Mi sembra di aver trovato una discrepanza nei risultati di un'analisi univariata del modello di punti K di Ripley (figura 1). Per iniziare, ho generato una griglia punto uniforme 1x1 per vedere se il mio script R stava producendo risultati logici (Figura 2). L'area di studio è 20x40 (Figura 2). Dati i dati completamente uniformi, non mi sarei mai aspettato di vedere modelli di punti casuali o raggruppati a qualsiasi distanza di ricerca (r). Lo script allegato è stato utilizzato per generare questi risultati. In queste condizioni controllate perché vedo clustering e CSR quando dovrebbe esserci solo un pattern punto uniforme?Come tenere conto della CSR e del clustering in dati spaziali uniformi?
require(spatstat)
require(maptools)
require(splancs)
# Local Variables
flower = 0
year = 2013
# Read the shapefile
sdata = readShapePoints("C:/temp/sample_final.shp") #Read the shapefile
data = sdata[sdata$flow_new == flower,] # subset only flowering plants
data2 = data[data$year == year,] # subset flowering plants at year X
data.frame(data2) # Check the data
# Get the ripras estimate of area based on the study area measurements
gapdata = readShapePoints("C:/temp/study_area_boundary.shp") #Read the shapefile
whole = coordinates(gapdata) # get just the coords, excluding other data
win = convexhull.xy(whole) # Ripras will determine a good bounding polygon for the points (usually a variant of Convex Hull)
plot(win)
# Converting to PPP
points = coordinates(data2) # get just the coords, excluding other data
ppp = as.ppp(points, win) # Convert the points into the spatstat format
data.check = data.frame(ppp) # Check the format of the ppp data
summary(ppp) # General info about the created ppp object
plot(ppp) # Visually check the points and bounding area
# Now run the ppa
L.Env.ppp = envelope(ppp, Lest, nsim = 1000, correction = "best", rank =1)
plot(L.Env.ppp, main = "Uniform Test")
abline(v=(seq(1:12)), lty="dotted")
Figura 1
risultati dell'analisi
Figura 2
I punti uniformi e la finestra
Questi punti sono * regolarmente * dispersi (talvolta anche chiamati * iperdispersi *). Anche se in senso collettivo sono uniformi, il processo puntuale sottostante non è uniforme: se lo fosse, ci sarebbero alcune possibilità di coppie di punti inferiori a un'unità! Ripley's K si sta comportando esattamente come è stato progettato per attirare l'attenzione su quella deviazione a corto raggio dall'uniformità. (A proposito, +1 per la tua domanda ben costruita e illustrata). –
Grande, grazie per le informazioni penetranti @Josh! – Borealis
Oh bene. Sono contento che ci abbia aiutato. –