windR
adalah paket R untuk menghubungkan data pelacakan hewan dengan data angin (atau data arus laut) dan memungkinkan untuk memvisualisasikan pergerakan hewan dalam aliran media tempat mereka pindah.
Paket ini ditulis untuk mengkompilasi fungsi yang digunakan untuk menganalisis gerakan sandpiper dada di angin. Animasi lengkap dari trek ini dapat ditemukan di YouTube: Bergerak melalui Arktik: Sandpipers Pectoral in the Wind
windR
? windR
menggunakan data angin dari ERA-interim (model analisis ulang atmosfer global) yang dijelaskan secara rinci dalam Dee et al. 2011 dan menghubungkan mereka data pelacakan angin (milik Anda). Ini dapat digunakan untuk membuat animasi aliran partikel dari data arus angin atau laut. Untuk menghubungkannya dengan data pelacakan, perlu untuk menghitung bantalan (arah tanah), kecepatan tanah, penyangga angin, dan angin salib dari trek hewan menggunakan proyeksi peta area yang sama (proyeksi Area-Area Eglambert Azimuthal). Dukungan angin mewakili panjang vektor angin ke arah penerbangan burung dan angin salib mewakili panjang vektor angin tegak lurus terhadap vektor tanah (lihat Safi et al. 2013 untuk representasi skematik). Untuk deskripsi terperinci, lihat contoh alur kerja yang dijelaskan di bawah ini.
Gambar tersebut menunjukkan contoh snapshot dari animasi aliran partikel termasuk dua pasir dada jantan (komet tebal berwarna hijau muda) yang meninggalkan area di sekitar Barrow (ujung utara Alaska) yang diwarnai dengan penyangga angin (M/S) dan partikel angin diwarnai dengan Kecepatan angin (M/S; skala yang sama dengan dukungan angin) terbang berdasarkan data angin saat ini. Proyeksi Peta: Polar Lambert Azimuthal Equal-Area dengan asal bujur 156.65 ° W (Barrow); Peta Data dari Bumi Alami
Vignette memberikan contoh kecil demi langkah dari apa yang harus dilakukan untuk mencapai hasil akhir (animasi aliran partikel dengan trek hewan). Vignette tunggal dibangun satu sama lain, tetapi masing -masing dapat dijalankan secara independen (karena data output dari setiap langkah dapat dimuat dari data paket). Sketsa sebagai HTML dapat ditemukan di OSF dan dilihat di browser setelah mengunduh.
Vignette pertama A_era_interim_data_download menjelaskan cara mengunduh data ERA-interim menggunakan skrip Python. Perhatikan bahwa satu bulan juga dapat diunduh melalui situs web secara langsung.
Vignette kedua b_wind_data_manipulation menjelaskan cara membuka data angin, menginterpolasi mereka ke resolusi yang lebih tinggi dan mengubahnya dalam data.
Vignette ketiga c_wind_particle_flow menjelaskan cara menggunakan data angin untuk menghitung aliran partikel (cara membuat partikel) dan cara membuat animasi dengan mereka.
Vignette d_wind_support_and_track_animation keempat menjelaskan cara menghubungkan trek hewan (menggunakan subset data dari Kempenaers & Valcu 2017) dengan data angin dan cara menghitung bantalan, kecepatan tanah, dukungan angin, dan silang angin dari trek. Setelah itu, ini memberikan contoh tentang cara memplot data pelacakan dalam GGplot sederhana dan cara melakukan animasi plot komet menggunakan data pelacakan.
Vignette kelima f_wind_animation_with_tracks menyatukan semuanya. Ini menggabungkan animasi aliran partikel dari data angin dengan data pelacakan.
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 " )
Semua analisis dibatasi oleh resolusi spatio-temporal dari angin dan data pelacakan yang digunakan.
Proyek ini terinspirasi oleh Proyek Bumi yang Luar Biasa dari Cameron Beccario, yang dengan sendirinya terinspirasi oleh Proyek Peta Angin dari Hint.fm.
Kami melihat peta aliran partikel ini dan ingin melihat jejak burung kami dalam visualisasi seperti itu. Baik earth
dan wind map
menggunakan waktu tetap dari set data angin global (satu lapisan angin). Partikel secara acak dilemparkan ke dalam peta dan bergerak berdasarkan kecepatan dan arah angin. Untuk merencanakan jejak burung kami di dalam angin, kami perlu menemukan cara untuk terus mengubah data angin dengan waktu burung -burung bergerak. Kami melakukannya dengan selalu menggunakan data angin terdekat dalam waktu (terus -menerus mengubah lapisan angin), menghasilkan aliran dinamis dari partikel angin yang berubah seiring waktu. Kami melakukan yang terbaik untuk membuat alur kerja ini dengan cepat di R, tetapi tahu bahwa menggunakan bahasa pemrograman lain (yaitu JavaScript) dapat meningkatkan kecepatan analisis ini. Kami senang jika seseorang ingin meningkatkan (mempercepat) skrip ini atau menerjemahkan bagian-bagian (terutama penciptaan partikel) menjadi bahasa pemrograman lain.