没有合适的资源?快使用搜索试试~ 我知道了~
软件X 21(2023)101275原始软件出版物Soiltestcorr R软件包:作物产量和土壤测试数据可重复相关分析的可访问框架艾德里安·A作者:a,a,b,c.作者:John T.斯帕戈d,Deanna Osmondb,P.钱皮蒂河aDepartment of Agronomy,Kansas State University,Manhattan,KS 66506,United Statesb美国北卡罗来纳州罗利北卡罗来纳州立大学作物和土壤科学系cUSDA-ARS,Food Animal Environmental Systems Research Unit,Bowling Green,KY 42101,United Statesd宾夕法尼亚州立大学植物科学系,University Park,PA 16802,美国ar t i cl e i nf o文章历史记录:收到2022年收到修订版,2022年10月31日接受,2022年关键词:规划农业土壤肥力作物营养a b st ra ctSoiltestcorrR软件包是一个开源软件,旨在实现作物产量对施肥的响应与土壤测试值之间的相关性分析的可访问和可重复计算。该软件包编译了一系列用于分析土壤测试相关数据的功能:(i)Cate Nelson数据划分程序(图形和统计版本),(ii)非线性回归分析(线性平台,二次平台和Mitscherlich型指数模型),以及(iii)修改的反正弦对数校准曲线。Soiltestcorr使用户能够将作物响应与土壤养分有效性相关联,并估计关键土壤测试值,并使用ggplot可视化结果,而无需高级R编程技能。最后,还为没有R编程背景的用户提供了©2022作者(S)。由爱思唯尔公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。代码元数据当前代码版本V2.1.2用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00166Code Ocean compute capsule NA法律代码许可证MIT许可证https://opensource.org/licenses/mit-license.php在Windows、MacOS和Linux操作系统上测试使用R编程语言的软件代码语言、工具和服务编译要求、操作环境依赖性R软件版本4.2+链接到开发人员文档/手册https://cran.r-project.org/web/packages/soiltestcorr/soiltestcorr.pdf问题支持电子邮件correndo@ksu.edu1. 动机和意义土壤测试相关性是开发客观、循证的肥料推荐、指南和决策支持工具的关键步骤。它可以被定义为将作物生长与土壤养分有效性状态之间的关系形式化的过程[1]。提高土壤肥力实验透明度和一致性的努力面临着以下障碍:协议和数据文件,有限的透明度,以及*通讯作者。电子邮件地址:correndo@ksu.edu(Adrian A.Correndo),ciampitti@ksu.edu(Correndo A.Ciampitti)。https://doi.org/10.1016/j.softx.2022.101275分析的再现性不令人满意这些障碍阻碍了在当前土壤肥力研究中采用新方法或增强已证明有效的方法。通过与土壤肥力研究相关的网络工具,在数据可访问性方面取得了进展。2013年,澳大利亚启动了作物系统更好的肥料决策(BFDC,[2,3]),该项目提供肥料试验数据的公开文件,并向利益相关者提供结果。同样,肥料推荐支持工具(FRST)计划设定了开发磷(P)和钾(K)综合数据库的雄心勃勃的目标(K) correlation–calibration results for the United States, whichwill be accessed and analyzed through a user-friendly onlinetool2352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表SoftwareX期刊主页:www.elsevier.com/locate/softx艾德里安·A放大图片创作者:John H.Bolster等人软件X 21(2023)1012752=CCC尽管如此,其他研究人员在重复数据分析程序(即再现性)时获得一致结果的能力仍然是一般科学[7,8]以及土壤科学[9]的挑战。在土壤测试相关性的情况下,最追求的目标之一是确定一个关键的土壤测试值(CSTV)。