windR
1.0.0
windR ist ein R -Paket zum Verbinden von Tierverfolgungsdaten mit Winddaten (oder Meeresstromdaten) und ermöglicht die Visualisierung von Tierbewegungen im Fluss des Mediums, in dem sie sich bewegten.
Das Paket wurde geschrieben, um Funktionen zu kompilieren, die zur Analyse von Brustsandpiperbewegungen im Wind verwendet wurden. Eine vollständige Animation dieser Tracks finden Sie auf YouTube: Bewegen Sie sich durch die Arktis: Brustsandpiper im Wind
windR machen? windR verwendet Winddaten von ERA-Interim (ein globales atmosphärisches Reanalysemodell), das in Dee et al. 2011 und verbindet sie Windverfolgungsdaten (Ihre eigenen). Es kann verwendet werden, um Partikelflussanimationen von Wind- oder Meeresstromdaten zu erstellen. Um sie mit Tracking-Daten zu verbinden, müssen die Lager (Bodenrichtung), die Bodengeschwindigkeit, der Windunterstützung und die Winde von Tierspuren unter Verwendung einer gleichflächigen Kartenprojektion (Eglambert Azimutal gleichberechtigter Projektion) berechnet werden. Die Windstrecke repräsentiert die Länge des Windvektors in Richtung des Fluchs der Vögel, und der Kreuzwind repräsentiert die Länge des Windvektors senkrecht zu Bodenvektor (siehe Safi et al. 2013 für die schematische Darstellung). Eine detaillierte Beschreibung finden Sie im unten beschriebenen Workflow -Beispiel.
Die Abbildung zeigt einen Beispiel für eine Momentaufnahme der Partikelflussanimation, darunter zwei männliche Brustsandpiper (dicke Kometen in hellgrün), die die Fläche um Barrow (nördliche Spitze von Alaska) ließen, die mit dem Windstützen (M/s) gefärbt sind, und Windpartikel gefärbt mit Die Windgeschwindigkeit (m/s; gleiche Skala wie Windunterstützung) fliegt zu diesem Zeitpunkt auf der Grundlage der Winddaten. Kartenprojektion: Polar Lambert Azimutal Gleicher Bereich mit Längengrad-Ursprung 156,65 ° W (Barrow); Kartendaten von natürlicher Erde
Die Vignetten geben ein kleines Beispiel dafür ein, was man tun muss, um das Endergebnis zu erreichen (eine Partikelflussanimation mit Tierspuren). Die einzelnen Vignetten sind aufeinander aufgebaut, jeder kann jedoch unabhängig ausgeführt werden (da die Ausgabedaten jedes Schritts aus den Paketdaten geladen werden können). Die Vignetten als HTML finden Sie bei OSF und werden nach dem Herunterladen in einem Browser angezeigt.
Die erste Vignette A_era_interim_data_download beschreibt, wie Sie die Era-Interim-Daten mit einem Python-Skript herunterladen. Beachten Sie, dass ein Monat auch direkt über die Website heruntergeladen werden kann.
Die zweite Vignette B_Wind_Data_Manipulation beschreibt, wie die Winddaten geöffnet werden, sie in eine höhere Auflösung interpolieren und in einem Daten umwandeln.
Die dritte Vignette c_wind_particle_flow beschreibt, wie Winddaten verwendet werden, um einen Partikelfluss zu berechnen (wie man Partikel erstellt) und wie eine Animation mit ihnen erstellt wird.
Die Forth Vignette d_wind_support_and_track_animation beschreibt, wie Tierspuren (mit einer Teilmenge von Daten von Kempenaers & Valcu 2017) mit Winddaten und zur Berechnung des Lagers, der Grundgeschwindigkeit, der Windgeschwindigkeit, des Windschutzes und der Wedel von den Spuren angeschlossen werden. Anschließend gibt es ein Beispiel dafür, wie die Tracking -Daten in einem einfachen GGPLlot gepreis und wie eine Comet -Plot -Animation mithilfe von Tracking -Daten durchgeführt werden kann.
Die fünfte Vignette f_wind_animation_with_tracks bringt alles zusammen. Es kombiniert die Partikelflussanimation der Winddaten mit den Tracking -Daten.
install.packages( ' devtools ' )
devtools :: install_github( ' mpio-be/windR ' )
# install with vignettes
devtools :: install_github( " mpio-be/windR " , build_vignettes = TRUE , force = TRUE )
vignette( package = " windR " )Alle Analysen werden durch die räumlich-zeitliche Auflösung der verwendeten Wind- und Verfolgungsdaten eingeschränkt.
Dieses Projekt wurde von dem Awesome Earth -Projekt von Cameron Beccario inspiriert, das selbst vom Windkartenprojekt von Hint.Fm.
Wir haben diese Partikelflusskarten des Windes gesehen und wollten unsere Vogelspuren in einer solchen Visualisierung sehen. Sowohl earth als auch wind map verwenden die festen Zeiten globaler Winddatensätze (eine Windschicht). Partikel werden zufällig in die Karte geworfen und basieren auf der Windgeschwindigkeit und der Richtung. Um unsere Vogelspuren im Wind zu planen, mussten wir einen Weg finden, um die Winddaten kontinuierlich zu ändern, mit der Zeit, in der sich die Vögel bewegten. Wir haben dies getan, indem wir immer die engsten Winddaten zeitlich verwendet haben (kontinuierlich wechseln die Windschichten), was zu einem dynamischen Fluss der Windpartikel im Laufe der Zeit führte. Wir haben unser Bestes getan, um diesen Workflow in R schnell zu machen, aber wissen, dass die Verwendung anderer Programmiersprachen (dh JavaScript) die Geschwindigkeit dieser Analysen verbessern kann. Wir freuen uns, wenn jemand dieses Skript verbessern oder Teile (insbesondere die Partikelerstellung) in eine andere Programmiersprache übersetzt.
