CRAN Task View: Analysis of Ecological and Environmental Dataの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。

Maintainer: Gavin L. Simpson
Contact: ucfagls at gmail.com
Version: 2023-12-18
URL: https://CRAN.R-project.org/view=Environmetrics
Source: https://github.com/cran-task-views/Environmetrics/
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。
Installation: このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Environmetrics”, coreOnly = TRUE)はコアパッケージを全てインストールし、ctv::update.views(“Environmetrics”)はまだインストールしていないパッケージと最新のものを全てインストールします。詳しくはCRAN Task View Initiativeを参照してください。

はじめに

このタスクビューには、Rを使用して生態系や環境データを分析するための情報が含まれています。

Rの基本バージョンには、環境計測の分野で使用するための幅広い関数が含まれています。この機能は、CRAN経由で利用可能な多数のパッケージによって補完され、順序付けやクラスター分析技術などの専門的な手法が提供されています。このタスクビューでは、利用可能なパッケージの概要を、トピックや分析の種類ごとに分類して紹介しています。環境および生態系データの分析におけるRの人気の証として、2007年にJournal of Statistical Softwareのspecial volumeが作成されました。

環境計測に興味のある方は、Spatialビューを参照してください。補完的な情報は、ClusterSpatioTemporalタスクビューで得られます。

もし、追加や改善のためのコメントや提案があれば、メンテナに連絡するか、上記のリンク先のGitHubリポジトリに課題またはプルリクエストを送信してください。

以下に、利用可能なパッケージと機能の一覧を、解析タイプ別に紹介します。

一般的なパッケージ

これらのパッケージは、environmetricsフィールドに幅広い適用性を持つ、一般的なものです。

  • EnvStatsは、スティーブン・ミラードによって、S-PLUSモジュールEnvironmentalStats、両方の後継です。user guide in the form of a bookは、最近リリースされました。

モデリング種応答およびその他のデータ

分析する種はカーブを応答または他のデータをモデル化することは、多くの場合、生態系のデータへの標準的な統計モデルのフィッティングを伴い、とりわけ単(重)回帰、一般化線形モデル(GLM)、拡張された回帰(例えば一般化最小二乗[GLS])、一般化加法モデル(GAM)、混合効果モデルを含みます。

  • Rのbaseインストールは、それぞれのフィッティング線形および一般化線形モデルのためにlm()とglm()を提供しています。
  • 一般化最小二乗法や線形および非線形混合効果モデルは、クラスタリング、異質性や観察のサンプル内の相関関係を説明するために、単純な回帰モデルを拡張します。
    • nlmeは、これらのモデルを当てはめるための関数が用意されています。パッケージはSとS-PLUS、Springer、New YorkでPinheiro&Bates(2000)混合効果モデルによってサポートされています。これは、現在ベータ版ソフトウェアであり、まだ誤差構造の範囲内で相関関係を許可していませんが、一般化線形混合モデル(GLMM)、一般化非線型混合モデル(GNLMM)にフィットする混合効果モデルに更新されたアプローチは、lme4で提供されています。
  • 推奨パッケージmgcvは、一般化交差検定による自動滑らかさの選択とGAMSと一般化加法混合モデル(GAMM)が適合します。
    • mgcvの著者はまた、コンパニオンモノグラフ、ウッド(2006)一般化加法モデルを作成しました。付属のパッケージgamairを持つRチャップマンホール/CRC、と紹介。
  • gamは、LOESS smoothsを含む、S-PLUS関数gam()の実装を提供します。
  • 順序応答の比例オッズモデルは、Bill VenablesとBrian RipleyのMASSにpolr()を使用して取り付けることができます。
  • カウントデータにおいて過剰分散モデル化するGLMs用負の二項ファミリは、MASSで提供されています。
  • 過分散数と割合のためのモデル
    • psclは、過剰に分散し、カウントデータを扱うためのいくつかの機能が含まれています。ポアソンまたは負の二項分布は、ゼロ膨張したとハードル両方のモデルのために提供されています。
    • aodは、例えばAIC、AICC、赤池ウェイトを計算するための過分散カウントや比率に加え、ユーティリティ機能を解析するための関数群を提供します。
  • パラメトリックモデルにおける変化点の検出と構造変化の検出は、それぞれsegmentedstrucchangeで十分にカバーされています。