CSTV可以定义为,在一般的作物农艺条件下,在不施用该营养素的情况下,平均而言,该值会导致对施肥或作物最高产量的特定百分比(例如90%)的不太可能的反应[10]。在这方面,可以使用几种方法进行相应的分析,例如数据分区程序[11,12]的版本,以及各种线性[10,13]和非线性回归[14据我们所知,没有软件将所有这些替代方案编译成一个开放获取的软件包,供进行土壤测试相关性研究的研究人员广泛访问。因此,编制最相关的土工试验相关性分析方法,单一的开放获取软件代表了一个潜在的差距, 的可重复性。我们决定编制最相关的土壤测试相关性模型到R包中,以使其更易于访问不断增长的从事土壤肥力研究的R用户。毫无疑问,R软件今天在数据科学中发挥着关键作用,带来了代码分发的哲学,使统计计算民主化,并使这个过程对每个人都更有效和高效。它的开源理念不仅促进了先进的统计分析算法的托管,而且还结合了透明度和快速性来解决问题(即,bugs)与软件代码。此外,R通过综合R档案网络(CRAN)巩固了全球传播,CRAN是一个服务器网络,为多个操作系统存储最新的代码版本和关于R的文档[18]。本文介绍了土工试验相关技术 R包,已开发其主要目标是促进土壤肥力试验数据分析的可访问性、可重复性和透明度。2. 软件描述SoiltestcorrR软件包为易于使用的软件提供了一个简单但强大该软件包是一个功能集合,旨在帮助用户进行作物产量和土壤测试值的相关性分析2.1.1. cate_nelson_1965该函数适合该方法应用任意固定的RY值作为目标(y轴),将数据分为两类(低于等于或高于RY目标)。在第二阶段中,它将临界土壤测试值(CSTV)估计为将数据分成四个象限的最小stv(目标RY水平与低于或大于CSTV的stv组合),最大化在良好分类的象限(II,stv >= CSTV RY >= RY目标;和IV,stv cstv RY RY目标)下的点的数量。2.1.2. cate_nelson_1971该函数运行该替代版本的第一步是将CSTV(x轴)估计为最小stv,其在将数据点划分为两个类别(低于或大于CSTV)而不使用任意RY时最小化残差平方和。该改进版本不限制拟合优度或模型性能(用决定系数-R2-测量),但用户无法控制CSTV的RY水平。2.1.3. linear_plateau()该函数拟合经典的回归响应模型,该模型遵循初始线性阶段和第二平台阶段[14],其中对土壤测试值增加的产量响应变为零(等式2)。(一)y= a+ bx if x Xc,(1)警告:一个或多个原始RY值超过100%。所有大于100%的RY值均被限制为100%。ii. 土壤测试值非常高,正如所指出的,由[Dyson Conyers(2013)]提出,在拟合二元线性回归模型时可能代表高杠杆的风险。#>警告:## STV点超过CSTV 100% RY。杠杆风险您可以考虑通过删除极值点进行敏感性分析,重新运行mod_alcc()并检查结果。#>警告:##STV点超过CSTV的两倍(2x),RY为90%杠杆风险你可能考虑通过删除极值点进行灵敏度分析,重新运行mod_alcc()并检查结果。3.2.3. 一次拟合多个模型soiltestcorr函数的一个有用功能是可以同时拟合多个模型。这使得用户能够基于一个或多个感兴趣的变量(例如id、土壤类型、作物、采样深度等)对运行进行分组。对于六个soiltestcorr函数中的每一个,该选项在相应的小插图“一次多次拟合”一节中进行了描述。例如,对于mod_alcc()函数,可以在以下网址获得教 程 : https : //adrianncorendo 。 github.io/soitestcorrr/articles/mod我的天啊!html#multiple-fits-at-once3.3. 土壤测试标准强烈建议没有任何R编程经验的用户使用用R shiny设计的soiltestcorrweb应用程序[32]。该工具的目的是作为一个简单的演示包,以促进其实施。用户可以选择一个示例数据集或加载他们自己的数据集(*.csv),并在可用的相关方法中进行选择以进行拟合(图2A)。该应用程序被组织成五个选项卡:(i)Main:显示要选择的选项以及数据可视化输出,(ii)数据:显示加载数据的表格,(iii)结果:显示所选模型结果的汇总表(图1)。 2 B),(iv)代码:提供在R中运行分析所需的 计 算 代 码 ( 图 3 ) 。 ( v ) 关 于 : 介 绍 有 关 应 用 程 序 和soiltestcorr软件包的详细信息。4. 影响土壤试验相关性和校准是确定土壤试验临界值的基本程序,土壤试验相关性软件包是FRST项目的重要成果,为土壤科学研究界带来了重大利益。