Resource Selection Functions (RSF) with `amt`

Johannes Signer

2025年08月23日

About

This vignette briefly introduces how one can fit a Resource-Selection Function (RSF) with the amt package. We will be using the example data of one red deer from northern Germany and one covariate: a forest cover map.

Getting the data ready

First we load the required libraries and the relocation data (called deer)

 library(amt)
 data("deer")
deer

## # A tibble: 826 ×ばつ 4
## x_ y_ t_ burst_
## * <dbl> <dbl> <dttm> <dbl>
## 1 4314068. 3445807. 2008年03月30日 00:01:47 1
## 2 4314053. 3445768. 2008年03月30日 06:00:54 1
## 3 4314105. 3445859. 2008年03月30日 12:01:47 1
## 4 4314044. 3445785. 2008年03月30日 18:01:24 1
## 5 4313015. 3445858. 2008年03月31日 00:01:23 1
## 6 4312860. 3445857. 2008年03月31日 06:01:45 1
## 7 4312854. 3445856. 2008年03月31日 12:01:11 1
## 8 4312858. 3445858. 2008年03月31日 18:01:55 1
## 9 4312745. 3445862. 2008年04月01日 00:01:24 1
## 10 4312651. 3446024. 2008年04月01日 06:00:54 1
## # i 816 more rows

Next, we have to get the environmental covariates. A forest layer is included in the package. Note, that this a regular SpatRast.

sh_forest <- get_sh_forest()

Prepare Data for RSF

Random Points

Before fitting a RSF we have to do some data preparation. We have to generate random points, points that we think the animal could have used. The random points define the availability domain. In amt the function random_points is designed to do just that. The function can be used in 3 different ways, depending to the type of object that is passed to the function call.

A track_* (such as the deer object) can be passed to the function random_points. The function then calculates a home range (the home-range estimator can be controlled with argument hr). Within this home range n random points are generated. The default value of n is ten times the number of present points.
If a hr-object (i.e., the result of a home-range estimation in amt) is passed to random_points, points are generated within the home range. This allows to generate random points within any home range that was previously estimated in amt. Note, that this could be a home range of multiple animals. In this case, the function random_points has one additional argument called presence. This argument takes a trk_* with the presence points and adds these points for convenience to the random points.
A SpatialPolygons*-object or sf-object. The latter must contain POLYGONs or MULTIPOLYGONs as features. This can be useful in situation where a home range needs to be buffered, or when other geographical features are considered as the availability domain. As before, this method for random_points also takes the argument presence to optionally add the observed points to the output.

Lets now illustrate the three different situations. First we take random points from a track_xy

r1 <- random_points(deer)
 plot(r1)

With the argument n we can control the number of random points (remember that the default is ten times as many points as we observed points).

r1 <- random_points(deer, n = 100)
 plot(r1)

Next, we can create random point within a home range, that we estimated before.

hr <- hr_mcp(deer)
r1 <- random_points(hr, n = 500)
 plot(r1)

Here, we can also add the observed points:

hr <- hr_mcp(deer)
r1 <- random_points(hr, n = 500, presence = deer)
 plot(r1)

Finally, we can work with the home range and for example a buffer and then generate random points within the this new polygon.

hr <- hr_mcp(deer) |> hr_isopleths() |> 
 sf::st_buffer(dist =3e4) # add a 30km buffer
r1 <- random_points(hr, n = 500)
 plot(r1)

And we can also add the observed points.

hr <- hr_mcp(deer) |> hr_isopleths() |> 
 sf::st_buffer(dist =3e4) # add a 30km buffer
r1 <- random_points(hr, n = 500, presence = deer)
 plot(r1)

Of course we are not restricted to the sf::st_buffer function. All geometric operations from the sf package can be used to generate arbitrarily complex availability domains.

