2021-01-06

1.調(diào)用“csv苛聘、txt文件”(選用choose函數(shù),將文本放在指定的文件夾中)

csvpath <- file.choose()

1.1讀取文件存放路徑

csvpath
#[1] "/Users/yxwyxf/Desktop/文件匯總/聽(tīng)曉偉簡(jiǎn)說(shuō)/2021.01.06-R語(yǔ)言生態(tài)學(xué)數(shù)據(jù)分析/R語(yǔ)言生態(tài)學(xué)數(shù)據(jù)分析案例.csv"

1.2讀取csv數(shù)據(jù)

treedata <- read.csv(csvpath,header = T,row.names =1)

示例數(shù)據(jù)

image.png

2.計(jì)算文本幾行幾列(查驗(yàn)導(dǎo)入數(shù)據(jù)是否有錯(cuò))

dim(treedata)
#[1] 41 10

3.分類匯總某一表中數(shù)據(jù)類別

table(treedata$group)
table(treedata$sp.code)
> table(treedata$group)

      Climax       Exotic      Pioneer Transitional 
           5            3           21           12 
> table(treedata$sp.code)

sp1 sp2 sp3 sp4 sp5 sp6 sp7 sp8 sp9 
  4   3   6   3   7   3   6   6   3 

4.篩選核心區(qū)的林木

subdata <- subset(treedata, x >=5 & x<=25 & y>=5 & y <=25)
subdata
> subdata <- subset(treedata, x >=5 & x<=25 & y>=5 & y <=25)
> subdata
       x    y sp.code dbh.cm  h.m storey crownwid.m        group biomass.kg   quality
T12 21.6  5.6     sp5   24.3 16.2      5        4.9      Pioneer     311.95      Poor
T13 20.5 12.4     sp6   11.7  9.4      6        3.1 Transitional      42.40 Excellent
T14 20.0 12.5     sp7   28.1  7.9      6        5.8      Pioneer     203.87   Average
T15 23.4 17.6     sp5   14.3 17.6      5        3.2 Transitional     117.96      Good
T16 15.5 21.5     sp5   13.4  9.4      6        3.2       Climax      55.54       Low
T17  5.8 24.4     sp5   16.4 14.0      5        3.2      Pioneer     123.38 Excellent
T18  6.2 20.1     sp5   19.8  8.8      6        3.7      Pioneer     113.10   Average
T19  9.5 20.5     sp5   20.4  7.4      6        4.1      Pioneer     101.01      Good
T20 10.3 19.0     sp4   20.5  6.0      6        4.4 Transitional      82.79 Excellent
T21 10.2 14.9     sp4   18.2 22.1      4        3.6      Pioneer     239.05 Excellent
T22 16.2 19.8     sp7   28.9  7.1      6        7.2       Climax     193.86   Average
T23 15.3  6.4     sp7   16.2 17.8      5        3.2       Climax     152.90   Average
T24 14.6  6.2     sp7    9.4 13.1      3        2.6       Climax      38.16      Poor
T25 14.8  6.8     sp7    7.9 28.3      4        1.8       Exotic      58.10 Excellent
T26 19.8  9.4     sp8   17.6 20.7      6        3.5 Transitional     209.53   Average
T28 22.5 10.0     sp8   14.0 26.7      1        3.2      Pioneer     171.19 Excellent
T29  8.9 19.2     sp8    8.8 47.6      1        1.9      Pioneer     120.80 Excellent
T32 18.5 15.1     sp9   22.1 29.2      6        4.9       Exotic     464.12      Poor
T33  6.2 13.6     sp9    7.1 11.4      6        1.7 Transitional      19.01 Excellent
T34 18.3  5.4     sp8   17.8 12.0      5        3.5 Transitional     124.58   Average
T35 19.5  9.7     sp7   13.1 14.5      6        3.2 Transitional      87.71      Good
T37 16.5 22.7     sp6   20.7 19.2      4        4.6 Transitional     268.49 Excellent
T38  8.4 12.2     sp5   12.7 21.9      3        3.1      Pioneer     115.78   Average
T39 22.6  9.2     sp1   26.7 28.0      4        5.2       Climax     648.48   Average

