如何在spatstat中叠加g函数获取种内与种间空间格局？

我针对某一植物群落开展研究，目标之一是探究其种内与种间空间格局。我想确认：通过计算所有同种配对（种内）和异种配对（种间）的g函数并分别求和（例如种内$g_{11}+g_{22}+…+g_{nn}$），是否能得到群落的种内空间行为？

我的预期逻辑如下：
g种内 = ∑gᵢᵢ（覆盖所有物种）；
g种间 = ∑gᵢⱼ（覆盖所有物种）；
g总 = 所有点集的单变量g函数 = g种内 + g种间。

请问将g函数用于该任务时，此逻辑是否正确？

我尝试将该逻辑应用于lansing数据集，但未成功：叠加g函数后无法得到通用函数。代码如下：

data("lansing")
#所有物种
gall<-pcf(lansing, correction = c("Ripley"))
#种内行为
gb<-pcfcross(lansing, i="blackoak", j= "blackoak", correction = c("Ripley"))
gh<-pcfcross(lansing, i="hickory", j= "hickory", correction = c("Ripley"))
gm<-pcfcross(lansing, i="maple", j= "maple", correction = c("Ripley"))
gmi<-pcfcross(lansing, i="misc", j= "misc", correction = c("Ripley"))
gr<-pcfcross(lansing, i="redoak", j= "redoak", correction = c("Ripley"))
gw<-pcfcross(lansing, i="whiteoak", j= "whiteoak", correction = c("Ripley"))
gintra<- gb+gh+gm+gmi+gr+gw

查看对象类型发现，叠加原本为“fv”类型的g函数数据后，得到了“data.frame”对象。尝试将求和后的data.frame转换为“fv”对象时出现错误：

#尝试将dataframe转换为"fv"
gintra(fv)<- as.fv(gintra)
Error in gintra(fv) <- as.fv(gintra) : could not find function "gintra<-"

此外，查看求和后的dataframe发现，理论值从1变为6，这可能意味着我将该逻辑应用于g函数时存在矛盾，我对如何实现目标感到困惑。

补充细节：我的逻辑受重复格局的空间聚集函数启发（WIEGAND; MOLONEY, 2014，第248、252页；ILLAIN et al., 2008，第262页）。但仔细研究后发现，我遗漏了一个重要细节：在此情境下，对相关函数（pair correlation function）存在一个名为“isotropised set covariance”的分母，我不知道如何估算它。

关于叠加g函数后得到的dataframe转换问题，我已通过as.fv.data.frame命令将其转为fv对象，但绘图时无法显示g函数的行为。

参考文献：

• ILLIAN, J. et al. Statistical analysis and modelling of spatial point patterns. John Wiley & Sons, Ltd: 2008. 534p.
• WIEGAND, T.; MOLONEY, K. A. Handbook of spatial point pattern analysis in Ecology. Chapman & Hall (CRC): 2014. 512p.

1. 核心逻辑的正误判断 #

你的初始逻辑不完全正确。g函数（pair correlation function）的定义基于单位面积内的点对密度，每个种内$g_{ii}$的基准是对应物种的点密度，而群落总g函数的基准是整个群落的总点密度。直接简单求和会忽略密度权重，导致理论值从1变为6（对应lansing的6个物种）——因为每个种内$g_{ii}$在完全空间随机下的理论值都是1，6个相加自然得到6，但这不符合群落水平g函数的定义（理论值应为1）。

正确逻辑是加权求和，权重为对应物种的点密度占总密度的比例，确保结果符合群落尺度的g函数定义。

2. 种内/种间g函数的正确计算方式 #

群落水平的种内g函数需按物种密度加权求和，公式如下：
$$g_{intra}(r) = \frac{1}{\lambda^2} \sum_i \lambda_i^2 g_{ii}(r)$$
其中$\lambda$是群落总点密度，$\lambda_i$是第i个物种的点密度，$g_{ii}(r)$是第i个物种的种内g函数。

对应的种间g函数公式为：
$$g_{inter}(r) = \frac{1}{\lambda^2} \sum_{i \neq j} \lambda_i \lambda_j g_{ij}(r)$$

按此计算后，$g_{intra}(r) + g_{inter}(r)$会等于群落总单变量g函数$g_{total}(r)$，且三者理论值均为1，符合预期。

3. fv对象处理与绘图问题 #

（1）错误的转换方式 #

你之前的gintra(fv)<- as.fv(gintra)是语法错误，正确的赋值方式应为：

gintra_fv <- as.fv(gintra)

（2）修复后的完整代码示例 #

基于加权求和思路，针对lansing数据集的正确实现代码：

data("lansing")

# 计算总密度和各物种密度
lambda_total <- density(lansing)
species <- levels(lansing$marks)
lambda_i <- sapply(species, function(sp) density(subset(lansing, marks == sp)))

# 批量计算每个种内g函数
g_list <- lapply(species, function(sp) {
  pcfcross(lansing, i = sp, j = sp, correction = "Ripley")
})

# 加权求和得到群落种内g函数（保持fv对象类型）
g_intra <- 0
for (i in seq_along(species)) {
  weight <- (lambda_i[i]^2) / (lambda_total^2)
  g_intra <- g_intra + weight * g_list[[i]]
}

# 直接绘图
plot(g_intra)

（3）绘图异常的解决 #

如果转换后绘图不显示g函数行为，可手动指定绘图变量：

# 明确指定x轴为距离r，y轴为Ripley校正后的g函数值
plot(g_intra, formula = ripley ~ r)

4. Isotropised Set Covariance的处理 #

你提到的isotropised set covariance（$C(r)$）是g函数分母的组成部分，用于边界效应校正。在spatstat包中，pcf和pcfcross函数会通过你指定的校正方法（如Ripley校正）自动估算该值，无需手动计算。只有当你自行推导g函数公式时，才需要明确$C(r)$的计算。

内容的提问来源于stack exchange，提问作者Tieygons