-
Notifications
You must be signed in to change notification settings - Fork 2
/
divSpsSid.R
261 lines (195 loc) · 11.4 KB
/
divSpsSid.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
library(virtualspecies)
###Parametros necessarios###
envVarFolder = "/home/anderson/PosDoc/dados_ambientais/dados_projeto" #pasta com as variaveis ambientais
caminhosCamadasTemp = list.files(path=envVarFolder, full.names=T) #lista com os caminhos das camadas no sistema (comp.)
projectFolder = "/home/anderson/Documentos/Projetos/Sps artificiais/" #pasta do projeto
AmSulShape = maptools::readShapePoly("/home/anderson/PosDoc/shapefiles/Am_Sul/borders.shp") #shape da America do Sul
###variaveis ambientais da area de estudos###
predictors = stack(paste(caminhosCamadasTemp[1],'/bioclim_01.asc',sep=''),paste(caminhosCamadasTemp[1],'/bioclim_12.asc',sep='')) #carregando as variaveis ambientais
predictors = mask(predictors,AmSulShape) #recortando as variaveis ambientais
#tempRange = seq( predictors$bioclim_01@data@min, predictors$bioclim_01@data@max )
#precRange = seq( predictors$bioclim_12@data@min, predictors$bioclim_12@data@max )
###funcoes para 'localizacao' e 'largura' do nicho (uma funcao para cada variavel ambiental)###
larguraDistribTemp = abs(rnorm(50,500,100))
localDistribTemp = rnorm(50,250,50)
larguraDistribPrecip = abs(rnorm(100,1000,500))
localDistribPrecip = abs(rnorm(100,4000,1000))
###criando as especies artificiais###
distList = list() #objeto para armazenar uma lista com as especies
for (i in 1:5){ #loop para o numero de especies a serem criadas
parameterSp <- formatFunctions(
predictors,
bioclim_01=c(fun='dnorm',
mean=localDistribTemp[i],
sd=larguraDistribTemp[i]),
bioclim_12=c(fun='dnorm',
mean=localDistribPrecip[i],
sd=larguraDistribPrecip[i]) )#criando as respostas da especie às variaveis ambientais
sp_i <- generateSpFromFun(raster.
stack=predictors,
parameters=parameterSp) #criando a especie artifical (clima quente e umido)
distList = append(distList,sp_i$suitab.raster)
}
###empilhando e tranformando em binario os mapas das distribuicoes
disListBIN = raster::stack(distList) > 0.1
#dev.off()
jpeg('/home/anderson/Documentos/Projetos/divSpsSid/div100.jpg',width=1200,height=1200)
plot(sum(disListBIN));grid()
plot(AmSulShape,add=T)
dev.off()
mapaRiq = sum(disListBIN)
writeRaster(mapaRiq,'/home/anderson/Documentos/Projetos/divSpsSid/div100.asc',overwrite=TRUE)
x1 = getValues(predictors[[1]]) #extract(predictors[[1]],disListBIN,mean)
x2 = getValues(predictors[[2]]) #extract(predictors[[1]],disListBIN,mean)
y1 = getValues(mapaRiq)
jpeg('/home/anderson/Documentos/Projetos/divSpsSid/corRiqVars.jpg',width=900,height=400)
par(mfrow=c(1,2))
plot(y1 ~ x1, xlab='temperatura média anual',ylab='riqueza de especies',pch=20,col=rgb(0,0,0,0.5))
plot(y1 ~ x2, xlab='precipitação anual',ylab='riqueza de especies',pch=20,col=rgb(0,0,0,0.5))
dev.off()
mod = lm(y1 ~ x1)
summary(mod)
###########################
### Framework da matriz ###
###########################
##abrindo pacotes
library(raster)
###Parametros necessarios###
envVarFolder = "/home/anderson/PosDoc/dados_ambientais/dados_projeto" #pasta com as variaveis ambientais
caminhosCamadasTemp = list.files(path=envVarFolder, full.names=T) #lista com os caminhos das camadas no sistema (comp.)
