尽管提供了社区矩阵，但纯素dbrda物种分数为空

我已经使用素食社区生态学软件包在R中执行了“基于距离的冗余分析”（dbRDA）。我想在dbRDA结果的排序图中显示（鱼类）营养类群对样本之间差异的相对贡献（营养级鱼类组合的丰度数据）。即，将箭头和营养级组名称覆盖在排序图上，其中箭头线的长度表示差异的相对贡献。据我所知，这应该可以通过

vegan:：scores（）

函数访问，或者与

dbrda.model$CCA$v

对象一起存储

但是，使用

dbrda（）

时，物种分数为空（NA）。我理解dbrda函数要求在函数中定义群落矩阵，以便提供物种分数。我已经给它下了定义，但仍然无法得出物种分数。让我困惑的是，当我在纯素套餐中使用

capscale（）

时，使用相同的物种群落和环境变量数据，并在各自的功能中制定相同的公式，就会产生物种分数。素食者中的dbrda是否能够产生物种分数？这些分数与

capscale

（使用相同的数据和公式时）产生的分数有何不同？我提供了一个我的数据示例，以及使用的公式。（一旦获得物种分数，我对实际绘制物种分数相当有信心——因此将代码限制为生成物种分数。）

社区数据矩阵（comm.dat）：站点名称=行名称，营养级别=列名 >头部（通讯数据[1:5,1:4]） 藻类/无脊椎动物珊瑚食肉动物食草动物 h_m_r_3m_18 1 0 3 0 h_m_r_3m_22 6 4 8 26 h_m_r_3s_19 0 4 0 h_m_r_3s_21 3 0 7 0 l_pm_r_2d_7 1 0 5 0 >str（通信数据） 数字[1:47，1:8]160 3 1 8 11 2 6 9。。。 -属性（*，“dimnames”）=2个列表 …$：chr[1:47]“h_m_r_3m_18”“h_r_3m_22”“h_m_r_3s_19”“h_r_3s_21”。。。 ..$：chr[1:8]“藻类/无脊椎动物”“珊瑚动物”“多面手食肉动物”“食草动物”。。。 #环境数据（环境数据）：已经标准化的环境数据。 >头部（环境数据[1:5,1:3]） 水深、水位、时间 -0.06017376 1.3044232 -1.7184415 -0.67902862 1.3044232 -1.7907181 -0.99619174 1.3044232 -1.7569890 -1.06581291 1.3044232 -1.7762628 2.39203863 -0.9214933 0.1703884 #相异距离：修改的Gower（AltGower）和社区数据矩阵的logbase 10转换 >dis.comm.mGow m.dbrda m.dbrda$CCA$v dbRDA1 dbRDA2 dbRDA3 dbRDA4 dbRDA5 [1，]NA-NA-NA #或使用分数（）提取物种分数：也不显示物种分数。。。 >scrs m.cap m.cap$CCA$v[1:5,1:3] 第1章第2章第3章 藻类/无脊椎动物0.2044097-0.04598088-0.37200097 珊瑚虫0.3832594 0.06416886-0.27963122 多面手食肉动物0.1357668-0.08566365-0.06789812 食草动物0.5745226-0.45647341 0.73085661 无脊椎动物食肉动物0.1987651 0.68036211-0.19174283

---

这看起来像是文档中的一个bug或缺少功能，我将在Github上向Jari提出这个问题

但是，请注意，

dbrda（）

没有参数

comm

，因此传递它实际上没有任何作用<代码>通信仅用于

capscale

如果这是一个文档错误，那么它就会出现，因为我们在同一页上同时记录了

capscale（）

和

dbrda（）

，但是

capscale（）

首先存在，而

dbrda（）

只是在之后才到达，文档被更新以适应后者，但这可能做得并不完美，因此，关于

dbrda（）

是做什么的，还是不做什么的问题就变得很混乱

目前，

dbrda（）

背后的代码没有试图计算物种得分；如果我正确地遵循代码，它可以。因此，这可能只是缺少功能

目前，

NA

s是实现所有这些模型的底层

ordConstrained

函数的预期结果，并且是如果分析是在相异矩阵上，我们返回的结果，就这个函数而言，它是。

dbrda（）

函数实际上没有得到物种分数。但是，如果我们在素食者中具有以下功能，您可以添加这些分数：

#' Add Species Scores to Ordination Results
#'
#' @param object Ordination object
#' @param comm Community data
#'
#' @return Function returns the ordination object amended with species
#'     scores.
#'
#' @rdname specscores
#' @export
`specscores` <-
    function(object, comm)
{
    UseMethod("specscores")
}
#' importFrom vegan decostand
#'
#' @rdname specscores
#' @export
`specscores.dbrda` <-
    function(object, comm)
{
    comm <- scale(comm, center = TRUE, scale = FALSE)
    if (!is.null(object$pCCA) && object$pCCA$rank > 0) {
        comm <- qr.resid(object$pCCA$QR, comm)
    }
    if (!is.null(object$CCA) && object$CCA$rank > 0) {
        v <- crossprod(comm, object$CCA$u)
        v <- decostand(v, "normalize", MARGIN = 2)
        object$CCA$v <- v
        comm <- qr.resid(object$CCA$QR, comm)
    }
    if (!is.null(object$CA) && object$CA$rank > 0) {
        v <- crossprod(comm, object$CA$u)
        v <- decostand(v, "normalize", MARGIN = 2)
        object$CA$v <- v
    }
    object
}

将物种得分添加到排序结果中 #' #“@param对象排序对象” #“@param comm社区数据 #' #“@return函数返回用物种修改的排序对象 #“得分。 #' #“@rdname specscores” #“@出口

---

`specscores`In

vegan_2.5-0

缺失物种得分记录在

？cca.object

中（可能不是第一个查看的地方）。我确实没有在

dbrda

中实现物种分数，因为我不知道这是否可以正确实现（这同样适用于

capscale

，但我计划用物种分数来否定

capscale

）。物种分数可以通过复制

capscale

code轻松实现，但我不确定是否应该这样做。亲爱的Gavin和Jari。谢谢你的回答，完美地回答了我的问题。排序图中的物种分数有助于诊断组合之间的基本差异。许多使用R或Primer的出版物以及数字生态学等书籍中都使用了R，这表明社区更依赖于此功能

#' Add Species Scores to Ordination Results
#'
#' @param object Ordination object
#' @param comm Community data
#'
#' @return Function returns the ordination object amended with species
#'     scores.
#'
#' @rdname specscores
#' @export
`specscores` <-
    function(object, comm)
{
    UseMethod("specscores")
}
#' importFrom vegan decostand
#'
#' @rdname specscores
#' @export
`specscores.dbrda` <-
    function(object, comm)
{
    comm <- scale(comm, center = TRUE, scale = FALSE)
    if (!is.null(object$pCCA) && object$pCCA$rank > 0) {
        comm <- qr.resid(object$pCCA$QR, comm)
    }
    if (!is.null(object$CCA) && object$CCA$rank > 0) {
        v <- crossprod(comm, object$CCA$u)
        v <- decostand(v, "normalize", MARGIN = 2)
        object$CCA$v <- v
        comm <- qr.resid(object$CCA$QR, comm)
    }
    if (!is.null(object$CA) && object$CA$rank > 0) {
        v <- crossprod(comm, object$CA$u)
        v <- decostand(v, "normalize", MARGIN = 2)
        object$CA$v <- v
    }
    object
}