Размеры лесов: Строительные леса – размеры секции и другие параметры + Видео

Чтобы исследовать эти зависимости более глубоко, мы исследуем характеристики RF и LR в подгруппах наборов данных, определенных на основе мета-характеристик наборов данных (с этого момента называемых мета-характеристиками), следуя принципу анализа подгрупп, хорошо известному в клинических исследованиях. .Поскольку некоторые из мета-функций, представленных в таблице 3, взаимно (сильно) коррелированы, мы группируем их с помощью алгоритма иерархической кластеризации (данные не показаны). Из полученной дендограммы мы решаем выбрать мета-характеристики p , n , \ (\ frac {p} {n} \), C _max , в то время как другие мета-функции считаются избыточными и игнорируется в дальнейших исследованиях.

На рис. 5 показаны коробчатые диаграммы различий в точности для разных подгрупп на основе четырех выбранных мета-характеристик p , n , \ (\ frac {p} {n} \) и C _max .Для каждой из четырех мета-характеристик подгруппы определяются на основе различных пороговых значений, последовательно обозначаемых как t . Гистограммы четырех мета-признаков для 243 наборов данных изображены в нижнем ряду рисунка, где рассматриваемые значения отсечения материализованы в виде вертикальных линий. Аналогичные изображения получены для двух альтернативных показателей производительности auc и brier ; См. Дополнительный файл 1.

Анализ подгрупп.Вверху: для каждой из четырех выбранных мета-функций n , p , p / n и C _max , прямоугольные диаграммы Δ acc для различных пороговых значений в качестве критериев для выбор набора данных. Внизу: распределение четырех мета-характеристик (логарифмическая шкала), где выбранные пороги отображаются в виде вертикальных линий. Обратите внимание, что выбросы здесь не показаны для более удобной визуализации. Соответствующий показатель, включая выбросы, а также результаты для auc и brier , см. В дополнительном файле 1

Из рис.5 видно, что RF имеет тенденцию давать лучшие результаты, чем LR для низкого значения n , и что разница уменьшается с увеличением n . Напротив, RF работает сравнительно плохо для наборов данных с p <5, но лучше, чем LR для наборов данных с p ≥5. Это связано с низкими характеристиками RF в большой части наборов данных с p <5. Для \ (\ frac {p} {n} \) разница между RF и LR незначительна в низком измерении \ (\ left (\ frac {p} {n} <0,01 \ right) \), но увеличивается с увеличением измерение.Особенно разительный контраст между подгруппами \ (\ frac {p} {n} <0,1 \) (что дает небольшое значение Δ a c c ) и \ (\ frac {p} {n} \ geq 0.1 \) (дает высокий Δ a c c ), что еще раз подтверждает гипотезу о том, что превосходство RF над LR более выражено для больших размеров.

Обратите внимание, однако, что все эти результаты следует интерпретировать с осторожностью, так как искажение может быть проблемой.

Анализ подгрупп: существенный контекст

Кроме того, мы проводим дополнительный анализ подгрупп, уделяя особое внимание подгруппе наборов данных из области бионаук / медицины. Из 243 рассмотренных на данный момент наборов данных 67 относятся к этой области. Модифицированные версии рис. 3 и 5 и таблица 2 (а также рис. 6, обсуждаемый в разделе «Мета-обучение»), полученные на основе подгруппы, сформированной наборами данных из бионаук / медицины, отображаются в дополнительном файле 2. Превосходство RF над LR лишь незначительно. ниже для наборов данных из бионаук / медицины, чем для других наборов данных: разница между наборами данных из бионаук / медицины и наборами данных из других областей существенно не отличается от 0.Обратите внимание, что можно ожидать больших различий между конкретными подполями бионаук / медицины (в зависимости от рассматриваемой задачи прогнозирования). Однако такие исследования потребуют знания предметной области по каждой из этих задач. Они могут быть проведены в будущих исследованиях специалистами соответствующих задач; см. также раздел «Обсуждение».

