J'essaie de comprendre comment la fonction de prédiction de dismo fonctionne en termes d'un modèle construit avec 'x' comme une trame de données, plutôt qu'avec des couches raster. J'ai exécuté avec succès des modèles en utilisant des couches raster et fait des cartes de prédiction basées sur ceci.Comment utiliser Dismo's predict() avec un modèle maxent basé sur une dataframe
Mon modèle est construit comme suit;
library(dismo)
model <- maxent(x = sightings.data, p = presence.vector)
avec sightings.data étant une trame de données contenant les emplacements GPS d'observations, puis les conditions à ces moments et les lieux. presence.vector est un vecteur indiquant si une ligne est un point de présence ou d'arrière-plan.
Je cherche à savoir;
- Quels arguments pour fournir à prédire donné un modèle de ce type
- Que prédire() est capable de fournir à partir d'un modèle tel que celui
Je modèles exécuter avec succès en utilisant des couches de trame et fait des cartes de prédiction basées sur cela. Le fichier d'aide pour predict() n'est pas particulièrement détaillé et la 'Species distribution modeling with R' ne couvre pas correctement ce sujet (les exemples ne listent que 'ne peut pas exécuter cet exemple car maxent n'est pas disponible').
J'ai essayé la modélisation avec une structure de données contenant uniquement des variables pour lesquelles j'ai des couches raster, et j'ai essayé de prédire comme je le ferais pour un modèle construit avec des rasters, mais j'ai l'erreur suivante;
Error in .local(object, ...) : missing layers (or wrong names)
Je me suis assuré les noms de colonnes de trame de données et les couches raster ont les mêmes noms, à l'exception de la latitude obligatoires et colonnes de longitude;
names(raster.stack) <- colnames(sightings.data[3:5])