Warning: file_get_contents(/data/phpspider/zhask/data//catemap/8/qt/7.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
R 家畜的平均活动范围_R - Fatal编程技术网

R 家畜的平均活动范围

R 家畜的平均活动范围,r,R,我已经为此挣扎了几天了。我在这里使用了我的数据的一个子集,3个人,每个人7次搬迁,跟踪了3个季节。并非所有的鱼都在所有的季节出现,它们的位置在不同的季节有所不同。我需要估计每个季节鱼类的平均活动范围面积,并绘制图 我认为Anthony Fischbach在下面的帖子中的回答是我需要做的,我只是停留了一段时间(主要是因为我对空间分析和居住非常陌生) df我不确定我是否理解您的问题,但为什么您不能将物种和季节一起工作 sp_df <- subset(df, select = c(IDS, E

我已经为此挣扎了几天了。我在这里使用了我的数据的一个子集,3个人,每个人7次搬迁,跟踪了3个季节。并非所有的鱼都在所有的季节出现,它们的位置在不同的季节有所不同。我需要估计每个季节鱼类的平均活动范围面积,并绘制图

我认为Anthony Fischbach在下面的帖子中的回答是我需要做的,我只是停留了一段时间(主要是因为我对空间分析和居住非常陌生)


df我不确定我是否理解您的问题,但为什么您不能将物种和季节一起工作

sp_df <- subset(df, select = c(IDS, Easting, Northing))
coordinates(sp_df) <- ~Easting+Northing
#plot(sp_df, axes = T, col = )
kud <- kernelUD(sp_df[ ,1], grid = 200, same4all=TRUE)
hr <- kernel.area(kud, percent = 95)

    X01Fall X01Summer X04Spring X04Summer X06Spring X06Summer
95 8.638694  8.118291  1.353048    2581.2    2581.2 0.4163226

sp_-df-Huh。我是如此专注于分离个体和季节,我不知道我能做到这一点。。。这仍然让我需要对鱼类等进行平均。在你的帮助下,我取得了一些进步(遵循我引用的链接):kud_spdf@user2602640我马上就要尝试一下。我不确定我是否理解它(或者可能我没有很好地说明我的问题)-我的主要任务是计算主范围的位置,而不是它的面积,这样我就可以在地图上绘制整个鱼类范围。如果我理解正确,您的编辑区域?另外-您编辑的
hr
是否与原始回复中的
kud
相同?婴儿步这里…@user2602640。我懂了。的确不同。我得考虑一下。谢谢你的耐心和帮助!这里的数据只是~100K,30条鱼类数据集的一小部分。当然,不同的家庭范围有差异,但在写论文时,我无法绘制30张地图。我需要显示一个单一(每季度)的阴谋,显示平均使用。我可以通过删除标记数据并将所有数据视为来自同一条鱼来处理,但这似乎并不正确,因为一条鱼“真正喜欢”一个区域会使整个范围的估计产生偏差。另一种方法是通过计算单个范围并对其进行平均。如果我能找出方法:-)
sp_df <- subset(df, select = c(IDS, Easting, Northing))
coordinates(sp_df) <- ~Easting+Northing
#plot(sp_df, axes = T, col = )
kud <- kernelUD(sp_df[ ,1], grid = 200, same4all=TRUE)
hr <- kernel.area(kud, percent = 95)

    X01Fall X01Summer X04Spring X04Summer X06Spring X06Summer
95 8.638694  8.118291  1.353048    2581.2    2581.2 0.4163226
hr1 <- as.data.frame(t(hr))
hr1$ID <- factor(rep(c(1,4,6), each = 2))
names(hr1)[1] <- 'p95'
# Using base functions
aggregate(p95~ ., hr1, mean)

# Fast and simple
library(dplyr)
hr1 %>%
  group_by(ID)%>%
  summarise(mean_hr = mean(p95))
    Source: local data frame [3 x 2]

  ID   mean_hr
1  1 8.4037848
2  4 0.8040197
3  6 0.2109327
kareas <- getverticeshr(kud, 95)
library(ggplot2)
kdareas <- fortify(kareas)
ggplot(kdareas) +
  geom_polygon(aes(x=long, y=lat, group = group, fill = id, colour = id),
               alpha = .4) +
  theme_bw() +
  coord_equal()