Get an array of environmental data from presence-absence points.
env_data_array.RdGet an array of environmental data from presence-absence points.
Value
A 3D array of dimensions M (points or cells) × N (time steps) × P (environmental variables). The first dimension has no dimnames; the second is named "time" with layer names from the first raster; the third is named "var" with the names of `env_data`.
Examples
bio1_ts <- terra::unwrap(example_1$bio01)
bio12_ts <- terra::unwrap(example_1$bio12)
env_data <- list(bio1 = bio1_ts, bio12 = bio12_ts)
occ <- example_1$occ_df[1:5, ]
# Return array correspoding to each presence absence provided
env_data_array(env_data, occ)
#> , , var = bio1
#>
#> time
#> lyr.1 lyr.2 lyr.3 lyr.4 lyr.5 lyr.6 lyr.7 lyr.8 lyr.9 lyr.10 lyr.11
#> [1,] 979 1016 864 884 831 861 904 825 869 968 880
#> [2,] 995 1066 887 893 839 864 934 876 890 978 888
#> [3,] 1006 1064 896 898 917 920 973 883 916 1050 900
#> [4,] 1139 1129 1005 994 963 988 1027 960 994 1117 1014
#> [5,] 1020 1054 872 893 871 909 948 861 907 1020 876
#> time
#> lyr.12 lyr.13 lyr.14 lyr.15 lyr.16 lyr.17 lyr.18 lyr.19 lyr.20 lyr.21
#> [1,] 837 808 828 932 942 938 758 859 903 953
#> [2,] 847 826 811 912 962 930 784 878 940 976
#> [3,] 860 847 930 1000 1024 1064 886 867 982 1036
#> [4,] 991 952 1014 1100 1111 1094 904 979 1034 1056
#> [5,] 843 842 911 974 1007 1041 869 862 953 1004
#> time
#> lyr.22 lyr.23 lyr.24 lyr.25 lyr.26 lyr.27 lyr.28 lyr.29 lyr.30 lyr.31
#> [1,] 883 913 980 826 903 924 855 814 845 881
#> [2,] 912 920 985 847 939 961 863 824 830 889
#> [3,] 958 999 1021 926 1007 974 966 875 901 861
#> [4,] 1023 1039 1105 983 1062 1042 1010 977 1041 1020
#> [5,] 941 985 1005 903 988 960 941 872 885 856
#> time
#> lyr.32 lyr.33 lyr.34 lyr.35 lyr.36 lyr.37 lyr.38 lyr.39
#> [1,] 881 982 819 901 865 902 954 929
#> [2,] 851 996 829 913 909 951 975 958
#> [3,] 883 1047 823 969 928 921 1021 1000
#> [4,] 1034 1129 963 1005 994 1000 1097 1052
#> [5,] 873 1039 802 942 899 917 1001 983
#>
#> , , var = bio12
#>
#> time
#> lyr.1 lyr.2 lyr.3 lyr.4 lyr.5 lyr.6 lyr.7 lyr.8 lyr.9 lyr.10 lyr.11
#> [1,] 283 362 432 351 426 566 548 436 485 345 471
#> [2,] 276 261 356 311 310 414 452 292 366 315 431
#> [3,] 303 339 438 347 346 445 450 343 311 160 320
#> [4,] 327 381 397 391 463 478 585 418 512 280 457
#> [5,] 281 316 424 378 366 371 352 306 452 120 378
#> time
#> lyr.12 lyr.13 lyr.14 lyr.15 lyr.16 lyr.17 lyr.18 lyr.19 lyr.20 lyr.21
#> [1,] 573 426 422 469 323 392 515 366 342 331
#> [2,] 453 323 378 445 316 344 397 349 370 277
#> [3,] 314 363 314 238 261 220 399 462 308 303
#> [4,] 556 436 411 505 301 475 557 450 350 414
#> [5,] 275 330 183 240 263 174 385 291 416 228
#> time
#> lyr.22 lyr.23 lyr.24 lyr.25 lyr.26 lyr.27 lyr.28 lyr.29 lyr.30 lyr.31
#> [1,] 277 267 226 403 421 410 377 349 374 400
#> [2,] 302 349 293 338 371 354 412 365 315 306
#> [3,] 258 287 279 323 386 349 352 243 161 255
#> [4,] 339 288 249 431 383 475 341 359 335 374
