R/hoogteschatting_basis.R
hoogteschatting.basis.RdFunctie die de gemiddelde hoogte per omtrekklasse schat voor de domeincurves
en Vlaamse curves van het opgegeven basismodel. De teruggegeven dataframe
kan gebruikt worden om grafieken te maken of afwijkende metingen te
bestuderen. Opgelet! In tegenstelling tot de meeste functies van dit
package werkt deze functie op basis van 1 model en de bijhorende
meetgegevens. Zie voorbeelden voor een methode om deze functie te kunnen
toepassen op het Basismodel of het Lokaalmodel en Data.lokaal.
hoogteschatting.basis(
Soortmodel,
Soortdata,
Typemodel,
BMS,
Uitbreiding = FALSE
)model voor één boomsoort (basis) of één boomsoort-domeincombinatie (lokaal)
meetgegevens van boomsoort (basis) of boomsoort-domeincombinatie (lokaal)
"Basis" of "Lokaal"?
Boomsoort
Gaat het hier over berekening voor een uitbreiding?
(Facultatief argument om met hogere hoogteklassen te kunnen omgaan.)
Default is FALSE, wat betekent dat het niet over een uitbreiding gaat.
dataframe met de meetresultaten en de schattingen van de hoogtes voor het domeinmodel en de Vlaamse model
library(dplyr)
#Dataset inladen en het basismodel berekenen
Data <- testdataset()
Datalijst <- initiatie(Data)
Data.basis <- Datalijst[["Basis"]]
Basismodel <- fit.basis(Data.basis)
#De hoogteschatting voor een basismodel
Basismodel %>%
rowwise() %>%
do(
hoogteschatting.basis(.$Model, .$Model$data, "Basis", .$BMS)
) %>%
ungroup()
#> # A tibble: 1,118 × 23
#> DOMEIN_ID BOS_BHI nBomenOmtrek05 nBomenInterval nBomenIntervalOmtrek05 nBomen
#> <chr> <chr> <int> <int> <int> <int>
#> 1 A Domein… 174 200 174 200
#> 2 B Domein… 87 99 87 100
#> 3 C Domein… 423 500 423 500
#> 4 D Domein… 85 100 85 100
#> 5 E Domein… 92 100 92 100
#> 6 F Domein… 82 100 82 100
#> 7 A Domein… 174 200 174 200
#> 8 A Domein… 174 200 174 200
#> 9 A Domein… 174 200 174 200
#> 10 A Domein… 174 200 174 200
#> # ℹ 1,108 more rows
#> # ℹ 17 more variables: Q5k <dbl>, Q95k <dbl>, Omtrek <dbl>, H_D_finaal <dbl>,
#> # H_VL_finaal <dbl>, IDbms <dbl>, C13 <dbl>, HOOGTE <dbl>, Status <chr>,
#> # ID <chr>, Rijnr <int>, logOmtrek <dbl>, logOmtrek2 <dbl>, Q5 <dbl>,
#> # Q95 <dbl>, nExtra <dbl>, BMS <chr>
#Dataset inladen en het lokaal model berekenen
Data.lokaal <- Data.basis %>%
filter(DOMEIN_ID == "A")
Lokaalmodel <- fit.lokaal(Data.lokaal)
#De hoogteschatting voor een lokaal model
Lokaalmodel %>%
inner_join(
Data.lokaal,
by = c("BMS", "DOMEIN_ID")
) %>%
group_by(
BMS,
DOMEIN_ID
) %>%
do(
hoogteschatting.basis(.$Model[[1]],
select(., -Model),
"Lokaal", unique(.$BMS))
) %>%
ungroup()
#> # A tibble: 203 × 23
#> DOMEIN_ID BOS_BHI nBomenOmtrek05 nBomenInterval nBomenIntervalOmtrek05 nBomen
#> <chr> <chr> <int> <int> <int> <int>
#> 1 A Domein… 174 200 174 200
#> 2 A Domein… 174 200 174 200
#> 3 A Domein… 174 200 174 200
#> 4 A Domein… 174 200 174 200
#> 5 A Domein… 174 200 174 200
#> 6 A Domein… 174 200 174 200
#> 7 A Domein… 174 200 174 200
#> 8 A Domein… 174 200 174 200
#> 9 A Domein… 174 200 174 200
#> 10 A Domein… 174 200 174 200
#> # ℹ 193 more rows
#> # ℹ 17 more variables: Q5k <dbl>, Q95k <dbl>, Omtrek <dbl>, H_D_finaal <dbl>,
#> # IDbms <dbl>, C13 <dbl>, HOOGTE <dbl>, Status <chr>, ID <chr>, Rijnr <int>,
#> # logOmtrek <dbl>, logOmtrek2 <dbl>, Q5 <dbl>, Q95 <dbl>, VoorModelFit <lgl>,
#> # nExtra <dbl>, BMS <chr>