根据物种丰度和捕获努力数据，使用 R 中的 iNEXT 创建 Mao Tau 稀疏曲线

Question

我正在处理一个数据集，其中包括使用雾网在两种不同土地利用（退化和森林）中捕获的蝙蝠物种。该数据集由物种丰度数据构成，我计算了每小时的雾网米数作为捕获努力的衡量标准（计算为雾网长度 x 部署网的持续时间）。我不确定数据是否适当排列以使用

iNEXT

包生成物种稀疏曲线。

• 数据集列包括土地利用类型、单个物种计数、每个部署的雾网每小时的雾网米数（工作量）。 N.B: net.hour 的计算方法是：mist.net 长度乘以 time.deployed（时间已转换为十进制以进行计算）。

| Land_use | Cysp | Heti | Maso | total.indvl.captured| mist.net length |time.deployed| net.hour(L*T)|         
| -------- | -----|------|------|---------------------|-----------------|-------------|--------------|
| Degraded | 22   | 0    | 3    | 25                  | 18              | 5:30        | 99           |
| Degraded | 1    | 1    | 0    | 2                   | 12              | 8:30        | 102          |
| Forest   | 0    | 0    | 4    | 4                   | 6               | 9:00        | 54           |
| Forest   | 3    | 2    | 0    | 5                   | 24              | 6:15        | 150          |
| Degraded | 0    | 0    | 1    | 1                   | 12              | 7:15        | 87           |
| Degraded | 1    | 0    | 0    | 1                   | 6               | 6:15        | 37.5         |
| Forest   | 0    | 0    | 2    | 2                   | 6               | 4:30        | 27           |
| Forest   | 4    | 1    | 0    | 5                   | 12              | 8:30        | 102          |     

我尝试使用

iNEXT

包，但我什至无法制作一张图表，在一张图中可以呈现 2 条稀疏曲线 - 一个用于退化的土地利用，另一个用于森林土地利用，Y 轴将描绘估计物种数量，X 轴将描述个体数量或诱捕时间。我的目标是对捕获的物种进行 Mao Tau 稀薄曲线，其中物种丰富度根据每小时的雾网米数进行稀薄，然后重新调整为个体数量（或捕获小时）。该分析需要使用 R 中的 iNEXT 包来完成。要求是在曲线上同时具有内插线和外推线，外推线作为参考样本大小的两倍的估计值。此外，我需要包括代表每条曲线 95% 置信区间的阴影区域。

图表应该是这样的：

Answer 1

我希望这会有所帮助，尽管可能有点晚了。数据必须在列表中。请务必检查文档 (https://github.com/JohnsonHsieh/iNEXT)。

#species data
cyso <- c(22,1,0,3,0,1,0,4)
heti <- c(0,1,0,2,0,0,0,1)
maso <- c(3,0,4,0,1,0,2,0)

#land use data
landuse <- c("Degraded", "Degraded", "Forest", "Forest", 
                "Degraded", "Degraded", "Forest", "Forest")

df <- data.frame(landuse, cyso, heti, maso)

Degraded <- df[which(df$landuse =='Degraded'), 2:4]
Degraded <- t(Degraded)

Forest <- df[which(df$landuse =='Forest'), 2:4]
Forest <- t(Forest)

inext.data <- list(Degraded = Degraded, Forest = Forest)

library(iNEXT)

mod <- iNEXT(inext.data, q=1, datatype="abundance", endpoint=30)
ggiNEXT(mod, type=1)