠哥伦比亚省的蓝色大块和阿拉斯加东部边境地区的粉红色细带。最后，我使用更大的缓冲区进行绘图，以帮助显示各个顶点发生的情况（单击以获得更大的分辨率）：

有没有人能够阐明这个问题，或者可能提出一种可行的替代 voronoi 方法？我试过 ggvoronoi 但很难让它发挥作用。任何帮助表示赞赏。

伊利斯等人。[1] 描述了一种测量模型拟合中使用的值与预测中使用的值之间差异的方法。在物种分布建模（生态位建模）的背景下，预测是一种“预测”。该方法称为“多元环境相似性表面 (MESS) 分析”。dismo 包中有一个函数来估计它（以及内置在 MAXENT java 程序中的一个函数）。

q1：有谁知道 dismo::mess 函数报告了哪些单位？

dismo::mess 函数不仅报告每个预测变量的 MESS（接收并报告为栅格），还报告名为“rmess”的图层。在帮助文件中，它被描述为“具有 MESS 值的附加层”。

q2：MESS 值是如何计算的？

q3：rmess 层的衡量标准是什么？

谢谢你的帮助！

[1] Elith, J., Kearney, M. & Phillips, S. 2010 模拟范围变化物种的艺术。生态与进化方法 1, 330-342。(doi:10.1111/j.2041-210X.2010.00036.x)。

我是编程语言的新手，但在这里我使用的是 R 语言，我需要一些帮助，我正在尝试学习如何在 SDM 中达成共识。这个想法是创建一个栅格，然后使用 stack() 函数。但是，当我尝试将其应用于文档时，使用 presente.txt 文件上的 gridded() 函数，出现以下错误：

in points2grid(points, tolerance, round) : dimension 1 : coordinate intervals are not constant

有问题的文档是一个 .txt 文件，如下所示： presente.txt 我不明白的是：我在代码上有其他 .txt 文件，它们在代码中运行得很好：example .txt

我的代码：https ://drive.google.com/file/d/17z5Kd8ahzNx0uIgBUGgbn_xIhfNBjmQd/view?usp=sharing

希望它是可重现的，真的需要解决这个问题

注意：我现在意识到第一个文件有 49.502 行，其他 49.504 行，不知道它是否在说什么

谢谢！！

我有这段代码给我带来了一些麻烦，几乎花了我一整天的时间

这给我一个错误：

错误：必须使用有效的下标向量对列进行子集化。i 逻辑下标必须与索引输入的大小相匹配。x 输入的大小为 1，但下标的model.mask大小为 83。运行rlang::last_error()以查看错误发生的位置。警告消息：在 mean.default(y.data) 中：参数不是数字或逻辑：返回 NA

流程为：GBM STEP - 2.9 版

对 ...4 的增强回归树模型执行交叉验证优化，并使用伯努利家族使用 83 个观测值和 2 个预测变量创建 50 个树的 10 个初始模型

折叠按患病率分层，总平均偏差 = 1.0233 容差固定为 0.001 ntrees resid。开发。

我的软件是基于 R 4.0.4 的 RStudio

我在一篇文章中学习了计算边际效应的算法。但是它一直报错。有谁知道为什么？我很感激！文章：https ://rspatial.org/raster/sdm/9_sdm_brt.html