1. R 설치하기 2. R에서 공간데이터 다루기 3. adehabitatHR 패키지 다루기

1. 한국환경생태학회 국보위 – 하계종합학술조사 [Part2]
국립공원관리공단 소백산국립공원북부사무소
유병혁
R 프로그래밍을 이용한
야생동물 행동권(HR) 분석

2. 강의 순서
1. R 설치하기
2. R에서 공간데이터 다루기
3. adehabitatHR 패키지 다루기

3. [출처] https://terpconnect.umd.edu/~egurarie/teaching/MovementAtICCB2017/index.html

4. 1.
 R
 통계와 데이터 과학에 쓰이는 오픈소스 프로그래밍 언어
 1993년 로버트 젠틀맨(Robert Gentleman), 로스 이하카(Ross Ihaka) 개발
 현재는 R 코어 팀이 개발(중)
 2000년 2월 29일 R 1.0 출시
 2004년 10월 4일 R 2.0 출시
 2013년 4월 3일 R 3.0 출시
R 설치하기
-1. R

5. 1.
 R 3.5.0 for Windows 다운로드 (62MB, 32/64 bit)
 공식 홈페이지: https://cran.r-project.org/bin/windows/base/
R 설치하기
-2. R 설치하기

6. 1.
 R 3.5.0 for Windows 다운로드 (62MB, 32/64 bit)
 공식 홈페이지: https://cran.r-project.org/bin/windows/base/
R 설치하기
-2. R 설치하기

7. 1.
 R 3.5.0 for Windows 다운로드 (62MB, 32/64 bit)
 구성 요소 설치 > ’64-bit 사용자 편의를 위한 쉬운 설치’ 선택
R 설치하기
-2. R 설치하기

8. 1.
 R 3.5.0 for Windows 다운로드 (62MB, 32/64 bit)
 R x64 3.5.0 실행 화면
R 설치하기
-2. R 설치하기

9. 2.
 작업 디렉터리
 getwd()
 현재 디렉터리를 반환
 setwd()
 작업 디렉터리를 설정
R에서 공간데이터 다루기
-1. 기본 사용법
# 현재 디렉터리 반환
getwd()
## [1] "C:/Users/User/Documents"
# 작업 디렉터리 변경
setwd("C:/GEODATA")
getwd()
## [1] "C:/GEODATA"

10.  R 패키지
 Install.packages()
 저장소 또는 로컬 파일에서 패키지 설치
 library() 또는 require()
 이미 설치된 애드온 패키지를 첨부하고 로드
 library()는 패키지를 찾을 수 없는 경우 오류 메시지 표시
# rgdal 패키지 설치
install.packages("rgdal")
# rgdal 패키지 로드
library(rgdal)
require(rgdal)
2.
R에서 공간데이터 다루기
-1. 기본 사용법

11. 2.
 bear.csv 읽기
R에서 공간데이터 다루기
-2. CSV -> Shapefile 변환
# bear csv 읽기
bear <- read.csv("bear.csv", stringsAsFactors = FALSE)
names(bear) # 변수
## [1] "event.id" "visible"
## [3] "timestamp" "location.long"
## [5] "location.lat" "behavioural.classification"
## [7] "comments" "location.error.text"
## [9] "sensor.type" "individual.taxon.canonical.name"
## [11] "tag.local.identifier" "individual.local.identifier"
## [13] "study.name"
head(bear$location.long, 5) # 경도
## [1] 14.32837 14.37175 14.39852 14.41215 14.41260
head(bear$location.lat, 5) # 위도
## [1] 45.88914 45.87072 45.86659 45.88695 45.87476

