Пакет R без опознавательных знаков gdistsamp distsamp pcount
Я относительно новичок в R. Я проводил повторные подсчеты по 10 минут в течение одного сезона. У меня есть 50 участков (радиус 100 м), реплицированных на 3 съемки, и каждое отдельное наблюдение (n = 1108) регистрируется с дискретными интервалами расстояния (т. Е. Количество наблюдений для каждого участка во время каждого обследования не всегда одинаково). Переменные среды обитания измеряли один раз для каждого участка (n = 50), а ковариаты обнаружения измеряли для каждого участка в каждом обследовании (n = 150).
Я хочу проверить влияние (и) различных метрик среды обитания на численность / плотность певчих птиц, включить ковариату (ы) обнаружения в мои модели и учесть повторяющиеся измерения в моем дизайне. Я думаю, что "distsamp" наиболее подходит для этого, но я не уверен (особенно, когда речь идет о том, как бороться с повторными мерами).
Я следовал "Анализу дистанционной выборки без опознавательных знаков (2011)" Чендлера, и, кажется, все работает, пока я не добавлю ковариаты обнаружения (используя distsamp; до добавления предикторов среды обитания / плотности), когда мои модели выдают предупреждение: "В лямбде * A: большая длина объекта не кратна короткой длине объекта ".
(а) Я использую соответствующую функцию подгонки (то есть distsamp против gdistsamp против pcount против???) (б) Почему я получаю это предупреждающее сообщение?
Вот мой код:
dists <-read.csv("file/path.csv")
подмножество переменных (для использования в качестве ковариат обнаружения)
jdate<-(dists$day.julian)daytime<-(dists$time.hour.num)
head(dists, 1108)
"точка" содержит символ + числовые имена сайтов (например, "sweco03")
levels(dists$point) <- c(levels(dists$point), "sweco03")
levels(dists$point)
отдельные наблюдения были записаны с интервалами 10 м до 100 м
umf <-unmarkedFrameDS(y = as.matrix(yDat), survey = "point", dist.breaks = c(0,10,20,30,40,50,60,70,80,90,100), unitsIn = "m")
summary(umf)
определить лучшую функцию обнаружения
`hn_Null <- distsamp (~1 ~1, umf, keyfun = "halfnorm", output = "density", unitsOut = "ha")
haz_Null <-distsamp (~1 ~1, umf, keyfun = "hazard") #lowest AIC
uni_Null <- distsamp (~1 ~1, umf, keyfun = "uniform")
exp_Null <- distsamp (~1 ~1, umf, keyfun = "exp") `
проверить соответствие определения ковариат
model1 <-distsamp (~1 ~jdate, umf, keyfun = "hazard")
model2 <-distsamp (~1 ~daytime, umf, keyfun = "hazard")