## 建模中常用的几个网站：
## 2019年刚出的书籍：Robert J. Hijmans and Jane Elith;太棒了！
https://rspatial.org/raster/sdm/SDM.pdf
## 详细介绍建模流程和相关R代码：
1、https://rspatial.org/raster/sdm/2_sdm_occdata.html
没错，就是这个最牛逼：https://rspatial.org/
## 详细介绍每一步的工作流程。可视化效果佳；
2、https://damariszurell.github.io/HU-GCIB/1_Data.html
## bccvl：来自澳大利亚，包含建模数据、建模框架和对应代码；
3、https://support.bccvl.org.au/support/solutions/articles/6000161294-data-for-species-distribution-models
## 植物多样性和空间分布手册：包含R代码；
4、https://www.bioversityinternational.org/e-library/publications/detail/training-manual-on-spatial-analysis-of-plant-diversity-and-distribution/
5# 一个案例：
# 提供的有效帮助是提供了详细的解读和参考：
https://www.molecularecologist.com/2013/04/23/species-distribution-models-in-r/
6、将arcgis中的一些工作转移到R中实现：
https://pelentiniresearch.wordpress.com/2018/01/25/getting-spatial-data-into-shape-for-species-distribution-modelling-sdms/
7、一个优秀的可视化例证：非常值得参考：
https://damariszurell.github.io/SDM-Intro/
8、基于空间数据的内核平滑来预测物种的分布密度：
https://semba-blog.netlify.app/07/06/2020/kernel-smoothin-of-spatial-data/#ref-btb
## 具体的代码参考：
http://rstudio-pubs-static.s3.amazonaws.com/274869_ce4a66ed37e646cf9404c09554a152e2.html
9、同样基于KDE来预测物种分布建模的R包：
http://spatial-analyst.net/wiki/index.php/Species_Distribution_Modelling
10:虚拟建模教程：
http://borisleroy.com/virtualspecies_tutorial/01-inputdata.html
11 、一个有用的参考：
使用raster::extract()提取的经常是数据栅格的质心，而非栅格周围的均值；
https://ecologicaconciencia.wordpress.com/
上面那个科学家提供了一个参考意见，通过修改extract的参数值来重新修正提取的参数；
12、 优秀的R入门课程简介：
https://jcoliver.github.io/learn-r/index.html
13 一个优秀的代码框架，用于建模，还介绍了一些常用的空间分析R代码：
Amiya Bhowmick - Ecological Niche Modelling
https://sites.google.com/site/amiyaiitb/research/ecological-niche-modelling
14 一个群落生态学分析的经典案例：
# 这同样也是一本书，包含很多高阶的建模知识和方法，甚至还有调参的技术；
https://geocompr.robinlovelace.net/eco.html、
15 R 高阶建模：提到一个mlr包，用于多模型分析；这个值得后续研究；
https://geocompr.robinlovelace.net/spatial-cv.html
16、超过有用的建模R包推荐：主要在机器学习，GIS分析和组学数据分析；非常有用了‘；
http://gisersqdai.top/2020/06/16/Coding-and-Paper-Letter%EF%BC%88%E5%85%AB%E5%8D%81%E4%B8%89%EF%BC%89/#more
17 maxent未实现夹紧：
https://groups.google.com/g/maxent/c/VUZu3ja_Wp0
18：非常重要的代码课程：
https://damariszurell.github.io/HU-GCIB/6_SDM_ensembles.html
19：用于构建rangeModelMetadata对象的示例工作流
https://cran.r-project.org/web/packages/rangeModelMetadata/vignettes/rmm_workflowWithExampleRangeModel.html
20:MIAmaxent
https://cran.r-project.org/web/packages/MIAmaxent/vignettes/a-modeling-example.html
21
## R 进行空间分析的基本操作：
https://mgimond.github.io/Spatial/vector-operations-in-r.html
## R包集合：
# 链接如下：https://github.com/topics/species-distribution-modelling
# 这个工作，可以将maxnet或者其他线性模型得到的结果做进一步的解读，并且解读过程中可以从不同变量的贡献和差异；
https://github.com/boyanangelov/sdmexplain
## joaofgoncalves / envSample
一组用于对环境空间中的物种记录进行二次采样的功能
## 使用贝叶斯加性模型建模，具有很好的兼容性：
使用BART的物种分布模型
107.R语言包moveVis，提供了通过创建视频动画来可视化运动数据（例如，来自GPS跟踪）和环境数据的时间变化（例如，来自遥感）的工具。
201.R语言包VAST，单变量或多变量数据的时空分析，用于在标准化调查或渔业相关数据时为多个类别（物种，大小或年龄类别）实现空间增量广义线性混合模型（delta-GLMM）。
## 这个R包可能有用——用于刻画喜旱莲子草在不同时节的气候变化特征；
张金龙教授推荐：
下面根据CRAN的介绍资料综述一下R分析空间数据的功能（http://cran.r-project.org/web/views/Spatial.html；http://r-spatial.sourceforge.net/；http://sal.uiuc.edu/csiss/Rgeo//），仅仅是翻译总结资料，有不对的地方请批评指正。
R分析空间数据（Spatial Data）的包主要包括两部分：
1）导入导出空间数据
2）分析空间数据
功能及函数包：
1）分类空间数据（Classes for spatial data）：
包sp（http://cran.r-project.org/web/packages/sp/index.html）为不同类型的空间数据设计了不同的类，如：点（points）,栅格（grids），线（lines）,环（rings），多边形（polygons）。另外sp提供总结数据，获取坐标等功能；提供画图函数，并且允许在图上添加空间元素（spatial elements）和参考元素（reference elements），如：比例尺（scale bar），指北针（north arrows）等。现在很多包都利用了sp包中的类，如：rgdal，maptools。
2）处理空间数据（Handling spatial data）：
