定时与定序
2020-10-16
2020-10-16
定时与定序分析
定序和定时法(Ranking scaling)是定量地层学的常见方法之一。该方法搜集不同类群生物的首现、末现或富集层位,并以同一事件在各剖面中出现的平均位置为基准,确定各生物事件的先后顺序。
将测井实际数据与“标准”层序对比的结果,可发现不同测井中出现的倒转现象。
1 频数分析
setwd("C:\\Users\\Lenovo\\Desktop\\order")
library(readxl) # 调取readxl包读取excel文件
data=read_excel("data1.xlsx")
data=as.data.frame(data) # 转换数据list为dataframe
head(data)
## Optimal Depth time distance x y
## 1 1 2 3 0.123 0.10 2
## 2 2 1 2 0.006 0.20 4
## 3 3 2 1 0.000 0.15 7
## 4 4 3 5 0.147 0.15 5
## 5 5 0 0 0.203 NA NA
## 6 6 4 4 0.287 NA NA
plot(data$Optimal,data$Depth) # 绘制散点图形
text(data$Optimal-0.3,data$Depth,data$time,xlab="",ylab="") # 给散点图形添加标签
2 相似差异
library(factoextra)
library(readxl)
data2=read_excel("C:\\Users\\Lenovo\\Desktop\\order\\Rank_scaling_foraminifera.xlsx")
data2=as.data.frame(data2) # 转换数据框
head(data2)
## ..1 1 2 3 4 5 6 7 8 9 10
## 1 A 1 1 1 1 1 1 2 3 4 NA
## 2 B NA 1 1 1 1 1 1 NA 2 1
## 3 C 3 1 NA NA 2 NA NA NA 4 NA
## 4 D 2 1 NA NA 4 NA 3 5 6 7
## 5 E 2 1 3 6 1 7 4 5 8 NA
## 6 F 1 3 1 2 2 NA 4 4 5 6
result <- dist(data2, method = "euclidean") # 进行欧式距离计算
result_hc <- hclust(d = result, method = "ward.D2") # 用欧式距离进行聚类
fviz_dend(result_hc, cex = 0.6,horiz=TRUE,show_labels = TRUE) # 对欧式距离的结果
首先对生物事件的顺序进行排序。从低到高(1-10)排列位置(Position),并重新确定不同生物事件(Event)之间的先后顺序。区间(Range)表示该事件在该位置的不确定性。
第二步判断不同生物事件之间的间距。事件的顺序列于左侧,相连事件的时间间隔列于右侧。
第三步,将每个测井的数据与得到的“标准”序列进行对比。如图中例子,该测井中的事件3和事件2,事件10和事件9之间均出现了倒转。
3 本章汇总
parmer | type | function |
---|---|---|
readxl | packages | read file |
factoextra | packages | cluster |
4 参考文献
[1]https://blog.csdn.net/tandelin/article/details/99547342
[2]The long-term ecology and evolution of marine reptiles in a Jurassic seaway,2018, Foffa et al.-Nature-ecology & evolution
[3]Foffa et al.-Nature ecology & evolution,supplementary-2018