En esta clase, aprenderemos a emplear Distance para ajustar modelos de abundancia.
El paquete Distance en R es una herramienta poderosa para analizar datos de conteos por puntos y transectos en estudios de abundancia de especies. Permite modelar la relación entre la detección de especies y la distancia desde un punto o línea de transecto, considerando la probabilidad de detección a diferentes distancias. Con diversas funciones y métodos estadísticos, este paquete facilita la estimación de abundancia, densidad y otros parámetros clave en la ecología de poblaciones, ayudando a comprender mejor la distribución y el tamaño de las poblaciones de especies.
Para empezar, necesitamos cargar el paquete Distance
library(Distance)
Warning: package 'Distance' was built under R version 4.3.2
Loading required package: mrds
Warning: package 'mrds' was built under R version 4.3.2
This is mrds 2.3.0
Built: R 4.3.2; ; 2023-12-31 04:22:40 UTC; windows
**Change to default variance estimator for point transects. The default encounter rate variance estimator for point transects is now 'P2' (changed from 'P3'). See 'Uncertainty' section of ?dht for more information.**
MCDS.exe not detected, single observer analyses will only be run using optimiser in mrds R library. See ?MCDS for details.
Attaching package: 'Distance'
The following object is masked from 'package:mrds':
create.bins
Vamos a cargar la base de datos ya formateada, la cual se basa en la metodología de transecto por línea. Esta base incluye el registro de la distancia a cada individuo observado.
Vamos a ajustar el modelo basado en la metodología de transectos, utilizando la distancia de observación de cada individuo.
ds.model <-ds(tee.data, 4)
Starting AIC adjustment term selection.
Fitting half-normal key function
AIC= 311.138
Fitting half-normal key function with cosine(2) adjustments
AIC= 313.124
Half-normal key function selected.
No survey area information supplied, only estimating detection function.
Ahora, podemos revisar los resultados y generar un gráfico que muestre la detección.
summary(ds.model)
Summary for distance analysis
Number of observations : 124
Distance range : 0 - 4
Model : Half-normal key function
AIC : 311.1385
Optimisation: mrds (nlminb)
Detection function parameters
Scale coefficient(s):
estimate se
(Intercept) 0.6632435 0.09981249
Estimate SE CV
Average p 0.5842744 0.04637627 0.07937412
N in covered region 212.2290462 20.85130344 0.09824906
plot(ds.model)
En el curso se explorarán diversos tipos de modelos, se aprenderá a seleccionar el más adecuado, se abordará su interpretación y se analizará su aplicación en casos reales.
