前段时间，有个朋友，问我如何用R解决生态学的部分问题，主要是空间生态学的问题。这对我来说，已经跨行了，后来咨询一位生态学钟博士，他给了一点代码，在此基础上，我做了一些分析。关于spatstat包的中文帖子好像没有，于是，写点用法，供有需要的网友参考。

1 数据读取

library(spatstat)
setwd("C:/Users/yzhlin/Desktop/LS") 
df<-readxl::read_excel("data1.xls", sheet=1,skip=1)
df1<-df[,1:12]

 2 径级结构

ggplot(df1s,aes(x=Dbh))+
   geom_histogram(binwidth=3,color='black',fill='white')

3 空间分布格局

3.1 空间分布点图

sp<-ppp(df1s$Xcoor.60,df1s$Ycoor.60,
         range(df1s$Xcoor.60),range(df1s$Ycoor.60))
spxy<-data.frame(x=sp$x,y=sp$y)
ggplot(spxy,aes(x,y))+geom_point()

3.2 点格局分析

(1)Ripley’s K(r)函数

k<-Kest(sp)#最基本的Ripley's K函数
plot(k)

(2)L函数

L<-Lest(sp,correction=c( "Ripley","border"))
plot(L)

(3)双变量的Ripley’s K(r)函数

df1sab<-dplyr::filter(df1,Specc %in% c("华润楠", "鹅掌柴"))
df1sab$Specc<-as.factor(df1sab$Specc)
spab<-ppp(df1sab$Xcoor.60,df1sab$Ycoor.60,
          range(df1sab$Xcoor.60),range(df1sab$Ycoor.60),
          marks=df1sab$Specc)

同样，可以使用L函数：

Lab <- Lcross(spab, "华润楠", "鹅掌柴",correction=c( "Ripley","border"))
plot(Lab)

(4)成对相关函数

k<-Kest(sp)
k.pcf <- pcf(k, spar=0.8, method="b")
plot(k.pcf)

同样，可以使用L函数：

L<-Lest(sp,correction=c( "Ripley","border"))
L.pcf <- pcf(L, spar=0.8, method="b")
plot(L.pcf)

(5)双变量的成对相关函数

amaK <- alltypes(spab, "K")
amap <- pcf(amaK, spar=1, method="b")
plot(amap)

(6)标记相关函数

sp2<-ppp(df1s$Xcoor.60,df1s$Ycoor.60,
          range(df1s$Xcoor.60),range(df1s$Ycoor.60),
          marks=df1s$Dbh)
mcf <- markcorr(sp2) 
plot(mcf)

(7)零模型–CSR模型

fit0<-ppm(sp ~ 1) # fit the stationary Poisson process
dclf.test(fit0, fun = Lest)# CSR model, 99 simulation

运行结果：

 ## 
 ##  Diggle-Cressie-Loosmore-Ford test of CSR
 ##  Monte Carlo test based on 99 simulations
 ##  Summary function: L(r)
 ##  Reference function: theoretical
 ##  Alternative: two.sided
 ##  Interval of distance values: [0, 149.8]
 ##  Test statistic: Integral of squared absolute deviation
 ##  Deviation = observed minus theoretical
 ## 
 ## data:  fit0
 ## u = 10107, rank = 1, p-value = 0.01

(8)模型–Gibbs模型

fit1<-ppm(sp ~ 1, Hardcore()) 
dclf.test(fit1, fun = Lest)

运行结果：

 ## 
 ##  Diggle-Cressie-Loosmore-Ford test of fitted Gibbs model
 ##  Monte Carlo test based on 99 simulations
 ##  Summary function: L(r)
 ##  Reference function: sample mean
 ##  Alternative: two.sided
 ##  Interval of distance values: [0, 149.8]
 ##  Test statistic: Integral of squared absolute deviation
 ##  Deviation = leave-one-out
 ## 
 ## data:  fit
 ## u = 9147.1, rank = 1, p-value = 0.01