12. 2.
 Bear Shapefile로 변환
 coordinates()
 공간 좌표를 설정 하여 공간 객체를 생성
 공간 객체에서 공간 좌표 검색
 writeOGR()
 OGR을 이용하여 공간 벡터 데이터 생성
R에서 공간데이터 다루기
-2. CSV -> Shapefile 변환
# 공간 객체 생성을 위한 공간 좌표·좌표계 설정
coordinates(bear) <- ~location.long+location.lat # 공간 좌표 설정
proj4string(bear) <- CRS("+init=epsg:4326") # 좌표 체계 정의
bear <- spTransform(bear, CRS("+init=epsg:3857")) # 좌표 체계 변환
# Shapefile 생성
writeOGR(bear, ".", "Bear", "ESRI Shapefile")

13. 2.
 Bear Shapefile 읽기
 readOGR()
 OGR 벡터 맵을 공간 객체(Spatial Objects)로 읽기
 OGR: GDAL/OGR 라이브러리에서 벡터 파트를 담당
 dsn: 데이터 소스 이름(data source name)
 plot()
 R 객체 플로팅
R에서 공간데이터 다루기
-2. CSV -> Shapefile 변환
# Bear Shapefile 읽기
bear <- readOGR(dsn = ".", layer = "Bear")
# R 객체 플로팅
plot(bear)

15. 2.
 법정구역정보 Shapefile
R에서 공간데이터 다루기
-3. 공간데이터 표출
# 법정구역정보 Shapefile 읽기
adm <- readOGR("gadm36_SVN_0.shp")
# 법정구역정보 플로팅
plot(adm,
main = "Slovenia boundary", # 플롯의 전체 제목
axes=TRUE, # 축 표시
col="green") # 색상

17. 2.
 웹 지도 열기
 bbox()
 점 객체 둘레에 경계 상자(bounding box) 생성
R에서 공간데이터 다루기
-3. 공간데이터 표출
install.packages("ggmap") # ggmap 패키지 설치
require(ggmap) # ggmap 패키지 로드
bbox(adm) # 법정구역정보 경계 상자 생성
mymap <- get_map(bbox(adm),
source="google",
maptype= "terrain", zoom = 8)
ggmap(mymap) # 구글 지형도 열기

19. mymap <- get_map(bbox(adm),
source="google",
maptype= "satellite",
zoom = 8)
ggmap(mymap)
mymap <- get_map(bbox(adm),
source="google",
maptype= "roadmap",
zoom = 8)
ggmap(mymap)
mymap <- get_map(bbox(adm),
source="google",
maptype= "hybrid",
zoom = 8)
ggmap(mymap)

20.  웹 지도와 법정 구역 중첩하기
ggmap(mymap) + geom_polygon(data = fortify(adm),
aes(long, lat, group = group),
fill = alpha("orange", .2), colour = "red")
2.
R에서 공간데이터 다루기
-3. 공간데이터 표출

22.  DSM 열기
 image()
 컬러 이미지(color image) 표시
install.packages("raster") # raster 패키지 설치
require(raster) # raster 패키지 로드
elev <- raster("SVN_DSM_EPSG3857.tif") # 수치표고모델(DSM)
bbox(elev) # 법정구역정보 경계 상자 생성
# DSM 플로팅
plot(elev)
# DSM 컬러 이미징
image(elev, col = terrain.colors(100), asp=1,
xlim=bbox(elev)[1,], ylim=bbox(elev)[2,], main="Elevation")
2.
R에서 공간데이터 다루기
-3. 공간데이터 표출

24.  좌표참조체계 확인
 projection()
 좌표참조체계(CRS) 확인
require(raster) # raster 패키지 로드
# 좌표참조체계(CRS) 확인
projection(bear) #epsg:3857
## [1] "+proj=merc +lon_0=0 +lat_ts=0 +x_0=0 +y_0=0 +a=6378137 +b=6378137 +units=m +no_defs"
projection(adm) #epsg:4326
## [1] "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0"
2.
R에서 공간데이터 다루기
-3. 공간데이터 표출