ツリーベースのモデル

ツリーベースのモデルは、ますます、特に彼らの複雑なデータセットへの柔軟なモデルに合わせて能力と、ツリー構造のシンプルで直感的な出力のために、エコロジーで使用されています。このようなバギング、ブースティングおよびランダムフォレストなどのアンサンブル法は、ツリーベースのモデルからの予測を改善するために提唱され、回帰モデルや分類器の不確実性に関する情報を提供します。

CARTブックで次のアイデア、回帰、分類および生存分析のためのツリー構造のモデルは、以下で実装されています。

  • 推奨パッケージrpart
  • partyは、条件付きの推論手続きの明確に定義された理論にツリー構造の回帰モデルを埋め込み、条件付きの推論木の実装を提供します。

多変量木は、以下でご利用いただけます。

  • partyは、多変量応答を処理することができます。

木々のためのアンサンブル技術:

  • BreimanとCutlerのランダムフォレスト法は、ランダムな入力を使用して木の森に基づく分類と回帰の提供、randomForestに実装されています
  • ipredは、分類、回帰と生存の問題のための改良された予測モデルのための機能を提供します。

木の可視化のためのグラフィカルなツールは、maptreeで提供されています。

mdaearthは、多変量適応回帰スプライン(MARS)、回帰木で使用される区分的に一定の機能よりも回帰により柔軟に、ツリーベースのアプローチを提供して技術を実装します。

序列法

Rおよびアドオンパッケージは、種データの分析に特に適した特殊な技術であるその多くの調整方法の広い範囲を提供します。2つの主なパッケージは、ade4veganです。ade4は、Analysis DES Donneesのフランスの学校の伝統から派生し、二重性・ダイアグラムの使用に基づいています。veganは、ルジャンドル、ルジャンドル(1988)数値エコロジー、2つ目の英語版、エルゼビアで提示したこと以上に負っている実装、Mark Hill、Cajo ter Braak、その他のアプローチに従っています。2つのパッケージが重複する機能を提供する場合、ユーザーは、最高の自分の背景に合った方のフレームワークを選択する必要があります。

  • 主成分(PCA)は、prcomp()関数を経由して提供されています。
    • rda()(vegan)、pca()(labdsv)とdudi.pca()(ade4)、より生態学的志向の実装を提供します。
  • 冗長性分析(RDA)は、ade4でpcaiv()とveganでrda()を経由して提供されています。
  • 正準コレスポンデンス分析(CCA)は、veganade4の両方でcca()に実装されています。
  • トレンド除去コレスポンデンス分析(DCA)は、veganでdecorana()に実装されています。
  • 主な座標分析(PCO)は、MASSのcmdscale()、ecodistのpco()、labdsvのpco()、ade4のdudi.pco()で実装されています。
  • 非メトリック多次元スケーリング(NMDS)は、MASSのisoMDS()とecodistのnmds()によって提供されます。
    • nmds()、isoMDS()のラッパー関数は、labdsvによって提供されます。
    • ビーガンは、NMDS結果の標準化されたスケールとアルゴリズムのランダムな開始を実装、isoMDS()のためのヘルパー関数metaMDS()を提供します。
    • metaMDS()でveganによって採用されたアプローチは、生態系のデータに推奨されるアプローチです。
  • Coinertia分析は、ade4のcoinertia()とmcoa()の両方を経由して提供されています。
  • 2つの生態種データ行列を関連付ける共同コレスポンデンス分析は、cocorrespで提供されています。
  • 正準相関分析(CCoA-上記のCCAと混同すべきでない)は、標準パッケージstatsのcancor()で提供されています。
  • 順列/ランダム化に使用する(Procrustes rotationとして評価される)ordination configurationsとモンテカルロ法の両方の関連付けの重要性をテストするための機能をveganade4の両方で提供するとともに、Procrustes rotationは、veganのprocuste()、ade4のprocuste()で提供されています。
  • veganのcapscale()で実装された主要座標の制約された分析(CAP)は、RDAとCCAと同様に制約された序順法モデルに適合します。しかし、任意の非類似度係数。
  • 制約された二次序順(CQO、以前は正準ガウス序順(CGO)として知られている)がQuadratic Reduced Rank Vector GLMsによるCCAフィットする最尤推定の代替手段です。制約された加法序順(CAO)は、二次縮小ランクベクトルGAMSを使用するCQOへの柔軟な代替手段です。
  • ファジィ集合の調整(FSO)、CCA/RDAの代わりとCAPは、パッケージのfsoで提供されています。fsoは、Dave Roberts((2008, Statistical analysis of multidimensional fuzzy set ordinations. Ecology 89(5), 1246-1260)のジャーナル生態学ファジィ集合についての最近の論文を補完します。
  • また、補足的な情報については、Multivariateタスク・ビューを参照してください。

