biomod2简介及Gulo gulo分布模型案例解读

biomod2包是由Wilfried Thuiller等人开发并维护的针对SDMs应用的程序包，此前他们还开发了biomod。

一、biomod2特点

biomod2包括10个单一模型（见上期），多个模型间可独立运行，也可根据需要选择几个乃至全部模型集成运行。在物种分布数据方面，即支持absences/presences数据集也支持resp presences/pseudo-absences数据集。此外，包中还包含有模型校准、模型评估和可视化等功能。

二、biomod2缺点

但是biomod2对较大规模的实验和较大数据量的处理表现欠佳，且因为单一模型对数据集的要求不同导致集成模型误差等问题。在实际应用中可根据样本量和数据类型合理的选择模型组合或改用其他平台。
以下是biomod2包中自带数据集的例子。

三、Gulo全球分布案例

Gulo gulo（Linnaeus,1758），属于鼬科貂熊属。分布于北极边缘及亚北极地区；在我国仅见于东北大兴安岭（黑龙江、内蒙古）和新疆阿尔泰山区。

1、加载数据

library(biomod2)#加载包
myFile <- system.file('external/species/mammals_table.csv', package = 'biomod2')
#利用system.file()函数将数据（物种数据）所在的csv文件路径赋值给myFile
DataSpecies <- read.csv(myFile, row.names = 1)
#读取物种分布数据，并设置第一列数据为行名
head(DataSpecies)#查看数据布局，NA值为并不确定是否有分布,0无分布，1有分布

Fig.1 物种分布数据

myRespName <- 'GuloGulo'#将研究对象Gulo所在向量名赋值给“myRespName”
myResp <- as.numeric(DataSpecies[, myRespName])#目标物种二进制分布数据切片
myRespXY <- DataSpecies[, c('X_WGS84', 'Y_WGS84')]#坐标系数据切片
myFiles <- paste0('external/bioclim/current/bio', 
                  c(3, 4, 7, 11, 12), '.grd')#将五个气候因子的文件目录赋值给myFiles
#paste0(),用法类似paste，连接无分隔符的字符串
myExpl <- raster::stack(system.file(myFiles, package = 'biomod2'))#五个气候栅格数据

stack()是raster包中含有的函数，其功能是利用多个栅格（Raster）对象生成一个栅格层（RasterStack）对象，RasterStack是具有相同空间范围和分辨率的栅格层对象的集合；示例中将含有bio3、bio4、bio7、bio11、bio12五个气候因子信息的栅格合并为RasterStack对象myExpl。可将生成的RasterStack利用以下代码写入tif文件查看或后期利用。

raster::writeRaster(myExpl,"example.tif", format="GTiff")
#将RasterStack(myExpl)写入tif文件后查看结果

Fig.2 RasterStack的tif文件在ArcMap中查看

也可直接键入对象名查看具体信息。

myExpl#查看RasterStack信息

输出信息以此为：
class:类别为RasterStack
dimensions:行数（47）、列数（120）、网格数（5640）、图层数（5）
resolution:分辨率（3*3）
extent:模型范围
crs:坐标系信息
names:图层信息

Fig.3 RasterStack信息

2、参数及数据准备

myBiomodData <- BIOMOD_FormatingData(resp.var = myResp,
                                     expl.var = myExpl,
                                     resp.xy = myRespXY,
                                     resp.name = myRespName)
#格式化数据

BIOMOD_FormatingData函数可将物种分布数据（正负样本或虚拟负样本）、环境变量等数据整合建模此代码参数依次为：物种数据、环境变量数据、坐标系、目标物种名
其他没有列举的参数：
eval.resp.var, eval.expl.var, eval.resp.xy: 用于评估模型；
PA.nb.absences, PA.strategy, PA.dist.min, PA.dist.max, PA.sre.quant, PA.user.table:PA(pseudo-absences)选项；
na.rm: 逻辑值，用于删除含缺失值的环境变量的点。

myBiomodData#查看模型信息

通过以下输出信息可知，物种Gulo gulo在取样范围内有661个分布点，1827个点没有分布，共有五个气候因子作为解释变量。

Fig.4 模型信息

3、可视化

plot(myBiomodData)#出图

由图可知，（70°W—180°W，50°N—57°N）和（0°E—180°E，50°N—57°N）为Gulo gulo的分布热区。

Fig.5 Gulo gulo分布模型
Ending！！！！