1. Zuhause
  2. Frage und Antwort
  3. R dynamic brown bridge Bewegungsmodell Rasterfehler

R dynamic brown bridge Bewegungsmodell Rasterfehler

2017-01-23 2 views
0

Um meine Daten (Anwesenheits-/Abwesenheitsdaten an bestimmten Orten) zu untersuchen, möchte ich mit dem "move" -Paket Nutzungsverteilungen mit dynamischen Brownian-Brückenbewegungsmodellen (dBBMM) modellieren. Ich versuche herauszufinden, wie es funktioniert und so habe ich einen einfachen Code erstellt, um einen dBBMM für Teilmengen meiner Daten zu erstellen, um einige Plots zu erstellen. Es scheint, dass die gleiche Spezifikation der Codierung für eine Teilmenge funktioniert, aber nicht für die andere. Insbesondere, erhalte ich die FehlerR dynamic brown bridge Bewegungsmodell Rasterfehler

Error in .local(object, raster, location.error, ext, ...) : 
    Lower x grid not large enough

zurück Dies ist eine Teilmenge der Daten:

data.ss1<-structure(list(timestamp = structure(c(1455851760, 1455851880, 
1455852000, 1455852180, 1455857220, 1455857340, 1455915720, 1455915780, 
1455916020, 1455917760, 1455918240, 1455920100, 1455920520, 1455920700, 
1455920940, 1455921060, 1456786200, 1456786620, 1456788960, 1456789080, 
1456789200, 1456821540, 1456821660, 1456821960, 1457295480, 1457295600, 
1457296260, 1457296380, 1457296500, 1457296800, 1457319240, 1457319540, 
1457319660, 1457319780, 1457322900, 1457323020, 1457323140, 1457323320, 
1457323440, 1457325000, 1457325180, 1457325420, 1457325600, 1457325720, 
1457326560, 1457326680, 1457333340, 1457333700, 1457333820, 1457334000, 
1457334120, 1457334240, 1457334360, 1457353800, 1457353920, 1457354040, 
1457354280, 1457354400, 1457354700, 1457355780, 1457355960, 1457356080, 
1457356200, 1457356320, 1457364600, 1457364780, 1457365020, 1457365320, 
1457365500, 1457365620, 1457365740, 1457365860, 1457365980, 1457366100, 
1457366220, 1457407200, 1457407380, 1457407500, 1457407560, 1457407680, 
1457407800, 1457407920, 1457408040, 1457408160, 1457408280, 1457408340, 
1457408580, 1457408700, 1457408820, 1457408940, 1457409060, 1457409480, 
1457409600, 1457409780, 1457409900, 1457410320, 1457412540, 1457412660, 
1457412780, 1457412900), class = c("POSIXct", "POSIXt"), tzone = "US/Eastern"), 
    station = c(109655L, 109655L, 109655L, 109655L, 124083L, 
    124083L, 126404L, 126404L, 126404L, 126412L, 126412L, 126413L, 
    126413L, 126413L, 126413L, 126413L, 102307L, 102307L, 126413L, 
    126413L, 126413L, 126407L, 126407L, 126407L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 104668L, 104668L, 104668L, 
    104668L, 126408L, 126408L, 126408L, 126408L, 126408L, 126410L, 
    126410L, 126410L, 126410L, 126410L, 126410L, 126410L, 104668L, 
    104668L, 104668L, 104668L, 104668L, 104668L, 104668L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 124086L, 
    124086L, 124086L, 124086L, 124086L), elasmo = structure(c(5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L), .Label = c("7954", "19681", 
    "19690", "19691", "20180", "20182", "20184", "23156", "23794", 
    "23796", "27549", "27551"), class = "factor"), location = c("pier", 
    "pier", "pier", "pier", "new barge", "new barge", "bimini barge", 
    "bimini barge", "bimini barge", "west west round rock", "west west round rock", 
    "west north west turtle", "west north west turtle", "west north west turtle", 
    "west north west turtle", "west north west turtle", "south west south turtle", 
    "south west south turtle", "west north west turtle", "west north west turtle", 
    "west north west turtle", "mini wall", "mini wall", "mini wall", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "west round rock", "west round rock", "west round rock", 
    "west round rock", "northwest turtle rock", "northwest turtle rock", 
    "northwest turtle rock", "northwest turtle rock", "northwest turtle rock", 
    "west turtle", "west turtle", "west turtle", "west turtle", 
    "west turtle", "west turtle", "west turtle", "west round rock", 
    "west round rock", "west round rock", "west round rock", 
    "west round rock", "west round rock", "west round rock", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west", "mini barge west", 
    "mini barge west", "mini barge west"), Y = c(25.76453, 25.76453, 
    25.76453, 25.76453, 25.74273, 25.74273, 25.69792, 25.69792, 
    25.69792, 25.68681, 25.68681, 25.67408, 25.67408, 25.67408, 
    25.67408, 25.67408, 25.65654, 25.65654, 25.67408, 25.67408, 
    25.67408, 25.81482, 25.81482, 25.81482, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.68646, 25.68646, 
    25.68646, 25.68646, 25.67416, 25.67416, 25.67416, 25.67416, 
    25.67416, 25.66495, 25.66495, 25.66495, 25.66495, 25.66495, 
    25.66495, 25.66495, 25.68646, 25.68646, 25.68646, 25.68646, 
    25.68646, 25.68646, 25.68646, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 25.72441, 
    25.72441, 25.72441), X = c(-79.29315, -79.29315, -79.29315, 
    -79.29315, -79.30235, -79.30235, -79.31699, -79.31699, -79.31699, 
    -79.32016, -79.32016, -79.31871, -79.31871, -79.31871, -79.31871, 
    -79.31871, -79.3227, -79.3227, -79.31871, -79.31871, -79.31871, 
    -79.28847, -79.28847, -79.28847, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.31012, -79.31012, -79.31012, 
    -79.31012, -79.30888, -79.30888, -79.30888, -79.30888, -79.30888, 
    -79.31092, -79.31092, -79.31092, -79.31092, -79.31092, -79.31092, 
    -79.31092, -79.31012, -79.31012, -79.31012, -79.31012, -79.31012, 
    -79.31012, -79.31012, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, -79.30922, 
    -79.30922)), .Names = c("timestamp", "station", "elasmo", 
"location", "Y", "X"), row.names = c(NA, 100L), class = "data.frame")