График частичной зависимости для 4 рассматриваемых мета-признаков: log ( n ), log ( p ), \ (log {\ left (\ frac {p}) {n} \ right)} \), C _max . Масштаб log был выбран для 3 из 4 функций, чтобы получить более равномерное распределение (см. Рис. 5, где распределение нанесено в масштабе log ). Для каждого графика черная линия обозначает медиану отдельных частичных зависимостей, а нижняя и верхняя кривые серых областей представляют соответственно 25% – и 75% -квантили. Расчетное значение mse составляет 0,00382 из 5-CV, повторенного 4 раза

Мета-обучение

В предыдущем разделе было показано, что результаты сравнительного анализа в подгруппах могут значительно отличаться от результатов для всей коллекции наборов данных.Сделав еще один шаг, можно расширить анализ мета-характеристик до метаобучения, чтобы получить представление об их влиянии. Точнее, принимая наборы данных в качестве наблюдений, мы строим RF регрессии, которая прогнозирует разницу в производительности между RF и LR на основе четырех мета-функций, рассмотренных в предыдущем подразделе \ (\ left ({p}, {n}, \ frac {p} {n} \ text {и} C_ {max} \ right) \). На рисунке 6 изображены графики частичной зависимости для визуализации влияния каждой мета-характеристики. Опять же, мы замечаем зависимость от p и \ (\ frac {p} {n} \), как указано в разделе «Анализ подгрупп: мета-характеристики», и сравнительно плохие результаты RF по сравнению с LR для наборов данных с небольшими с. .Важность C _max и n менее заметна.

Хотя эти результаты следует рассматривать с осторожностью, поскольку они, возможно, сильно зависят от конкретного распределения мета-характеристик по 243 наборам данных, и могут возникнуть проблемы, мы делаем вывод из «Объяснение различий: мета-характеристики наборов данных» раздел, который существенно влияет на мета-функции Δ согласно . Это указывает на важность определения четких критериев включения наборов данных в эталонный эксперимент и учета распределений мета-характеристик.

Объяснение различий: графики частичной зависимости

В предыдущем разделе мы исследовали влияние мета-характеристик наборов данных на результаты сравнительного анализа и смоделировали разницу в производительности методов на основе этих мета-характеристик. В этом разделе мы используем другой подход к объяснению различий. Мы используем графики частичной зависимости в качестве метода для оценки модели зависимости между ответом и функциями, лежащими в основе правила прогнозирования. Точнее, цель этих дополнительных анализов – оценить, связаны ли различия в характеристиках (между LR и RF) с различиями в графиках частичной зависимости.Получив глобальную картину для всех наборов данных, включенных в наше исследование, мы более внимательно изучаем три интересных «крайних случая». Короче говоря, мы не наблюдаем сильной корреляции между разницей в производительности и разницей в частных зависимостях для 243 рассмотренных наборов данных. Более подробная информация представлена ​​в Дополнительном файле 3: в частности, мы видим в третьем примере набора данных, что, как и ожидалось из теории, RF работает лучше, чем LR при наличии модели нелинейной зависимости между функциями и ответом.

Дополнительный анализ: настроенный RF

В качестве перспективы, третий метод сравнивается с RF и LR: RF настроен с использованием пакета tuneRanger [4] со всеми аргументами, установленными на значения по умолчанию (в частности, настройка выполняется путем оптимизации Brier оценка с использованием наблюдений вне сумки). Чтобы сохранить разумное время вычислений, в этом дополнительном исследовании CV выполняется только один раз (а не 10 раз, как в основном исследовании), и мы сосредоточены на 67 наборах данных из бионаук / медицины. Результаты отображаются в дополнительном файле 4 в том же формате, что и на ранее описанных рисунках.

Tuned RF (TRF) имеет немного лучшую производительность, чем RF: и acc , и auc в среднем на 0,01 лучше для TRF, чем для RF. Помимо этой небольшой средней разницы, характеристики RF и TRF кажутся похожими в отношении анализа подгрупп и графиков частичной зависимости. Наиболее заметный, но не очень удивительный результат заключается в том, что улучшение за счет настройки имеет тенденцию быть более выраженным в тех случаях, когда RF работает плохо (по сравнению с LR).