5.繪制樣地樹(shù)種分布圖,且不同樹(shù)種用不同顏色表示

sp1data <- subset(treedata, sp.code=="sp1")
sp2data <- subset(treedata, sp.code=="sp2")
sp3data <- subset(treedata, sp.code=="sp3")
sp4data <- subset(treedata, sp.code=="sp4")
sp5data <- subset(treedata, sp.code=="sp5")
sp6data <- subset(treedata, sp.code=="sp6")
sp7data <- subset(treedata, sp.code=="sp7")
sp8data <- subset(treedata, sp.code=="sp8")
sp9data <- subset(treedata, sp.code=="sp9")
opar <- par(mar=c(4,4,3,1))
plot(sp1data$y~sp1data$x, 
     col=1, 
     pch=19,
     main="",
     xlab="x軸x data(m)",
     ylab="y軸y data(m)", 
     xlim=c(0,30), 
     ylim=c(0,25), 
     xaxs="I", 
     yaxs="I")
points(sp2data$y~sp2data$x, col=2, pch=19)
points(sp3data$y~sp3data$x, col=3, pch=19)
points(sp4data$y~sp4data$x, col=4, pch=19)
points(sp5data$y~sp5data$x, col=5, pch=19)
points(sp6data$y~sp6data$x, col=6, pch=19)
points(sp7data$y~sp7data$x, col=7, pch=19)
points(sp8data$y~sp8data$x, col=8, pch=19)
points(sp9data$y~sp9data$x, col=9, pch=19)
rect(5,5,25,20,border="red")
legend("top", title="樹(shù)種 Tree species", cex=0.8, inset=-0.16, xpd=TRUE,
       legend=paste("sp",1:9,sep=""), border="white", bty="n",
       col=1:9,pch=19, xjust=2, yjust=1, ncol=9)

5.1結(jié)果如下圖所示

image.png

6.篩選出某一類別的樹(shù)種(處于4 storey 的 Pioneer 樹(shù)種)

subset(treedata, storey=="4"&group=="Pioneer")
> subset(treedata, storey=="5"&group=="Pioneer")
       x    y sp.code dbh.cm  h.m storey crownwid.m   group biomass.kg   quality
T4  25.7  8.0     sp1   29.2 14.3      5        7.6 Pioneer     397.11       Low
T5  28.8  4.0     sp3   11.4 13.4      5        3.0 Pioneer      57.29 Excellent
T6   1.0  7.0     sp3   12.0 16.4      5        3.1 Pioneer      77.57   Average
T7   0.8  5.6     sp3   14.5 19.8      5        3.2 Pioneer     136.34      Good
T10 13.4  0.6     sp3   21.9 18.2      5        4.7 Pioneer     284.79   Average
T12 21.6  5.6     sp5   24.3 16.2      5        4.9 Pioneer     311.95      Poor
T17  5.8 24.4     sp5   16.4 14.0      5        3.2 Pioneer     123.38 Excellent
T36 10.5  0.5     sp6   28.3 12.2      5        7.2 Pioneer     318.60 Excellent
T41 26.2 12.0     sp1   48.8 11.7      5       10.5 Pioneer     903.64       Low

7.將樣地內(nèi)林木按指定要求排序

##將樣地中的林木按dbh.cm的數(shù)值從大至小排列
treedata[order(treedata$dbh.cm, decreasing=TRUE),]
treedata[order(treedata$h.m),]

8.計(jì)算樣地內(nèi)單株林木冠幅面積秃流,并添加到文本中

treedata$area <- pi*((treedata$crownwid.m/2)^2)
> treedata$area <- pi*((treedata$crownwid.m/2)^2)

9.計(jì)算單株材積

treedata$volume <- pi*((treedata$dbh.cm/2)^2)/10000*(treedata$h.m+3)*0.45
> treedata$volume <- pi*((treedata$dbh.cm/2)^2)/10000*(treedata$h.m+3)*0.45

