Solving the problem with threshold_density option in associndex

[jmalcan]

He hecho los cambios que sugieren Ali y Miguel. Ahora la función no aplica ningún threshold a menos que se le indique explícitamente con un número o usando la distribución Weibull.

[gemini-code-assist]

Code Review

This pull request modifies the handling of the threshold_density parameter across several functions, changing the default value to NULL and introducing a "Weibull" option for outlier-based filtering. The review feedback correctly identifies a logic issue where setting the threshold to the maximum observed density would inadvertently filter out that specific data point; using Inf is recommended to ensure no interactions are excluded when the threshold is disabled. Additionally, the reviewer provided constructive feedback regarding code style improvements, specifically addressing inconsistent indentation and the standardization of assignment operators and spacing for better readability.

[gemini-code-assist]

Hola, al establecer threshold_density = max(y), las interacciones con la densidad máxima serán filtradas debido a que la condición de filtrado es un menor estricto (<). Para desactivar el umbral de forma efectiva, como se indica en la documentación, sería mejor usar Inf. Esto asegurará que no se filtre ninguna interacción cuando threshold_density es NULL. También he aprovechado para mejorar el estilo del bloque.

  if (is.null(threshold_density)) {
    # To effectively avoid the use of a threshold, we set its value to infinity
    # so no interactions are filtered out.
    threshold_density <- Inf
  }

[jmalcan]

Pues es verdad!

[gemini-code-assist]

Hola, la indentación en este bloque es inconsistente. Para mejorar la legibilidad, sería bueno ajustarla a 2 espacios. También he añadido espacios alrededor de los operadores (/, ~) y he homogeneizado el uso de <- para las asignaciones, siguiendo las guías de estilo comunes en R.

  int_data_0 <- comm_to_RN_UNI(int_data, cover_data)
  db_inter_0 <- pre_associndex_UNISITE_UNI(int_data_0)
  db_inter_0$Dcr <- db_inter_0$Fcr / db_inter_0$Ac
  db_inter_0$Dro <- db_inter_0$Fro / db_inter_0$Ao
  # Dro has repeated values for each recruit species. The next line removes repeated
  # values.
  unique_Dro <- stats::aggregate(Dro ~ Recruit, data = db_inter_0[, c("Recruit", "Dro")], mean)
  y <- c(db_inter_0$Dcr, unique_Dro$Dro)

[gemini-code-assist]

Hola, en este bloque también hay algunas inconsistencias de estilo. Para mejorar la legibilidad, sugiero ajustar la indentación, usar <- para las asignaciones y añadir espacios alrededor de los operadores. Te dejo una sugerencia con estos cambios.

  if (threshold_density == "Weibull") {
    # Suggest a threshold value based on recruitment density outliers according
    # to a Weibull distribution. Uses "extremevalues" package.
    # Zero densities are common, so we will check only for suspiciously high densities.
    y <- y[which(y > 0)]
    K <- extremevalues::getOutliers(y, method = "I", distribution = "weibull", rho = c(1, 1)) # We
    # consider that a value is an outlier if it is above the limit where less
    # than 1 observation is expected.

    threshold_density <- K$limit[[2]]
    n_excluded <- length(K$iRight)
    message("Based on Weibull distribution fitted to the observed values, the threshold density has been set to: ", threshold_density, ". ", n_excluded, " cases were excluded.")
  }

[jmalcan]

No he aplicado la sugerencia de que solo se eliminen posibles outlayers si corresponden a canopies con muy baja cobertura porque no veo cómo definir, con los datos disponibles, cuando debe considerarse que una cobertura es, per se, demasiado baja para el cálculo de los índices de asociación. De todas formas, será muy raro que un outlayer de densidad se deba a una especie con alta cobertura, porque tendría que tener auténticos céspedes de reclutas bajo la copa de todos los ejemplares presentes en el muestreo.

[verducam]

Julio, ¿no podríamos detectar coberturas extremadamente bajas con cualquier método de detección de outliers?

[jmalcan]

Lo he intentado usando extremeValues en varias redes pero, o no salen outlayers o solo aparecen para coberturas altas. Esto creo que se debe a que las distribuciones suelen estar dominadas por los valores bajos (tipo log-normal).
De todas formas, el problema es que el esfuerzo de muestreo con las especies raras es inevitablemente bajo, lo que hace que las estimas de densidad de reclutamiento en las que participan (ya sea como canopy o como recluta) sean poco fiables: no tenemos evidencia suficiente para decir si son correctas o incorrectas.

[verducam]

Sí, la verdad las coberturas de las canopy vistas en un boxplot se apelotonan en la parte inferior, por lo que es difícil encontrar outliers en esa parte. Pero, por otra parte, tenemos la sensación de que Weibull es demasiado alegre eliminando densidades altas. ¿No habría manera de hacer que Weibull sea un poco más restrictivo?

[jmalcan]

No lo comenté antes, pero también he resuelto el problema que comentaste de la repetición de valores de densidad en open: ahora cada valor aparece solo una vez. Esto debería echar la distribución más hacia la derecha (porque en open suele haber densidades muy bajas y muchos ceros), lo que normalmente debería aumentar el threshold y reducir el número de outlayers. Creo que aún no habéis podido probar la nueva versión de associndex porque me parece que Paco no ha aceptado todavía los cambios (a lo mejor es porque se me ha pasado revisar los tests de la función y por eso salta el mensaje de "All checks have failed"). A ver si ahora os parece menos restrictiva.
En cualquier caso, respecto a hacer Weibull menos estricto con los outlayers, el threshold lo he definido como el valor de densidad para el que la distribución Weibull esperaría menos de un caso. Se podría reducir a 0.5 casos (u otro valor menor de 1), pero lo veo difícil de justificar.