ppmlasso预测强度图

Question

我目前正在研究物种分布模型，尤其是Ian Renner在R的ppmlasso包中开发的框架。 我对这个框架有一些疑问，这些问题的设计是为了供从业者使用而不需要专家指导（参见Renner等人2015 +补充材料）。

如果我们采用Renner等人使用的数据。 2015：

library(spatstat)
library(ppmlasso)
load("Eucalyptus sparsifolia Atlas 2012.RData") #Contains X and Y
load("Quad1000.RData")
sp.xy=data.frame(X,Y)
ppm.form = ~ poly(FC, MNT, MXT, Rain, degree = 2, raw = TRUE)+ poly(sqrt(D.Main), sqrt(D.Urb), degree = 2, raw = TRUE)
scales = c(0.5, 1, 2, 4, 8, 16)
findres(scales, formula = ppm.form, sp.xy = sp.xy, env.grid = quad)

拟合点过程模型的正则化路径

quad.1k = sample.quad(quad, 1)
ppm.fit = ppmlasso(ft.int, sp.xy = sp.xy, env.grid = quad.1k,sp.scale = 1, criterion = "nlgcv")

问题1：

如何获得预测强度的地图？因为spatstat中的等价函数＆＃34;预测＆＃34;没有使用ppmlasso对象，并且predict.ppmlasso函数不会返回＆＃34; im＆＃34;对象但是＆＃34;大矩阵＆＃34;

模型诊断

在其正文（图3c和d）中，Renner绘制了x（然后是y）坐标Pearson残差的＆＃34; Lurking变量图＆＃34;蒙特卡罗模拟包络用于区域相互作用模型（Gibbs模型）。

问题2：

我们如何从Gibbs模型（如Ian Renner所做的那样）和Monte Carlo模拟包络中制作这些诊断图？

diagnose.ppmlasso(ppm.fit, which = "smooth", type = "Pearson", labcex = 1)
# OK
diagnose.ppmlasso(ppm.fit, which = "x", type = "Pearson", compute.sd = TRUE) #doesn't work cause it's designed for ppm and not for Gibbs model
diagnose.ppmlasso(ppm.fit, which = "y", type = "Pearson", compute.sd = TRUE)
#doesn't work cause it's designed for ppm and not for Gibbs model

问题3：

是否有接受响应曲线的平均值，将强度与模型中实现的每个环境变量联系起来？

非常感谢您的帮助