Phyloregion manual （7）plot.phyloregion、plot_pie 、plot_structure、
：（續(xù)）plot_swatch、random_species、raster2comm、read.community、selectbylocation、select_linkage、timeslice 、weighted_endemism
#方便自己回來復習的個人學習記錄，僅供參考，如有錯誤，請多指正
plot.phyloregion? ?生物地理分區(qū)可視化
示例：
這里沒有指明聚類的簇數(shù)，與之前介紹phyloregion的結(jié)果也不盡相同
phyloregion(x, k = 10, method = "average", shp = NULL, ...) 這是用法，這里使用這個函數(shù)后的結(jié)果顯得更加復雜一些。
membership這一項一樣，顯示聚類分簇情況
k默認為10，region.dist這項依舊是顯示每一簇之間的距離矩陣。
然后有對研究區(qū)域的描述，shp
region.df多了每一簇對應的色號
并且多了NMDS的記錄
plot_NMDS(y, cex=6)展示了之前提到MDS時候畫的差不多的圖，就不在這里占位置了。
最后地圖分區(qū)結(jié)果如下
plot_pie? 用餅圖展示生物地理分區(qū)模式
用法：
plot_pie( omega, shp, r = 1, col = hcl.colors(5), pie_control = list(), legend = FALSE, legend_pie = FALSE, ... )
示例：
omega ：a matrix of phyloregion of probabilities of each species ，這個數(shù)據(jù)集第一次提及，對其的描述很少，目前不能很好的理解，暫時理解為各個柵格各生物地理分區(qū)成分的分布概率的統(tǒng)計，15為分得的區(qū)域數(shù)目。
shp 研究區(qū)域的地標文件，柵格化的網(wǎng)格數(shù)據(jù)。r設定餅圖半徑。col為顏色映射向量。
pie_control = list()??要傳遞給add.pie函數(shù)的控制參數(shù)列表。add.pie沒找到，示例中未展示，具體效果不詳。
legend = FALSE,?legend_pie?= FALSE,是兩個標識指令，默認不標示例。更改后效果如下。
plot_structure?使用結(jié)構圖可視化生物地理模式
用法：
plot_structure(omega, shp, by = NULL, col = hcl.colors(15), ...)
示例：雖然沒給，但是可以跟照著上面的餅圖畫瓢
plot_swatch??使用連續(xù)的顏色梯度映射一個量的離散值
用法：
plot_swatch( x, values = NULL, col = hcl.colors(n = 10, palette = "Blue-Red 3", rev = FALSE), key_label = "", leg = 10, lwd = 15, pos = "bottomleft", legend = TRUE, border = par("fg"), breaks = "quantile", min = NULL, max = NULL, ... )
x為SpatialPolygonsDataFrame，多邊形空間數(shù)據(jù)；values為要離散的值
示例：
結(jié)果相當于畫了物種豐富度的熱圖
random_species??生成隨機物種的空間分布
random_species(n, species, shp, ...)
n可能是一個分布的約束條件，可以為整數(shù)或向量等，species規(guī)定生成的物種數(shù)
示例見下面raster2comm函數(shù)
raster2comm? 將原始數(shù)據(jù)轉(zhuǎn)化生成comm
raster2comm(files)?
polys2comm(dat, res = 1, species = "species", shp.grids = NULL, ...)
points2comm( dat, mask = NULL,res = 1, lon = "decimallongitude", lat = "decimallatitude", species = "species", shp.grids = NULL, ... )
這個超重要，處理原始數(shù)據(jù)，可以說算是是工作流的第一步。
示例：
points2comm里res參數(shù)對應的是柵格粒度，具體作用不詳
三個轉(zhuǎn)換函數(shù)都返回包含兩個對象的list，一個是comm一個是poly
read.community? ?讀取稀疏社區(qū)矩陣
read.community(file, grids = "grids", species = "species", ...)
示例：
sdm??計算(應該是某一）物種分布模型
描述：該函數(shù)使用四種建模算法計算物種分布模型:廣義線性模型、廣義提升模型、隨機森林和最大熵(僅當rJava可用時)。注意:這是一個實驗中的功能，將來可能會改變。
sdm( x, pol = NULL, predictors = NULL, blank = NULL, res = 1, tc = 2, lr = 0.001, bf = 0.75, n.trees = 50, step.size = n.trees, k = 5, herbarium.rm = TRUE, n_points = 30 )
示例：
preds應該是環(huán)境因素的堆棧，這里涉及了三個因子的情況
ensemble_raster??預測潛在物種分布的集合柵格
data??用于實現(xiàn)模型的數(shù)據(jù)框架。
indiv_models? 單獨的模型下，預測潛在的物種分布。
selectbylocation? 篩出研究區(qū)域內(nèi)的坐標點
示例：
select_linkage?聚類算法的選擇與驗證
示例：
timeslice 根據(jù)時間深度截取樹
可以根據(jù)需要來截取系統(tǒng)發(fā)育樹，比如研究最近一次冰期就截1.8萬年的深度，后面的發(fā)育關系就忽略了
weighted_endemism??測量窄范圍或特有物種的分布
物種豐富度比上分布范圍，輸入對象為稀疏矩陣。
總算結(jié)束了，明天開始看工作流
壓縮篇幅，注釋基本都直接放在代碼塊中。
