Phyloregion manual （7）plot.phyloregion、plot_pie 、plot_structure、

2022-07-04 20:55 作者:猫腻需要更多的学习 0人读过 | 我要投稿

：（续）plot_swatch、random_species、raster2comm、read.community、selectbylocation、select_linkage、timeslice 、weighted_endemism

#方便自己回来复习的个人学习记录，仅供参考，如有错误，请多指正

plot.phyloregion 生物地理分区可视化

示例：

这里没有指明聚类的簇数，与之前介绍phyloregion的结果也不尽相同

phyloregion(x, k = 10, method = "average", shp = NULL, ...) 这是用法，这里使用这个函数后的结果显得更加复杂一些。

membership这一项一样，显示聚类分簇情况

k默认为10，region.dist这项依旧是显示每一簇之间的距离矩阵。

然后有对研究区域的描述，shp

region.df多了每一簇对应的色号

并且多了NMDS的记录

plot_NMDS(y, cex=6)展示了之前提到MDS时候画的差不多的图，就不在这里占位置了。

最后地图分区结果如下

plot_pie 用饼图展示生物地理分区模式

用法：

plot_pie( omega, shp, r = 1, col = hcl.colors(5), pie_control = list(), legend = FALSE, legend_pie = FALSE, ... )

示例：

omega ：a matrix of phyloregion of probabilities of each species ，这个数据集第一次提及，对其的描述很少，目前不能很好的理解，暂时理解为各个栅格各生物地理分区成分的分布概率的统计，15为分得的区域数目。

shp 研究区域的地标文件，栅格化的网格数据。r设定饼图半径。col为颜色映射向量。

pie_control = list() 要传递给add.pie函数的控制参数列表。add.pie没找到，示例中未展示，具体效果不详。

legend = FALSE, legend_pie = FALSE,是两个标识指令，默认不标示例。更改后效果如下。

plot_structure 使用结构图可视化生物地理模式

用法：

plot_structure(omega, shp, by = NULL, col = hcl.colors(15), ...)

示例：虽然没给，但是可以跟照着上面的饼图画瓢

plot_swatch 使用连续的颜色梯度映射一个量的离散值

用法：

plot_swatch( x, values = NULL, col = hcl.colors(n = 10, palette = "Blue-Red 3", rev = FALSE), key_label = "", leg = 10, lwd = 15, pos = "bottomleft", legend = TRUE, border = par("fg"), breaks = "quantile", min = NULL, max = NULL, ... )

x为SpatialPolygonsDataFrame，多边形空间数据；values为要离散的值

示例：

结果相当于画了物种丰富度的热图

random_species 生成随机物种的空间分布

random_species(n, species, shp, ...)

n可能是一个分布的约束条件，可以为整数或向量等，species规定生成的物种数

示例见下面raster2comm函数

raster2comm 将原始数据转化生成comm

raster2comm(files)

polys2comm(dat, res = 1, species = "species", shp.grids = NULL, ...)

points2comm( dat, mask = NULL,res = 1, lon = "decimallongitude", lat = "decimallatitude", species = "species", shp.grids = NULL, ... )

这个超重要，处理原始数据，可以说算是是工作流的第一步。

示例：

points2comm里res参数对应的是栅格粒度，具体作用不详

三个转换函数都返回包含两个对象的list，一个是comm一个是poly

read.community 读取稀疏社区矩阵

read.community(file, grids = "grids", species = "species", ...)

示例：

sdm 计算(应该是某一）物种分布模型

描述：该函数使用四种建模算法计算物种分布模型:广义线性模型、广义提升模型、随机森林和最大熵(仅当rJava可用时)。注意:这是一个实验中的功能，将来可能会改变。

sdm( x, pol = NULL, predictors = NULL, blank = NULL, res = 1, tc = 2, lr = 0.001, bf = 0.75, n.trees = 50, step.size = n.trees, k = 5, herbarium.rm = TRUE, n_points = 30 )

示例：

preds应该是环境因素的堆栈，这里涉及了三个因子的情况