几个月前我刚刚开始使用spatstat。 我试图在4个森林地块（250mx250m）上检测直径2cm到4cm之间的树苗的聚类（和簇大小）15种。
我有3个协变量（地形，海拔高度和树冠开口），显示出对密度（或强度）的影响。然而，使用聚类模型很可能不可能，因为弱聚类根据方法给出非常不同的聚类大小（这可能与点数无关，因为对于具有超过400个点的物种，我获得了相同的结果）。
因此，我使用非均匀泊松模型与3个协变量（如上所述）已知是幼苗建立的重要驱动因素来解释点的密度/强度（对数量变量的对数二次关系和共变量之间的相互作用）
然后我尝试使用基于汇总函数（对相关函数）的蒙特卡罗检验来检测聚类并推断聚类大小。簇大小将是在观察点上计算的对相关性高于模拟的最大距离。 但是我想知道我是否应该使用非均匀或同类对相关函数来检测聚类并推断聚类大小，因为在Baddeley等人的书中。 2015年，他们使用具有非均匀泊松模型的齐次L汇总函数拟合数据页398-399。 我认为如果点过程不是同质的（在这种情况下）我应该使用非均匀函数作为汇总函数。 此外，根据具有非常不同的簇大小的模拟，我有非常不同的结果。是因为模型不合适还是仅仅因为方法本身？ 有没有更好的方法来衡量群集的大小？
如果有人能帮助我，我将非常感激！
此致