25.  좌표참조체계 변환
 spTransform()
 지도 투영 및 데이텀 변환
# epsg:4326을 epsg:3857로 변환
adm <- spTransform(adm, CRS(projection(bear)))
# CRS 확인
projection(adm)
## [1] "+proj=merc +lon_0=0 +lat_ts=0 +x_0=0 +y_0=0 +a=6378137 +b=6378137 +units=m +no_defs"
2.
R에서 공간데이터 다루기
-3. 공간데이터 표출

26.  DSM과 법정 구역 중첩하기
 lines()
 좌표를 선분(line segments)으로 결합하는 일반 함수
# CRS 확인
projection(elev)
## [1] "+proj=merc +a=6378137 +b=6378137 +lat_ts=0.0 +lon_0=0.0 +x_0=0.0 +y_0=0
+k=1.0 +units=m +nadgrids=@null +no_defs“
projection(adm)
## [1] "+proj=merc +lon_0=0 +lat_ts=0 +x_0=0 +y_0=0 +a=6378137 +b=6378137 +units=m
+no_defs“
# 법정구역정보 선분
lines(adm, col="red", lwd=2)
2.
R에서 공간데이터 다루기
-3. 공간데이터 표출

28.  R 객체의 구조 변경
 str()
 R 객체의 구조를 간단하게 표시
 as.data.frame()
 객체가 데이터 프레임인지 확인, 또는 가능한 경우 강제 변형
# bear 객체의 구조 표시
str(bear)
## Formal class 'SpatialPointsDataFrame' [package "sp"] with 5 slots
# SPDF를 data.frame으로 변경
bear.df <- as.data.frame(bear)
# bear.df 객체의 구조 표시
str(bear.df)
## 'data.frame': 1898 obs. of 13 variables:
2.
R에서 공간데이터 다루기
-4. R 객체 구조

29.  플롯 매개변수 설정
 par()
 mfrow=c(nrows, ncols)
 하나의 플롯에 nrows*ncols 그림 표시
 c는 연결(concatenate)을 의미
 mar, oma
 내부, 외부 마진 설정
 c(bottom, left, top, right) 형식
# 하나의 플롯에 5*5 그림 표시
# 마진 상단 3; 외부 하단 2, 좌측 2, 상단 4, 우측 2
par(mfrow = c(5,5),
mar = c(0,0,3,0),
oma = c(2,2,4,2))
2.
R에서 공간데이터 다루기
-5. 프레임 분할 플롯

30.  곰 개별 트랙 플로팅
 ddply()
 데이터 프레임 분할, 함수 적용, 데이터 프레임 내 결과 반환
require(plyr) # plyr 패키지 로드
require(scales) # scales 패키지 로드
# bear.df 개체 플로팅
ddply(bear.df, "tg_lcl_",
function(df){
# 법정구역정보
plot(adm, col="lightgreen", bor=NA,
xlim = range(df$coords.x1), ylim = range(df$coords.x2),
main = df$tg_lcl_[1]); box()
# 곰 좌표
points(df$coords.x1, df$coords.x2, col = alpha("black",.2),
type="o", pch = 19, cex = 0.5)})
2.
R에서 공간데이터 다루기
-5. 프레임 분할 플롯

32. title("Bear tracks", outer = TRUE)

33.  곰 전체 트랙 플로팅
# 곰 개체 수 확인
n.bear <- length(unique(bear.df$tg_lcl_))
n.bear
# 법정구역정보 플로팅
plot(adm, main = "Bear tracks", col="grey", bor="grey")
# bear.df 개체 플로팅
palette(rich.colors(n.bear, alpha = 0.5)) # 'col=' 인덱스 정의
ddply(bear.df, "tg_lcl_",
function(df)
lines(df$coords.x1, df$coords.x2, col=df$tg_lcl_[1]))
# 범례
legend("bottomleft", legend = unique(bear.df$tg_lcl_),
col = 1:n.bear, lty = 1, cex = 0.5, bty="n", ncol=2)
2.
R에서 공간데이터 다루기
-6. 프레임 단일 플롯