Und dies ist ein zweiter:

data.ss2<-structure(list(timestamp = structure(c(1414786140, 1414786740, 
1420747380, 1420750020, 1425956580, 1425956940, 1427796900, 1427797080, 
1453615800, 1453616040, 1453616400, 1453618020, 1453618920, 1453619580, 
1453619760, 1460017140, 1460017680, 1460017860, 1460141880, 1460142060, 
1460144040, 1460145300, 1460181840, 1460183100, 1460215860, 1460216100, 
1460378040, 1460378760, 1460403840, 1460404140, 1460456100, 1460456280, 
1460456460, 1460540340, 1460541600, 1460863560, 1460864160, 1460875860, 
1460876880, 1460882040, 1460883960, 1460887200, 1460887740, 1460928540, 
1460929200, 1460948160, 1460948340, 1460953920, 1460954220, 1461037440, 
1461038100, 1461041220, 1461041400, 1461041580, 1461043320, 1461043500, 
1461046260, 1461046440, 1461059340, 1461059700, 1461059820, 1461060000, 
1461060720, 1461061440, 1461061860, 1461062100, 1461062700, 1461062880, 
1461063060, 1461063240, 1461063420, 1461064140, 1461064320, 1461064500, 
1461064800, 1461065160, 1461065340, 1461065880, 1461066780, 1461066960, 
1461072060, 1461072300, 1461072900, 1461073080, 1461119580, 1461120240, 
1461124320, 1461124500, 1461124620, 1461166500, 1461166680, 1461166920, 
1461167100, 1461216840, 1461217560, 1461218880, 1461219060, 1461219660, 
1461219840, 1461221280), class = c("POSIXct", "POSIXt"), tzone = "US/Eastern"), 
    station = c(104667L, 104667L, 124097L, 124097L, 125904L, 
    125904L, 125907L, 125907L, 126408L, 126408L, 126408L, 126410L, 
    126410L, 126411L, 126411L, 126406L, 126406L, 126406L, 125906L, 
    125906L, 125906L, 125906L, 125904L, 126406L, 125904L, 125904L, 
    106809L, 106809L, 125906L, 125906L, 126408L, 126408L, 126408L, 
    126408L, 126408L, 126408L, 126408L, 126410L, 126410L, 126408L, 
    126408L, 126411L, 126411L, 104668L, 104668L, 104668L, 104668L, 
    126411L, 126411L, 104668L, 104668L, 126410L, 126410L, 126410L, 
    126411L, 126411L, 126411L, 126411L, 126404L, 126404L, 126404L, 
    126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 
    126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 
    126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 126404L, 
    126404L, 126404L, 104668L, 104668L, 126410L, 126410L, 126410L, 
    126408L, 126408L, 126408L, 126408L, 126413L, 126413L, 104668L, 
    104668L, 104668L, 104668L, 126408L), elasmo = structure(c(11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L), .Label = c("7954", "19681", "19690", "19691", 
    "20180", "20182", "20184", "23156", "23794", "23796", "27549", 
    "27551"), class = "factor"), location = c("bimini barge", 
    "bimini barge", "northwest turtle rock", "northwest turtle rock", 
    "west turtle", "west turtle", "west west round rock", "west west round rock", 
    "northwest turtle rock", "northwest turtle rock", "northwest turtle rock", 
    "west turtle", "west turtle", "south west turtle", "south west turtle", 
    "south bimini 3", "south bimini 3", "south bimini 3", "south bimini 1", 
    "south bimini 1", "south bimini 1", "south bimini 1", "south bimini 3 south", 
    "south bimini 3", "south bimini 3 south", "south bimini 3 south", 
    "south bimini 1 south", "south bimini 1 south", "south bimini 1", 
    "south bimini 1", "northwest turtle rock", "northwest turtle rock", 
    "northwest turtle rock", "northwest turtle rock", "northwest turtle rock", 