专门为土壤测试设计的开源软件艾德里安·A放大图片创作者:John H.Bolster等人软件X 21(2023)1012755图二.S o i l t e s t c o r r - s h i n y a p p :一个 可视化soiltestcorr软件包的 w e b 应 用 程 序 。(A)带有选择菜单和数据可视化输出的主选项卡(B)结果选项卡,包括模型输出及其相应缩写的汇总表;(C)代码选项卡,包含运行所需的计算代码R软件中的分析相关性需求为土壤学研究的可重复性提供了一条新的途径。在这方面,soiltestcorr有望直接和间接地帮助全球研究人员、学生、推广人员、作物顾问和农民,以改进养分管理建议和决策支持工具的开发。最广泛使用的土壤试验验证分析的编译功能据我们所知,soiltestcorr也是第一个包含运行修改后的ALCC模型的算法的R软件包此外,在R环境中,用户可以相对轻松地同时为多个数据集拟合模型。例如,回归函数的自启动参数的实现大大方便了用户收敛模型,否则可能需要大量的专业知识。所有这些功能为用户创造了有利的氛围,以增加他们获得响应函数和CSTV的鲁棒估计的信心,而无需高级编程技能。soiltestcorr的开源特性显著提高了最终用户的采用率,并增加了接收对未来代码更新的反馈。最后,soiltestcorr还可以鼓励土壤科学界的其他研究人员公开分享他们的代码,并准备新的应用程序包。由于后者意味着调节编码管道以供同行审查,它最终将使土壤科学获得一致性,可复制性和透明度。5. 结论Soiltestcorr是一个新的R软件包,它集合了明确针对土壤肥力试验相关性分析的不可用的模型。它的功能代表了土壤科学界的一个重要补充,因为它们预计将有助于土壤肥力和作物营养建议的可重复发展。竞合利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作艾德里安·A放大图片创作者:John H.Bolster等人软件X 21(2023)1012756数据可用性用于 soiltestcorr包的代码和数据可以在MIT 许可证下的相应GitHub存储库致谢作者特别感谢这项倡议的资金来源:(i)根据《合作协定》,通过资助美国国际开发署(美援署),为堪萨斯州立大学未来的可持续集约化合作研究创新实验室提供资金(批准号AID-OAA-L-14-00006),(ii)USDA-ARS国家计划212土壤和空气,(iii)USDA-ARS 国 家 自 然 资 源 和 可 持 续 农 业 系 统 计 划 ( 批 准 号 58-8070-8-016),和(iv)USDA-NRCS(NR 203 A7500010 C 00 C)。这是堪萨斯州农业实验站的22-XYZ-J号贡献。引用[1] Dahnke WC,Olson RA.土壤试验相关性、校准和推荐。In:WestermanR,editor.土壤测试和植物分析。SSSA系列丛书,第3号,第3版,WI,USA : Madison , http://dx.doi.org/10.2136/sssabookser3.3ed.c4 , [ 第 4章]。[2] Speirs SD,Peverill DJ,Brennan RF.为澳大利亚的种植系统做出更好的肥料决 策 ( BFDC ) : 概 述 。 农 作 物 营 养 科 学 2013;64 ( 5 ) : 417-23.http://dx.doi.org/10.1071/CP13034网站。[3] Conyers MK,Bell MJ,Wilhelm NS,Bell R,Norton RM ,Walker C.麦澳大利亚种植系统更好的施肥决策(BFDC):知识差距和经验教训。农作物营养科学2013;64(5):539-47. http://dx.doi.org/10.1071/CP13068网站。[4] Lyons SE , Arthur DK , Slaton NA , Pearce AW , Spargo JT , OsmondDL,Kleinman PJA.美国土壤试验相关性和校准数据库的开发。农业环境通讯2021(6):e20008。http://dx.doi.org//ael2.20058.[5] Lyons SE , Osmond DL , Slaton NA , Spargo J , Kleinman PJ , ArthurDK,McGrath JM. FRST:一个国家土壤测试数据库,以提高肥力的建议。农业 环 境 通 讯 2020 ( 5 ) : e20008 。 http://dx.doi.org/10 的 网 站 。1002/ael2.20008。