不合理的網(wǎng)站,如何注冊(cè)一家網(wǎng)站建設(shè)公司,企業(yè)管理六大體系,wordpress批量修改引用網(wǎng)址聯(lián)合物種分布模型#xff08;Joint Species Distribution Modelling#xff0c;JSDM#xff09;在生態(tài)學(xué)領(lǐng)域#xff0c;特別是群落生態(tài)學(xué)中發(fā)展最為迅速#xff0c;它在分析和解讀群落生態(tài)數(shù)據(jù)的革命性和獨(dú)特視角使其受到廣大國(guó)內(nèi)外學(xué)者的關(guān)注。在學(xué)界不同研究團(tuán)隊(duì)研發(fā)出…聯(lián)合物種分布模型Joint Species Distribution ModellingJSDM在生態(tài)學(xué)領(lǐng)域特別是群落生態(tài)學(xué)中發(fā)展最為迅速它在分析和解讀群落生態(tài)數(shù)據(jù)的革命性和獨(dú)特視角使其受到廣大國(guó)內(nèi)外學(xué)者的關(guān)注。在學(xué)界不同研究團(tuán)隊(duì)研發(fā)出不同的聯(lián)合物種模型其中由芬蘭的Ovaskainen教授領(lǐng)導(dǎo)的團(tuán)隊(duì)研發(fā)的R語(yǔ)言程序包Hmsc發(fā)展勢(shì)頭最為強(qiáng)勁。Hmsc是物種群落分層模型的縮寫(xiě)(Hierarchical Modelling of Species Communities)它是一種基于貝葉斯統(tǒng)計(jì)的多元分層廣義線性混和效應(yīng)模型( A multivariate hierarchical generalized linear mixed model fitted with Bayesian inference)。該模型可以同時(shí)考慮物種多度、環(huán)境變量、系統(tǒng)發(fā)育信息、物種屬性及時(shí)空數(shù)據(jù)是目前對(duì)于群落生態(tài)學(xué)各種數(shù)據(jù)利用最為充分的模型。它既可以對(duì)于單物種變量開(kāi)展分析可替代貝葉斯廣義線性混合效應(yīng)模型又可以同時(shí)開(kāi)展多物種群落水平分析將生態(tài)位假說(shuō)、生物交互作用種間關(guān)聯(lián)、物種擴(kuò)散限制及物種屬性和系統(tǒng)發(fā)育對(duì)物種分布的影響等進(jìn)行綜合考慮。本次課程將以Hmsc包為對(duì)象從群落生態(tài)學(xué)研究進(jìn)展入手逐步介紹Hmsc包對(duì)于群落生態(tài)學(xué)假說(shuō)的解讀、Hmsc包開(kāi)展單物種和多物種分析的技術(shù)細(xì)節(jié)及Hmsc包的實(shí)際應(yīng)用具體案例。專題一夯實(shí)基礎(chǔ)專題1R/Rstudio簡(jiǎn)介及入門【課前學(xué)習(xí)、提供學(xué)習(xí)資料】1R及Rstudio介紹背景、軟件及程序包安裝、基本設(shè)置等2R語(yǔ)言基本操作包括向量、矩陣、數(shù)據(jù)框及數(shù)據(jù)列表等生成和數(shù)據(jù)提取等3R語(yǔ)言數(shù)據(jù)文件讀取、整理清洗、結(jié)果存儲(chǔ)等含tidverse4R語(yǔ)言基礎(chǔ)繪圖含ggplot基本繪圖、排版、發(fā)表質(zhì)量繪圖輸出存儲(chǔ)專題二群落生態(tài)學(xué)及數(shù)據(jù)統(tǒng)計(jì)分析概述1群落生態(tài)學(xué)發(fā)展和研究趨勢(shì)簡(jiǎn)介2群落形成機(jī)制及物種裝配規(guī)則Species Assemble Rules3群落生態(tài)數(shù)據(jù)類型、特點(diǎn)及準(zhǔn)備4群落生態(tài)數(shù)據(jù)與群落生態(tài)學(xué)主要科學(xué)問(wèn)題關(guān)聯(lián)專題三聯(lián)合物種分布模型Hmsc及群落數(shù)據(jù)貝葉斯統(tǒng)計(jì)1聯(lián)合物種分布模型Hmsc貝葉斯統(tǒng)計(jì)簡(jiǎn)介2聯(lián)合物種分布模型Hmsc參數(shù)估計(jì)MCMC3聯(lián)合物種分布模型Hmsc參數(shù)及對(duì)應(yīng)群落生態(tài)假說(shuō)專題四單物種物種水平/單變量Hmsc貝葉斯統(tǒng)計(jì)1Hmsc程序包基本語(yǔ)法、參數(shù)選擇、固定效應(yīng)和隨機(jī)效應(yīng)設(shè)置、模型診斷等2Hmsc單變量貝葉斯估計(jì)VS 單變量brms包貝葉斯估計(jì)異同3Hmsc物種屬性數(shù)據(jù)單變量貝葉斯估計(jì)案例4Hmsc物種有無(wú)01數(shù)據(jù)單變量貝葉斯估計(jì)案例5Hmsc計(jì)數(shù)數(shù)據(jù)多度單變量貝葉斯估計(jì)案例泊松分布、過(guò)度離散、零膨脹等6Hmsc混合效應(yīng)模型固定效應(yīng)混合效應(yīng)空間自相關(guān)專題五多物種群落水平Hmsc貝葉斯統(tǒng)計(jì)模型1Hmsc多物種群落水平貝葉斯統(tǒng)計(jì)模型構(gòu)建介紹2Hmsc低維多物種聯(lián)合分布模型構(gòu)建(1)模型構(gòu)建、物種分布設(shè)置(2)解釋變量引入環(huán)境篩(3)物種關(guān)聯(lián)關(guān)系確定生物篩(4)模型診斷及性能評(píng)估3Hmsc高維多物種聯(lián)合分布模型構(gòu)建(1)模型構(gòu)建、物種分布設(shè)置(2)物種性狀、系統(tǒng)發(fā)育信息及環(huán)境變量引入(3)模型診斷及性能評(píng)估(4)模型調(diào)整先驗(yàn)分布、解釋變量等、擬合和重評(píng)估(5)結(jié)果展示包括參數(shù)熱圖、種間關(guān)聯(lián)、變差分解Variation Partitioning及排序潛變量等專題六Hmsc包群落生態(tài)數(shù)據(jù)分析高階應(yīng)用經(jīng)典案例1Hmsc包開(kāi)展群落數(shù)據(jù)聯(lián)合物種分布模型分析通用流程Pipelines2Hmsc分析物種屬性與環(huán)境關(guān)系案例3Hmsc分析響應(yīng)變量為不同分布類型案例4Hmsc空間數(shù)據(jù)分析案例5Hmsc時(shí)間數(shù)據(jù)分析案例6Hmsc模型中環(huán)境變量、物種屬性、系統(tǒng)發(fā)育、數(shù)據(jù)分層設(shè)置綜合案例