— 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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