モデルに基づく多変量解析

多変量モデルに基づく手法は、典型的な統計的モデリングの原則に従うが、多変量応答が対象です。モデルベース順序法は、モデル成分(通常、ランダム効果共分散行列の予測効果)の次元を削減するので、順序法(順序付け)と回帰(たとえば、情報量規準や残差診断)の両方の特徴を共有します。したがって、非類似度尺度の代わりに、応答分布、リンク関数を指定する必要があります。「古典的な」順序付け手法とは異なり、通常、モデルを適合する前に、順序付け軸の数を指定する必要があります。以下のパッケージは、さまざまな特徴と機能を持つが、ほとんどのパッケージが順序付けをサポートします。

  • VGAMは、固定効果に基づく順序付けを実装しています。順序プロットはbiplot()またはlvplot()関数で作成されます。次は実装されている順序付けメソッドです。
    • rcim()またはgrc()関数を用いた制約なし順序化。grc()はGoodmanのRC連想モデルを実装し、rcim()は行と列の相互作用モデルを一般的に適合させます。
    • rrvglm()関数を使用した線形応答による制約付き順序付け。
    • cqo()関数を用いた,2次削減ランクベクトルGLMによる正準コレスポンデンス分析(CCA)の最尤推定代替である制約付き2次順序付け(CQO; 以前は正準ガウス順序付け(CGO)として知られていました)。
    • CQOを柔軟な応答曲線に拡張したConstrained Additive Ordination (CAO) (cao()関数)。
  • mvabundは、順序付けを行わず、GLMの原則に従って多変量モデルを当てはめます。これは、manylm()、manyglm()、traitglm()、manyany()関数で実装されています。coefplot()関数は、信頼区間とともに予測変数に対する種の応答をプロットし、anova()関数によって再サンプリング戦略に基づく仮説検定が可能です。
  • boralは、「Bayesian Ordination and Regression AnaLysis」の略で、R2jagsを通してモデルをフィッティングするベイズのフレームワークで、様々な応答に対して、潜在変数定式化でJoint Species Distribution Models(JSDM)をフィッティングします。本パッケージは、空間的に構造化された潜在変数を持つ可能性のある残差および無制約順序付け、およびサイトランダム効果を持つスタックモデル(すなわちGLM)をサポートしています。異なるタイプの種のオブザベーションを持つモデルを適合することが可能で、例えば、バイナリデータとカウントデータを1つのモデルで組み合わせることができます。機能的形質では、boralは4コーナー・モデルを適合します。Boralは、確率的探索変数選択によって、すなわちスパイク・アンド・スラブ事前分布を使用することによって、自動的な変数選択を行うことができます。boralは、1つのMCMCチェーンだけでモデルを適合させるので、モデルの収束を評価するのは難しいかもしれませんが、Geweke診断統計量がそれを助けるために利用できます。順序付けは、lvsplot()関数で可視化できます。
  • Hmscは、ベイズの枠組みで、正規応答、二値応答、計数に対して、 潜在変数定式化を用いた種共同分布モデル(JSDM)をフィットします。「HMSC」は「Hierarchical modeling of species communities」の略で、このパッケージは多変量応答に対して階層モデルをフィットすることができます。主な関数はHmsc()で、潜在変数はbiPlot()関数で可視化できます。異なるサンプリング・レベルのモデルを別々に定式化するオプション、空間効果を含めるオプション、追加のランダム効果を含めるオプション、環境予測因子に対する種の応答を系統的に構造化するオプション、予測因子と種の関連を階層的にモデル化するオプションなど、多くの異なるツールがあります。HMSCはデータから潜在変数の数を決定するので、指定する必要はありません。
