067B-基于R语言平台Biomod2模型的物种分布建模与数据可视化-高阶课程【2025】

课程培训包含:发票+全套软件脚本学习数据+视频文件+导师答疑

本教程旨在通过系统的培训学习,学员可以掌握Biomod2模型最新版本的使用方法,最新版包含12个模型(ANN, CTA, FDA, GAM, GBM, GLM, MARS, MAXENT, MAXNET, RF, SRE, XGBOOST);通过学习掌握数据的获取处理、建模、调参和数据可视化等。课程培训针对0基础学员。

课程特点:

该套课程具有以下特点:(1)采用最新版本Biomod2-4.2.5版本,模型数量更多内容更丰富;(2)利用R一键快速统一变量数据属性(数据精度、范围、坐标系);(3)利用R一键快速对样点数据去冗余,解决ENMtool处理样点数据后数据变化问题;(4)增加适宜区变化分析制图-原始数据导出可二次制图;(5)适宜区质心快速批量计算与导出;(6)伪不存在点不同生成方式、生成数量、以及伪不存在点导出Excel数据,解决Biomod2老版本伪不存在点制图问题;(7)可以流程化自动运行出图与导出数据;

课程主要内容:

专题一 Biomod2-4.2.5和相关软件安装

  1. R软件和Biomod2-4.2.5包安装(安装报错说明)
  2. 环境变量配置与测试
  3. 辅助工具软件安装
    赠送一次软件远程协助安装测试(时间20~60min)
    专题二 基于R处理环境数据------解决数据属性不一致问题
  4. 基于R快速解决环境数据属性(范围、精度、坐标系)不一致问题
  5. 基于R利用shp地图对境数据掩膜提取与转ASC
    专题三 基于R下载样点数据与去冗余处理
  6. 利用R快速下载过滤GBIF数据(指定区域国家下载和设定数量批量下载)
  7. 利用R快速对样点去冗余(解决ENMtools处理样点数据偏移问题)--去除同一栅格内的样点数据
    专题四 变量相关性、PCA分析绘图与数据导出
  8. 基于R对变量进行相关性分析与绘制热图
  9. 相关性分析数据导出Excel
  10. PCA主成分分析与绘图
  11. 计算不同主成分的贡献率与导出数据
    专题五 Biomod2-4.2.5最新版模型和参数说明
  12. Biomod2-4.2.5主要模型介绍:ANN, CTA, FDA, GAM, GBM, GLM, MARS, MAXENT, MAXNET, RF, SRE, XGBOOST
  13. 参数设置
    专题六 伪不存在点(pseudo-absence)3种生成方式与数据导出
  14. Random法生成伪不存在点(pseudo-absence)演示与特点说明
  15. disk法生成伪不存在点(pseudo-absence)与特点说明
  16. SRE法生成伪不存在点(pseudo-absence)与特点说明
  17. 伪不存在点(pseudo-absence)数据导出到Excel
  18. 伪不存在点(pseudo-absence)生成数量设置说明和参考资料
    本章节解决了旧版biomod2生成pseudo-absence数量不准确和数据无法导出问题;并提供了合理设置Pseudo-absence数量的依据,导出的数据可以二次绘图。

