Package?PseuAbs?version 0.1.0
这是一个灵活的函数,使用不同策略来完成伪缺席采样和具有灵活距离约束的稀疏存在采样和伪缺席采样。这是 pseudoabs 包的核心功能。
wsl.samplePseuAbs(
n = 10000,
env.stack,
type = "geographic",
add.strat = 0,
pres = numeric(),
taxon = character(),
geodist_fact = 1,
geores_fact = 1,
template_dir = tempdir(),
geo_nrep = 7,
target.group_dir = NA,
env.strat_path = NA,
rAll = TRUE,
force_spat_thin = "no",
limdist = NA,
set_max_npres_to_nabs = TRUE
)
参数【n】:正整数;所需伪缺失点的数目。默认为 10000。
参数【env.stack】:RasterStack/RasterBrick?与环境层的采样和提取。
参数【type】:字符值;期望的抽样策略。选项有 “geographic”、“density”、“random”、“target.group”、“geo.strat”、“env.strat”、“env.semi.strat”。默认为 “geographic”。?
参数【add.strat】:0 到 1 之间的分数;取样策略是否应该得到一小部分环境图层的补充?(当参数【type】为?“env.strat”、“env.semi.strat”?时忽略此项)
参数【pres】:SpatialPoints?对象;存在点的位置。对于?“geographic”?和 “density”?策略是必要的,其余策略是可选的。存在点可以根据灵活的距离约束进行细化。
参数【taxon】:字符值(可选);在元信息中跟踪感兴趣的分类群的名称。
参数【geodist_fact】:正浮点数调整空间自相关长度:对于 “geographic”?伪缺失点模式,低于 1 的值增加自相关长度;大于 1 的值使其减小;对于 “density”?采样,则相反。
参数【geores_fact】:正整数;模板栅格的聚合因子,从中采样伪缺失(用于?“geographic”、“density”、“random”?和 “地理”)。较大的值可以节省计算时间,但会降低采样点的分辨率。
参数【template_dir】:字符值;模板栅格应该保存/加载的目录。默认是 tempdir()。模板将保存在/从目录中加载,这取决于模板是否已经通过先前的函数调用创建。
参数【geo_nrep】:正整数;适合?“geographic”?策略的模型的复制数。更多将创建更平滑的模式,但会增加计算时间。默认值是7。
参数【target.group.dir】:字符值;存放目标分类群 xy 文件的目录。如果采样策略是?“target.group”,则必须包含列名 'x' 和 'y',其坐标与?RasterStack/RasterBrick 提供给参数【env.stack】的投影系相同。
参数【env.strat_path】:字符值;使用?“env.strat”、“env.semi.strat” 策略的环境地层样本目录。若没有,什么也保存不了;如果提供了,环境层将被保存在/从目录中加载,这取决于文件是否已由先前的函数调用创建。
参数【rAll】:布尔值;为了计算环境地层,所有的栅格数据都应该读入存储器吗?这是更快,但大量的栅格数据会使你可能遇到内存问题。默认为 TRUE。
参数【force_spat_thin】:字符值。点与点之间的最小距离是否应该强制执行?选项有 “no”、“presences”、“absences” 和 “both”。默认情况下,细化是为 'geographic', 'density', 'random'和 'geo.strat' 中的伪缺席定义的。根据模板光栅的分辨率使用最小距离的Strat方法(参见参数【geores_fact】)。“presences”?采用从模板栅格到 “存在”点的最小距离标准;“absences”?将标准提升到了“env.strat”、“env.semi.strat” 和?“target.group”;“both”?对双方都适用。
参数【limdist】:正数浮动数;空间细化所接受的最小距离。空间数据投影时,单位为 km,否则使用坐标参考系单位。如果没有提供值,则使用模板栅格的两个单元中心之间的最大距离。
参数【set_max_npres_to_nabs】:布尔值;存在的最大数量是否等于定义的伪缺席的数量。默认为 TRUE。
具有抽样概率的 'geographic' 样本伪缺席。与分布点观测的地理距离成反比。
'density'?样本与分布点观察的密度成正比。
'random'?抽样假缺席随机抽样概率与单元格的面积成正比。
“target.group” 策略从目标群体的分类群中伪造缺失,试图纠正抽样偏差。它依赖于一个目录,用户将分类组定义为目标组。
“geo.strat” 策略?根据所提供的参数【env.stack】的投影,在平面或球面上进行地理分层的层样伪缺失。
“env.strat” 策略 根据环境分层 制造 伪缺失。从环境堆栈中出现的具有最小出现频率的环境条件的所有已实现组合中采样点。
环境层是基于所有提供的栅格层计算的。如果目录以 'env.strat_path',将保存大量的分层点样本,以加快后续物种的计算速度。
如果基于不同预测因子的环境层比所提供的要好,则首选 'env.strat_path' 可以是一个 .rdata 文件,该文件来自以前对不同环境预测器的地层进行采样。
“env.semi.strat”?和 “env.strat”?很相似。但采样环境地层与其覆盖面积的对数成比例。
类 “wsdl .pseudoabsences” 的一个 S4 对象。它包含以下槽:meta,包含元信息的列表;Pa,一个有 1 个编码存在和 0 个编码伪不存在的向量;Xy,两列矩阵,(稀疏的)存在点和采样的伪不存在点的坐标。它的投影和 env.stack 的投影是一样的。env_vars,一个包含 env.stack 提取的数据帧。在点 xy 处堆叠;call?是对 wsl.samplePseuAbs?函数的调用。