  • gllvmは、TMBを使用して、順序付けやJSDMを目的とした潜在変数モデルを、ランダム効果付きで、比較的高速にフィットします。主関数gllvm()は、無制約順序付け、制約順序付け、および同時順序付けを行うことができます。VGAMとは異なり、非拘束順序付けはランダム効果定式化に基づいています。制約付き順序付けは、固定効果およびランダム効果の両方がサポートされます。同時順序づけは、定義により常にランダム効果を含みますが、ランダムな勾配を持つ完全なランダム効果仕様としてもサポートされます。潜在変数とランダム・スロープを持つ第4コーナー・モデルもサポートされます。順序付けはordiplot()関数で可視化でき、サイトスコアの統計的不確実性も可視化できます。
  • ecoCopulaの主要関数cgr()とcord()は、多変量モデルをフィットするためにガウスコピュラアプローチを使用します。cgr()は、種のペアワイズ関連を可視化する目的で、グラフィカルモデルをフィットします。結果のネットワークグラフはplot()メソッドで可視化できます。cord()関数は、ガウスコピュラを用いたモデルベースの順序付けを行い、plot(, biplot = TRUE)を用いて可視化することができます。統計的不確実性の推定はできません。
  • glmmTMBは、一般的にTMBを用いてランダム効果モデルを適合させるので、ランダム効果を追加したモデルベースの制約なし順序付けを適合させることができます。主な関数はglmmTMB()で、モデルベースの順序付けはモデル内のrr()共分散構造を用いて行われます。現在のところ、順序付けを可視化する機能はありません。
  • sjSDMは、潜在変数定式化ではなく、弾性ネット・ペナルティ・アプローチによって、JSDMをガウス、ベルヌーイ、またはポアソン応答に適合させます。そのため、モデルベースの順序付け手法ではありません。空間効果を含めることができ、その他の拡張はほとんどありません。CPUとGPUの両方のリソースで計算できるため、非常に高速なフィッティングが可能で、大規模なデータセットにも対応できます。
  • gjamは、ベイズの枠組みで一般化されたジョイント属性モデルを様々なタイプの応答に適合させます。このパッケージは、PCAまたはNMDSでポストホック順序化を行い、gjam()で共分散行列のパラメータを設定することで次元削減を行うことができますが、モデルに基づいた順序化をフィットする機能はありません。形質応答モデルをフィットすることができ、モデルにサンプリング努力の尺度を含めることができます。異なるタイプの種のオブザベーションを持つモデルを適合させることができ、オブザベーションのクラスタリングを考慮するために追加的なランダム効果を含めることができます。出力は、gjamPlot()またはgjamOrdination()でプロットできます。
  • spOccupancyは、単一種と複数種の反応に対する占有モデルを適合させ、不完全検出を考慮したJSDMを適合させるために使用することができます。

非類似度係数

多くの生態系の分析では、サンプル間の非類似度の行列から生じます。多大な努力は、生態学的データに適した非類似度係数の広い範囲を定式化することに費やされてきました。より有用な係数の選択は、Rと、様々な貢献パッケージで提供されています。