Применение к данным преобразования C-to-U

В качестве иллюстрации мы применяем LR, RF и TRF к данным преобразования C-to-U, ранее исследованным в отношении случайного леса в литературе по биоинформатике [14, 40]. Таким образом, редактирование РНК – это процесс, при котором РНК модифицируется из последовательности соответствующей матрицы ДНК [40]. Например, преобразование цитидина в уридин (сокращенно преобразование C в U) является обычным явлением в митохондриях растений. Каммингс и Майерс [40] предлагают использовать информацию из соседних участков последовательности, фланкирующих интересующие сайты, для прогнозирования статуса редактирования, в том числе в Arabidopsis thaliana. Для каждого из 876 полных наблюдений, включенных в набор данных (доступно по адресу https: // static-content.springer.com/esm/art%3A10.1186%2F1471-2105-5-132/MediaObjects/12859_2004_248_MOESM1_ESM.txt) доступны следующие функции:

• двоичный ответ на интересующем сайте (отредактированный по сравнению с неотредактированным)

• 40 нуклеотидов в положениях от -20 до 20 относительно редактируемого сайта (4 категории: A, C, T, G), при этом мы рассматриваем только нуклеотиды в положениях от -5 до 5 в качестве кандидатов в настоящем исследовании,

• позиция кодона cp (4 категории: P0, P1, P2, PX),

• (непрерывная) расчетная энергия складывания ( fe )

• (непрерывная) разница dfe в расчетной энергии сворачивания между предварительно отредактированными и отредактированными последовательностями.

При оценке LR и RF для этого набора данных с использованием той же процедуры оценки, что и для наборов данных OpenML, мы видим, что LR и RF работают очень одинаково для всех трех рассматриваемых мер: 0,722 для LR по сравнению с 0,729 для RF для точности (согласно), 0,792 для LR по сравнению с 0,785 для RF для области под кривой (auc) и 0,185 для LR по сравнению с 0,187 для RF для оценки Brier. При рассмотрении важности перестановочных переменных (для RF) и p-значений теста Вальда (для LR) мы видим, что 13 признаков-кандидатов оцениваются одинаково обоими методами.В частности, два ближайших соседних нуклеотида являются наиболее сильными предикторами для обоих методов.

Используя пакет tuneRanger (соответствующий методу TRF в нашем тесте), результаты очень похожи для всех трех показателей (согласно: 0,722, auc: 0,7989, brier: 0,184), что указывает на то, что для этого набора данных значение по умолчанию значения адекватны. Используя пакет ‘glmnet’ для соответствия модели логистической регрессии (с параметром штрафа, выбранным внутренней перекрестной проверкой, как это делается по умолчанию в ‘glmnet’), результаты также аналогичны: 0.728 для acc, 0,795 для auc и 0,189 для brier.

Чтобы получить более глубокое представление о влиянии определенных параметров настройки, мы продолжаем запускать RF с параметрами по умолчанию, за исключением одного параметра, который последовательно устанавливается на несколько возможных значений. Параметры mtry, nodeize и sampsize последовательно рассматриваются как изменяющиеся параметры (в то время как два других фиксируются на значениях по умолчанию). Точнее, mtry устанавливается 1, 3, 5, 10 и 13 последовательно; nodeize устанавливается в 2, 5, 10, 20 последовательно; а размер sampsize равен 0.5 n и 0,75 n последовательно. В результате все три показателя эффективности чрезвычайно устойчивы к изменениям параметров: все значения точности находятся в диапазоне от 0,713 до 0,729, все значения AUC находятся в диапазоне от 0,779 до 0,792, а все значения показателя Бриера находятся в диапазоне от 0,183 до 0,197. Значения большого размера узла, кажется, работают немного лучше (это соответствует результату tuneRanger, который выбирает 17 в качестве оптимального значения размера узла), в то время как для mtry и sampsize заметной тенденции нет.В заключение, анализ набора данных преобразования C-to-U показывает, что не следует ожидать слишком многого от настройки RF в целом (обратите внимание, однако, что настройка может улучшить производительность в других случаях, как указано в нашем крупномасштабном тестовом исследовании ).