#> [5,] 161 175 318 331 328 290 341 289 188 395
#> time
#> lyr.32 lyr.33 lyr.34 lyr.35 lyr.36 lyr.37 lyr.38 lyr.39
#> [1,] 358 318 493 438 666 427 514 394
#> [2,] 258 237 386 317 502 356 392 295
#> [3,] 353 205 437 307 612 384 366 322
#> [4,] 277 320 511 496 645 436 440 509
#> [5,] 386 167 374 261 599 351 335 272
#>
# Return all the environmental in the rasters
env_data_array(env_data, occ)
#> , , var = bio1
#>
#> time
#> lyr.1 lyr.2 lyr.3 lyr.4 lyr.5 lyr.6 lyr.7 lyr.8 lyr.9 lyr.10 lyr.11
#> [1,] 979 1016 864 884 831 861 904 825 869 968 880
#> [2,] 995 1066 887 893 839 864 934 876 890 978 888
#> [3,] 1006 1064 896 898 917 920 973 883 916 1050 900
#> [4,] 1139 1129 1005 994 963 988 1027 960 994 1117 1014
#> [5,] 1020 1054 872 893 871 909 948 861 907 1020 876
#> time
#> lyr.12 lyr.13 lyr.14 lyr.15 lyr.16 lyr.17 lyr.18 lyr.19 lyr.20 lyr.21
#> [1,] 837 808 828 932 942 938 758 859 903 953
#> [2,] 847 826 811 912 962 930 784 878 940 976
#> [3,] 860 847 930 1000 1024 1064 886 867 982 1036
#> [4,] 991 952 1014 1100 1111 1094 904 979 1034 1056
#> [5,] 843 842 911 974 1007 1041 869 862 953 1004
#> time
#> lyr.22 lyr.23 lyr.24 lyr.25 lyr.26 lyr.27 lyr.28 lyr.29 lyr.30 lyr.31
#> [1,] 883 913 980 826 903 924 855 814 845 881
#> [2,] 912 920 985 847 939 961 863 824 830 889
#> [3,] 958 999 1021 926 1007 974 966 875 901 861
#> [4,] 1023 1039 1105 983 1062 1042 1010 977 1041 1020
#> [5,] 941 985 1005 903 988 960 941 872 885 856
#> time
#> lyr.32 lyr.33 lyr.34 lyr.35 lyr.36 lyr.37 lyr.38 lyr.39
#> [1,] 881 982 819 901 865 902 954 929
#> [2,] 851 996 829 913 909 951 975 958
#> [3,] 883 1047 823 969 928 921 1021 1000
#> [4,] 1034 1129 963 1005 994 1000 1097 1052
#> [5,] 873 1039 802 942 899 917 1001 983
#>
#> , , var = bio12
#>
#> time
#> lyr.1 lyr.2 lyr.3 lyr.4 lyr.5 lyr.6 lyr.7 lyr.8 lyr.9 lyr.10 lyr.11
#> [1,] 283 362 432 351 426 566 548 436 485 345 471
#> [2,] 276 261 356 311 310 414 452 292 366 315 431
#> [3,] 303 339 438 347 346 445 450 343 311 160 320
#> [4,] 327 381 397 391 463 478 585 418 512 280 457
#> [5,] 281 316 424 378 366 371 352 306 452 120 378
#> time
#> lyr.12 lyr.13 lyr.14 lyr.15 lyr.16 lyr.17 lyr.18 lyr.19 lyr.20 lyr.21
#> [1,] 573 426 422 469 323 392 515 366 342 331
#> [2,] 453 323 378 445 316 344 397 349 370 277
#> [3,] 314 363 314 238 261 220 399 462 308 303
#> [4,] 556 436 411 505 301 475 557 450 350 414
#> [5,] 275 330 183 240 263 174 385 291 416 228
#> time
#> lyr.22 lyr.23 lyr.24 lyr.25 lyr.26 lyr.27 lyr.28 lyr.29 lyr.30 lyr.31
#> [1,] 277 267 226 403 421 410 377 349 374 400
#> [2,] 302 349 293 338 371 354 412 365 315 306
#> [3,] 258 287 279 323 386 349 352 243 161 255
#> [4,] 339 288 249 431 383 475 341 359 335 374
#> [5,] 161 175 318 331 328 290 341 289 188 395
#> time
#> lyr.32 lyr.33 lyr.34 lyr.35 lyr.36 lyr.37 lyr.38 lyr.39
#> [1,] 358 318 493 438 666 427 514 394
#> [2,] 258 237 386 317 502 356 392 295
#> [3,] 353 205 437 307 612 384 366 322
#> [4,] 277 320 511 496 645 436 440 509
#> [5,] 386 167 374 261 599 351 335 272
#>