相关视频
本报告对植物生态多样性数据做了分析。
冗余分析
首先,加载数据。
要加载数据,所有文件都必须在工作目录中。
ste <- read.csv("sr.csv")
ev <- read.csv("ev.csv")
as <- read.csv("as.csv")
我对数据做了一些修改。首先,我将ev数据的所有定量变量(即除地貌单元外的所有变量)与as数据组合成一个名为enqut. 然后,我对数据进行了归一化, 允许非常不同单位的变量之间进行比较。最后,我在归一化的定量环境变量中添加了地貌单元列,创建数据框era,用于冗余分析。
enqut<- cbind(ev\[,-5\],ap)
enz <- scale
ut <- env\[,5\]
era<- data.frame结构数据
我使用环境数据era作为解释变量对植被结构进行了冗余分析。我将结果分配给对象str。
summary(str)
然后我得到了这个分析的 R 方和调整后R 方。
RsquareAdj
RsqeAdj$adj.r.sqd
制作三序图。
par
plot
points
usc <- scores
points
text
成分数据
首先我加载了物种数据。同样,该文件PAl.csv必须在工作目录中。为了降低大丰度的重要性,我将 Hellinger 转换应用于物种数据。
sp <- Hellinger(sp)
然后我使用所有环境变量作为解释变量进行了冗余分析。
head(suda)
# 获得R^2和调整后的R^2
(sR2 <- RseAdj
(spdj <- RseAdj$adj.r.sed)
以2型标尺 对物种数据制作 RDA三序图。
# 做好绘图空间
par
plot
# 绘制站点的分数
spc <- scores
points
# 绘制出物种的分数
ssc <- scores
points
# 绘制定量解释变量的箭头和它们的标签
spesc <- scores
arrows
env.names
text
# 绘制地貌单元中心点和它们的标签的绘图点
spsc <- scores
points
text
领取专属 10元无门槛券
私享最新 技术干货