Verwendung von Predict() von Dismo mit einem Maxent-Modell, das auf einem Datenrahmen basiert

Ich versuche herauszufinden, wie die Vorhersagefunktion von Dismo in Bezug auf ein Modell funktioniert, das mit 'x' als Datenrahmen und nicht als Rasterebenen erstellt wurde. Ich habe erfolgreich Modelle mit Rasterebenen ausgeführt und darauf basierend Vorhersagekarten erstellt.

Mein Modell ist wie folgt aufgebaut;

library(dismo)
model <- maxent(x = sightings.data, p = presence.vector)

Dabei ist „sightings.data" ein Datenrahmen, der die GPS-Standorte von Sichtungen enthält, gefolgt von den Bedingungen zu diesen Zeiten und Orten. Präsenz.Vektor ist ein Vektor, der angibt, ob eine Zeile ein Präsenz- oder Hintergrundpunkt ist.

Ich möchte es herausfinden;

• Welche Argumente müssen geliefert werden, um ein gegebenes Modell dieses Typs vorherzusagen?


• Was Predict() von einem Modell wie diesem liefern kann

Ich habe erfolgreich Modelle mit Rasterebenen ausgeführt und darauf basierend Vorhersagekarten erstellt.

Die Hilfedatei für Vorhersage () ist nicht besonders detailliert und die 'Artenverteilungsmodellierung mit R' deckt dieses Thema nicht erfolgreich ab (die Beispiele listen nur die Ausgaben 'Dieses Beispiel kann nicht ausgeführt werden, da Maxent nicht verfügbar ist' auf).

Ich habe versucht, mit einem Datenrahmen zu modellieren, der nur Variablen enthält, für die ich Rasterebenen habe, und versucht, Vorhersagen zu treffen, wie ich es für ein mit Rastern erstelltes Modell tun würde, aber ich erhalte den folgenden Fehler:

 Error in.local(object,...): missing layers (or wrong names)

Ich habe sichergestellt, dass die Datenrahmen-Spaltennamen und die Rasterebenen dieselben Namen haben, mit Ausnahme der obligatorischen Breiten- und Längenspalten;

 names(raster.stack) <- colnames(sightings.data[3:5])

Lösung des Problems

Die Methode, die ich aus dem Code gefunden habe, der aus dem folgenden Artikel Oppel at al 2012 verfügbar ist, zeigt, dass die Vorhersage von dismo relative Werte erzeugen kann, wenn sie mit einem Datenrahmen von Eingabevariablen versehen wird.

> predictions <- predict(model, variables)
> str(predictions)
 num [1:100] 0.635...

Ich suche immer noch nach einer einfachen Methode, um aus solchen vorhergesagten Werten eine vorhergesagte Verteilungsrasterkarte zu erstellen.