计算保护区多边形与预测的最大栖息地适宜性的重叠

Calculate overlap of protected area polygons with predicted maxent habitat suitability

我想计算与保护区多边形重叠的物种的栖息地适宜性面积百分比。我不太了解 R 语言,但这是我目前所了解的。

这些是根据最大预测得出的栖息地适宜性区域的属性:

class      : RasterLayer 
dimensions : 6480, 8520, 55209600  (nrow, ncol, ncell)
resolution : 0.008333333, 0.008333333  (x, y)
extent     : -103, -32, -36, 18  (xmin, xmax, ymin, ymax)
crs        : +proj=longlat +ellps=WGS84

个保护区:

Simple feature collection with 5667 features and 2 fields (with 8 geometries empty)
geometry type:  GEOMETRY
dimension:      XY
bbox:           xmin: -118.6344 ymin: -59.85538 xmax: -25.29094 ymax: 32.48333
CRS:            +proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0

有人知道计算与保护区多边形重叠的栖息地适宜面积百分比的方法吗?

抱歉,我真的不太了解如何使用这些数据。我希望我提供了所有相关信息。

如有任何意见,我将不胜感激。

要回答您的第一个问题,您应该能够使用带状统计数据来计算使用 spatialEco 软件包在保护区内发现的潜在栖息地的面积:

zonal.stats(x, y, stats = c("min", "mean", "max"))
#x = Polygon object of class SpatialPolygonsDataFrame
#y = rasterLayer object of class raster

https://www.rdocumentation.org/packages/spatialEco/versions/1.3-0/topics/zonal.stats

这是来自 spatialEco 包的可重现示例,它首先计算每个多边形中的像素百分比 >= 阈值,然后计算每个多边形中的像素总和 >= 用于重新分类输入栅格。您可能对这两种工作方式都感兴趣。

library(spatialEco)    
library(raster)
library(sp)                                                                          

# here the fxn will calculate the percentage of cells >= 0.5
# percent x >= p function
pct <- function(x, p=0.50, na.rm = FALSE) {
  if ( length(x[x >= p]) < 1 )  return(0) 
  if ( length(x[x >= p]) == length(x) ) return(1) 
  else return( length(x[x >= p]) / length(x) ) 
}

# create some example data
p <- raster(nrow=10, ncol=10)
p[] <- runif(ncell(p)) * 10
p <- rasterToPolygons(p, fun=function(x){x > 9})
r <- raster(nrow=100, ncol=100)
r[] <- runif(ncell(r)) 
plot(r)
plot(p, add=TRUE, lwd=4) 

# run zonal statistics using pct functions  
z.pct <- zonal.stats(x=p, y=r, stats = "pct")
z.pct

#Alternatively, reclassify the raster based on a threshold
r.c<-reclassify(r, c(-Inf, 0.5, 0, 0.5, Inf, 1)) #all values >0.5 reclassified to 1
plot(r.c)
plot(p, add=TRUE, lwd=4) #add poly to the plot

# run zonal stats and calculate sum of cells in each poly
z.sum <- zonal.stats(x=p, y=r.c, stats = "sum")
z.sum