R语言【rgbif】——使用rgbif获取非行政单位区域内的物种记录信息（以泛喜马拉雅地区为例）

使用occ_search获取非行政单位区域内的物种记录信息（以泛喜马拉雅地区为例）

[1. 分析使用rgbif的一些函数](#1. 分析使用rgbif的一些函数)
- [1.1 使用name_suggest()的一些要点](#1.1 使用name_suggest()的一些要点)
- [1.2 使用occ_count()的一些要点](#1.2 使用occ_count()的一些要点)
- [1.3 使用occ_search()的一些要点](#1.3 使用occ_search()的一些要点)
[2. 数据的准备工作和检验](#2. 数据的准备工作和检验)
- [2.1 空间表达（用WKT表示该地区）](#2.1 空间表达（用WKT表示该地区）)
- - [2.1.1 非行政区域的边界坐标点提取](#2.1.1 非行政区域的边界坐标点提取)
  - [2.2.2 非行政区域的边界坐标点检验](#2.2.2 非行政区域的边界坐标点检验)
- [2.2 物种列表（物种名称目录和名称校对）](#2.2 物种列表（物种名称目录和名称校对）)
- - [2.2.1 物种名录获取](#2.2.1 物种名录获取)
  - [2.2.2 物种名称校对](#2.2.2 物种名称校对)

1. 分析使用rgbif的一些函数

根据R语言【rgbif】------用rgbif下载物种分布数据（rgbif包的初步探索），我们可以了解到要获取物种的地理分布记录的基本操作流程如下：

1.1 使用name_suggest()的一些要点

name_suggest有一个必填参数【q】，接受的输入值是全部或部分学名**。
name_suggest的参数【rank】可以获得指定分类阶元等级的结果。
name_suggest的参数【limit】已经失效，最大值即默认值（100条），当实际检索结果多于100条时需要配合参数【start】使用。
name_suggest的参数【fields】默认包含字段key，可以满足函数【occ_count()】的使用。

通过name_suggest()**获取物种对应的标识符。

1.2 使用occ_count()的一些要点

occ_count的底层函数是occ_search，绝大部分参数与之也相同。
occ_count特有的两个参数有参数【occurrenceStatus】和参数【curlopts】。其中参数【occurrenceStatus】默认为PRESENT，而参数【curlopts】与GBIF操作无关紧要。
在使用occ_search实际获取数据前，occ_count可以查看实际满足条件的结果数量，以避免将来被参数【limit】限制返回数量。

在此文中，应当以泛喜马拉雅地区和物种标识符为条件，通过occ_count查看此区域内该物种的记录数量。

1.3 使用occ_search()的一些要点

主要通过传入物种标识符/物种学名以及泛喜马拉雅地区区域，在考虑到实际的记录数量是否超出参数【limit】的上限（100000）的情况下，获得所有的物种记录信息。

2. 数据的准备工作和检验

以泛喜马拉雅地区为例，要获取该区域内所有被子植物的地理分布记录，起码需要解决两个问题。第一，泛喜马拉雅地区的WKT格式的字符串；第二，泛喜马拉雅地区的被子植物名录。

2.1 空间表达（用WKT表示该地区）

2.1.1 非行政区域的边界坐标点提取

泛喜马拉雅地区并不是一个标准的行政区域，它是由喜马拉雅山脉和邻近地区形成的一个天然的植物地理单元。该地区包括阿富汗东北角、巴基斯坦北部、印度北部、尼泊尔、不丹、缅甸北部和中国西南部（西藏南部、青海东南部、甘肃东南部、四川西部和云南西北部）。所以，不可能通过行政区域的组合来完成对泛喜马拉雅地区的空间描述。