Предлагаемый проект в два раза больше Атланты в Национальном лесу Чаттахучи вызывает критику из-за отсутствия вкладов

Крупный федеральный лесной проект в два раза больше Атланты, который потенциально может включать в себя лесозаготовки на десятках тысяч акров лесов, вызывает критику со стороны защитников природы, которые говорят, что они слишком мало знали, слишком поздно.

План Лесной службы США, известный как Проект ландшафта предгорья и выпущенный 2 декабря, направлен на сохранение более 5000 акров старовозрастных лесов, создание небольших промежутков в кронах деревьев и восстановление лесной среды обитания «с помощью мозаики солнечного света и тени» по частям. площади проекта, создать молодой лес, расширить луговые пространства и использовать огонь, чтобы уменьшить подлесок на площади до 50 000 акров, а также поддерживать существующие южные желтые сосны и дубы путем прореживания переполненных древесных насаждений для улучшения воздействия солнца.

Лесной службы утверждают, что только на 4% проектной территории будут удалены и заменены деревья, чтобы насаждения отражали более подходящие породы.

Он будет охватывать 157 000 акров в крупнейшем национальном лесу Грузии – Национальном лесу Чаттахучи, который привлекает почти 3 миллиона посетителей в год – и включает в себя часть заповедника дикой природы Кохутта в округах Мюррей, Фаннин и Гилмер; остальная часть находится на федеральных землях в графствах Доусон, Фэннин, Гилмер, Хабершем, Лампкин, Мюррей, Рабун и Уайт, согласно данным проекта.

не ответили на этой неделе на вопросы о проекте, но в федеральных документах изложены общие цели проекта по ландшафту предгорья, в которых говорится, что «экологическое восстановление способствует восстановлению деградированной, поврежденной или разрушенной экосистемы».

Проект ландшафта предгорья

«Из-за прошлой практики Ландшафт Предгорья в настоящее время в основном представляет собой ровный лес с закрытым пологом, который не обеспечивает преимуществ для всех видов, нуждающихся в разнообразных естественных средах обитания», – предложенный в рамках Проекта ландшафта предгорьях документ действий, опубликованный в Декабрьские состояния.«Открытая светлая среда, такая как лесные массивы, обеспечивает кормом, семенами, пыльцой и укрытием для гнездования определенных видов в течение долгой части года, в то время как зрелые леса обеспечивают среду обитания для ряда видов, которые могут использовать дупла деревьев или среду обитания под кронами деревьев».

Критики, однако, утверждают, что это предложение позволит, по оценке Южного центра экологического права, до 60 000 акров коммерческой лесозаготовки, 50 000 акров предписанного выжигания, 360 миль новых бульдозерных дорожек для проекта сжигания и неопределенное количество других дороги, а также изменение и перемещение троп и кемпингов.

Они говорят, что Лесная служба при администрации Трампа поставила лесоматериалы выше окружающей среды, и Проект ландшафта предгорья является примером.

НОМЕРА ЛАНДШАФТНЫХ ПРОЕКТОВ ПРЕДГОРЬЯ

По данным Южного центра экологического права, предложенный Лесной службой США ландшафтный проект предгорья будет направлен на реализацию следующих действий на более чем 157 000 акров национального леса Чаттахучи, включая реку Чаттуга, водопад ДеСото, Воительница Делл, Дикс-Крик и участки троп Бартрам и Пинхоти:

– Коммерческая заготовка древесины на площади до 60000 акров с общим коммерческим и некоммерческим урожаем, достигающим более 80000 акров

– 50000 акров предписанного сжигания

– Строительство 360 миль леса новые бульдозерные пути для облегчения предписанного сжигания

– Применение гербицидов на площади 74 500 акров

– Измельчение растительности в древесную щепу с использованием промышленного оборудования на площади до 83 000 акров

– Строительство «новых временных» дорог

– Переход до 111 миль маршрута

– декабрь бездействующие тропы и разбросанные кемпинги

Источник: Южный центр экологического права

«[Он] целенаправленно преследовал одну цель: вырубить больше деревьев за счет сокращения участия общественности», – сказал Скотт Смоллвуд, менеджер по связям Южного центра экологического права.