ペアワイズ類似度の、正方形、対称行列を生成する標準的な機能は次のとおりです。

  • 標準パッケージstatsのdist()
  • 推奨パッケージclusterのdaisy()
  • veganのvegdist()
  • labdsvのdsvdis()
  • amapのDist()
  • ecodistのdistance()
  • ade4のスイート機能

analogueの関数distance()は、一つのマトリックスのサンプルと第二のマトリックスとの間の非類似度を計算するために使用することができます。上記の他の機能が高速化されても、同様の機能が、ペアワイズ非類似度行列を生成するために使用することができます。distance()は、混合データ(バイナリ、序数/名目連続変数の混合)のためにGowerの係数に基づいて、行列を生成するために使用することができます。clusterの関数daisy()は、標準非類似度行列が必要な場合、distance()よりも混合モードのデータのためのGowerの係数のより高速な実装を提供します。パッケージFDの関数gowdis()は順序変数にGowerの係数とimpliments拡張を計算します。

クラスター分析

クラスター分析は、多変量データセット内のサンプルのグループを識別することを目指しています。この問題に対するアプローチの大きな範囲が提案されているが、主な技術は、階層的クラスター分析、例えば、k平均法のようなパーティショニング、および有限混合モデルまたはモデルベースのクラスタリングです。機械学習文献において、クラスター分析は、教師なし学習問題です。

Clusterタスクビューは、使用可能なクラスタ分析方法や適切なR関数とパッケージのより詳細な議論を提供しています。

階層的クラスター分析:

  • 標準パッケージstatsのhclust()
  • 推奨パッケージclusterは、KaufmanとRousseeuw(1900)に記載されている次の方法のクラスタ分析のための機能を提供します。Finding Groups in data: an introduction to cluster analysis, Wiley, New York
  • amapのhcluster()
  • pvclustは、階層的クラスター分析の不確実性を評価するためのパッケージである。おおよそ公平なp値だけでなく、ブートストラップp値を提供します。

パーティション化方法:

  • statsのkmeans()はk平均クラスタリングを提供しています。
  • e1071でのcmeans()は、k平均アルゴリズムのファジーバージョンを実装しています。
  • 推奨パッケージclusterは、様々なパーティショニングの方法論のための機能を提供します。

混合モデルとモデルベースのクラスター分析:

  • mclustflexmixは、モデルベースのクラスタ分析の実装を提供します。
  • prabclusは、MDSポイントに最尤ガウスの混合物のクラスタリングを適用すること、距離からMDSを計算することによって種存在-不在行列オブジェクトをクラスタ化します。メンテナの、Christian Henning、Webサイトは、特にHausdorf & Henning (2007; Oikos 116 (2007), 818-828 )prabclusを使用する生態文脈でいくつかの出版物が含まれています。

環境理論

理論生態学的モデルの研究の使用に焦点を当てたパッケージや書籍が増えてあります。

  • veganは、(いわゆるヒルの数字[例ヒルのN2]および希薄化を含む)多様性指数、ランク豊富ダイアグラム、フィッシャーのログシリーズ、壊れたスティックモデル、ハッベルの豊富モデルとして生態学の理論に関連する機能の広い範囲を提供します。
  • untbは、生物多様性のハッベルの統一中立説の下でシミュレーション生態ドリフト、などプレストンカーブなど、様々な診断法の計算を含む、生物多様性のデータのためのユーティリティのコレクションを提供します。
  • BiodiversityRは、生物多様性や地域の生態解析のためのGUIを提供します。
  • veganの関数betadiver()は、Koleffら(2003; Journal of Animal Ecology 72(3), 367-382).にレビュー多様性指標のすべてを実装しています。Betadiver()もKoleffら(2003)に見られるタイプの共起頻度三角形のプロットを生成するためにプロットする方法を提供します。
  • veganの関数betadisper()は、多変量分散体(PERMDISP、PERMDISP2)、レーベンのテスト(Anderson 2006; Biometrics 62, 245-253)の多変量アナログの均一性のためにマルティアンダーソンの距離ベースのテストを実装しています。Andersonら(2006; Ecology Letters 9(6), 683-693)ベータ多様性を測定するためのこのアプローチの使用を示す。
  • FDは、複数の特性から機能的多様性指標のいくつかの方法により計算します。

個体群動態

動物の豊かさと関連するパラメータを推定

このセクションは、不完全な検出を可能にする方法により、母数(人口の大きさ、密度、生存確率、部位占有等)の推定に関係しています。これらの方法の多くは、「capture-recapture」または「mark-recapture」、「capture-mark-recapture」データと様々に呼ばれる、マークされた動物のデータを使用しています。