    "northwest turtle rock", "northwest turtle rock", "west turtle", 
    "west turtle", "northwest turtle rock", "northwest turtle rock", 
    "south west turtle", "south west turtle", "west round rock", 
    "west round rock", "west round rock", "west round rock", 
    "south west turtle", "south west turtle", "west round rock", 
    "west round rock", "west turtle", "west turtle", "west turtle", 
    "south west turtle", "south west turtle", "south west turtle", 
    "south west turtle", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "bimini barge", 
    "bimini barge", "bimini barge", "bimini barge", "west round rock", 
    "west round rock", "west turtle", "west turtle", "west turtle", 
    "northwest turtle rock", "northwest turtle rock", "northwest turtle rock", 
    "northwest turtle rock", "west north west turtle", "west north west turtle", 
    "west round rock", "west round rock", "west round rock", 
    "west round rock", "northwest turtle rock"), Y = c(25.69792, 
    25.69792, 25.67416, 25.67416, 25.66495, 25.66495, 25.68681, 
    25.68681, 25.67416, 25.67416, 25.67416, 25.66495, 25.66495, 
    25.65662, 25.65662, 25.68256, 25.68256, 25.68256, 25.68266, 
    25.68266, 25.68266, 25.68266, 25.67332, 25.68256, 25.67332, 
    25.67332, 25.67316, 25.67316, 25.68266, 25.68266, 25.67416, 
    25.67416, 25.67416, 25.67416, 25.67416, 25.67416, 25.67416, 
    25.66495, 25.66495, 25.67416, 25.67416, 25.65662, 25.65662, 
    25.68646, 25.68646, 25.68646, 25.68646, 25.65662, 25.65662, 
    25.68646, 25.68646, 25.66495, 25.66495, 25.66495, 25.65662, 
    25.65662, 25.65662, 25.65662, 25.69792, 25.69792, 25.69792, 
    25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 
    25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 
    25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 
    25.69792, 25.69792, 25.69792, 25.69792, 25.69792, 25.68646, 
    25.68646, 25.66495, 25.66495, 25.66495, 25.67416, 25.67416, 
    25.67416, 25.67416, 25.67408, 25.67408, 25.68646, 25.68646, 
    25.68646, 25.68646, 25.67416), X = c(-79.31699, -79.31699, 
    -79.30888, -79.30888, -79.31092, -79.31092, -79.32016, -79.32016, 
    -79.30888, -79.30888, -79.30888, -79.31092, -79.31092, -79.31325, 
    -79.31325, -79.2818, -79.2818, -79.2818, -79.30135, -79.30135, 
    -79.30135, -79.30135, -79.28196, -79.2818, -79.28196, -79.28196, 
    -79.30154, -79.30154, -79.30135, -79.30135, -79.30888, -79.30888, 
    -79.30888, -79.30888, -79.30888, -79.30888, -79.30888, -79.31092, 
    -79.31092, -79.30888, -79.30888, -79.31325, -79.31325, -79.31012, 
    -79.31012, -79.31012, -79.31012, -79.31325, -79.31325, -79.31012, 
    -79.31012, -79.31092, -79.31092, -79.31092, -79.31325, -79.31325, 
    -79.31325, -79.31325, -79.31699, -79.31699, -79.31699, -79.31699, 
    -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, 
    -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, 
    -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, -79.31699, 
    -79.31699, -79.31699, -79.31699, -79.31699, -79.31012, -79.31012, 
    -79.31092, -79.31092, -79.31092, -79.30888, -79.30888, -79.30888, 
    -79.30888, -79.31871, -79.31871, -79.31012, -79.31012, -79.31012, 
    -79.31012, -79.30888)), .Names = c("timestamp", "station", 
"elasmo", "location", "Y", "X"), row.names = c(NA, 100L), class = "data.frame")