Extract covariates

As the next step we have to extract the covariates at point. We can do this with extract_covariates.

rsf1 <- deer |> random_points() |> 
 extract_covariates(sh_forest)

Fitting RSF

Now all pieces are there to fit a RSF. We will use fit_rsf, which is just a wrapper around stats::glm with family = binomial(link = "logit").

rsf1 |> fit_rsf(case_ ~ forest) |> 
 summary()

## 
## Call:
## stats::glm(formula = formula, family = stats::binomial(link = "logit"), 
## data = data)
## 
## Coefficients:
## Estimate Std. Error z value Pr(>|z|) 
## (Intercept) -2.46780 0.04401 -56.071 < 2e-16 ***
## forest 0.64034 0.07938 8.067 7.21e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
## Null deviance: 5535.8 on 9085 degrees of freedom
## Residual deviance: 5475.0 on 9084 degrees of freedom
## AIC: 5479
## 
## Number of Fisher Scoring iterations: 5

Session

sessioninfo::session_info()

## ─ Session info ───────────────────────────────────────────────────────────────
## setting value
## version R version 4.5.1 (2025年06月13日)
## os macOS Sequoia 15.6
## system aarch64, darwin20
## ui X11
## language (EN)
## collate C
## ctype en_US.UTF-8
## tz Europe/Berlin
## date 2025年08月23日
## pandoc 3.4 @ /Applications/RStudio.app/Contents/Resources/app/quarto/bin/tools/aarch64/ (via rmarkdown)
## quarto 1.6.40 @ /usr/local/bin/quarto
## 
## ─ Packages ───────────────────────────────────────────────────────────────────
## package * version date (UTC) lib source
## amt * 0.3.0.0 2025年08月23日 [1] local
## backports 1.5.0 2024年05月23日 [3] CRAN (R 4.5.0)
## bslib 0.9.0 2025年01月30日 [3] CRAN (R 4.5.0)
## cachem 1.1.0 2024年05月16日 [3] CRAN (R 4.5.0)
## checkmate 2.3.3 2025年08月18日 [3] CRAN (R 4.5.0)
## class 7.3-23 2025年01月01日 [3] CRAN (R 4.5.1)
## classInt 0.4-11 2025年01月08日 [3] CRAN (R 4.5.0)
## cli 3.6.5 2025年04月23日 [3] CRAN (R 4.5.0)
## codetools 0.2-20 2024年03月31日 [3] CRAN (R 4.5.1)
## data.table 1.17.8 2025年07月10日 [3] CRAN (R 4.5.0)
## DBI 1.2.3 2024年06月02日 [3] CRAN (R 4.5.0)
## digest 0.6.37 2024年08月19日 [3] CRAN (R 4.5.0)
## dplyr * 1.1.4 2023年11月17日 [3] CRAN (R 4.5.0)
## e1071 1.7-16 2024年09月16日 [3] CRAN (R 4.5.0)
## evaluate 1.0.4 2025年06月18日 [3] CRAN (R 4.5.0)
## farver 2.1.2 2024年05月13日 [3] CRAN (R 4.5.0)
## fastmap 1.2.0 2024年05月15日 [3] CRAN (R 4.5.0)
## generics 0.1.4 2025年05月09日 [3] CRAN (R 4.5.0)
## ggforce 0.5.0 2025年06月18日 [3] CRAN (R 4.5.0)
## ggplot2 * 3.5.2 2025年04月09日 [3] CRAN (R 4.5.0)
## ggraph * 2.2.1 2024年03月07日 [3] CRAN (R 4.5.0)
## ggrepel 0.9.6 2024年09月07日 [3] CRAN (R 4.5.0)
## glue 1.8.0 2024年09月30日 [3] CRAN (R 4.5.0)
## graphlayouts 1.2.2 2025年01月23日 [3] CRAN (R 4.5.0)
## gridExtra 2.3 2017年09月09日 [3] CRAN (R 4.5.0)
## gtable 0.3.6 2024年10月25日 [3] CRAN (R 