寻找核密度区域答案

【问题标题】：Finding kernel density area寻找核密度区域
【发布时间】：2017-07-23 01:14:13
【问题描述】：

我一直在使用 R 包 adehabitatHR 来查找一些企鹅的内核密度轮廓，并且一切正常。但是，当我使用 mcp 或 kernel.area 找到 50% 和 95% 等高线内的区域时，我得到的估计值非常低。这些鸟儿飞行了 30-80 公里，但面积估计为 3.087401 x 10^-7ha。先前的数据显示面积估计为 4000-6000 公顷。有谁知道可能会发生什么？谢谢！

    #please ignore all the libraries, I'm new to R and keep them all up
    library(adehabitatHR)
    library(sp)
    library(rgdal)
    library(raster)        
    F14A <- read_csv("74F314A f.csv")
    str(F14A)
    loc <- F14A[, c("Latitude", "Longitude")]
    str(loc)
    # Change Lat & Long to spatial points
    loc <- as.matrix.data.frame(loc)
    loc <- SpatialPoints(loc)
    ## Estimation of KUD
    ud <- kernelUD(loc, h = "href", grid = 100, same4all = FALSE,
           kern = c("bivnorm"), extent = 1)
    mcp(loc, percent=100)
    mcp.area(loc,percent=seq(50,95, by=5), unin = c("m"),
        unout = c("ha"))

【问题讨论】：

标签： r gps kernel-density

【解决方案1】：

我很好奇你的内核带宽。如果您正在使用一个为您计算带宽的函数，那么它所做的任何优化都有可能陷入太小而无法使用的值（它发生在我身上） - 内核带宽太小将导致远内核密度区域太小。

如果您正在使用的函数有contour() 的实现，我会很想plot(contour(ud)) 看看它是否看起来像一个漂亮的等高线图（或不是！）如果不是，请尝试设置内核带宽到一些不同的值，看看结果如何。

这似乎是一个博学的观点，但带宽选择是任何涉及内核密度的分析的关键且重要的部分。不幸的是，有时黑盒软件不会像您（主题专家）那样选择适合研究的带宽。

【讨论】：

【解决方案2】：

等高线图看起来不错，它们很好地贴合了地图并遵循了我的轨迹。该地图是一个内置 GPS 坐标的 shapefile。

问题是我的观点没有正确转换。对于遇到同样问题的其他人，我使用以下代码将其转换为 UTM 区域 55，然后 kernel.area 函数完美运行。

    longlatcoor<-SpatialPoints(cbind(F14A$Longitude,F14A$Latitude), proj4string=CRS("+proj=longlat +datum=WGS84"))
    # converting
    utmcoord<-spTransform(longlatcoor,CRS("+proj=utm +south +zone=55 +datum=WGS84"))
    utmcoord #just to double check the transformation has occured
    kud<-kernelUD(utmcoord, h="href", grid=100, hlim = c(0.1, 1.5), kern = c("bivnorm"), extent = 0.5,boundary=barrier)
    image(kud)
    kernel.area(kud,percent=seq(50,95,by=5),unin=("m"),unout=("ha"))

这产生了像 lat 319187.6 long 5807109 这样的 GPS 值，最终以公顷为单位的内核区域为：50% = 1153.162, 95% = 7025.186，这与我的预期更接近。

【讨论】：