Mein Problem ist, dass ich nicht weiß wirklich, wie man den Raster-Parameter in Verbindung mit dem Erweiterungsparameter setzt. Es gibt einen Fehler für 1 Datensatz bei einem angegebenen Modell zurück, aber nicht bei dem anderen. Dies sind nur 2 kleine Teilmengen größerer Datensätze und ich habe> 100 Individuen. Es wäre also nützlich, wenn ich ein Modell angeben könnte, das alle Datensätze bestmöglich aufnehmen kann. Ich denke, ich kann den Parameter ext für alle meine Modelle auf eine große Zahl setzen, bin mir aber nicht sicher, ob dies der ideale Ansatz ist. Danke für jede Hilfe!

Dies ist der R Code, den ich für die Untergruppen mit bin:

require(move) 

ss1 <- move(x=data.ss1$X, y=data.ss1$Y, time=as.POSIXct(data.ss1$timestamp, format="%Y-%m-%d %H:%M", tz="US/Eastern"), 
      proj=CRS("+proj=longlat +ellps=WGS84"),data=data.ss1, animal="20186") 

data.sAEQD1 <- spTransform(ss1, center=T) 

x_UD1 <- brownian.bridge.dyn(data.sAEQD1, window.size=31, ext=1.5, 
          margin=15, raster=100, 
          location.error=23) 
ss2 <- move(x=data.ss2$X, y=data.ss2$Y, time=as.POSIXct(data.ss2$timestamp, format="%Y-%m-%d %H:%M", tz="US/Eastern"), 
      proj=CRS("+proj=longlat +ellps=WGS84"),data=data.ss2, animal="27549") 

data.sAEQD2 <- spTransform(ss2, center=T) 

x_UD2 <- brownian.bridge.dyn(data.sAEQD2, window.size=31, ext=1.5, 
          margin=15, raster=100, 
          location.error=23)

Quelle

2017-01-23 FlyingDutch

Antwort

1

Es gibt ein paar Bemerkungen, vor allem seit der Version 2.0 des Umzugs Paket einen großen Teil (ext) Einstellung nicht funktioniert gehen auf Kosten von langen Berechnungszeiten, so dass die Einstellung einer etwas höheren Zahl wie 2 oder 3 nicht schadet.

Das Raster-Argument legt die Auflösung des für UD-Berechnungen verwendeten Rasters fest. Dies hat einen großen Einfluss auf die Berechnungszeit. Wenn die Auflösung doppelt so groß ist, sollte die Berechnung 4 mal schneller sein.

Das ext-Argument bestimmt, um wie viel das Raster über das Ausmaß der Trajektorie hinaus verlängert wird.

Da es sich um Daten von Aufnahmestationen handelt, ist es besonders wichtig, die Modellergebnisse zu überprüfen, da lange Stationaritätsphasen zu sehr kleinen Sigma-Schätzungen führen können. Ich bemerke auch, dass Sie manchmal ziemlich lange Intervalle zwischen den Aufnahmen haben (10 Tage, abwechselnd mit 2-Minuten-Aufnahmen), dies führt im Allgemeinen dazu, dass sich die UD aufgrund der großen Unsicherheit des Standorts ziemlich weit ausdehnt. Es führt auch dazu, dass die Aufzeichnungen ziemlich langsam sind, da ein kleiner Zeitschritt für die numerische Integration gewählt wird. Die Einstellung time.step = .6 könnte die Dinge beschleunigen (standardmäßig ist time.step auf 1/15 des kürzesten Intervalls eingestellt). .

Quelle

2017-01-23 21:00:47 Bart

Verwandte Themen

 Verwandte Themen