10.確定單株徑級(jí)范圍

Drange <- cut(treedata$dbh.cm, breaks=seq(6,50,2),
              right=FALSE, include.lowest=TRUE)
treedata$Drange <- Drange
> Drange <- cut(treedata$dbh.cm, breaks=seq(6,50,2),
+               right=FALSE, include.lowest=TRUE)

11.探究胸徑與冠幅面積之間的關(guān)系

$11.1畫(huà)出散點(diǎn)圖

plot(treedata$dbh.cm, treedata$area )
image.png

11.2建立一元線性回歸模型

lm.sol <- lm(area~1+dbh.cm, data=treedata)
summary(lm.sol)
Call:
lm(formula = area ~ 1 + dbh.cm, data = treedata)

Residuals:
     Min       1Q   Median       3Q      Max 
-11.9931  -5.1934  -0.4529   5.6043  15.8063 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  -17.323      2.209  -7.843 1.54e-09 ***
dbh.cm         1.806      0.102  17.693  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 6.547 on 39 degrees of freedom
Multiple R-squared:  0.8892,    Adjusted R-squared:  0.8864 
F-statistic:   313 on 1 and 39 DF,  p-value: < 2.2e-16

11.3繪圖查看擬合效果

opar <- par(mar=c(4,5,1,1))
plot(area~dbh.cm, data=treedata,
     xlab="胸徑 DBH(cm)",
     ylab=expression(paste("冠幅 Crown area", (m^2),sep="")))
abline(lm.sol,lwd=2, col="blue")
text(14,80,expression(paste(italic(y),"=1.806", italic(x), "-17.323")))
text(14,70,expression(paste(italic(R^2),"=0.8892", sep="")))
text(14,60,expression(paste(italic(P),"<0.001", sep="")))
image.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末赂蕴,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子舶胀,更是在濱河造成了極大的恐慌概说,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,729評(píng)論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件嚣伐,死亡現(xiàn)場(chǎng)離奇詭異糖赔,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)轩端,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)放典,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人,你說(shuō)我怎么就攤上這事奋构】怯埃” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 169,461評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵弥臼,是天一觀的道長(zhǎng)宴咧。 經(jīng)常有香客問(wèn)我,道長(zhǎng)径缅,這世上最難降的妖魔是什么掺栅? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 60,135評(píng)論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮纳猪,結(jié)果婚禮上氧卧,老公的妹妹穿的比我還像新娘。我一直安慰自己兆旬,他們只是感情好假抄,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,130評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著丽猬,像睡著了一般宿饱。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上脚祟,一...
    開(kāi)封第一講書(shū)人閱讀 52,736評(píng)論 1 312
  • 那天谬以,我揣著相機(jī)與錄音,去河邊找鬼由桌。 笑死为黎,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的行您。 我是一名探鬼主播铭乾,決...
    沈念sama閱讀 41,179評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼娃循!你這毒婦竟也來(lái)了炕檩?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 40,124評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤捌斧,失蹤者是張志新(化名)和其女友劉穎笛质,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體捞蚂,經(jīng)...
    沈念sama閱讀 46,657評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡妇押,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,723評(píng)論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了姓迅。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片敲霍。...
    茶點(diǎn)故事閱讀 40,872評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡俊马,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出色冀,到底是詐尸還是另有隱情潭袱,我是刑警寧澤,帶...
    沈念sama閱讀 36,533評(píng)論 5 351
  • 正文 年R本政府宣布锋恬,位于F島的核電站,受9級(jí)特大地震影響编丘,放射性物質(zhì)發(fā)生泄漏与学。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,213評(píng)論 3 336
  • 文/蒙蒙 一嘉抓、第九天 我趴在偏房一處隱蔽的房頂上張望索守。 院中可真熱鬧,春花似錦抑片、人聲如沸卵佛。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,700評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)截汪。三九已至,卻和暖如春植捎,著一層夾襖步出監(jiān)牢的瞬間衙解,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,819評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工焰枢, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蚓峦,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,304評(píng)論 3 379
  • 正文 我出身青樓济锄,卻偏偏與公主長(zhǎng)得像暑椰,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子荐绝,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,876評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容