Utilisation des fonctions ENFA du package adehabitatHS

[Jérémie Habasque]

Bonjour,

Je souhaite utiliser les fonctions d'ENFA du package 'adehabitatHS'.
Une erreur apparaît avec la fonction dudi.pca concernant la présence de NA. Cf. le code ci-dessous:

Code : Tout sélectionner

predictors_enfa <- stack(raster(sst_climato),raster(chloro_climato))
predictors_enfa <- as(predictors_enfa,'SpatialPixelsDataFrame')
names(predictors_enfa)=c("SST","CHL")
pr <- slot(count.points(Species, predictors_enfa), "data")[,1]
Warning message:
In count.points(Species, predictors_enfa) :
  several columns in the SpatialPointsDataFrame, no id considered
predictors_enfa <- na.omit(predictors_enfa)
pc <- dudi.pca(slot(predictors_enfa, "data"), scannf=FALSE)
Error in dudi.pca(slot(predictors_enfa, "data"), scannf = FALSE) :
  na entries in table

Merci d'avance pour vos suggestions !

[Renaud Lancelot]

Il nous faudrait un exemple reproductible. Que donne la commande:

Code : Tout sélectionner

class(slot(predictors_enfa, "data"))

et

Code : Tout sélectionner

str(slot(predictors_enfa, "data"))

Il faudrait que ce soit un data.frame avec des colonnes sans données manquantes pour que ce soit accepté par dudi.pca

[Jérémie Habasque]

Bonjour,

En effet, il y a des NA en entrée de la fonction dudi.pca:

Code : Tout sélectionner

> str(predictors_enfa)
Formal class 'SpatialPixelsDataFrame' [package "sp"] with 7 slots
  ..@ data       :'data.frame':   39642 obs. of  2 variables:
  .. ..$ SST: num [1:39642] NA NA NA NA NA NA NA NA NA NA ...
  .. ..$ CHL: num [1:39642] 0.295 0.266 0.248 0.285 0.285 ...

Comment faire pour supprimer les NA de mon objet SpatialPixelsDataFrame ?

[Renaud Lancelot]

En principe l'objet devrait pouvoir s'indexer comme un data.frame. Qquechose comme

Code : Tout sélectionner

Data <- predictors_enfa[!is.na(predictors_enfa$SST), ]

[Jérémie Habasque]

Bonjour,

Merci en effet, maintenant la fonction dudi.pca fonctionne !

Code : Tout sélectionner

predictors_enfa <- stack(raster(sst_climato),raster(chloro_climato))
names(predictors_enfa)=c("SST","CHL")
predictors_enfa <- as(predictors_enfa,'SpatialPixelsDataFrame')
predictors_enfa <- predictors_enfa[!is.na(predictors_enfa$SST), ]
predictors_enfa <- predictors_enfa[!is.na(predictors_enfa$CHL), ]
pr <- slot(count.points(Species, predictors_enfa), "data")[,1]
pc <- dudi.pca(slot(predictors_enfa, "data"), scannf=FALSE)
enfa <- enfa(pc,pr, scannf = FALSE)
pred <- predict.enfa(enfa, predictors_enfa)

Le package adehabitat permettait de récupérer un objet de class "mapattr" (avec les dimensions de la grille spatiale) via la fonction data2enfa. Cet objet pouvait ensuite être utilisé comme paramètre de la fonction predict.
Plus maintenant !

[Jérémie Habasque]

Un petit up sur le sujet.

Avec la fonction predict du package adehabitat, je pouvais remettre les 34310 observations sur une grille de dimension 360*180

Code : Tout sélectionner

sst_asc <-­ asc.from.raster(raster(sst_climato))
chl_asc <­- asc.from.raster(raster(chloro_climato))
predictors_enfa <­- as.kasc(list(SST = sst_asc, CHL =chl_asc))
enfa_data <­- data2enfa(predictors_enfa, Species@coords)
pc <­- dudi.pca(enfa_data$tab, scannf = FALSE)
enfa <­- enfa(pc, enfa_data$pr, scannf = FALSE)
pred <-­ predict(enfa, enfa_data$index,enfa_data$attr)
pred <-­ as.SpatialGridDataFrame.im(asc2im(pred))

Maintenant, avec le package adehabitatHS, je reste avec un objet SpatialPixelsDataFrame avec 34310 observations.

Code : Tout sélectionner

predictors_enfa <­- stack(raster(sst_climato),raster(chloro_climato))
names(predictors_enfa)=c("SST","CHL")
predictors_enfa <­- as(predictors_enfa,'SpatialPixelsDataFrame')
predictors_enfa <-­ predictors_enfa[!is.na(predictors_enfa$SST), ]
predictors_enfa <-­ predictors_enfa[!is.na(predictors_enfa$CHL), ]
pr <­- slot(count.points(Species, predictors_enfa), "data")[,1]
pc <-­ dudi.pca(slot(predictors_enfa, "data"), scannf=FALSE)
enfa <-­ enfa(pc,pr, scannf = FALSE)
pred <­- predict.enfa(enfa, predictors_enfa)

Comment puis-je repasser sur ma grille de dimension 360*180 ?

Merci d'avance,
Cdt.

[dicko ahmadou]

Bonjour,

predict.enfa retourne un SpatialPixelsDataFrame donc tu as les informations sur la structure de ta grille en faisant:

Code : Tout sélectionner

## Check the grid size and origin
pred@grid

Donc tu peux utiliser la fonction raster directement sur le résultat ("pred"), il va utiliser l'origine et la dimension pour le transformer automatiquement:

Code : Tout sélectionner

## From SpatialPixelsDataFrame to raster
pred_grid <- raster(pred)
dim(pred_grid)