基于r的群落學(xué)多元統(tǒng)計(jì)分析(參考版)
2025-05-06 00:26本頁(yè)面
【正文】 protest(, scores=“sp”)。 =rda(gtsdata,gtsenv)。 add, 添加到別的圖上 。 繪制三維排序圖： ordiplot3d(object, display = sites, choices = 1:3, = 2, = , = 4, envfit, xlab, ylab, zlab, ...) ordirgl(object, display = sites, choices = 1:3, type = p, = red, = yellow, text, envfit, ...) lpoints(object, display = sites, choices = 1:3, ...) ltext(object, text, display = sites, choices = 1:3, justify = center, adj = , ...) ordiplot3d(,type=“h”) ordirgl(,type=p) 繪制環(huán)境因子梯度圖： ordisurf(x, y, choices=c(1, 2), knots=10, family=gaussian, col=red, thinplate = TRUE, add = FALSE, display = sites, w = weights(x), main, nlevels = 10, levels, labcex = , ...) x:cca或 rda的結(jié)果， y:需要繪圖的環(huán)境因子或物種 。 text(,display=“”,=,col=4)。,中心化后的環(huán)境因子； label:用來(lái)替代箭頭的字符； :環(huán)境因子放大倍數(shù) 。 Start: AIC= gtsdata ~ 1 Df AIC + P 1 + elev 1 + N 1 + pH 1 + slope 1 + K 1 none + convex 1 + aspect 1 RDA和 CCA結(jié)果的檢驗(yàn)： =cca(gtsdata~elev+convex+slope+aspect+P+N+K+pH,data=gtsenv) anova() anova(,by=“axis”) anova(,by=“terms”) Model: cca(formula = gtsdata ~ elev + convex + slope + aspect + P + N + K + pH, data = gtsenv) Df Chisq F Pr(F) elev 1 100 *** convex 1 100 . slope 1 100 *** aspect 1 100 P 1 100 *** N 1 100 * K 1 100 . pH 1 100 RDA和 CCA模型的選擇： mod Call: cca(formula = gtsdata ~ P + pH + elev + convex, data = gtsenv) Inertia Rank Total Constrained 4 Unconstrained 21 Inertia is mean squared contingency coefficient Eigenvalues for constrained axes: CCA1 CCA2 CCA3 CCA4 Eigenvalues for unconstrained axes: CA1 CA2 CA3 CA4 CA5 CA6 CA7 CA8 作圖函數(shù)： plot(x, choices = c(1, 2), display = c(sp, wa, ), scaling = 2, type, xlim, ylim, ...) x: cca或 rda分析結(jié)果； choices:選擇的軸； display:顯示的類(lèi)型， sp,物種， wa,樣方， lc, 線性結(jié)合的樣方坐標(biāo) 。 mod2=cca(gtsdata~elev+convex+slope+aspect+P+N+K+pH,data=gtsenv)。 intersetcor(object) :環(huán)境因子和各軸的相關(guān)分析； 最好使用： envfit。 =cca(gtsdata,gtsenv)。反之越小。 =rda(gtsdata~elev+convex+slope+aspect+N+K+P+pH,data=gtsenv)。 摘自 基于 CANOCO的
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1