我定义了一个函数,该函数根据从2种出版物中提取的方程式来计算树木的高度(h)和直径(dbh)之间的关系。我的目标是使用论文1(Xiangtao)中建立的关系来预测论文2(Marechaux和Chave)中方程式的变量值。我想测试一下纸张2[x:y]
的生成nls()
曲线适合纸张1的直径范围。目前,我一直遇到错误(我相信plot()
)
Error in xy.coords(x, y, xlabel, ylabel, log) :
'x' and 'y' lengths differ
如果我用任何东西,除了X = 1[x:y]
即dbh.min:dbh.max
我的功能如下:
# Plant.Functional.Type constants...
Dsb1 <- 2.09
Dsb2 <- 0.54
Db1 <- 0.93
Db2 <- 0.84
BDb1 <- 2.66
BDb2 <- 0.48
Eb1 <- 1.41
Eb2 <- 0.65
# # # # # # # # # # # # # # # # # # # # # # # # # # #
Generate.curve <- function(b1, b2, dbh.min, dbh.max){
# calculate Xiangtao's allometry...
tmp_h <- c(dbh.min:dbh.max)
for (dbh in dbh.min:dbh.max)
{
h = b1*dbh^(b2)
tmp_h[dbh] = h
}
# plot to check curve
plot(dbh.min:dbh.max, tmp_h)
# define secondary function for Marechaux and Chave allometry
h_fxn <- function(hlim,dbh,ah){
h = hlim * (dbh / (dbh + ah))
return(h)
}
# use nonlinear least squares model to solve for ah and hlim
# set model inputs
start.ah <- 1
start.hlim <- 5
tmp_v <- cbind(dbh.min:dbh.max,tmp_h)
tmp.fit <- nls(tmp_h ~ h_fxn(hlim,dbh.min:dbh.max,ah), start = list(hlim = start.hlim,
ah = start.ah), algorithm = "port", upper = list(hlim = 75, ah = 99))
# seems to be no way of extracting ah and hlim from tmp.fit via subset
# extract manually and then check fit with
# lines(dbh.min:dbh.max, hlim * (dbh.min:dbh.max/(dbh.min:dbh.max + ah)))
# for equation h = hlim * (dbh / (dbh + ah)) from Marechaux and Chave
return(tmp.fit)
}
# # # # # # # # # # # # # # # # # # # # # # # # # # #
这非常适合
Generate.curve(Dsb1,Dsb2,1,100)
lines(1:100, 36.75 * (1:100/(1:100 + 52.51)))
但是我也希望能够检查诸如此类范围内的曲线拟合[80:100]
。我一直在尝试找出为什么现在Generate.curve(Dsb1,Dsb2,80,100)
返回错误大约3天。谢谢你的帮助。
您的问题出在以下部分:
tmp_h <- c(dbh.min:dbh.max)
for (dbh in dbh.min:dbh.max)
{
h = b1*dbh^(b2)
tmp_h[dbh] = h
}
考虑一下将其设置dbh.min
为80和dbh.max
100时会发生什么:
tmp_h <- 80:100
for (dbh in 80:100)
{
h = b1*dbh^(b2)
tmp_h[dbh] = h
}
在循环的第一个周期会发生什么?好,tmp_h
长度是20,但是在第一个循环中,长度dbh
是80,并且您要为分配一个数字tmp_h[dbh]
,即tmp_h[80]
。到循环结束时,tmp_h
将存储正确的值,但它们将在index中80:100
。因此,tmp_h
将在前21个索引中存储数字80:100,然后存储一堆NA,然后在后21个索引中存储正确的数字。
因此将其更改为:
tmp_h <- c(dbh.min:dbh.max)
for (dbh in dbh.min:dbh.max)
{
h = b1*dbh^(b2)
tmp_h[dbh - dbh.min + 1] = h
}
它会工作。
但是,由于R使用向量化运算,因此实际上您根本不需要循环,因此整个部分都可以替换为:
tmp_h <- b1 * (dbh.min:dbh.max)^(b2)
然后当你做
Generate.curve(Dsb1,Dsb2,80,100)
lines(80:100, 36.75 * (80:100/(80:100 + 52.51)))
你得到这个:
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句