4.5.0)
## htmltools 0.5.8.1 2024年04月04日 [3] CRAN (R 4.5.0)
## igraph 2.1.4 2025年01月23日 [3] CRAN (R 4.5.0)
## jquerylib 0.1.4 2021年04月26日 [3] CRAN (R 4.5.0)
## jsonlite 2.0.0 2025年03月27日 [3] CRAN (R 4.5.0)
## KernSmooth 2.23-26 2025年01月01日 [3] CRAN (R 4.5.1)
## knitr 1.50 2025年03月16日 [3] CRAN (R 4.5.0)
## labeling 0.4.3 2023年08月29日 [3] CRAN (R 4.5.0)
## lattice 0.22-7 2025年04月02日 [3] CRAN (R 4.5.1)
## lifecycle 1.0.4 2023年11月07日 [3] CRAN (R 4.5.0)
## lubridate 1.9.4 2024年12月08日 [3] CRAN (R 4.5.0)
## magrittr 2.0.3 2022年03月30日 [3] CRAN (R 4.5.0)
## MASS 7.3-65 2025年02月28日 [3] CRAN (R 4.5.1)
## Matrix 1.7-3 2025年03月11日 [3] CRAN (R 4.5.1)
## memoise 2.0.1 2021年11月26日 [3] CRAN (R 4.5.0)
## pillar 1.11.0 2025年07月04日 [3] CRAN (R 4.5.0)
## pkgconfig 2.0.3 2019年09月22日 [3] CRAN (R 4.5.0)
## polyclip 1.10-7 2024年07月23日 [3] CRAN (R 4.5.0)
## proxy 0.4-27 2022年06月09日 [3] CRAN (R 4.5.0)
## purrr 1.1.0 2025年07月10日 [3] CRAN (R 4.5.0)
## R6 2.6.1 2025年02月15日 [3] CRAN (R 4.5.0)
## rbibutils 2.3 2024年10月04日 [3] CRAN (R 4.5.0)
## RColorBrewer 1.1-3 2022年04月03日 [3] CRAN (R 4.5.0)
## Rcpp 1.1.0 2025年07月02日 [3] CRAN (R 4.5.0)
## Rdpack 2.6.4 2025年04月09日 [3] CRAN (R 4.5.0)
## rlang 1.1.6 2025年04月11日 [3] CRAN (R 4.5.0)
## rmarkdown 2.29 2024年11月04日 [3] CRAN (R 4.5.0)
## rstudioapi 0.17.1 2024年10月22日 [3] CRAN (R 4.5.0)
## sass 0.4.10 2025年04月11日 [3] CRAN (R 4.5.0)
## scales 1.4.0 2025年04月24日 [3] CRAN (R 4.5.0)
## sessioninfo 1.2.3 2025年02月05日 [3] CRAN (R 4.5.0)
## sf 1.0-21 2025年05月15日 [3] CRAN (R 4.5.0)
## survival 3.8-3 2024年12月17日 [3] CRAN (R 4.5.1)
## terra 1.8-60 2025年07月21日 [3] CRAN (R 4.5.0)
## tibble 3.3.0 2025年06月08日 [3] CRAN (R 4.5.0)
## tidygraph * 1.3.1 2024年01月30日 [3] CRAN (R 4.5.0)
## tidyr 1.3.1 2024年01月24日 [3] CRAN (R 4.5.0)
## tidyselect 1.2.1 2024年03月11日 [3] CRAN (R 4.5.0)
## timechange 0.3.0 2024年01月18日 [3] CRAN (R 4.5.0)
## tweenr 2.0.3 2024年02月26日 [3] CRAN (R 4.5.0)
## units 0.8-7 2025年03月11日 [3] CRAN (R 4.5.0)
## utf8 1.2.6 2025年06月08日 [3] CRAN (R 4.5.0)
## vctrs 0.6.5 2023年12月01日 [3] CRAN (R 4.5.0)
## viridis 0.6.5 2024年01月29日 [3] CRAN (R 4.5.0)
## viridisLite 0.4.2 2023年05月02日 [3] CRAN (R 4.5.0)
## withr 3.0.2 2024年10月28日 [3] CRAN (R 4.5.0)
## xfun 0.53 2025年08月19日 [3] CRAN (R 4.5.0)
## yaml 2.3.10 2024年07月26日 [3] CRAN (R 4.5.0)
## 
## [1] /private/var/folders/ln/h3zng0fs2pq7mhn_hzn0d8x00000gn/T/RtmpvmiLWg/Rinst1761f5e417fe9
## [2] /private/var/folders/ln/h3zng0fs2pq7mhn_hzn0d8x00000gn/T/RtmpfKQTmf/temp_libpath16445556b59c1
## [3] /Library/Frameworks/R.framework/Versions/4.5-arm64/Resources/library
## * ── Packages attached to the search path.
## 
## ──────────────────────────────────────────────────────────────────────────────

Resource Selection Functions (RSF) with amt