envfit 向量和因子(蓝色)覆盖在原始 NMDS 图上,样本为黑点。这里的基础 R 情节真的很难阅读,容易人满为患,而且难以定制。我建议使用ggplot2来制作更好看的图。 为了使用ggplot2进行绘图,您需要从 nmds 和 envfit 结果中提取适当的信息。 对于NMDS 输出,使用以下代码提取 NMDS 排序空间中的样本坐标。然后从您的原...
envfit 向量和因子(蓝色)覆盖在原始 NMDS 图上,样本为黑点。这里的基础 R 情节真的很难阅读,容易人满为患,而且难以定制。我建议使用ggplot2来制作更好看的图。 为了使用ggplot2进行绘图,您需要从 nmds 和 envfit 结果中提取适当的信息。 对于NMDS 输出,使用以下代码提取 NMDS 排序空间中的样本坐标。然后从您的原...
# 5.1.2 envfit()线性拟合环境因子 ##选择相关性较低和感兴趣的2个变量作为示例。 set.seed(12345...
注意:在较新版本的vegan包中,可能需要将envfit结果传递给ordiplot函数(通过add参数)来绘制箭头,但在许多情况下,直接使用text函数也是可以的,尤其是当使用plot和points函数分开绘制NMDS图时。 5. 解释环境因子的影响 根据环境因子箭头的方向和长度,可以解释它们如何影响样本在NMDS空间中的分布。箭头指向的方向表示环境因...
和上述 PCA一致,我们也可以使用envfit()将环境变量投影至CA、PCoA、NMDS等非约束排序模型中,以期通过这些环境变量用来对非约束轴作出解释。同样地,envfit()只能与vegan中的CA、PCoA、NMDS函数配合使用。 对应分析(CA)中的方法 在vegan中,CA使用cca()执行,详情参考前文CA。 ca <- cca(phylum) 投影环境变量的过程...
添加向量:可以使用envfit()函数将向量添加到NMDS图中。以下是一个示例: 代码语言:txt 复制 vector <- c(1, 2, 3, 4, 5) # 要添加的向量 fit <- envfit(nmds, vector) # 将向量添加到NMDS图中 可视化结果:可以使用plot()函数将NMDS图和添加的向量进行可视化。以下是一个示例: ...
添加向量:可以使用envfit()函数将向量添加到NMDS图中。以下是一个示例: 代码语言:txt 复制 vector <- c(1, 2, 3, 4, 5) # 要添加的向量 fit <- envfit(nmds, vector) # 将向量添加到NMDS图中 可视化结果:可以使用plot()函数将NMDS图和添加的向量进行可视化。以下是一个示例: 代码语言:txt 复制 plot...
## envfit()通过线性方式,ordisurf()执行平滑回归,更为常用mite.ordi <- ordisurf(mite.nmds~mite.env$SubsDens)## 可使用gam()手动实现?ordisurf## 提取数据用于作图mite.grid <- mite.ordi$gridmite.ordi.coord <- expand.grid(x=mite.grid$x,y=mite.grid$y)mite.ordi.coord$z <- as.vector...
CCA.env=envfit(CCA,env,permu=999) CCA.env 图11|CCA描述解读结果。 3.6 PCoA PCoA(主坐标分析)跟PCA不同的是,它需要先计算一个距离矩阵,经过投影后,在低维度空间进行距离展示,以最大限度地保留原始样本的距离关系,使相似的样本在图形中的距离更为接近,相异的样本距离更远。PCA则使用的是原始的样品X物种矩...
NB check ?envfit regarding arrow length if not familiar with lengths geom_text(data = env.scores.zacktreat, #labels the environmental variable arrows * "mult" as for the arrows aes(x = mult*NMDS1, y = mult*NMDS2, label=env.variables), size = 4,fontface="italic", hjust = 0.5) + ...