从文献中获取泛喜马拉雅地区的地理图，上图中显示了该地区的范围和边界，只需要将这些特征提取出来即可：

提取后的图片信息十分简洁，便于导入getdata软件中提取坐标信息。

在getdata软件中，按照设置坐标系------沿线取点------手动修正------点位排序，即可获得表达泛喜马拉雅地区的边界坐标信息。

将右侧数据框中的数据选中后，手动复制保存到pan-himalay-poly-points.xlsx文件中。

注意，我将将点1复制到末尾，这样就可以构建一个封闭的polygon。

2.2.2 非行政区域的边界坐标点检验

第一步，将保存坐标的pan-himalay-poly-points.xlsx导入R中，将它们显示在世界地图上

r 复制代码

library(readxl)
library(ggplot2)

pan_himalay_poly_points <- read_excel(
  "D:/Work_Space/Pan-Himalaya/pan-himalay-poly-points.xlsx")

world <- map_data("world")
ggplot() +
  geom_map(data = world, map = world,
           aes(long, lat, map_id = region),
           color = "black",
           fill = "white",
           size = 0.1) + 
  geom_point(data = pan_himalay_poly_points,
             aes(lon, lat),
             color = "red") +
  geom_polygon(data = pan_himalay_poly_points,
               aes(lon, lat),
               color = "green",
               fill = "orange")

哇哦，形状完美，看来坐标点提取的很成功。

第二步，将坐标数据转换为WKT格式的polygon字符串：

r 复制代码

wkt <- NULL

for (i in 1:nrow(pan_himalay_poly_points)){
  wkt <- append(wkt, paste(pan_himalay_poly_points[i,]$lon,
                           pan_himalay_poly_points[i,]$lat)
                )
  }

wkt <- paste(unlist(wkt), collapse = ',')
wkt <- paste0("POLYGON((", wkt, "))")
wkt <- gsub("\n", " ", wkt)

第三步 ，检查polygon字符串的长度，如果长度 >1500，说明它是rgbif中定义的长WKT字符串，要进行分割处理

这一步的代码需要用到以下包的方法，需要导入这些包：

r 复制代码

library(rgbif)
library(randomcoloR)
library(rgeos)

这一步要完成的处理比较多，可以分为几个小步骤，这样思路可以更加清楚：

判断长度

r 复制代码

if (isTRUE(nchar(wkt) > 1500)){
	wkt_for_rgbif <- NULL
	print("takes apart the long wkt string")
} else {
	wkt_for_rgbif <- wkt
}

确认polygon字符串是长wkt时，可以先用rgbif自带的check_wkt()进行检查
r 复制代码
```
if (isTRUE(nchar(wkt) > 1500)){
  wkt_for_rgbif <- NULL
  print("takes apart the long wkt string")
  check_wkt(wkt)
  } else {
  wkt_for_rgbif <- wkt
}
```
如果字符串没问题，就会原样输出，否则会在控制台输出报错信息。

检查无恙后，使用rgbif的wkt_parse()对wkt进行分割，调整参数直至分割后的wkt片段均 <1500，wkt_parse的【geom_big】参数必须为 axe，【geom_size】参数的值需要调整

r 复制代码

if (isTRUE(nchar(wkt) > 1500)){
  wkt_for_rgbif <- NULL
  print("takes apart the long wkt string")
  check_wkt(wkt)
  wkt_for_rgbif <- wkt_parse(wkt, geom_big = "axe", geom_size = 5)
  if (all(nchar(wkt_for_rgbif) < 1500)){
    print("long wkt string already taken apart into pecies whose length less than 1500")
    } else {
      print("some species of long wkt string still longer than 1500")
      }
  } else {
    print("this is not a long wkt string")
    wkt_for_rgbif <- wkt
}

第三步运行成功时，您应该在控制台看到如下两行输出：

[1] "takes apart the long wkt string"
[1] "long wkt string already taken apart into pecies whose length less than 1500"