  • Rcaptureは、Baillargeon and Rivest (2007)によって記載されているように、捕獲・再捕獲データから人口規模や生存率を推定するために対数線形モデルに適合します。
  • secrは、トラップ、受動的なDNAサンプリング、自動カメラ、音声の記録などから、空間的に明示的な捕獲 – 再捕獲データにおける人口密度を予測します。モデルは、最尤によって取り付けられています。検出機能は、halfnormal、指数関数、累積ガンマ等であってもよい。密度面が嵌合されてもよい。
  • unmarkedは、不完全な検出の対象種に収集されたデータへの出現と豊かさの階層のモデルに適合します。例としては、シングルおよびマルチシーズン占有モデル、二項混合モデル、および階層距離サンプリングモデルが含まれています。データは調査方法からそのような一時的に複製された数、除去サンプリング、ダブルオブザーバーサンプリング、距離サンプリングを発生する可能性があります。状態観測プロセスを支配するパラメータは、共変量の関数としてモデル化することができます。
  • RMarkは、捕獲・再捕獲モデルの様々にフィットするMARKパッケージの式ベースのR・インターフェースを提供します。詳細はRMark websiteおよびNOAA report(PDF)を参照してください。
  • markedは、マーク・再捕獲のためのデータと分析を処理するためのフレームワークを提供します。markedは、MCMC経由CJSモデル、最大の可能性を経由してCormack-Jolly-Seber(CJS)とJolly-Seber(JS)のモデルに適合することができます。CJSモデルの最尤推定値は、Rを使用して得られたか、自動微分モデルビルダーソフトウェアへのリンクを介してすることができます。description of the packageは、生態と進化に方法に掲載されました。
  • mrdsは、ライントラン距離サンプリング調査データ(シングルとダブルの両方の観察者の調査のために)とポイント検出機能に適合する。存在量はホービッツトムソン型推定器を用いて推定することができます。
  • Distanceは、一人の観察距離サンプリング調査のためのmrdsにシンプルなインターフェースです。
  • dsmは、密度面モデルを空間的に参照される距離サンプリングデータに適合させます。
    • カウントデータのmrdsまたはDistanceを使用して嵌検出機能モデルを用いて補正されます。
    • 空間モデルは、mgcvのように構成されています。
  • singleRcaptureは、単一ソース捕獲-再捕獲法を使用して、到達困難な個体群の個体数を推定する方法を提供します。ゼロ切断、ゼロ1切断、ゼロ切断1インフレ、ゼロ切断1インフレの計数回帰モデル、およびチャオ・モデルとゼルターマン・モデルを実装しています。適合度評価関数、診断プロット、母集団サイズの分散を推定する4つの方法があります。

secrは、それぞれのモデルからデータをシミュレートするために使用することができます。

オブジェクトの移動、軌道の下でも、動物の追跡データの分析のためのSpatioTemporalタスクビューを参照してください。

モデリング人口増加率:

