Bibliographic record and links to related information available from the Library of Congress catalog.
Note: Contents data are machine generated based on pre-publication provided by the publisher. Contents may have variations from the printed book or be incomplete or contain other coding.
Contents 0.1 Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii 0.1.1 Summary of chapters. . . . . . . . . . . . . . . . . . . xii 1 Functions 1 1.1 Elements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.1 Factor . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.2 Complex . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.3 Raw . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.4 Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.5 Lists . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.1.6 Data frames . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.7 Time series . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.8 Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4 Ecological models . . . . . . . . . . . . . . . . . . . . . . . . 8 1.4.1 Preferences . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4.2 Stochastic functions . . . . . . . . . . . . . . . . . . . 10 1.4.3 Random fields . . . . . . . . . . . . . . . . . . . . . . 17 1.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2 Data 21 2.1 Creating . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Entering data . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.3 Queries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.4 Joins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.5 Loading and saving a database . . . . . . . . . . . . . . . . . 26 2.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3 Spatial 29 3.1 Data types . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2 Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.2.1 Rasterizing . . . . . . . . . . . . . . . . . . . . . . . . 32 3.2.2 Overlay . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.2.3 Proximity . . . . . . . . . . . . . . . . . . . . . . . . . 37 3.2.4 Cropping . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.2.5 Palette swapping . . . . . . . . . . . . . . . . . . . . . 38 3.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4 Topology 43 4.1 Formalism . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 4.2 Topology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 4.3 Hutchinsonian Niche . . . . . . . . . . . . . . . . . . . . . . . 45 4.3.1 Species space . . . . . . . . . . . . . . . . . . . . . . . 46 4.3.2 Environmental space . . . . . . . . . . . . . . . . . . . 46 4.3.3 Topological generalizations . . . . . . . . . . . . . . . 46 4.3.4 Geographic space . . . . . . . . . . . . . . . . . . . . . 47 4.3.5 Relationships . . . . . . . . . . . . . . . . . . . . . . . 48 4.4 Environmental Envelope . . . . . . . . . . . . . . . . . . . . 49 4.4.1 Relevant variables . . . . . . . . . . . . . . . . . . . . 49 4.4.2 Tails of the distribution . . . . . . . . . . . . . . . . . 49 4.4.3 Independence . . . . . . . . . . . . . . . . . . . . . . . 49 4.5 Probability Distribution . . . . . . . . . . . . . . . . . . . . . 50 4.5.1 Dynamics . . . . . . . . . . . . . . . . . . . . . . . . . 51 4.5.2 Generalized linear models . . . . . . . . . . . . . . . . 51 4.6 Machine learning methods . . . . . . . . . . . . . . . . . . . 54 4.7 Data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 4.7.1 Decision trees . . . . . . . . . . . . . . . . . . . . . . . 55 4.7.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.7.3 Comparison . . . . . . . . . . . . . . . . . . . . . . . . 56 4.8 Post-Hutchinsonian Niche . . . . . . . . . . . . . . . . . . . . 57 4.8.1 Product space . . . . . . . . . . . . . . . . . . . . . . 58 4.9 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 5 Environmental data collections 61 5.1 Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 5.1.1 Global Ecosystems Database . . . . . . . . . . . . . . 92 5.1.2 Worldclim . . . . . . . . . . . . . . . . . . . . . . . . . 92 5.1.3 World Ocean Atlas . . . . . . . . . . . . . . . . . . . . 93 5.1.4 Continuous Fields . . . . . . . . . . . . . . . . . . . . 94 5.1.5 Hydro1km . . . . . . . . . . . . . . . . . . . . . . . . . 94 5.1.6 WhyWhere . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2 Archives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.1 Traffic . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.2 Management . