R包spThin中thin()与plotThin()函数输出解读及优化咨询

运行代码 #

library(spThin)
thinned_dataset_full.100 <- thin(loc.data = AP.bioclim.combined.3, lat.col = "Latitude", long.col = "Longitude", spec.col = "Species", thin.par = 5, reps = 100, locs.thinned.list.return = TRUE, write.files = FALSE, write.log.file = FALSE)

运行输出 #

Script Started at: Wed Jun 17 16:02:22 2026
lat.long.thin.count
1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 
   2    2    1    2    8   10    8   18   16   13    6    8    5    1 
[1] "Maximum number of records after thinning: 1205"
[1] "Number of data.frames with max records: 1"
[1] "No files written for this run."

结果解读确认 #

你的解读完全正确：满足「每个数据点间距至少5km」约束的最大数据集规模为1205条记录，且100次重复生成的结果中仅有1次达到了这个最优规模。

图表解读与优化疑问解答 #

1. 累积最大记录数（CMR）曲线（图1） #

你的理解准确：如果CMR随重复次数增加持续上升，说明当前重复次数不足以充分探索所有可能的最优解，仅靠100次重复很难稳定找到最大规模的数据集。建议增加重复次数，可以将reps参数调整至200-500（根据你的计算资源灵活调整），直到CMR曲线趋于平稳，不再出现明显上升趋势。

2. 记录数分布直方图（图3） #

你的数据集确实不符合理想状态：理想直方图应在最高保留记录数附近形成明显峰值，证明最优规模的数据集可稳定生成。当前你的直方图峰值集中在1199-1201区间，而最高记录数1205仅出现1次，说明最优解的出现概率极低。调整方案如下：

• 优先增加重复次数，让算法有更多机会搜索到最优解；
• 若增加重复后仍无改善，可尝试微调thin.par参数（比如在4.8-5.2km范围内调整），观察最优解的稳定性变化；
• 检查原始数据集是否存在局部采样极度密集的区域，这类区域可能会限制算法生成最优规模数据集的效率，必要时可先对局部密集区域做预处理。

内容的提问来源于stack exchange，提问作者Insect_biologist