  • popbioは、年齢または段階特異行列集団モデルを構築し、分析するために使用することができます。

環境時系列

  • Rでの時系列オブジェクトは、代替のためにtserieszoo以下を参照するが、ts()関数を使用して作成します。
  • 古典時系列機能は、自己回帰(AR)、移動平均(MA)、平均(ARMA)の自己回帰移動、統合されたARMA(ARIMA)モデルのための標準パッケージstatsのar()、およびarima()機能によって提供されています。
  • forecastは、状態空間モデルと自動ARIMAモデルを経由して指数平滑法を含む単変量時系列予測を表示し、分析するための方法やツールを提供します。
  • dseは、より高度な推定法および多変量時系列解析の様々を提供しています。
  • tserieszooは、時系列データの一般的な取り扱いと分析を提供します。
  • 不規則な時系列は、tseriesのirts()、zoo、を使用して処理することができます。
  • pastecsは、具体的には、時空間生態学シリーズの分析に合わせた機能を提供します。
  • strucchangeは、テスト、デートや線形回帰関係の構造変化をテスト、年代推定、監視することができます。
  • 時系列データの変化点を検出。segmented above を参照してください。
  • surveillanceは、モデリングや数、割合及びカテゴリデータの時系列の変化点検出のための統計的手法を実装しています。焦点は、カウントデータを時系列にアウトブレイクの検出です。
  • dynlmは、通常の最小二乗フィッティングを経由して、時系列回帰への便利なインターフェースを提供します。
  • dynは、とりわけ、時系列情報を保存しながら、MASS、randomForest()(パッケージrandomForest)、rq()(quantreg)からlm()、glm()、loess()、rlm()、lqs()のようなlmスタイルで記述された回帰関数で時系列データを使用することができるdynlmの異なるアプローチを提供します。
  • openairは、大気汚染の時系列データを分析解釈し、理解するための多数のツールが用意されています。
  • bReezeは、風のデータを、分析し、視覚化、解釈に広く使用されるメソッドのコレクションです。風力資源の分析が続いてポテンシャルエネルギー生産を推定するための風力タービンの特性と組み合わせることができます。
  • Rbeastは、時系列を急変、トレンド、季節性に分解するベイズモデル平均法を提供し、変化点検出、時系列分解、非線形トレンド分析に利用できます。

さらに、時系列分析のために利用可能なパッケージのより完全な説明はTimeSeriesタスクビューにあります。

空間データ解析

Rの空間分析の概要については、SpatialCRANタスクビューを参照してください。

極値

ismevは、極値統計のためのモデルのための機能を提供し、Coles(2001) An Introduction to Statistical Modelling of Extreme Values , Springer, New Yorkのためのサポートソフトウェアです。極値理論のための他のパッケージが含まれます:

詳しくは、ExtremeValueタスクビューもご覧ください。

系統学と進化

特に系統学と進化のデータの分析に合わせたパッケージが含まれます:

UseRの方は、Paradis (2006) Analysis of Phylogenetics and Evolution with R, Springer, New YorkというSpringerのUse R!” book seriesの本にも興味があるかもしれません。

土壌学

いくつかのパッケージが広く使用されているメソッドのR関数を実装し、土壌学に近づく使用できるようになりました。

  • soiltextureは、土性プロット、分類および変換するための関数が用意されています。
  • aqpは、土壌資源、土壌分類、土壌断面の集約、および視覚化のモデル化に関連したアルゴリズムのコレクションが含まれています。
  • R- forge.r-project.net上の土壌水分プロジェクトは、簡単に利用できる土壌特性から、そのパラメータを推定するために、土壌の保水機能、土壌透水機能とpedotransfer機能を提供するパッケージを提供しています。二つのパッケージは、プロジェクトを構成します:
    1. soilwaterfun
    2. soilwaterptf

水文・海洋学

パッケージが増えてそれは特に水文学や海洋学の分野に関連するメソッドを実装可能です。また、Extreme Valueと関連したパッケージをClimatologyのセクションを参照してください。

  • hydroTSM (archived)は、管理、分析、補間および水文学および関連環境科学で使用される時系列のプロットするためのパッケージです。
  • hydroGOF (archived)は、観測値とシミュレーション値の間の適合度を統計的およびグラフィカルに測定するパッケージで、主に水文/環境モデルの校正、検証、および適用時に使用されることを目的としています。
    • 関連パッケージとしてqualVがあり、モデルとデータを比較したり、パターンの類似性を測定するための定量的・定性的基準を提供しています。
  • topmodelは、Keith Bevenによる1995 FORTRANバージョンに基づく水文モデルTOPMODELのR実装を含む水文学的機能のセットです。
    • 新しい機能は、R-フォージRHydroの一部として開発されています。
  • seacarbは、海水の炭酸系のパラメータを計算する機能を備えます。
  • Stephen SefickのStreamMetabolismは、単一のステーションから、日周酸素カーブなどGPP、NDM、そしてRなどのストリーム代謝特性を計算するための関数が含まれています。
  • oceは、ADP測定、CTD測定、断面データ、海面の時系列、および海岸線ファイルを含む海洋データの解析をサポートしています。
  • nsRFAは、水文学における地域周波数解析法の目的(非教師付き)アプリケーション用の統計ツールのコレクションを提供します。
  • boussinesqは、1次元のブシネスク方程式(地下水)を実装する関数の集まりです。
  • rtopは、行政単位からの流出量に関するデータやデータなどの不規則な空間をサポートするデータの地理統計補間するためのパッケージです。

