— ANÁLISIS PARA CADA TEMPORADA: SECA & LLUVIOSA
— Empezamos el Análisis de Solapamiento: 1. Temporada Seca
#--- Para reproducibilidad
set.seed(1)
library(SIBER)
Leer los datos
mydata <- read.table("Terminos_consumers_groups+comm_SECA.csv",sep=",",header=T)
Para crear los datos para SIBER, la función recibe un data.frame y crea una lista de 12 elementos
siber.example <- createSiberObject(mydata)
Se toman las coordenadas de cada isótopo para cada grupo
spx <- split(siber.example$original.data$iso1,
siber.example$original.data$group)
spy <- split(siber.example$original.data$iso2,
siber.example$original.data$group)
Se calulan los solapamientos de nicho, utilizando la función “overlap” del paquete {siar}
library(siar)
con las “nuevas funciones” desarrolladas en este curso:
Se calculan las áreas de cada nicho de cada grupo, y las áreas de sobreposición entre todas las parejas de grupos
se expresan las áreas de sobreposición como porcentaje respecto al área del grupo en las filas
se expresan las áreas de sobreposición como porcentaje respecto al área del grupo en las columnas
se expresan las áreas de sobreposición como porcentaje respecto al área total de los dos grupos
— Seguimos el Análisis de Solapamiento: 1. Temporada Lluviosa
Leer los datos
Crea los datos para SIBER:
siber.example2 <- createSiberObject(mydata2)
Se toman las coordenadas de cada isótopo para cada grupo
Áreas de cada nicho y áreas de sobreposición
solapamiento como porcentaje de las filas
sobrePorcenFila(ensayo2)
solapamiento como porcentaje de las columnas
sobrePorcenColumna(ensayo2)
solapamiento como porcentaje del área total
sobrePorcenTotal(ensayo2)
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