windR

Readme

Winkr

windR es un paquete R para conectar datos de seguimiento de animales con datos de viento (o datos de corriente marina) y permite visualizar los movimientos animales dentro del flujo del medio en el que se movieron.

El paquete se escribió para compilar las funciones utilizadas para analizar los movimientos de sandpiper pectorales en el viento. Se puede encontrar una animación completa de estas pistas en YouTube: moviéndose a través del Ártico: Pectoral Sandpipers in the Wind

¿Qué puedes hacer con windR ?

windR utiliza datos de viento de ERA-Interim (un modelo de reanálisis atmosférico global) descrito en detalle en Dee et al. 2011 y los conecta datos de seguimiento de viento (los suyos). Se puede utilizar para crear animaciones de flujo de partículas de datos de corriente de viento o mar. Para conectarlos con datos de seguimiento, es necesario calcular el cojinete (dirección del suelo), la velocidad del suelo, el soporte del viento y los vientos cruzados de las pistas de los animales utilizando una proyección de mapa de área igual (proyección de la zona igual de eglambert azimutal). El soporte del viento representa la longitud del vector del viento en la dirección del vuelo de las aves y el viento transversal representa la longitud del vector del viento perpendicular al vector de tierra (ver Safi et al. 2013 para la representación esquemática). Para una descripción detallada, consulte el ejemplo de flujo de trabajo que se describe a continuación.

La figura muestra una instantánea de ejemplo de la animación del flujo de partículas que incluye dos pantalones de arena pectorales masculinos (cometas gruesas en verde claro) que dejaron el área alrededor de la carretilla (punta norte de Alaska) coloreada con el soporte del viento (m/s) y partículas de viento coloreadas con La velocidad del viento (m/s; misma escala que el soporte del viento) vuela en función de los datos del viento en este momento. Proyección del mapa: área polar de Lambert Azimuthal con origen de longitud 156.65 ° W (Barrow); Mapa de datos de la Tierra Natural

Ejemplo de flujo de trabajo

Las viñetas dan un pequeño ejemplo paso a paso de lo que uno tiene que hacer para alcanzar el resultado final (una animación de flujo de partículas con pistas de animales). Las viñetas individuales se construyen entre sí, pero cada una se puede ejecutar de forma independiente (ya que los datos de salida de cada paso se pueden cargar a partir de los datos del paquete). Las viñetas como HTML se pueden encontrar en OSF y ver en un navegador después de la descarga.

La primera viñeta a_era_interim_data_download describe cómo descargar los datos de intermedio de la época utilizando un script Python. Tenga en cuenta que el mes único también se puede descargar a través del sitio web directamente.

La segunda viñeta B_Wind_Data_Manipulation describe cómo abrir los datos del viento, interpolarlos a una resolución más alta y transformarlos en una Tabla, incluida la fecha y el componente de Wind U-V.

La tercera viñeta C_Wind_Particle_Flow describe cómo usar los datos del viento para calcular un flujo de partículas (cómo crear partículas) y cómo crear una animación con ellos.

La viñeta Forth D_Wind_Support_and_Track_Animation describe cómo conectar las pistas de animales (utilizando un subconjunto de datos de Kempenaers y Valcu 2017) con datos de viento y cómo calcular el rodamiento, la velocidad del suelo, el soporte del viento y los vientos cruzados de las pistas. Posteriormente, ofrece un ejemplo de cómo trazar los datos de seguimiento en un simple GGPLOT y cómo hacer una animación de la trama de cometa utilizando datos de seguimiento.

La quinta viñeta f_wind_animation_with_tracks reúne todo. Combina la animación del flujo de partículas de los datos del viento con los datos de seguimiento.

Consejos para comenzar con sus propios datos

• Siga las viñetas y ejecute los ejemplos.
• ¡Comience con sus propios datos! Tome un pequeño subconjunto de sus datos para ir a través de todo el proceso (de lo que desee). Comenzar con un conjunto de Big Data hace que todo sea lento y lo hará pronto frustrado. Si todo es como usted, que con su pequeño subconjunto, vaya a lo grande y cree partículas para todo el período de su interés.
• Encuentre el ajuste óptimo de escala espacial y temporal a sus datos y preguntas de seguimiento.
• ¡Divertirse!

Instalación

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 " )

Limitaciones

Todos los análisis están limitados por la resolución espacio-temporal de los datos de viento y seguimiento usados.

Inspiración y antecedentes

Este proyecto se inspiró en el Awesome Earth Project de Cameron Beccario, que se inspiró en el proyecto de mapa de viento de Hint.fm.

Vimos estos mapas de flujo de partículas del viento y queríamos ver nuestras pistas de aves dentro de tal visualización. Tanto el mapa earth como wind map utilizan los tiempos fijos de los conjuntos de datos del viento global (una capa de viento). Las partículas se arrojan aleatoriamente en el mapa y se mueven según la velocidad y la dirección del viento. Para trazar nuestras pistas de pájaros dentro del viento, necesitábamos encontrar una manera de cambiar continuamente los datos del viento con el momento en que se movieron las aves. Lo hicimos siempre utilizando los datos del viento más cercanos en el tiempo (cambiando continuamente las capas del viento), lo que resulta en un flujo dinámico de las partículas de viento que cambian con el tiempo. Hicimos todo lo posible para hacer este flujo de trabajo rápidamente en R, pero sabemos que usar otros lenguajes de programación (es decir, JavaScript) podría mejorar la velocidad de estos análisis. Estamos contentos si alguien quiere mejorar (acelerar) este script o traducir piezas (especialmente la creación de partículas) en otro lenguaje de programación.