projectFolder = "/home/anderson/Documentos/Projetos/Sps artificiais/" #pasta do projeto
AmSulShape = rgdal::readOGR("/home/anderson/PosDoc/shapefiles/Am_Sul/borders.shp") #shape da America do Sul
##TESTANDO COM VARIAVEL AMBIENTAL SIMULADA##
##criando gridfile da variavel ambiental simlada
r <- raster(ncols=10, nrows=10) #criando a estrutura de um raster
r[] <- runif(ncell(r)) #adicionando valores ao raster
crs(r) <- "+proj=lcc +lat_1=48 +lat_2=33 +lon_0=-100 +ellps=WGS84" #ajustando a projecao
plot(r) #inspecao visual
datMat = as.data.frame(r,xy=TRUE) #transformando raster em data.frame
names(datMat) = c('lon','lat','var') #ajustando os nomes das colunas do data.frame
##equacoes para as dimensoes do nicho das especies
Nsp = 10 #numero de especies a serem criadas
beta = runif(n=Nsp,min=8,max=12) #parametro para cada equacao de cada especie
alpha = runif(n=Nsp,min=0.4,max=0.6) #parametro para cada equacao de cada especie
x1 = datMat$var #variavel ambiental
##solucao numerica para a equacao de cada especie
for (i in 1:Nsp){
fSp_i = as.integer(1/(1+exp(-lambda[i]*(x1-alpha[i]))) > 0.5) #solucao da equacao com output binario
##fSp_i = 1/(1+exp(-beta[i]*(x1-alpha[i]))) #solucao da equacao com output continuo ("suitability")
datMat = data.frame(cbind(datMat,fSp_i=fSp_i)) #adicionando ao data.frame
names(datMat)[ncol(datMat)] = paste('sp',i,sep='') #ajustando os nomes das especies no data.farme
##salvando graficos das equacoes de cada especie
jpeg(filename=paste('/home/anderson/Documentos/Projetos/divSpsSid/','function_sp',i,'.jpeg',sep=''))
plot(fSp_i~x1,xlab='var 1',ylab='Suitability')
dev.off()
}
##criando a coluna de riqueza de especies##
datMat = cbind(datMat, Richness=rowSums(datMat[,grep('sp',names(datMat))]))
##raster da distribuicao modelada
for(i in 1:Nsp){
SpDist = datMat[,c('lon','lat',paste('sp',i,sep=''))] #extraindo lon/lat e suitability (ou pres-aus) de cada especie
coordinates(SpDist) = ~lon + lat #definindo colunas das coordenadas
gridded(SpDist) = TRUE #definindo gridded
proj4string(SpDist) = '+proj=lcc +lat_1=48 +lat_2=33 +lon_0=-100 +ellps=WGS84' #definindo proj
rasterSpDist = raster(SpDist) #criando objeto raster
##criando imagem da distribuicao de cada especie
jpeg(filename=paste('/home/anderson/Documentos/Projetos/divSpsSid/','sp',i,'.jpeg',sep=''))
plot(rasterSpDist)
dev.off()
}
##rater da riqueza
SpRic = datMat[,c('lon','lat','Richness')] #extraindo lon/lat e suitability (ou pres-aus) de cada especie
coordinates(SpRic) = ~lon+lat #definindo colunas das coordenadas
gridded(SpRic) = TRUE #definindo gridded
proj4string(SpRic) = '+proj=lcc +lat_1=48 +lat_2=33 +lon_0=-100 +ellps=WGS84' #definind proj
rasterSpRic = raster(SpRic) #criando objeto raster
##criando imagem da distribuicao da riqueza
jpeg(filename='/home/anderson/Documentos/Projetos/divSpsSid/richness.jpeg')
plot(rasterSpRic)
dev.off()
##TESTANDO COM VARIAVEIS REAIS##
###variaveis ambientais da area de estudos###
predictors = stack(paste(caminhosCamadasTemp[1],'/bioclim_01.asc',sep=''),paste(caminhosCamadasTemp[1],'/bioclim_12.asc',sep='')) #carregando as variaveis ambientais
predictors = mask(predictors,AmSulShape) #recortando as variaveis ambientais
datMat = as.data.frame(predictors,xy=TRUE,na.rm=TRUE) #transformando raster em data.frame
names(datMat) = c('lon','lat','bio1','bio12') #ajustando os nomes das colunas do data.frame
##equacoes para as dimensoes do nicho das especies
Nsp = 5 #numero de especies a serem criadas
## betaBio1 = runif(n=Nsp,min=0.1,max=1) #parametro para cada equacao de cada especie
## betaBio12 = runif(n=Nsp,min=0.001,max=0.01) #parametro para cada equacao de cada especie
## alphaBio1 = runif(n=Nsp,min=quantile(x=varBio1,probs=0.5,na.rm=TRUE),max=quantile(x=varBio1,probs=1,na.rm=TRUE)) #parametro para cada equacao de cada especie
## alphaBio12 = runif(n=Nsp,min=quantile(x=varBio12,probs=0.5,na.rm=TRUE),max=quantile(x=varBio12,probs=1,na.rm=TRUE)) #parametro para cada equacao de cada especie
betaBio1 = abs(rnorm(n=Nsp,mean=0.1,sd=0.1)) #parametro para cada equacao de cada especie