Национальный лес Чаттахучи занимает площадь более 750000 акров в Северной Джорджии и предлагает тысячи миль ручьев и рек, 850 миль рекреационных троп и десятки кемпингов, площадок для пикников и других рекреационных ресурсов для плавания, пеших прогулок, езды на велосипеде и водных лыжах. , охота и рыбалка.

Согласно оценке Лесной службы на 206 страницах, около 244 000 человек проживают в восьми округах Джорджии в пределах предлагаемых проектных территорий.

СПОРНЫЙ ПОДХОД

Лесная служба описывает проект ландшафта предгорья как «ориентированный на условия» проект восстановления, в котором конкретные географические местоположения для предлагаемой деятельности не указаны в планах, и предоставляется только максимальная площадь для обработки.Федеральные чиновники заявили, что предложенный в прошлом году подход направлен на оптимизацию проектов.

В июле защитники природы выступили против него в офисе Лесной службы США в Атланте, назвав изменения «лазейками». По данным Южного центра экологического права, было собрано более 100 000 возражений.

Подход, основанный на условиях, используется Лесной службой “для обхода основных требований [Закона о национальной экологической политике], одного из наших самых важных экологических нормативов”, – говорит Смоллвуд.

Предлагаемое мероприятие для проекта «Пейзаж предгорья»

«Эти лазейки еще не завершены, но позволят вести лесозаготовки без участия общественности и без обязательства рассматривать альтернативы, которые позволили бы избежать ненужного вреда», – добавил он.

Помимо отсутствия подробностей, критики говорят, что план Предгорья, основанный на условиях, ограничивает участие общественности и обратную связь.

Крайний срок для общественного обсуждения – пятница – 38-дневное окно.

«Все это вышло в свет в начале декабря, что, я думаю, было очень неудачным», – сказал Патрик Хантер, поверенный Южного центра экологического права. «Праздники – определенно самое трудное время для людей, чтобы сесть и потратить время на понимание и изучение подобных вещей».

Хантер сказал, что проблема для общественности заключается в том, что федеральное агентство хочет иметь возможность поставить отметку в поле для общественного мнения по проекту в соответствии с Законом о национальной экологической политике, чтобы оно могло быстрее продвигаться вперед с проектами.

Другая проблема – это долгосрочные масштабы проекта и количество важных решений, которые не будут приняты, пока общественность не будет исключена из уравнения, сказал он. По его словам, при нынешних темпах строительства некоторые из предложенных для проекта деревянных конструкций могут не состояться в течение 30-40 лет.

«Кто-то может быть затронут этим проектом и может даже не родиться в течение 10 лет», – сказал Хантер.

“Независимо от того, доверяете вы им или нет, они даже не приняли решения о том, где они собираются делать что-то на месте, поэтому вы не можете эффективно оценить и раскрыть влияние своих действий, если не знаете, где это действие произойдет “, – сказал Хантер. «Наши национальные леса в Южных Аппалачах чрезвычайно разнообразны, поэтому вы не можете относиться ко всем, используя подход« печенья ».

ОБЩЕСТВЕННАЯ ОБРАТНАЯ СВЯЗЬ

По мере того, как приближается конец 30-дневного периода комментариев, многие из более чем 985 комментариев общественности, перечисленных на этой неделе в онлайн-“читальном зале общественного обсуждения / возражений” по предлагаемому проекту Лесной службы, категорически возражали против предлагаемой работы и выражали озабоченность. в основном из-за отсутствия общественного мнения и информации о проекте, но также и в отношении использования химикатов, строительства дорог, а также размера и масштабов проекта.

«Огромность территории, охватываемой этим проектом, – первый аспект, вызывающий беспокойство. Я не уверен, как FS может предположить, что знает что-либо в таком масштабе», – сказал Брент Мартин в своем комментарии. Мартин особо возражал против строительства любых дорог, временных или нет, и сказал, что следует достичь большего согласия с защитниками природы и группами отдыха.

«Я не думаю, что у FS есть хрустальный шар, и двигаться вперед с такими огромными допущениями в масштабе ландшафта – это и обратное мышление, и, возможно, опасно», – сказал Мартин.