spsurvey包提供做概率抽样的函数（http://cran.r-project.org/web/packages/spsurvey/index.html）；trip包扩展sp包的类，针对动物跟踪数据（http://cran.r-project.org/web/packages/trip/index.html）；hdeco包用等级分解熵比较类型地图（categorical map）（http://cran.r-project.org/web/packages/hdeco/index.html）；GeoXp包允许交互式的分析空间数据（http://cran.r-project.org/web/packages/GeoXp/index.html）。
3）读写空间数据（Reading and writing spatial data）：
图像有向量式绘图和光栅式两种。Rgdal可以读入和导出GDAL支持的光栅式格式（http://www.gdal.org/）和OGR（http://www.gdal.org/ogr/）支持的向量格式（http://cran.r-project.org/web/packages/rgdal/index.html）。ncdf包用来处理NetCDF文件（http://cran.r-project.org/web/packages/ncdf/index.html）；maps包可连接一些地理学数据库并展示地理图（http://cran.r-project.org/web/packages/maps/index.html）；RArcInfo 包可读取ArcInfo v.7二进制文件和*.e00文件（project.org/web/packages/RArcInfo/index.html）；maptools 包管理和读入地理数据，也为PBSmapping包、spatsta包和sp类提供接口函数（http://cran.r-project.org/web/packages/maptools/index.html），还可以通到GSHHS 数据库；classInt包为专题地图制图选择单变量的类间距（http://cran.r-project.org/web/packages/classInt/index.html）；gmt包提供R和GMT 绘图软件的接口（http://cran.r-project.org/web/packages/gmt/index.html）。
4）点格局分析（Point pattern analysis）：
spatstat包做空间点分布型态(Spatial Point Patterns)分析，长处在于模型拟合和仿真（http://cran.r-project.org/web/packages/spatstat/index.html）；spatgraphs包提供点格局的可视化图形（http://cran.r-project.org/web/packages/spatgraphs/index.html）；splancs包允许分析多边形区域，包括很多种方法，如： 2维核密度（http://cran.r-project.org/web/packages/splancs/index.html）；ecespa包提供书"Introduccion al Analisis Espacial de Datos en Ecologia y Ciencias Ambientales: Metodos y Aplicaciones"里用的点格局分析函数和数据（http://cran.r-project.org/web/packages/ecespa/index.html）；aspace包计算空间中心统计（centrographic satistics）和最小凸多边形（http://cran.r-project.org/web/packages/aspace/index.html）；spatialkernel包做多元数据的非参核密度估计和核回归估计（http://cran.r-project.org/web/packages/spatialkernel/index.html）。
5）地质统计学(Geostatistics) ：
gstat 包做单变量和多变量地质统计，适合于大的数据集（http://cran.r-project.org/web/packages/gstat/index.html）；geoR包（用贝叶斯模型，http://cran.r-project.org/web/packages/geoR/index.html）和geoRglm 包（用线性模型，http://cran.r-project.org/web/packages/geoRglm/index.html）做基于模型的地质统计；fields包也提供许多类似的函数（http://cran.r-project.org/web/packages/fields/index.html）；spBayes包用蒙特卡洛一马尔科夫链方法（MCMC）做单变量和多变量的高斯模型（http://cran.r-project.org/web/packages/spBayes/index.html）。
RandomFields包模拟和分析随机场（http://cran.r-project.org/web/packages/RandomFields/index.html）；tripack包用于不规则数据的三角测量法（http://cran.r-project.org/web/packages/tripack/index.html）；akima包用于不规则数据的线性或三次样条插值（http://cran.r-project.org/web/packages/akima/index.html）；spatialCovariance包计算矩形数据的空间协方差矩阵（http://cran.r-project.org/web/packages/spatialCovariance/index.html）……。
6）疾病制图和地区数据分析（Disease mapping and areal data analysis）：
DCluster包用计数数据探测疾病的空间聚类，计算空间权重，测试空间自相关，建立空间回归模型等（http://cran.r-project.org/web/packages/DCluster/index.html）；spgwr包做地理加权回归模型，检测平稳性（http://cran.r-project.org/web/packages/spgwr/index.html）；spatclus包（http://cran.r-project.org/web/packages/spatclus/index.html）。spatclus包探测2维或3维空间点分布的任意形状的聚类（http://cran.r-project.org/web/packages/spatclus/index.html）。
7）生态学分析（Ecological analysis）：
R有很多分析生态和环境数据的包。如：grasp包用GAM模型 (灰色代数曲线型模型)做环境预报（http://cran.r-project.org/web/packages/grasp/index.html）；ade4包用做环境科学里的探索和欧几里德方法（http://cran.r-project.org/web/packages/ade4/index.html）；adehabitat包分析动物的栖息地选择（http://cran.r-project.org/web/packages/adehabitat/index.html）；pastecs包做时空序列的分解和分析（http://cran.r-project.org/web/packages/pastecs/index.html）；vegan包做群落和植被生态学中的排序方法（http://cran.r-project.org/web/packages/vegan/index.html）；WeedMap包做空间预测（http://cran.r-project.org/web/packages/WeedMap/index.html）；clustTool包做聚类分析（http://cran.r-project.org/web/packages/clustTool/index.html）。更多资料见：http://cran.r-project.org/web/views/Environmetrics.html。