betaBio12 = abs(rnorm(n=Nsp,mean=0.001,sd=0.1)) #parametro para cada equacao de cada especie
alphaBio1 = abs(rnorm(n=Nsp,mean=quantile(x=varBio1,probs=0.5,na.rm=TRUE))) #parametro para cada equacao de cada especie
alphaBio12 = abs(rnorm(n=Nsp,mean=quantile(x=varBio12,probs=0.5,na.rm=TRUE))) #parametro para cada equacao de cada especie
varBio1 = datMat$bio1 #variavel ambiental bioclim01
varBio12 = datMat$bio12 #variavel ambiental bioclim12
##solucao numerica para a equacao de cada especie
for (i in 1:Nsp){
##equacoes do nicho da especie
fBio1Sp_i = as.integer( 1/(1+exp(-betaBio1[i]*(varBio1-alphaBio1[i]))) > 0.1 ) #solucao da equacao com output binario ("suitability")
fBio12Sp_i = as.integer( 1/(1+exp(-betaBio12[i]*(varBio12-alphaBio12[i]))) > 0.1 ) #solucao da equacao com output binario ("suitability")
#fBio1Sp_i = 1/(1+exp(-betaBio1[i]*(varBio1-alphaBio1[i]))) #solucao da equacao com output continuo ("suitability")
#fBio12Sp_i = 1/(1+exp(-betaBio12[i]*(varBio12-alphaBio12[i]))) #solucao da equacao com output continuo ("suitability")
datMat = data.frame(cbind(datMat,fSp=fBio1Sp_i*fBio12Sp_i)) #adicionando ao data.frame
names(datMat)[ncol(datMat)] = paste('sp',i,sep='') #ajustando os nomes das especies no data.farme
##salvando graficos das equacoes de cada especie
# jpeg(filename=paste('/home/anderson/Documentos/Projetos/divSpsSid/','functions_sp',i,'.jpeg',sep=''))
par(mfrow=c(1,2))
plot(fBio1Sp_i~varBio1,xlab='Bioclim 01',ylab='Suitability',ylim=c(0,1))
plot(fBio12Sp_i~varBio12,xlab='Bioclim 12',ylab='Suitability',ylim=c(0,1))
# dev.off()
}
##criando a coluna de riqueza de especies##
datMat = cbind(datMat, Richness=rowSums(datMat[,grep('sp',names(datMat))]))
##raster da distribuicao modelada
for(i in 1:Nsp){
SpDist = datMat[,c('lon','lat',paste('sp',i,sep=''))] #extraindo lon/lat e suitability (ou pres-aus) de cada especie
coordinates(SpDist) = ~lon+lat #definindo colunas das coordenadas
gridded(SpDist) = TRUE #definindo gridded
proj4string(SpDist) = '+proj=lcc +lat_1=48 +lat_2=33 +lon_0=-100 +ellps=WGS84' #definindo proj
rasterSpDist = raster(SpDist) #criando objeto raster
##criando imagem da distribuicao de cada especie
# jpeg(filename=paste('/home/anderson/Documentos/Projetos/divSpsSid/','sp',i,'.jpeg',sep=''))
plot(rasterSpDist)
# dev.off()
}
##rater da riqueza
SpRic = datMat[,c('lon','lat','Richness')] #extraindo lon/lat e suitability (ou pres-aus) de cada especie
coordinates(SpRic) = ~lon+lat #definindo colunas das coordenadas
gridded(SpRic) = TRUE #definindo gridded
proj4string(SpRic) = '+proj=lcc +lat_1=48 +lat_2=33 +lon_0=-100 +ellps=WGS84' #definind proj
rasterSpRic = raster(SpRic) #criando objeto raster
##criando imagem da distribuicao da riqueza
jpeg(filename='/home/anderson/Documentos/Projetos/divSpsSid/richness.jpeg')
plot(rasterSpRic)
dev.off()
##salvando a matriz em um arquivo .csv
write.csv(x=datMat,file='/home/anderson/Documentos/Projetos/divSpsSid/datMat.csv',row.names=FALSE)
#################################
###ajusando funcao assintotica###
#################################
dados = data.frame(x=1:10,y=c(2,9,12,15,16,16,17,17,19,21))
modelo = formula(y ~ a - b/x)
#modeloSig = formula(y ~ a/(1+exp(-k*(x-0)))) #logistico, ainda dando erro
modeloLin = formula(y ~ x)
modFit = nls(formula=modelo, data=dados, start=list(a=0,b=0))
#modFitSig = nls(formula=modeloSig, data=dados, start=list(a=0,k=0.1)) #logistico, ainda dando erro :(
modFitLin = lm(formula=modeloLin, data=dados)
##avalaindo
summary(modFit)
#summary(modFitSig)
AIC(modFit,modFitLin)
anova(modFit,modFitLin,test='Chisq')
plot(dados$y ~ dados$x, pch=19,type='b')
points(fitted(modFit) ~ dados$x,pch='+',col='blue',type='b')
points(fitted(modFitLin) ~ dados$x,pch='x',col='red',type='b')
##projetando pontos fora dos dados, para visualisar assintota
novosX = 11:20
predY = predict(modFit,newdata=data.frame(x=novosX))
jpeg('/home/anderson/Documentos/Projetos/divSpsSid/assint.jpg')
plot(fitted(modFit)~dados$x,xlim=c(0,21),ylim=c(0,40),type='b')
points(predY~novosX,col='blue',pch=20,type='b')
points(dados$y~dados$x,pch=19,cex=0.7)
dev.off()