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.3 Interaction . . . . . . . . . . . . . . . . . . . . . . . . 95 5.2.4 Updating . . . . . . . . . . . . . . . . . . . . . . . . . 96 5.2.5 Legacy . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 5.2.6 Example: WhyWhere archive . . . . . . . . . . . . . . 96 5.2.7 Browsing . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.2.8 Format . . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.2.9 Meta data . . . . . . . . . . . . . . . . . . . . . . . . . 97 5.2.10 Operations . . . . . . . . . . . . . . . . . . . . . . . . 98 5.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 iii 6 Examples 101 6.0.1 Model Skill . . . . . . . . . . . . . . . . . . . . . . . . 101 6.0.2 Calculating Accuracy . . . . . . . . . . . . . . . . . . 102 6.1 Predicting House Prices . . . . . . . . . . . . . . . . . . . . . 103 6.1.1 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 104 6.1.2 P data and no mask . . . . . . . . . . . . . . . . . . . 106 6.1.3 Presence and Absence (PA) data . . . . . . . . . . . . 109 6.1.4 Interpretation . . . . . . . . . . . . . . . . . . . . . . . 109 6.2 Brown Treesnake . . . . . . . . . . . . . . . . . . . . . . . . . 110 6.2.1 Predictive model . . . . . . . . . . . . . . . . . . . . . 111 6.3 Invasion of Zebra Mussel . . . . . . . . . . . . . . . . . . . . 112 6.4 Observations . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 7 Bias 119 7.1 Range shift . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 7.1.1 Example: climate change . . . . . . . . . . . . . . . . 120 7.2 Range-shift Model . . . . . . . . . . . . . . . . . . . . . . . . 120 7.3 Forms of bias . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 7.3.1 Width r and width error . . . . . . . . . . . . . . . . . 125 7.3.2 Shift s and shift error: . . . . . . . . . . . . . . . . . . 125 7.3.3 Proportional pe: . . . . . . . . . . . . . . . . . . . . . 125 7.4 Quantifying Bias . . . . . . . . . . . . . . . . . . . . . . . . . 127 7.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 8 Autocorrelation 129 8.1 Types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 8.1.1 independent identically distributed (IID) . . . . . . . 130 8.1.2 Moving average models (MA) . . . . . . . . . . . . . . 130 8.1.3 Autoregressive models (AR) . . . . . . . . . . . . . . . 130 8.1.4 Self Similar Series (SSS) . . . . . . . . . . . . . . . . . 131 8.2 Characteristics . . . . . . . . . . . . . . . . . . . . . . . . . . 132 8.2.1 Autocorrelation Function (ACF) . . . . . . . . . . . . 134 8.2.2 The problems of autocorrelation . . . . . . . . . . . . 137 8.3 Example: Testing statistical skill . . . . . . . . . . . . . . . . 138 8.4 Within range . . . . . . . . . . . . . . . . . . . . . . . . . . . 140 8.4.1 Beyond range . . . . . . . . . . . . . . . . . . . . . . . 140 8.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 9 Nonlinearity 143 9.1 Growth niches . . . . . . . . . . . . . . . . . . . . . . . . . . 144 9.1.1 Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 9.1.2 Sigmoidal . . . . . . . . . . . . . . . . . . . . . . . . . 145 9.1.3 Quadratic . . . . . . . . . . . . . . . . . . . . . . . . . 148 9.1.4 Cubic . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 9.2 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 10 Long Term Persistence 157 10.1 Detecting LTP . . . . . . . . . . . . . . . . . . . . . . . . . . 159 10.1.1 Hurst Exponent . . . . . . . . . . . . . . . . . . . . . 162 10.1.2 Partial ACF . . . . . . . . . . . . . . . . . . . . . . . . 166 10.2 Implications of LTP . . . . . . . . . . . . . . . . . . . . . . . 166 10.3 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 11 Circularity 173 11.1 Climate prediction . . . . . . . . . . . . . . . . . . . . . . . . 173 11.1.1 Experiments . . . . . . . . . . . . . . . . . . . . . . . 174 11.2 Relevance to niche modeling . . . . . . . . . . . . . . . . . . 177 12 Fraud 179 12.1 Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 12.1.1 Random numbers . . . . . . . . . . . . . . . . . . . . . 181 12.1.2 CRU . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 12.1.3 Tree Rings . . . . . . . . . . . . . . . . . . . . . . . . 184 12.1.4 Tidal Gauge . . . . . . . . . . . . . . . . . . . . . . . 186 12.1.5 Tidal Guage - hand recorded . . . . . . . . . . . . . . 188 12.2 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 References 191
Library of Congress Subject Headings for this publication:
Niche (Ecology) -- Mathematical models.
Niche (Ecology) -- Computer simulation.