关于pcfcross、markconnection与markcorr函数结果差异的技术问询

问题背景 #

拟分析不同树种不同生活史阶段的空间相关性，采用spatstat包中的pcfcross、markconnect和markcorr三个汇总统计函数，但所得结果存在差异，甚至markconnect与markcorr的结果相互矛盾。以长叶松（longleaf pine）数据为示例，依据标记值将其划分为幼苗（sapling）、幼树（juvenile）和成树（adult）三个生活史阶段，原本预期各函数结果趋势一致，但实际不符。调整代码后，成树vs幼苗、成树vs幼树两组结果匹配良好，但幼树vs幼苗组的pcfcross.inhom与markconnect结果仍存在差异。

具体疑问解答 #

1. 幼树vs幼苗组结果差异的解释

这三个函数的统计定义和核心关注的空间关联维度完全不同，出现差异是正常的，尤其在幼树和幼苗这类格局更复杂的组中：

• pcfcross.inhom：非齐次交叉点对相关函数，核心是衡量距离r处，类型i点周围出现类型j点的局部密度与全局平均密度的比值，聚焦于空间密度的关联，对密度的非均匀性更敏感。
• markconnect：标记连接函数，衡量的是从类型i点出发，在距离r范围内连接到类型j点的概率，本质是点之间的“连接概率”，而非密度。当启用normalise=T时，它是相对于随机标记的期望比值，但如果幼树和幼苗的数量差异大、局部密度波动剧烈，或者校正方法的适配性不同，都会导致结果和pcfcross.inhom偏离。
• 此外，幼树是幼苗存活竞争后的阶段，两者的空间分布可能存在尺度依赖的差异：比如幼苗集中在微生境，而幼树是扩散/竞争后存活的个体，不同函数对这种尺度关联的捕捉能力不同，也是差异的来源。

2. 多类型点模式下markcorr的简化写法

无需单独构建仅含两类的新ppp对象，直接在原始多类型点模式上操作即可，关键是通过自定义f函数筛选目标类型，并在模拟时限制标记打乱的范围：

library(spatstat)
# 基于长叶松多类型点模式Y（包含Sapling/Juvenile/Adult）分析幼树vs幼苗
envelope(Y, fun=markcorr,
         # 自定义函数：仅关注幼树和幼苗之间的配对
         f=function(m1, m2) {
           (m1 == "Juvenile" & m2 == "Sapling") | (m1 == "Sapling" & m2 == "Juvenile")
         },
         # 模拟时仅打乱幼树和幼苗的标记，保持成树标记不变
         simulate=expression(rlabel(Y, restrict=marks(Y) %in% c("Juvenile", "Sapling"))),
         correction="best", nsim=199, nrank=5,
         kernel="epanechnikov")

• restrict参数限定了随机标记仅作用于目标两类，避免其他类型的干扰；
• 自定义f函数精准筛选了需要分析的配对组合，无需拆分点模式。

3. 两树种生活史阶段关联代码的修正与验证

你的代码框架是正确的，但存在几个细节问题需要修正：

library(spatstat)
# 假设Xpattern、Ypattern是同一窗口下的两个树种点模式
X <- cut(Xpattern, breaks=c(0, 10, 30, Inf), labels=c("XSapling", "XJuvenile", "XAdult"))
Y <- cut(Ypattern, breaks=c(0, 10, 30, Inf), labels=c("YSapling", "YJuvenile", "YAdult"))
XY <- superimpose(X, Y)
# 关键：将标记转为因子，避免字符型标记的匹配问题
marks(XY) <- as.factor(marks(XY))

# pcfcross.inhom分析（修正大小写错误）
par(mfrow=c(2,3))
pcf1 <- plot(envelope(XY, fun=pcfcross.inhom, i="XAdult" , j="YJuvenile", correction="best",nsim=199, nrank=5), main="XAdult vs YJuvenile")
pcf2 <- plot(envelope(XY, fun=pcfcross.inhom, i="XAdult" , j="YSapling", correction="best",nsim=199, nrank=5), main="XAdult vs YSapling")
pcf3 <- plot(envelope(XY, fun=pcfcross.inhom, i="XJuvenile" , j="YAdult", correction="best",nsim=199, nrank=5), main="XJuvenile vs YAdult")
# 修正原代码中Xjuvenile的小写j问题
pcf4 <- plot(envelope(XY, fun=pcfcross.inhom, i="XJuvenile" , j="YSapling", correction="best",nsim=199, nrank=5), main="XJuvenile vs YSapling")
pcf5 <- plot(envelope(XY, fun=pcfcross.inhom, i="XSapling" , j="YAdult", correction="best",nsim=199, nrank=5), main="XSapling vs YAdult")
pcf6 <- plot(envelope(XY, fun=pcfcross.inhom, i="XSapling" , j="YJuvenile", correction="best",nsim=199, nrank=5), main="XSapling vs YJuvenile")  

修正点说明：

1. 统一标记的大小写：原代码中i="Xjuvenile"是小写j，与标记XJuvenile不匹配，会导致函数报错；
2. 将合并后的点模式标记转为因子：避免字符型标记在函数中出现匹配问题；
3. 若两个树种的原始点模式窗口不同，需先使用shift或rescale统一窗口，再进行superimpose；
4. 若要更精准的非齐次分析，可通过lambdaI和lambdaJ参数为目标类型单独拟合强度模型（如lambdaI=ppm(XY, ~marks)）。

内容的提问来源于stack exchange，提问作者Puion