Интегрированный экосистемный анализ методом PCA

English description available below

Данный репозиторий содержит реализацию экосистемного анализа, выполненного на основе метода главных компонент, PCA. Теоретический смысл и пояснения к данному методу здесь даны не будут.

В репозитории содержится весь необходимый программный код для выполнения полноценного анализа и автоматической генерации всех графиков, гистограмм и 3D модели пространства векторов.

Алгоритм существенно доработан для описания экосистемных связей а так же обнаружения экосистемных сдвигов (regime shift) при помощи нескольких методов: иерархическая кластерилация, метод Rodionov regime shift detection, проекция координатных состояний PCA.

1. Входные данные

Входные данные необходимо расположить в файле

в формате

csv

. Разделитель десятичной части - точка. Если в данных имеются пропуски - заполнить их при помощи геометрического среднего из 2 - 4 соседних лет наблюдений.

2. Установка зависимостей

После подготовки входных данных необходимо выполнить установку всех пакетов, используемых для анализа:

source("install.R")

3. Выполнение анализа

Перед выполнением анализа необходимо выполнить параметризацию алгоритма поиска экосистемных сдвигов и другие параметры в файле

:

config.rodionov.L <- 7 # rodionov regime-shift minimum length (7 = regime shift can happens not ofter then 1 time in 7 years)
config.rodionov.alpha <- 0.05 # confidence level, alpha = 0.05 equals p = 0.95

Для выполнения всей процедуры анализа необходимо выполнить:

source("run.R")

Название и заголовки отчета могут быть отредактированы в файле

и

Report_bw.Rmd

.

4. Результаты анализа

Результаты моделирования будут сохранены в два отчета:

и

Report_bw.html

.

5. Автор

Mikhail Piatinskii, Azov-Black sea branch of VNIRO

Email: pyatinskiy_m_m@azniirkh.ru. Telegram: @zenn1989. Twitter: @followzenn

Integrated ecosystem analysis by PCA

This repository provide full-done ecosystem assessment scripts done by principle component analysis (PCA). Theoretical meanings are not reviewed there.

The default PCA algorithm with some custom modification used in R, method

with full done plots, hists & 3d dimension model. Regime shift detection by Rodionov and hierarchical clustering implemented.

1. Input data

Put your input data to

. If data contains

NA's

- use geometrical mean approximation to feel it up.

2. Install required packages

After input data preparation - install required packages by script:

source("install.R")

3. Perform IEA

Before performing analysis you should done configuration in head of

:

config.rodionov.L <- 7 # rodionov regime-shift minimum length (7 = regime shift can happens not ofter then 1 time in 7 years)
config.rodionov.alpha <- 0.05 # confidence level, alpha = 0.05 equals p = 0.95

and then run:

source("run.R")

4. Report results

After script is done you will find generated reports

and

Report_bw.Rmd

with full results & graphs.

5. Author

Mikhail Piatinskii, Azov-Black sea branch of VNIRO

Email: pyatinskiy_m_m@azniirkh.ru. Telegram: @zenn1989. Twitter: @followzenn