windR

Readme

Windr

windR é um pacote R para conectar dados de rastreamento de animais com dados do vento (ou dados de corrente marítima) e permite visualizar movimentos de animais dentro do fluxo do meio em que eles se mudaram.

O pacote foi escrito para compilar funções usadas para analisar os movimentos peitorais de areia no vento. Uma animação completa dessas faixas pode ser encontrada no YouTube: movendo -se através do Ártico: Sandpipers Peitorais ao Vento

O que você pode fazer com windR ?

windR usa dados de vento do ERA-Interim (um modelo global de reanálise atmosférica) descrito em detalhes em Dee et al. 2011 e conecta dados de rastreamento de vento (seus próprios). Pode ser usado para criar animações de fluxo de partículas dos dados de corrente de vento ou mar. Para conectá-los aos dados de rastreamento, é necessário calcular o rolamento (direção do solo), velocidade do solo, suporte ao vento e ventos cruzados de faixas de animais usando uma projeção de mapa de área igual (projeção de igual área de Eglambert azimutal). O suporte do vento representa o comprimento do vetor eólico na direção do voo dos pássaros e o vento cruzado representa o comprimento do vetor de vento perpendicular ao vetor de terra (ver Safi et al. 2013 para representação esquemática). Para uma descrição detalhada, consulte o exemplo do fluxo de trabalho descrito abaixo.

The figure shows an example snapshot of the particle flow animation including two male Pectoral Sandpipers (thick comets in light green) that left the area around Barrow (northern tip of Alaska) coloured with the wind support (m/s) and wind particles coloured with A velocidade do vento (m/s; a mesma escala que o suporte do vento) voando com base nos dados do vento no momento. Projeção do mapa: Polar Lambert Azimutal Equal-Area com origem de longitude 156,65 ° W (carrinho de mão); Mapa dados da terra natural

Exemplo de fluxo de trabalho

As vinhetas dão um pequeno exemplo passo a passo do que é necessário fazer para alcançar o resultado final (uma animação de fluxo de partículas com faixas de animais). As vinhetas únicas são construídas umas sobre as outras, mas cada uma pode ser executada de forma independente (pois os dados de saída de cada etapa podem ser carregados a partir dos dados do pacote). As vinhetas como HTML podem ser encontradas no OSF e visualizadas em um navegador após o download.

A primeira vinheta A_ERA_Interim_Data_Download descreve como baixar os dados do ERA-Interim usando um script python. Observe que um único mês também pode ser baixado diretamente pelo site.

A segunda vinheta b_wind_data_manipulation descreve como abrir os dados do vento, interpolá-los para uma resolução mais alta e transformá-los em um dado.table, incluindo a data e o componente U- & V-wind.

A terceira vinheta c_wind_particle_flow descreve como usar os dados do vento para calcular um fluxo de partículas (como criar partículas) e como criar uma animação com eles.

A Forth Vignette d_wind_support_and_track_animation descreve como conectar faixas de animais (usando um subconjunto de dados de Kempenaers & Valcu 2017) com dados do vento e como calcular a velocidade do solo, a velocidade do solo, o suporte do vento e os ventos cruzados das faixas. Posteriormente, fornece um exemplo de como plotar os dados de rastreamento em um GGPlot simples e como fazer uma animação de gráfico de cometa usando dados de rastreamento.

A quinta vinheta f_wind_animation_with_tracks reúne tudo. Ele combina a animação de fluxo de partículas dos dados do vento com os dados de rastreamento.

Dicas para começar com seus próprios dados

• Siga as vinhetas e execute os exemplos.
• Comece pequeno com seus próprios dados! Pegue um pequeno subconjunto de seus dados para passar por todo o processo (do que você quiser fazer). Começar com um conjunto de big data torna tudo lento e o deixará frustrado em breve. Se tudo é como você, que com seu pequeno subconjunto - vá grande e crie partículas para todo o período de seu interesse.
• Encontre o ajuste ideal de escala espacial e temporal aos seus dados de rastreamento e pergunta.
• Divirta-se!

Instalação

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 " )

Limitações

Todas as análises são restringidas pela resolução espaço-temporal dos dados de vento e rastreamento usados.

Inspiração e fundo

Este projeto foi inspirado no Awesome Earth Project de Cameron Beccario, que foi inspirado no projeto de mapa eólico da Hint.fm.

Vimos esses mapas de fluxo de partículas do vento e queríamos ver nossas faixas de pássaros dentro dessa visualização. Tanto wind map earth quanto o vento usam tempos fixos de conjuntos de dados globais de vento (uma camada de vento). As partículas são jogadas aleatoriamente no mapa e se movem com base na velocidade e na direção do vento. Para plotar nossos rastreamentos de pássaros dentro do vento, precisávamos encontrar uma maneira de alterar continuamente os dados do vento com o tempo que os pássaros se moveram. Fizemos isso sempre usando os dados do vento mais próximos no tempo (alterando continuamente as camadas de vento), resultando em um fluxo dinâmico das partículas de vento que mudam com o tempo. Fizemos o possível para tornar esse fluxo de trabalho rápido em R, mas sabemos que o uso de outras linguagens de programação (ou seja, JavaScript) poderia melhorar a velocidade dessas análises. Estamos felizes se alguém quiser melhorar (acelerar) esse script ou traduzir peças (especialmente a criação de partículas) em outra linguagem de programação.