虚拟主机建设网站两个/微信营销方案

本内容旨在丰富最大熵模型的分析内容，并针对目前文章存在的问题：（1）分析内容单一，重复度高和查重率高，（2）建模流程过于简单，结果可信度评估方法过于单一等；推出以外文文献为参考依据的新课。由于教程资料刚推出，以下专题内容（专题二到专题九）目前国内中文查重率为0。因此可以作为创新点，补充拓展丰富文章内容，降低文章重复率。专题二到专题九在R平台完成。资料是实操演示，针对R语言0基础可以学习。
补充说明：物种分布建模（SDM）和生态位建模（ENM）的区别。当关注表征物种地理分布而不在时间或空间上转移模型时使用“SDM”。当强调估计物种的环境偏好，目的是寻找不同时间或空间中相似条件时，我们建议使用“ENM”。 ENM的常见应用包括表征物种的完整地理分布，估计物种入侵的地理潜力，以及预测气候变化对物种分布的可能影响（本课程专题包含内容）。

专题一：数据软件准备

1. 内容介绍
2. 软件安装与环境配置
3. 基于R处理环境气候变量数据
   专题二：（全部R平台完成）
4. 样点数据预处理
5. 模型Ind_data（校准数据划分）
6. 模型参数设置和说明
7. 单组环境变量和多组环境变量同时做参数优化-kuenm（使用最新版R包-直接导出矢量图）
8. 关于设备兼容性补充说明
   专题三：MESS分析和MOD分析-多参数建模投影（全部R平台完成）
9. 利用R划定采样区并构建maxent模型（最优参数建模）
10. 利用R对整个研究区投影
11. 利用R对不同参数-多时期同时建模
12. MESS多元环境相似度面分析（Multivariate environmental similarity surface）
13. MOD最不相似变量分析（Most dissimilar variable）
14. 基于R对建模结果评估（ROCs and omission rates）
    专题四：模型外推风险（Extrapolation risk analysis）分析（全部R平台完成）
15. 参数设置和运行
16. 基于MOP度量物种外推风险
17. 结果解读说明（用于区域相似度分析和变化分析）
    专题五：不同参数下计算模型统计数据（跨模型结果统计数据）calculation of model statistics across models (results from distinct parameter settings are allowed)
18. 模型3种外推模式（“E”, “EC”, “NE”）介绍
    2.不同模式下外推结果说明
    专题六：Projection_Changes（多时期和不同外推模式下投影区域的变化分析）
19. 不同时期和外推模式下的二进制文件生成
20. 不同时期和外推模式下二进制文件的比较变化分析
21. 不同时期和外推模式下连续性文件的比较变化分析
    专题七：creation of maps showing the variance contributed per each source of variation
22. 建模投影区方差大小分析（不同区域可信度体现）
23. 建模区方差变化分析
24. 不同emi_scenarios的结果差异分析
25. var_replicates的结果差异分析
    专题八：制图部分（非R平台完成）
    包含以上分析内容的结果制图

References：
[1] Muscarella, R. et al. 2014. ENMeval: An R package for conducting spatially independent evaluations and estimating optimal model complexity for Maxent ecological niche models. - Methods in Ecology and Evolution 5: 1198–1205.
[2] Owens, H. L. et al. 2013. Constraints on interpretation of ecological niche models by limited environmental ranges on calibration areas. - Ecological Modelling 263: 10–18.
[3] Peterson, A. T. et al. 2008. Rethinking receiver operating characteristic analysis applications in ecological niche modeling. - Ecological Modelling 213: 63–72.
[4] Warren, D. L. and Seifert, S. N. 2011. Ecological niche modeling in Maxent: The importance of model complexity and the performance of model selection criteria. - Ecological Applications 21: 335–342.
[5] Aiello-Lammens ME, Boria RA, Radosavljevic A, Vilela B, Anderson RP. 2015. spThin:
[6] an R package for spatial thinning of species occurrence records for use in ecological niche models. Ecography 38:541-45
[7] Alonso Bosch R. 2011. Origen y diversificación del género Peltophryne (Amphibia: Anura: Bufonidae) en Cuba. Doctoral thesis, Universidad de La Habana, Havana, Cuba.
[8] Anderson RP, Lew D, Peterson AT. 2003. Evaluating predictive models of species’ distributions: criteria for selecting optimal models. Ecological Modelling 162:211-232
[9] Elith J, Kearney M, Phillips S. 2010. The art of modelling range-shifting species. Methods in Ecology and Evolution 1:330-342
[10] Elith J, Phillips SJ, Hastie T, Dudík M, Chee YE, Yates CJ. 2011. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions 17:43-57
[11] Escobar LE, Lira-Noriega A, Medina-Vogel G, Peterson AT. 2014. Potential for spread of the white-nose fungus (Pseudogymnoascus destructans) in the Americas: use of Maxent and NicheA to assure strict model transference. Geospatial Health 9:221-229
[12] Franklin J. 2013. Species distribution models in conservation biogeography: developments and challenges. Diversity and Distributions 19:1217-1223
[13] Hijmans RJ, Cameron SE, Parra JL, Jones PG, Jarvis A. 2005. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology 25:1965
[14] Jiménez-Valverde A. 2012. Insights into the area under the receiver operating characteristic curve (AUC) as a discrimination measure in species distribution modelling.
[15] Jiménez-Valverde A, Peterson AT, Soberón J, Overton JM, Aragón P, Lobo JM, AragónP, Jiménez-Valverde A, Overton JM, Soberón J, Peterson AT. 2011. Use of niche models in invasive species risk assessments. Biological Invasions 13:2785-2797