[6] Slaton NA,Lyons SE,Osmond DL,Brouder SM,Culman SW,DrescherG , Gatiboni LC , Hoben J , Kleinman PJA , McGrath JM , Miller RO ,Pearce A,Shober AL,Spargo JT,Volenec JJ.土壤测试相关性和校准研究的最 小 数 据 集 和 元 数 据 指 南 。 Soil Sci Soc Am J 2022;86 : 19-33.http://dx.doi.org/10.1002/saj2.20338网站。[7] 美国国家科学院、工程院和医学院。科学中的可复制性和可复制性。华盛顿特区:国家科学院出版社; 2019年,http://dx.doi.org/10.17226/25303。[8] Seibold H,Czerny S,Decke S,Dieterle R,Eder T,Fohr S等人,PLOSONE文章的计算再现性研究,具有纵向数据分析。PLoS One 2022;17(5):e0269047. http://dx.doi.org/10.1371/journal.pone.0269047.[9] Bond-Lamberty B,Smith AP,Bailey V.运行开放实验:土壤和生态系统科学中 的 跨 亲 性 和 再 现 性 。 环 境 研 究 快 报 2016;11 : 084004 。http://dx.doi.org/10.1088/1748-9326/11/8/084004网站。[10]Dyson CB,Conyers MK.土壤测试作物响应数据集的在线生物测定分析方法。农作物营养科学2013;64(5):435-41. 网址://dx.doi.org/10.1071/CP13009网站。[11]小凯特RB,纳尔逊洛杉矶。土壤试验分析与植物反应数据相关的快速方法。北卡罗来纳州农业进出口公司Stn..在:国际土壤测试系列公牛。,号1965年1月[12]小凯特RB,纳尔逊洛杉矶。将土工试验相关数据分为两类的简单统计方法。土壤科学学会美国学报1971;35:658-9.http://dx.doi.org/10.2136/sssaj1971.03615995003500040048x网站。[13]Correndo AA,Salvagiotti F,García FO,Gutiérrez-Boem FH.分析土壤试验值-相对产量关系的反正弦-对数校准曲线的修正。农作物营养科学2017;68(3):297-304。http://dx.doi.org/10.1071/CP16444。[14]安德森RL,纳尔逊洛杉矶。一系列模型,包括相交直线和用于评价响应的伴随实验设计to fertilizer肥料nutrition养分. Biometrics 1975;31(2):303-18.http://dx.doi.org/10的网站。2307/2529422。[15] 布洛克DG布洛克DS 二次和二次加平台模型预测玉米最佳施氮量:比较。Agron J 1994;86 : 191-5. http://dx.doi.org/10.2134/agronj1994 的 网 站 。00021962008600010033x。[16] Melsted SW,Peck TR. Mitscherlich-Bray增长函数 In:Peck T,CopeJ,WhitneyD,editors.土壤测试http://dx.doi.org/10.2134/asaspecpub29.c1.[17]蒂 姆 ·N R 世 代 。 重 要 性 2018;15 : 14-9. http://dx.doi.org/10 的 网 站 。1111/j.1740-9713.2018.01169.x。[18] 哈肯伯格足球俱乐部R软件:不友好,但可能是最好的。Croat Med J2020;61:66http://dx.doi.org/10.3325/cmj.2020.61.66网站。[19]Colwell JD,Suhet AR,van Raij B.建立可变区域土壤肥力通用模型的统计程序。堪培拉,ACT:CSIRO土壤部门;1988年,http://dx.doi.org/10.4225/08/5863ff11f316d。[20]Pearce AW NA,Lyons SE,Bolster CH,Bruulsema TW,Grove JH,JonesJD,McGrath JM,Miguez FE,Nelson NO,Osmond DL ,Parvej MR,Pena- Yewtukhiw EM,Spargo JT.