使用内核密度计算人力资源电网问题？

如何解决使用内核密度计算人力资源电网问题？

我的数据集包括动物的位置和编号。我想做的是尝试使用内核密度函数来计算Home Range。由于我的数据集很大，因此我尝试将数据集一分为二。

> library(sp)
> library(adehabitatHR)
> head(temp)
   id        x       y
92 10 480147.6 3112738
93 10 480081.6 3112663
94 10 479992.6 3112667
95 10 479972.4 3112759
96 10 479931.7 3112758
97 10 479970.7 3112730

每个数据集都有99586个观测值，其中包括190个唯一ID。结果，我无法生成可重复的数据集。

当我尝试使用kernelUD函数时，计算没有问题。当我尝试获得95％的人力资源时，它给了我错误。

> kernel_temp<- kernelUD(temp)
> kernel_95 <- getverticeshr(kernel_temp,percent = 95)
Error in getverticeshr.estUD(x[[i]],percent,ida = names(x)[i],unin,: 
  The grid is too small to allow the estimation of home-range.
You should rerun kernelUD with a larger extent parameter

因此我搜索了此问题，并找到了解决方案。现在，我通过给定点的栅格传递栅格函数，并且在创建栅格坐标时遇到另一个错误。

> x <- seq(min(temp$x),max(temp$x),by=1.)
> y <- seq(min(temp$y),max(temp$y),by=1.)
> xy <- expand.grid(x=x,y=y)
> gc()
> coordinates(xy) <- ~x+y
Error: cannot allocate vector of size 6.7 Gb

我有一个32GB RAM的Windows系统，我一直在检查我的进程，发现我还有RAM，但是R无法分配。

继续前进，我传递了一个随机的网格值，只是看它是否有效，但仍然是相同的错误。

> kernel_temp<- kernelUD(temp,grid = 1000)
> kernel_95 <- getverticeshr(kernel_temp,: 
  The grid is too small to allow the estimation of home-range.
You should rerun kernelUD with a larger extent parameter

当我扩展xy网格时，我看到的观察结果是

这是巨大的。我想知道在没有网格那么大的情况下，是否有更简便的方法来计算HR或传递网格功能？

任何帮助都非常有用。：）

编辑- 我尝试了程度上= 2并遇到相同的问题。

> kernel_temp<- kernelUD(temp,extent = 2)
> kernel_95 <- getverticeshr(kernel_temp,: 
  The grid is too small to allow the estimation of home-range.
You should rerun kernelUD with a larger extent parameter

解决方法

经过朋友和同事的几次咨询，我找到了答案。

当您有很多位置时，用KDE计算HR的最佳方法是计算栅格大小和范围。降低网格并增加范围是对此的最佳答案。

在这种情况下，我可以使用-

kernelUD(locs_year,grid = 500,h="href",extent = 5)

我尝试了多种方法grid=1000，但仍然无法。 grid = 500,extent = 5是最佳选择。！

谢谢您的帮助。而且不确定，但是总有一天，这个答案对某人有用。：）