空间自相关及其SAM软件使用
空间自相关是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性,如生物多样性指数较高只是因为周边的值较高影响所致,所以要尽量避免这一效应,虽然最近有文章探讨排除与否好像不是很大……
言归正传,排除的方法很多,在R里面有相应的包,但是往往数据整理需要一定功夫,不如SAM(http://www.ecoevol.ufg.br/sam/)软件来的快,所以本文讲述一下如何用SAM软件来做。
1. 数据存成规定的模式,第一行是变量和反应量等信息的名称,之后是具体的数据,尤其要注意的是要有经纬度(或样地编号成矩阵排列的)
2. 首先检验是否有空间自相关的影响(每个反应量都要进行这一步),点击“Modelling”----“Spatial Eigenvector mapping”,选择反应量如“Species richness”,检测Longitudinal coordinate(X)等是否正确,点下面的“Calculate”----“Compute”,如若提示“Problemsfound during……”则表示无空间自相关影响可进行一般的模型拟合即可,如若无提示,则表明存在,可进行下一步操作“spatial filters”这时候软件自动选择了可能会有影响的spatial filters,点击“save”---“OK”,这样就自动储存了你的spatial filters了,做模型的时候要用到的。
注:检测空间自相关可以直接用“structure”---“Moran’s I correleogram”,看结果中的值判定。不过建议用以上方法,因为上面的结果可以直接用到。
3. 下一步是模型选择:
“Modeling”----“Model Selection and Multi-Model Inference”,点击左边框中上栏中的反应量如“species”,将左边框中下栏中的所有可能的解释因子放到“Predictor variable(s) to be selected”框内,讲步骤2中保存的spatialfilters放到“Predictor variable(s) present in all models”内(表明空间自相关的因素被所有模型考虑并排除),点击“Compute”。
注:如数据量大的话,建议用高配置的电脑,运算会快很多。
4. 这样就得到很多模型了,可选择最好的模型,记住最好模型中的自变量等,进行下一步操作:
“Liner regression analysis”-----左边框上栏选中反应量如“species”,在1st Predictor Set下的方框内将你要的解释量加进去,如若你的数据分为几个大部分,如环境变量,种群压力等,可分别将变量放在1st Predictor Set,2nd Predictor Set, 3rd Predictor Set之下的方框内,可检验每个部分的解释量及其之间的公共解释量。在最后一个Predictor Set下放置保存的spatial filters的那些因子。
点击“Compute”,即完成。
5. 结果查看部分:
“Analytical Results”可以查看总的解释度,然后“Partial Regression”可以查看每部分及其相互作用之间的解释度。
6. 依次对其他的反应量进行此类操作
声明:此方法学自Ferry Slik教授。
来自:http://blog.sciencenet.cn/blog-434209-726398.html
空间自相关及其SAM软件使用相关推荐
- 双变量空间自相关_空间计量经济学的发展及其应用,经济模型总会需要
为处理数据的空间相关性和空间异质性而发展的空间计量经济学, 已成为空间数据的标准分析工具, 并开始进入计量经济学的主流.从最初的探索性空间数据分析, 空间计量经济学发展到横截面数据空间计量模型, 进一 ...
- 空间地理加权回归stata_xy妙妙屋丨地理加权回归和空间自相关
关于地理加权回归和空间自相关 菜鸡的我只是大神文章的搬运工orz,本意是想搞清楚双变量局部空间自相关和地理加权回归的区别,虽然依旧一知半解,但是,害.(下面网址我不会搞超链接,我发现有点麻烦,所以我懒 ...
- 物种分布模型_减少物种分布建模中的空间自相关
物种分布模型 Species distribution models (SDM; for review and definition see, e.g., Peterson et al., 2011) ...
- 全局莫兰指数_空间自相关 | 莫兰指数
空间自相关:是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性.其中,自相关中的"自"表示当你进行相关性观察统计量,是来源于不同对象的同一属性.Tobler(1970)曾指 ...
- geoda空间自相关分析_【方法笔记4】Geoda空间计量1 空间自相关
以黑龙江省为例: 1.导入shp格式地图:打开目标地图,点击第二行第4个数据按钮可以查看地图数据变量 2.数据合并:即将研究的各地级市数据与导入地图"捆绑",首先找到地图数据中可以 ...
- 五款免费的磁盘空间使用情况报告软件
五款免费的磁盘空间使用情况报告软件 你的硬碟又满了吗?知道是哪些档桉在作怪吗?阿正老师这边介绍五套免费又好用的磁碟统计软体,让你轻鬆找出硬碟裡面那些又佔空间又没用的档桉喔-快来试试看吧. 牌子老.信用 ...
- ArcGIS教程:检查空间自相关和方向变化
通过探索数据,您将能够更好地了解测量值之间的空间自相关.这种了解有助于在选择空间预测模型时做出更好的决策. 空间自相关 可通过检查不同的采样位置对来探索数据的空间自相关.通过测量两个位置间的距离并绘制 ...
- moran指数 r语言_使用R进行空间自相关检验
「全局溢出」当一个区域的特征变化影响到所有区域的结果时,就会产生全局溢出效应.这甚至适用于区域本身,因为影响可以传递到邻居并返回到自己的区域(反馈).具体来说,全球溢出效应影响到邻居.邻居到邻居.邻居 ...
- moran指数 r语言_R语言空间数据分析(七):空间自相关
作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量.机器学习.数据可视化.应用统计建模.知识图谱等,著有& ...
最新文章
- pandas使用sum函数计算dataframe单数据列的加和或者对所有的数据列进行求和(sum column or all columns of dataframe)
- 文巾解题 1433. 检查一个字符串是否可以打破另一个字符串
- 蓝桥杯-最小乘积(java)
- ICCV 2019 | VrR-VG:聚焦视觉相关关系
- new HashMap<String, Object>();
- oracle改类型吗,详解Oracle修改字段类型方法总结
- --Symantec AntiVirus9.0--网上已很难寻的经典防病毒软件
- 第十五讲 循环体for基础
- 数据结构(Java)——查找和排序(3)
- A类业余电台操作证书考试内容提要
- SCC4-设置系统是否可编辑状态(后台配置)
- 手机连接 linux系统软件,linux上安卓手机管理软件及连接办法
- 麻雀虽小,五脏俱全-Sqlite
- windows registry = control pannel
- 透过案例看清API接口的作用——演示1688商品详情接口
- MarketsandMarkets:2018年全球太阳能背板市场需求将超17亿美元
- Educational Codeforces Round 140 (Rated for Div. 2)A~D题解
- Feng Shui POJ - 3384
- sql语句批量导入数据库数据
- 好书推荐:《Google.Android开发入门与实战》