在肥料推荐支持工具中定义土壤测试相关性 和 校 准 试 验 的 相 对 产 量 。Soil Sci Soc Am J 2022;86 :1338http://dx.doi.org/10.1002/saj2.20450,86.[21]米格兹湾NLRAA:农业应用的非线性回归。2022年,R包版本1.2。网址:https://CRAN.R-project.org/package=nlraa。[Last 2022年6月13日访问[22]Warton DI,Wright IJ,Falster DS,Westoby M.异速生长的二元线性拟合方法。BiolRevCambPhilosSoc2006;81:259-91.http://dx.doi.org//S1464793106007007.[23] Neeteson JJ,Wadman WP.根据响应曲线评价氮肥经济最佳施用量生育研究1987;12:37-52. http://dx.doi.org/10.1007/BF01049419网站。[24]埃 尔 南 德 斯 JA , 穆 拉 DJ 。 经 济 最 优 施 肥 量 的 不 确 定 性 估 计 。 Agron J2007;100:1221-9. http://dx.doi.org/10.2134/agronj2007.0273.[25] Cook RD , Weisberg S. 非 线 性 回 归 中 的 置 信 曲 线 。 J Amer StatististAssumption 1990;85(410):544-51. http://dx.doi.org/10.2307/2289796,JSTOR.[26] 埃夫隆湾Bootstrap方法:再看一下折叠刀。Ann Statist 1979;7(1):1-26.http://dx.doi.org/10.1214/aos/1176344552网站。[27]Wickham H,Averick M,Bryan J,Chang W,McGowan LD,François R,Grolemund G,Hayes A,Henry L,Hester J,Kuhn M,Pedersen TL,MillerE , Bache SM , Müller K , Ooms J , Robinson D , Seidel DP , Spinu V ,Takahashi K,Vaughan D,Wilke C,Woo K,Yutani H.欢迎来到整理宇宙JOpen Source Softw 2019;4(43):1686. http://dx.doi.org/10.21105/joss.01686网站。[28]威克姆·H ggplot2:用于数据分析的优雅图形。Springer-Verlag New York;2016,https://ggplot2.tidyverse.org。[29]R核心团队R:统计计算的语言和环境。奥地利维也纳:R Foundation forStatistical Computing 2022,URL:https://www.r-project.org/网站。[最后 访问 2022年5月19日]。[30]RStudio 。 集 成 开 发 环 境 ( IDE ) , 用 于 R。RStudio 桌 面 2022 。 URL :https://www.rstudio.com/products/rstudio/download/#download. [Last 2022年5月19日访问[31]Correndo A,Pearce A,Osmond D,Ciampitti IA. _soiltestcorr:土壤测试相关性和校准。2022年,R包版本2.1.2。网址:https://CRAN.R-project.org/package=soiltestcorr网站。 [Last 2022年6月14日访问[32]土壤测试2022,URL:https://ciampittilab.shinyapps.io/soiltestcorr/。[Last于2022年10月16日访问]。[33]Chang J,Allaire J,Sievert C,Schloerke B,Xie Y,Allen J,McPhersonJ,Dipert A,Borges B. _shiny:R_的Web应用框架。 2022,R包版本1.7.1,2021。网址:https://CRAN.R-project.org/package=shiny. [Last 2022年6月14日访问
下载后可阅读完整内容,剩余1页未读,立即下载
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)