Skip to content

HTTPS clone URL

Subversion checkout URL

You can clone with
or
.
Download ZIP
The intention is to study the properties of graphs created from spatial distribution of patches
R
Branch: master

Fetching latest commit…

Cannot retrieve the latest commit at this time

Failed to load latest commit information.
backup
.Rhistory
.Rprofile
README.md
auxiliar.R
boxplot-hill-exp-step-rsq.png
figura_sptree.R
hill-exp-vs-slope.png
hill-manipulate.R
historia.R
isoSamp.RData
patchCluster.R
ptos.csv
rnorm1000.png
runif1000.png
samples.R
samples.RData
tablas.RData
thillExp.RData
thillLoc.RData
thillRsq.RData
thillSS.RData
thillSlope.RData
tkurt.RData
tmp.R
tmp2.R
tskew.RData
tstepRsq.RData
tudist.RData
tvar.RData

README.md

Motivo:

Análisis de percolación de paisaje basado en la ubicación y distancias entre parches.

Función principal:

patchCluster

Requiere:

  • vegan
  • igraph

Ejemplo

Para analizar un grupo de parches distribuidos uniformemente en el paisaje.

x <- patchCluster(100)

El objeto x es una lista con varias cosillas (se explicarán en un futuro).

Salida gráfica:

Para generar esto, correr:

patchCluster(1000)

La salida gráfica muestra (por panel):

  1. Los parches
  2. El Minimum Spaning Tree (MST) obtenido a partir de los parches (en base a un grafo cuyos links tienen un peso == distancia geográfica).
  3. Distribución de los pesos (distancias) de los links en el MST
  4. Gráfica de percolación:

    • Eje x: distancia de movimiento (d_mov)
    • Eje y:

      1. Línea gris: número de componentes del grafo G construido así:

        G(i,j) = 1 <==> d(i,j) <= d_mov

      2. Línea negra: valor esperado de la cantidad de parches a los que tiene acceso un individuo.

Something went wrong with that request. Please try again.