ПОЛУЧИТЕ ДВА ЦЕНТА В

Чтобы узнать больше и прокомментировать Проект ландшафта предгорья лесной службы США в национальном лесу Чаттахучи в Северной Джорджии, перейдите на сайт www.fs.usda.gov/goto/Foothills. Пятница, 10 января, последний день для отправки комментария.

Лори Ли согласилась, что проект слишком большой, и предложила сократить его до более мелких частей, которые будут индивидуально открыты для общественного обсуждения. И ее беспокоит запланированное использование гербицидов.

«Возможность применять гербицид на обширных территориях, не определенных заранее, ужасно небезопасна для водосборных бассейнов и для всех нас, находящихся поблизости», – заявляет Ли. «Этот лесной массив в его нынешнем состоянии гораздо более важен для улавливания углерода, чем как древесный продукт; особенно из лиственных пород. Этот проект оставляет слишком много неопределенного, и его нельзя позволить развиваться».

«Друзья медведей» в Аппалачах, штат Джорджия, с другой стороны, приветствовали части плана Лесной службы, направленные на поддержание и восстановление среды обитания дубов и сосен, создание молодых лесных местообитаний и каштанов, а также конкретные планы по созданию 100-футовых буферов для защитить известные места логова черного медведя

Однако основатель группы, Джеральд Д. Ходж-младший, выразил обеспокоенность по поводу долгосрочной потери деревьев, которые дают орехи или фрукты, и призвал защитить разновидности дубов, которые дают пищу медведям.

Также его беспокоит выполнение плана Лесной службы.

«Мы не хотим, чтобы этот план реализовывался подобно проекту USFS 2014-2015 в Кокер-Крик, штат Теннесси, который привел к разрушению многовековой магистрали Unicoi Turnpike / Trail of Tears», – заявляет Ходж.

Ходж имеет в виду повреждение «Следа слез» в округе Монро, нанесенное бульдозерами Лесной службы в 2014 году. Федеральное агентство признало, извинилось и пообещало исправить повреждение, но не сообщило, когда будет произведен ремонт. Женщина, которая живет рядом с поврежденным участком «Следа слез», сообщила Times Free Press в середине декабря, что ремонт не производился.

Мелани Викерс сказала, что ее больше всего беспокоят ограничения на участие общественности после определения конкретных участков для обработки, и она отметила, что собрание Лесной службы, которое она посетила в округе Рабун в декабре, было разочаровывающим.

«Я была очень разочарована тем, что участникам не разрешили отвечать на вопросы в групповой обстановке», – заявила она. «Я не чувствовал, что вы вообще цените наш вклад как граждане».

Свяжитесь с Беном Бентоном по адресу [email protected] или 423-757-6569. Следуйте за ним в Twitter @BenBenton или на www.facebook.com/benbenton1.

лесных участков (метод по умолчанию) – forest.

Функция для создания участков леса для заданного набора данных.

 # Метод S3 по умолчанию
лес (x, vi, sei, ci.lb, ci.ub,
       annotate = TRUE, showweights = FALSE, заголовок = FALSE,
       xlim, alim, clim, ylim, top = 3, at, steps = 5,
       уровень = 95, ссылка = 0, цифры = 2L, ширина,
       xlab, slab, ilab, ilab.xpos, ilab.pos,
       подмножество, transf, atransf, targs, rows,
       efac = 1, pch = 15, psize, col, lty, fonts,
       cex, cex.lab, cex.axis, annosym, ...) 

Аргументы

Детали

График показывает индивидуальные наблюдаемые величины эффекта или исходы с соответствующими доверительными интервалами. Чтобы использовать функцию, необходимо указать наблюдаемые размеры или результаты эффекта (с помощью аргумента x ) вместе с соответствующими дисперсиями выборки (с помощью аргумента vi ) или с соответствующими стандартными ошибками (с помощью аргумента sei ) .В качестве альтернативы можно указать наблюдаемые размеры или результаты эффекта вместе с соответствующими границами доверительного интервала (с помощью аргументов ci.lb и ci.ub ).