第四步：查看一下分割后的wkt片段是什么样子

这里我自定义了一个 map_apart_wkt 函数，向它传递分割后的wkt片段，即可在地图上展示：

r 复制代码

map_apart_wkt <- function(apart_wkt){
  check_map <- ggplot() +
    geom_map(data = world,
             map = world,
             aes(long, lat, map_id = region),
             color = "black",
             fill = "white",
             size = 0.1)
  palette <- distinctColorPalette(length(apart_wkt))
  for (i in 1:length(apart_wkt)){
    read_apart <- readWKT(apart_wkt[i])
    coords_apart <- as.data.frame(coordinates(read_apart@polygons[[1]]@Polygons[[1]]))
    check_map <- check_map +
      geom_polygon(data = coords_apart,
                   aes(x, y),
                   color = "black",
                   fill = palette[i])
  }
  check_map
}
map_apart_wkt(apart_wkt = wkt_for_rgbif)

第五步：必须检测一下parse_wkt()的结果对于occ_search()是否有用

r 复制代码

test_wkt <- occ_search(limit = 0,
                       hasCoordinate = TRUE,
                       geometry = wkt_for_rgbif)

结果会返回一个相当于分割后的wkt数量：

有关这部分的详细讨论，请阅读R语言【rgbif】------occ_search对待字符长度大于1500的WKT的特殊处理真的有必要吗？

2.2 物种列表（物种名称目录和名称校对）

那么下一个问题，获取该地区的哪些植物记录？

2.2.1 物种名录获取

我这里使用了目前泛喜马拉雅植物志在线网站中提供的名录，目前数字化的植物物种约有6000种。

r 复制代码

pan_himalay_plant <- read_excel(
  "D:/Work_Space/Pan-Himalaya/pan-himalay-plant.xlsx")

glimpse(pan_himalay_plant)
ln <- unique(pan_himalay_plant$LevelName)

sp <- c("Species", "Subspecies", "Variety", "SubSpecies")

sp_plants <- pan_himalay_plant %>% filter(LevelName %in% sp)

2.2.2 物种名称校对

并且，可以进一步适用rWCVP对这些物种名称进行验证

r 复制代码

matches <- wcvp_match_names(sp_plants,
                            name_col = "LName",
                            fuzzy = TRUE,
                            progress_bar = FALSE)

具体操作过程参考R语言实践------使用rWCVP在WCVP中匹配名称。

或者使用 U.Taxonstand进行名称标准化检验

这里我从检验过后的数据中随机抽取50个物种进行后续操作。

r 复制代码

[1] "Lepisorus mucronatus"       "Rhododendron trichostomum"  "Pedicularis davidii"       
 [4] "Rhododendron wardii"        "Panax japonicus"            "Saxifraga stenophylla"     
 [7] "Nannoglottis gynura"        "Plantago depressa"          "Taxillus caloreas"         
[10] "Elsholtzia strobilifera"    "Pteris vittata"             "Sinosenecio euosmus"       
[13] "Sinocrassula densirosulata" "Colquhounia vestita"        "Potentilla simulatrix"     
[16] "Orobanche coerulescens"     "Lepisorus thunbergianus"    "Globba multiflora"         
[19] "Actinidia arguta"           "Adenia trilobata"           "Rhus punjabensis"          
[22] "Erigeron breviscapus"       "Silene adenocalyx"          "Strobilanthes henryi"      
[25] "Microula floribunda"        "Silene monbeigii"           "Conioselinum acuminatum"   
[28] "Croton yunnanensis"         "Amomum tibeticum"           "Ophioglossum vulgatum"     
[31] "Rubus calophyllus"          "Primula tenuiloba"          "Schisandra neglecta"       
[34] "Cotoneaster adpressus"      "Hydrangea bretschneideri"   "Platycodon grandiflorus"   
[37] "Colebrookea oppositifolia"  "Dryopteris fuscipes"        "Cotinus nanus"             
[40] "Saussurea coriolepis"       "Lindera neesiana"           "Roscoea forrestii"         
[43] "Androsace erecta"           "Paraprenanthes triflora"    "Pteridium revolutum"       
[46] "Taraxacum eriopodum"        "Alternanthera pungens"      "Adenophora polyantha"      
[49] "Impatiens tuberculata"      "Luculia pinceana"