気候学

気候学の分野に関連するいくつかのパッケージがあります。

  • seasは、分析や季節データのグラフィックスのための多くの機能を実装しています。
  • RMAWGENは、ベクトル自己回帰モデルの気温と降水量を作る使用の日々の時系列の空間的なマルチサイト確率的生成のためのS3とS4関数の集合です。

古生態学および層序データ

いくつかのパッケージがインポート、分析、およびpalaeoecologicalデータの描画、speciailist機能を提供します。

  • riojaanalogueは、加重平均(WA)、最新のアナログ法(MAT)、局所加重WA、最尤(別名ガウスロジスティック)回帰(GLR)を含む伝達関数モデルを提供しています。
  • veganは、一般的なレガシーの古データフォーマット(cornellフォーマット)のインポートを提供しています。
  • 層序データプロットは、analogueのStratiplot()関数と、riojaの関数strat.plot()およびstrat.plot.simpleを使用して描画できます。
    • tidypaleoも参照してください。これは、ggplot()を使用して層別プロットを作成するためのツールを提供します。
    • tidypaleoのメンテナーであるDewey Dunningtonによるblog postには、パッケージを使用して層序プロットを作成する方法が示されています。
  • analogueは、ROC曲線解析を含むMAT伝達関数モデルの開発と解釈のための広範な支援を提供します。層序データの要約は、prcurve()関数の主曲線によってサポートされています。

他のパッケージ

Rのためのいくつかの他の関連する貢献のパッケージが素敵な見出しの下に適合しないが利用可能です。

  • アンドリュー・ロビンソンのequivalenceは、いくつかの統計的検定と等価のテストを評価するためのグラフィックスを提供します。このようなテストはNULLの代わりに対立仮説として類似性を有します。パッケージは、2つの片側t検定(TOST)と同値の対応のあるt検定を実行するための機能が含まれています。
  • トーマスペツォルトのsimecolは、R.内生態(およびその他の)動的システムをシミュレートするために、オブジェクト指向のフレームワークとツールを提供しています。詳細については、simecol websiteR News articleを参照してください。
  • CircStatscircularは、円形の統計のための機能があります。
  • e1071は、ファジークラスタリング、サポートベクターマシン、最短パス計算、バッグドクラスタリング、ナイーブベイズ分類器、短時間フーリエ変換、潜在クラス分析などのための機能を提供しています。
  • pgirmessは、エコロジーにおけるデータ解析のための各種機能のスイートを提供します。
  • mefaは、取扱い及び生態学と生物地理学における多変量計数データに報告するための機能を提供します。
  • sensitivityは、モデルの感度分析を提供しています。
    • sensitivityは、因子スクリーニングとモデル出力のグローバル感度解析のための関数のコレクションが含まれています。
  • metacomは、Leibold and Mikkelson (2002)のパターンベースmetacommunity分析後のターンオーバー、一貫性を分析するための機能を提供しています。
  • quantregGrowthは、非交差とノンパラメトリック回帰分位を経由して成長曲線の推定を実装しています。サポーティングペーパーはMuggeo et al. (2013)です。
  • siplabは、空間的に明示的な個々のベースの植生モデルを実験のための研究プラットフォームを提供します。サポーティングペーパーはGarcía, O. (2014)です。
  • PMCMRplusは、連続または少なくとも間隔ベースの変数に対して、パラメトリックおよびノンパラメトリックの多対1およびすべてのペアの複数の比較手順を提供します。このパッケージは、ペアごとの多重比較を含む幅広いテストの実装を提供します。
R言語 CRAN Task View:生態と環境データの分析

R言語 CRAN Task View:生態と環境データの分析」への1件のフィードバック

コメントは受け付けていません。