С помощью аргумента transf наблюдаемые величины или результаты эффекта и соответствующие границы доверительного интервала могут быть преобразованы с помощью некоторой подходящей функции. Например, при построении логарифмических соотношений шансов можно использовать transf = exp , чтобы получить лесной график, показывающий отношения шансов.В качестве альтернативы можно использовать аргумент atransf для преобразования меток и аннотаций оси x (например, atransf = exp ). См. Также transf для некоторых функций преобразования, полезных для метаанализа. Приведенные ниже примеры иллюстрируют использование этих аргументов.

По умолчанию исследования упорядочены сверху вниз (т. Е. Первое исследование в наборе данных будет помещено в строку \ (k \), второе исследование в строку \ (k-1 \) и так далее, пока последнее исследование, которое ставится в первом ряду).Порядок исследований можно переупорядочить с помощью аргумента подмножества (указав вектор с индексами в желаемом порядке).

Сводные оценки могут быть добавлены к графику с помощью функции addpoly . Примеры см. В документации по этой функции.

Примечание

Функция пытается установить некоторые разумные значения для необязательных аргументов, но при определенных обстоятельствах может потребоваться их настройка.

Функция фактически невидимо возвращает некоторую информацию о выбранных значениях по умолчанию.Распечатка этой информации полезна в качестве отправной точки для внесения изменений в график.

Если количество исследований достаточно велико, надписи, аннотации и символы могут стать очень маленькими и их невозможно будет прочитать. Растянув окно графика по вертикали, можно получить более читаемый рисунок (следует снова вызвать функцию после настройки размера окна, чтобы можно было правильно настроить размеры меток / символов). Кроме того, cex , cex.lab и cex.Затем аргументы оси используются для настройки размеров символа и текста.

Если горизонтальный график и / или пределы оси x устанавливаются пользователем, то пределы горизонтального графика ( xlim ) должны быть не менее ширины, чем пределы оси x ( alim ). Это ограничение применяется внутри функции.

Если мера результата, используемая для создания графика, является ограниченной (например, корреляции ограничены между -1 и 1 , пропорции ограничены между 0 и 1 ), можно использовать аргумент clim для обеспечить соблюдение этих пределов (тогда доверительные интервалы не могут выходить за эти пределы).

Аргумент lty также может быть вектором из двух элементов, первый для указания типа линии отдельных КЭ ( "сплошной" по умолчанию), второй для типа линии горизонтальной линии, которая добавляется автоматически. к графику (по умолчанию «сплошной», ; установите значение «пустое» , чтобы удалить его).

Автор

Вольфганг Фихтбауэр [email protected] https://www.metafor-project.org

Список литературы

Льюис, С., & Кларк, М. (2001). Лесные участки: пытаемся увидеть лес и деревья. Британский медицинский журнал , 322 (7300), 1479–1480. https://doi.org/10.1136/bmj.322.7300.1479

Viechtbauer, W. (2010). Проведение метаанализа в R с пакетом metafor. Журнал статистического программного обеспечения , 36 (3), 1-48. https://doi.org/10.18637/jss.v036.i03

См. Также

Примеры

 ### рассчитать логарифмические коэффициенты риска и соответствующие отклонения выборки
dat <- escalc (measure = "RR", ai = tpos, bi = tneg, ci = cpos, di = cneg, data = dat. bcg)

### график леса по умолчанию для наблюдаемых коэффициентов риска журнала
лес (dat $ yi, dat $ vi)

### лесной график наблюдаемых соотношений рисков
лес (dat $ yi, dat $ vi, slab = paste (dat $ author, dat $ year, sep = ","), transf = exp,
       alim = c (0,2), шаги = 5, xlim = c (-2,5,4), refline = 1, cex = .9)

### лесной график наблюдаемых соотношений рисков
лес (dat $ yi, dat $ vi, slab = paste (dat $ author, dat $ year, sep = ","), atransf = exp,
       at = log (c (0,05, 0,25,1,4,20)), xlim = c (-10,8), cex = 0,9)

### лесной график наблюдаемых соотношений рисков с исследованиями по заказу ОР
лес (dat $ yi, dat $ vi, slab = paste (dat $ author, dat $ year, sep = ","), atransf = exp,
       at = log (c (.05, .25,1,4,20)), xlim = c (-10,8), cex = .9, subset = order (dat $ yi))
 

### см. также примеры для функции forest.rma