R语言 SDMTools包 lcmw()函数中文帮助文档(中英文对照)

loveR

lcmw(SDMTools)
lcmw()所属R语言包：SDMTools

                                         Least Cost Moving Windows Calculation
                                         成本最低的移动窗口计算

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This is a moving window that for each cell returns the minimum 'cost' based on surrounding data cells and some dispersal distance cost.
这是一个感人的窗口，每个单元格返回的最低“成本”的基础上周围的数据单元格和一些的传播距离成本。


用法----------Usage----------


lcmw(mat, mw, mnc)



参数----------Arguments----------

参数：mat
a matrix of values that can be based on a raster dataset. Lower values should represent lower cost. The matrix can be a raster of class 'asc' (adehabitat package), 'RasterLayer' (raster package) or 'SpatialGridDataFrame' (sp package)
的值的矩阵，可以基于栅格数据集。较低的值表示较低的成本。该基质可以是类递增（adehabitat包），的RasterLayer（栅格包）或SpatialGridDataFrame（藻封装栅格）


参数：mw
a distance-cost matrix to be applied to each cell of 'mat'. This matrix can be dispersal costs. Lower values should represent lower cost.
要施加到每个单元格“垫”的距离成本矩阵。此矩阵可以是分散成本。较低的值表示较低的成本。


参数：mnc
an integer value representing the radius for 'mw' in number of cells.
一个整数兆瓦中的单元数的半径值，该值表示。


Details

详细信息----------Details----------

This method moves over the matrix of values, summing the moving window cost mw and the matrix mat, returning the minimum cost value. This was created to estimate the least cost path through time for all cells in a matrix (see example).
这种方法移动到矩阵的值，总结移动窗口的成本mw和矩阵mat，返回最小的成本值。这是创建时间估计成本最低的路径，通过矩阵中的所有单元格（请参见示例）。


值----------Value----------

A matrix of values of the same dimensions and class as input mat
矩阵的值作为输入相同的尺寸和类mat


（作者）----------Author(s)----------


Jeremy VanDerWal <a href="mailto:jjvanderwal@gmail.com">jjvanderwal@gmail.com</a>



实例----------Examples----------



#create a simple object of class 'asc'[创建一个简单的对象类的ASC“]
tasc = as.asc(matrix(1:100,nr=10,nc=10)); print(tasc)

#show the input matrix[显示输入矩阵]
print(tasc[1:10,1:10])

#vary the moving windows[不同的移动窗口]

###no cost window of 2 cell radius[＃＃没有成本的窗口半径2单元]
tcost = matrix(0,nr=5,nc=5); print(tcost)
out = lcmw(tasc, tcost, 2); print(out[1:10,1:10])

###no cost with a circular radius of 2[＃＃没有成本，一个圆形的半径为2]
tcost = matrix(NA,nr=5,nc=5)
#populate the distances[填充的距离]
for (y in 1:5){
    for (x in 1:5){
        tcost[y,x] = sqrt((3-y)^2 + (3-x)^2)
    }
}

#remove distance values &gt; max.num.cells[删除距离值> max.num.cells]
tcost[which(tcost>2)]=NA

#no cost matrix[没有成本矩阵]
tcost1 = tcost; tcost1[is.finite(tcost1)]=1; print(tcost1)
out = lcmw(tasc, tcost1, 2); print(out[1:10,1:10])

#linear cost[线性成本]
tcost = tcost/2; print(tcost)
out = lcmw(tasc, tcost, 2); print(out[1:10,1:10])


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。