如何在spatstat中对带定量标记的双变量点模式做标记相关分析？

问题1：对一种或多种点模式进行定量双变量标记分析的流程 #

• 数据准备：确保点模式是spatstat的ppp对象，定量标记为数值型向量。单物种双标记场景下，将两个标记存入marks数据框；多物种各带定量标记时，合并多个点模式为多类型ppp对象，同时保留各自的定量标记列。
• 数据校验：用summary(X)查看点模式和标记的统计特征，确认无缺失值、标记类型正确；通过plot(X, markcol=marks(X)$diameter)可视化点分布与标记的初步关联。
• 方法选择：根据研究目标匹配函数：
  • 单一点模式内两个定量标记的空间关联：使用markcorr
  • 两个不同点模式（或多类型模式的两类）之间的定量标记关联：使用markcrosscorr
• 计算分析函数：调用对应函数时，指定距离序列r、边缘校正方法（如correction="Ripley"适用于规则区域，"translate"适用于不规则区域）。示例：

  # 单模式双标记分析
  mc_self <- markcorr(X, mark1="diameter", mark2="growth", r=seq(0,10,0.5))
  # 双模式标记交叉分析
  mc_cross <- markcrosscorr(X_combined, i="sp1", j="sp2", mark1="diam1", mark2="diam2", r=seq(0,10,0.5))
  

• 结果解读与验证：
  • 函数值与1对比：>1为正相关，<1为负相关，≈1无关联
  • 用envelope()生成零模型置信区间，判断关联显著性：

    env <- envelope(mc_cross, nsim=99, simulate=expression(resample(X_combined, control=list(marks="swap"))))
    plot(env)
    

  • 结合距离区间分析关联的空间尺度特征
• 补充分析：若关联显著，可进一步分析标记的条件分布，或拆分距离段细化关联规律。

问题2：用标记相关函数（markcorr）对带定量标记的点模式X1和X2进行双变量比较的策略 #

注意：markcorr默认用于单一点模式内的标记自相关，双模式间的定量标记关联更适合用markcrosscorr，具体策略如下：

• 合并点模式：将X1和X2合并为多类型ppp对象，保留各自的定量标记：

  X_combined <- superimpose(sp1=X1, sp2=X2)
  marks(X_combined) <- data.frame(species=marks(X_combined), diameter=c(marks(X1), marks(X2)))
  

• 计算标记交叉相关函数：指定两个物种类型和对应的定量标记，设置合理的距离序列与校正方法：

  mc <- markcrosscorr(X_combined, i="sp1", j="sp2", mark1="diameter", mark2="diameter", r=seq(0,15,1), correction="translate")
  

• 生成显著性验证的置信区间：采用标记交换的零模型（保持点位置和物种类型，随机打乱标记），模拟生成置信区间：

  env <- envelope(mc, nsim=99, simulate=expression(resample(X_combined, control=list(marks="swap"))))
  

• 结果解读：
  • 若某距离r处函数值>1：说明该距离下sp1的大个体附近更易出现sp2的大个体（正相关）
  • 若函数值<1：说明sp1大个体附近sp2小个体占比更高（负相关）
  • 若实际曲线落在置信区间外，说明该尺度下的关联具有统计显著性
• 注意事项：距离序列的最大值不要超过研究区域最小边长的1/4，避免边缘效应干扰结果。

问题3：评估sp1的X1不同大小个体与sp2的X2不同大小个体的关联，能否用双变量标记相关函数？策略是什么？ #

完全可以通过双变量标记交叉相关函数实现，无需将定量标记转为定性分组，具体策略：

• 合并多类型点模式：将X1（sp1）和X2（sp2）合并为一个多类型ppp对象，统一存储直径标记：

  X_combined <- superimpose(sp1=X1, sp2=X2)
  # 假设X1和X2的marks直接是直径数值
  marks(X_combined) <- data.frame(species=marks(X_combined), diameter=c(marks(X1), marks(X2)))
  

• 计算定量标记交叉相关函数：调用markcrosscorr，指定两个物种类型和直径标记，设置距离序列与校正方法：

  mc <- markcrosscorr(X_combined, i="sp1", j="sp2", mark1="diameter", mark2="diameter", r=seq(0,20,1), correction="Ripley")
  

• 验证显著性：用标记交换的零模型生成置信区间，判断关联是否显著：

  env <- envelope(mc, nsim=99, simulate=expression(resample(X_combined, control=list(marks="swap"))))
  plot(env, main="Sp1与Sp2直径的空间交叉关联")
  

• 结果解读：
  • 函数值>1：对应距离下，sp1和sp2的个体直径呈正空间关联（大个体聚在一起）
  • 函数值<1：对应距离下，sp1大个体与sp2小个体倾向于共存（负关联）
  • 曲线超出置信区间的距离段，说明该尺度下的关联是显著的
• 可选细化：如果需要聚焦特定大小组的关联，可先对直径按分位数（如前25%、中间50%、后25%）分组，转为定性标记后用crosscorr做类型间的空间关联，但直接用定量标记的markcrosscorr能保留更精细的连续尺度关联信息。

内容的提问来源于stack exchange，提问作者Tieygons