“kernelUD 中的错误：至少需要 5 次重定位才能适应家庭范围”，但每组有超过 5 次重定位

Question

我一直在对一个地区的犬科动物群体在不同时间尺度上按种群和每包进行核密度家庭范围估计。然而，当我尝试每年在一个子集上运行 kernelUD 时，我得到

Error in kernelUD(P17.sp[, "Pack"], h = "href", grid = 500, same4all = TRUE) : At least 5 relocations are required to fit an home range

。我之前消除了所有少于 5 次重定位的组，当我仔细检查我的数据框时，最小的重定位次数是 201。我能够在每个包的全局数据集（跨年）上运行它，没有任何问题。任何帮助或见解将不胜感激。

我使用的代码如下。我的原始数据框将 Pack 作为一个因子（并且是数据框中唯一的因子向量）和纬度/经度的数字坐标。

library(dplyr)
library(raster)
library(sp)
library(adehabitatHR)
library(lubridate)
library(data.table)

# Make spatial
Final.sp <- copy(Final)
coordinates(Final.sp) <- c("Longitude", "Latitude")
proj4string(Final.sp) <- CRS( "+init=epsg:4326")

#Subset by year
P17.sp <- Final.sp[Final.sp@data$Year == 2017, ]

# Make sure every pack has at least 5 relocations
P17 <- as.data.frame(P17.sp)
P17 %>% group_by(Pack) %>% summarise(n()) %>% view()

# What the output from above looks like
    Year       Pack         n()
#1  2017    Gryffindor      201
#2  2017    Slytherin       222
#3  2017    Hufflepuff      234
#4  2017    Ravenclaw       281
#5  2017    Deatheaters     306
#6  2017    Muggles         577
#7  2017    Dementors       582
#8  2017    Hobbits         787
#9  2017    Elves           861
#10 2017    Orcs            914

# Create KDEs
P17.kde <- kernelUD(P17.sp[,"Pack"], h="href", grid=500, same4all = TRUE)

Error in kernelUD(WP17.sp[, "Pack"], h = "href", grid = 200, same4all = TRUE) : 
  At least 5 relocations are required to fit an home range```

Answer 1

开始工作了。看起来它正在携带没有子集年份数据的包，并且它们没有出现在我的 dplyr 表中，旨在检查数据是否正确。

ftable

能够向我展示每个包的级别和相关点数。以下代码现在可以运行：

# Subset by year
P17.sp <- Final.sp[Final.sp@data$Year == 2017, ]

# Refactor pack or else it will include packs from other years with no data for subset year
P17.sp@data$Pack <- factor(P17.sp@data$Pack)

# Double check all packs have at least 5 relocations
as.data.frame(ftable(P17.sp@data$Pack))

# Create KDEs
P17.kde <- kernelUD(P17.sp[,"Pack"], h="href", grid=500, same4all = TRUE)

希望这对遇到此问题的其他人有所帮助。

Answer 2

如果问题是新数据集中不可用的因子的未使用级别，则使用 droplevels() 函数删除它们似乎是合适的。例如：

levels(droplevels(P17.sp@data$Pack))

注意：为了使您的示例可重现，最好能够访问数据。谢谢！