R语言绘图实战：RDA冗余分析

#载入vegan包
library(vegan)
#读取“样本-物种”文件
sp <- read.table(file=file.choose(),sep="\t",header=T,row.names=1)
sp
#读取“样本-环境因子”文件
se <- read.table(file=file.choose(),sep="\t",header=T,row.names=1)
se
#选择用RDA还是CCA分析？先用“样本-物种”文件做DCA分析！
decorana(sp) 
#根据看分析结果中Axis Lengths的第一轴的大小
#如果大于4.0,就应选CCA（基于单峰模型，典范对应分析）
#如果在3.0-4.0之间，选RDA和CCA均可
#如果小于3.0, RDA的结果会更合理（基于线性模型，冗余分析）
#以RDA分析为例
sp0 <- rda(sp ~ 1, se)  
sp0
plot(sp0)
#加入所有环境变量排序，RDA分析
sp1 <- rda(sp ~ ., se)  
sp1
plot(sp1)
#到这里RDA图已经出来了,很多文章也都直接放这张图,但如果想追求更美的话,还可以找ggplot2包借个衣服,包装自己
#准备作图数据：提取RDA分析结果的数据,作为新图形元素
new<-sp1$CCA
new
#提取并转换“样本”数据
samples<-data.frame(sample=row.names(new$u),RDA1=new$u[,1],RDA2=new$u[,2])
samples
#提取并转换“物种”数据
species<-data.frame(spece=row.names(new$v),RDA1=new$v[,1],RDA2=new$v[,2])
species
#提取并转换“环境因子”数据
envi<-data.frame(en=row.names(new$biplot),RDA1=new$biplot[,1],RDA2=new$biplot[,2])
envi
#构建环境因子直线坐标
line_x = c(0,envi[1,2],0,envi[2,2],0,envi[3,2],0,envi[4,2],0,env