35. 3.
 행동권 추정 기법
 최소 볼록 다각형
 Mohr, 1947
 커널 밀도 추정법
 전통적 커널 (Worton, 1989)
 Brownian bridge 커널 (Bullard, 1999, Horne et al. 2007)
 Biased random bridge 커널 (Benhamou and Cornelis, 2010, Benhamou, 2011)
 Product 커널 알고리듬 (Keating and Cherry, 2009)
 Single-linkage 군집 알고리듬 (Kenward et al., 2001)
 3종 LoCoH (Local Convex Hull)법 (Getz et al., 2007, Downs and Horner, 2009)
adehabitatHR 패키지 다루기
-1. adehabitatHR 패키지

36. 3.
 DSM과 곰 좌표 중첩하기
 subset()
 조건을 만족하는 데이터 프레임의 하위 집합을 반환
adehabitatHR 패키지 다루기
-2. 구역 통계
# 곰 단일 개체 선택
mybear <- subset(bear.df, tg_lcl_ == "ancka")
# R 객체 구조를 SpatialPoints로 변환
xy.spatial <- SpatialPoints(mybear[,c("coords.x1","coords.x2")])
# DSM을 곰 좌표 크기로 자르기
myelev <- crop(elev, extent(xy.spatial))
# DSM과 곰 좌표 그리기
image(myelev, asp=1, col=terrain.colors(100))
with(mybear, points(coords.x1, coords.x2, type="o", pch = 19, cex = 0.5, col=rgb(0,0,0,.2)))

38. 3.
 고도 값 히스토그램
 hist()
 주어진 값의 히스토그램 계산
 extract()
 좌표와 일치하는 화소값 추출
adehabitatHR 패키지 다루기
-2. 구역 통계
# 곰 좌표 영역의 고도 값 히스토그램
myelev
hist(myelev, col="grey", breaks = seq(200,1200,10),
freq=FALSE, bor="darkgrey", ylim = c(0,0.01))
# 곰 단일 개체의 고도 값 히스토그램
mybear$elev <- extract(myelev, xy.spatial)
hist(mybear$elev, col=rgb(1,0,0,.5), breaks = seq(200,1200,10),
freq=FALSE, bor = "red", add=TRUE)

40.  Mohr (1947)
 전체 좌표를 감싸는 최소 볼록 다각형
install.packages(＂adehabitatHR＂) # adehabitatHR 패키지 설치
require(adehabitatHR) # adehabitatHR 패키지 로드
# 100% MCP
mybear.mcp <- mcp(xy.spatial, 100)
lines(mybear.mcp, col = "red", lwd=2)
# MCP 면적 확인
mybear.mcp
## Object of class "SpatialPolygonsDataFrame" (package sp):
## Number of SpatialPolygons: 1
## Variables measured:
## id area
## a a 34240.29
3.
adehabitatHR 패키지 다루기
-3. 최소 볼록 다각형

42. # 50% MCP
mybear.mcp <- mcp(xy.spatial, 50)
lines(mybear.mcp, col = "black", lwd=2)
# 95% MCP
mybear.mcp <- mcp(xy.spatial, 95)
lines(mybear.mcp, col = "black", lwd=2)

43.  Worton (1989)
 전통적 커널
# KDE
mybear.kde <- kernelUD(xy.spatial, h="href")
# KDE 플로팅
plot(mybear.kde)
# KDE 컬러 이미징
image(mybear.kde)
3.
adehabitatHR 패키지 다루기
-4. 커널 밀도 추정법

45.  Bullard (1999), Horne et al. (2007)
 Brownian bridge 커널
 sig1: 야생동물 속도와 관련된 두번째 평활화 매개변수
 sig2: 위치 데이터의 부정확성과 관련된 첫번째 평활화 매개변수
3.
adehabitatHR 패키지 다루기
-4. 커널 밀도 추정법

46. 감 사 합 니 다