#方便自己回來復(fù)習(xí)的個人學(xué)習(xí)記錄，僅供參考，如有錯誤，請多指正

寫在前面：為啥說明書不按照工作流介紹啊，這豈不是學(xué)工作流的時候還要建個索引回來查嗎

這一部分涉及生物冷點和熱點的可視化，樹節(jié)點折疊（貌似中間步驟？），根據(jù)性狀生成稀疏矩陣（可能用于功能多樣性分析？），計算EDGE（有用）

帶問號的括號都是臆想，別信，有錯的話教教我，我弄明白了后也可能回來修改，可能，大概

coldspots &?hotspots 冷點熱點可視化

描述：冷點和熱點分別表示生物多樣性指標(如物種豐富度、物種地方性或威脅程度)的最低值或最高值的區(qū)域或網(wǎng)格單元。

coldspots(x, prob = 2.5, na.rm = TRUE, ...) hotspots(x, prob = 2.5, na.rm = TRUE, ...)

x對應(yīng)包含柵格化位置以及其內(nèi)物種信息的稀疏矩陣，即comm數(shù)據(jù)，默認閾值prob為2.5%，默認刪除沒有數(shù)據(jù)的柵格后再做計算。

示例：

library(raster)

library(sp)

raster處理柵格數(shù)據(jù)，sp處理空間數(shù)據(jù)，之后也要畫地圖的(霧

data(africa)

names(africa)

載入數(shù)據(jù)，查看數(shù)據(jù)

Endm <- weighted_endemism(africa$comm)

這個應(yīng)該是算了物種數(shù)跟面積的比吧，總之物種豐富度越高數(shù)值應(yīng)該就越高，算是一個標準化的步驟？

C <- coldspots(Endm) # coldspots

H <- hotspots(Endm) # hotspots

直接默認參數(shù)將熱點和冷點都計算和儲存在兩個變量中。

## Merge endemism values to shapefile of grid cells.（合并特有性值到柵格中）

DF <- data.frame(grids=names(C), cold=C, hot=H)

建立了一個表格統(tǒng)計冷點和熱點，第一列為柵格名稱，第二例第三例分別為冷點和熱點的判斷，可以看到之前Hotspot和coldspot都是邏輯判斷性的，得到的結(jié)果在表格里表示為0,1

m <- merge(africa$polys, DF, by = "grids", all = TRUE)

merge合并數(shù)據(jù)框，合并項為柵格的位置信息polys和熱點冷點判定結(jié)果DF，匹配依據(jù)柵格名稱來合并。

plot(africa$polys, border = "grey", col = "lightgrey",main = "Weighted Endemism Hotspots and Coldspots")

先把柵格地圖分布畫出來（柵格位置信息，邊框顏色灰色，柵格顏色淺灰色，標題“”）

plot(m[(m@data$cold == 1), ], col = "blue", add = TRUE, border = NA)

plot(m[(m@data$hot == 1), ], col = "red", add = TRUE, border = NA)

(m@data$hot == 1),判定是否為熱點；m[(m@data$cold == 1), ]，將判定為冷點的柵格取出，col=設(shè)定顏色，add=TRUE應(yīng)該是指在原來的淺灰色上覆蓋顏色，邊界顏色未設(shè)定

legend("bottomleft", fill = c("blue", "red", "yellow", "green"),legend = c("coldspots", "hotspots"), bty = "n", inset = .092)

加上注釋（位置是左下，填充顏色【因為只有兩項，按順序填充了藍色和紅色，后面兩個沒意義】，注釋名稱，是否帶邊框“o”是、“n”不是，向內(nèi)距離0.092）

collapse_range? 折疊樹的節(jié)點

該函數(shù)根據(jù)物種在不同時間深度上的分化時間來折疊節(jié)點和地理范圍。

示例：

library(ape)

加載ape，ape分析系統(tǒng)發(fā)育數(shù)據(jù)。

tr1 <- read.tree(text ="(((a:2,(b:1,c:1):1):1,d:3):1,e:4);")

text ="(((a:2,(b:1,c:1):1):1,d:3):1,e:4);"建了一棵樹，括號內(nèi)的兩項為姐妹群，括號層層套反應(yīng)進化關(guān)系。讀取后存入tr1這個變量中。

可以用? plot(tr1)? 這個命令來查看。

com <- matrix(c(1,0,1,1,0,0,

???????????????????????????1,0,0,1,1,0,

???????????????????????????1,1,1,1,1,1,

???????????????????????????1,0,1,1,0,1,

???????????????????????????0,0,0,1,1,0), 6, 5,

dimnames=list(paste0("g",1:6), tr1$tip.label))

這里建立了一個矩陣，描述了樹中各個物種性征，就像性狀矩陣或基因矩陣一樣

collapse_range(com, tr1, n=1)

依照矩陣com對樹tr1進行折疊，折疊程度為1的深度

得到兩個群落結(jié)構(gòu)列表（有啥用？所以這也是個中間步驟？）：一個折疊的一個原始的，如下

collapse_range( x, tree, n, species = "species", grids = "grids", format = "wide" )

x對應(yīng)一個矩陣或數(shù)據(jù)框，tree對應(yīng)系統(tǒng)發(fā)生樹，n對應(yīng)深度，format描述數(shù)據(jù)框，為“l(fā)ong”時，specie=“物種所在列”，grids對應(yīng)地點所在列

counts 根據(jù)功能性狀生成稀疏矩陣

根據(jù)物種間功能性狀的相似性，生成稀疏的群落矩陣作為聚類模塊的輸入。

沒有示例，看一下用法。

counts(x, trait, cut = NULL, phy = NULL, bin = 10, na.rm = FALSE)

x應(yīng)該是一個表，記錄了柵格名及其內(nèi)物種信息。

trait對應(yīng)一個形狀表，第一列為物種名，后面每列對應(yīng)一個形狀（性狀矩陣？）

cut? ??The slice time? （完全不理解）

phy 是帶枝長信息的樹，應(yīng)該就像africa$phylo一樣。

bin? 要聚成幾類的指定數(shù)目

na.rm 邏輯判斷，是否刪除NA項

返回的值應(yīng)該像africa$comm,但是沒法確定，沒實例的話好難理解……

EDGE??進化獨特性與全球瀕危

結(jié)合被國際自然保護聯(lián)盟(IUCN)定義為全球瀕危(GE)和進化獨特性（像銀杏單科單屬）來計算EDGE（Evolutionary Distinctiveness and Global Endangerment）

EDGE計算公式：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?log(1 + ED) + GE ? log(2)

其中ED表示各物種的進化顯著性評分(函數(shù)evol_distinct)，即系統(tǒng)發(fā)育隔離程度，并將其與GE結(jié)合，從世界自然保護聯(lián)盟的保護威脅類別。GE計算為系統(tǒng)發(fā)育過程中每個分類單元在100年內(nèi)滅絕的預(yù)期概率(Redding & Mooers, 2006)，按以下比例計算:最不受關(guān)注= 0.001，近受威脅和保護依賴性= 0.01，脆弱= 0.1，瀕危= 0.67，極度瀕危= 0.999

命令用法：EDGE(x, phy, Redlist = "Redlist", species = "species", ...)

示例：

（就，特感動，有示例就可以瞎試助于理解）

x是物種對應(yīng)的IUCN評級表，phy是系統(tǒng)關(guān)系數(shù)據(jù)phylo，后面指定x中的列名。

得到的y是個數(shù)值型，可以轉(zhuǎn)換成表格方便儲存和查看。