拓端tecdat|R语言数量生态学冗余分析RDA分析植物多样性物种数据结果可视化

​​冗余​​分析（redundancy analysis，RDA）是一种回归分析结合主成分分析的排序方法，也是多因变量（multiresponse）回归分析的拓展。从概念上讲，RDA是因变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA分析。

本报告对植物生态多样性做了数据分析。
 

冗余分析

首先，加载数据。

要加载数据，所有文件都必须在工作目录中。

1.  ste <- read.csv("sr.csv")
2.  ev <- read.csv("ev.csv")
3.  as <- read.csv("as.csv")

我对数据做了一些修改。首先，我将 ​​ev​​​ 数据的所有定量变量（即除地貌单元外的所有变量）与 ​​as​​​ 数据组合成一个名为 ​​enqut​​​. 然后，我对数据进行了归一化， 允许非常不同单位的变量之间进行比较。最后，我在归一化的定量环境变量中添加了地貌单元列，创建数据框 ​​era​​，用于冗余分析。

1.  enqut<- cbind(ev[,-5],ap)
2.  enz <- scale
3.  ut <- env[,5]
4.  era<- data.frame

结构数据

我使用环境数据​​era​​​ 作为解释变量对植被结构进行了冗余分析。我将结果分配给对象 ​​str​​。

summary(str)

然后我得到了这个分析的 R 方和调整后R 方。

RsquareAdj

RsqeAdj$adj.r.sqd

 制作三序图。

1.  par
2.  plot
3.  points
4.  usc <- scores
5.  points
6.  text

成分数据

首先我加载了物种数据。同样，该文件 ​​PAl.csv​​ 必须在工作目录中。为了降低大丰度的重要性，我将 Hellinger 转换应用于物种数据。

sp <- Hellinger(sp)

然后我使用所有环境变量作为解释变量进行了冗余分析。

1.   
2.  head(suda)

1.  # 获得R^2和调整后的R^2
2.  (sR2 <- RseAdj

(spdj <- RseAdj$adj.r.sed)

以2型标尺 对物种数据制作 RDA三序图。

1.   
2.   
3.   
4.  # 做好绘图空间
5.  par
6.  plot
7.  # 绘制站点的分数
8.  spc <- scores
9.  points
10.   
11.  # 绘制出物种的点数
12.  ssc <- scores
13.  points
14.   
15.  # 绘制定量解释变量的箭头和它们的标签
16.  spesc <- scores
17.  arrows
18.  env.names
19.  text
20.   
21.  # 绘制地貌单元中心点和它们的标签的绘图点
22.  spsc <- scores
23.  points
24.  text

论文图形

这是为论文制作图形的代码。

1.   
2.   
3.  par
4.  ensc <- scores
5.  arrows
6.  points
7.   
8.  # 制作绘图空间
9.  par
10.  plot
11.  abline
12.  mtext
13.   
14.  # 绘制站点的分数
15.  spsc <- scores
16.  points
17.   
18.  # 绘制出物种的点数
19.  sp.sc <- scores
20.  points
21.   
22.  # 绘制定量解释变量的箭头和它们的标签
23.  spsc <- scores
24.  arrows
25.  text
26.   
27.  # 绘制地貌单元中心点和它们的标签的绘图点
28.  unimes
29.  spusc <- scores
30.  points
31.  text