专题七 多模型批量建模与模型评估绘制箱型图

  1. 建模模型参数设置修改说明(最详细参数说明版本-精确到每一行说明)
  2. 基于"KAPPA", "ROC", "TSS", "KAPPAsd", "ROCsd", "TSSsd"等指标评估模型并会图(箱型图绘制)
  3. "KAPPA", "ROC", "TSS", "KAPPAsd", "ROCsd", "TSSsd"等指标导出到Excel(可二次绘图用)
  4. 变量重要性绘图与数据导出(箱型图绘制)
  5. 环境因子响应曲线绘制(可以指定模型、指定变量、指定PA和指定Run绘制)
  6. 环境因子响应曲线数据导出与第三方工具绘图
    本章节对结果提供了十几种格式的制图效果,可指定模型绘制,提供多种写作选择;另外所有绘图数据均导出了Excel文件,可以根据需要用专业软件进行二次绘图。
    专题八 Biomod2 EM6种集成模型使用和绘图
  7. 6种集成模型使用介绍('EMmean', 'EMcv', 'EMci', 'EMmedian', 'EMca', 'EMwmean')
  8. 基于单一或多指标('TSS', 'ROC','KAPPA')生成集成模型
  9. 集成模型结果评价、绘图与评价指标导出
  10. 集成模型变量重要性评估与数据导出
  11. 集成模型响应曲线绘制与数据导出
    专题九 未来-过去时期批量建模预测绘图与Biomod2结果文件说明
  12. 当前时期建模结果说明与基于R快速绘图
  13. 利用R自动批量绘制适宜区图(单一模型和集成模型)
  14. 过去和未来多时期批量建模预测与绘图
    专题十 不同时期和气候情景下适宜区范围变化分析制图
  15. 过去-当前-未来(不同情景下)适宜区变化分析与制图
  16. 适宜区变化原始数据导出,可以用arcgis二次绘图(旧版biomod无此功能)
  17. 适宜区变化面积计算与导出Excel
    专题十一 不同时期适宜区质心坐标批量计算与导出
  18. 不同时期适宜区质心坐标批量计算
  19. 适宜区质心坐标导出Excel
    本章节对可以对几百个文件批量一键计算适宜区质心坐标并导出Excel,解决了SDMtools工具计算繁琐耗时的问题。
    专题十二 文章制图排版专题------补充内容
  20. 文章制图排版-AI软件使用
  21. 基于arcgis绘图教程-适宜区图
  22. 基于arcgis绘图教程-适宜区变化图
  23. 基于arcgis绘图教程-质心迁移图
    专题十三 写作思路指导 (本章节是计划内容)
  24. 学员-中文文章再现
  25. 学员-英文文章再现
    专题十三------本章节是计划内容,目前还没出,什么时间出与出的内容是否变动都不确定。
    部分学员文章:
    【1】 Modeling of Valeriana wallichii Habitat Suitability and Niche Dynamics in the Himalayan Region under Anticipated Climate Change.
    【2】 From the Balkan towards Western Europe: Range expansion of the golden jackal (Canis aureus)---A climatic niche modeling approach Effects of climate on the distribution and conservation of commonly observed European earthworms.
    【3】 Mapping multiscale breeding bird species distributions across the United States and evaluating their onservation applications.
    【4】 Corrigendum: Relocation of bioclimatic suitability of Portuguese grapevine varieties under climate change scenarios.
    【5】Gu R , Wei S , Li J ,et al.Predicting the impacts of climate change on the geographic distribution of moso bamboo in China based on Biomod2 model[J].European Journal of Forest Research, 2024, 143(5):1499-1512.DOI:10.1007/s10342-024-01706-9.
    【6】Zhang X , Wu W , Liang Y .Analysis of the Potential Distribution of Shoot Blight of Larch in China Based on the Optimized MaxEnt and Biomod2 Ensemble Models[J].Forests (19994907), 2024, 15(8).DOI:10.3390/f15081313.

部分结果展示(仅展示部分草图):








































































相关推荐
drebander30 分钟前
Kotlin 协程与异步编程
开发语言·微信·kotlin
arong_xu31 分钟前
C++23 格式化输出新特性详解: std::print 和 std::println
开发语言·c++·c++23
没明白白32 分钟前
抽象类和接口的区别:你应该选择哪个?
java·开发语言
白宇横流学长32 分钟前
基于Java的超级玛丽游戏的设计与实现【源码+文档+部署讲解】
java·开发语言·游戏
Victoria.a2 小时前
c语言文件操作
c语言·开发语言
冷雨夜中漫步2 小时前
领域驱动设计(4)—绑定模型与实现
java·开发语言·笔记·后端·设计模式
余道各努力,千里自同风2 小时前
Js中的Object.entries()
开发语言·前端·javascript
鲤籽鲲4 小时前
C# _ 数字分隔符的使用
开发语言·c#
fillwang5 小时前
Python实现Excel行列转换
开发语言·python·excel
北极糊的狐6 小时前
SQL中,# 和 $ 用于不同的占位符语法
java·开发语言