下载物种观测数据

第一步是获取感兴趣物种的观测数据或存在数据。 在本部分中,您将从全球生物多样性信息机构 (GBIF) 下载数据,该机构组合了来自多个源的观测数据以供科学使用。 然后,您需要将獾观测数据添加至 ArcGIS Pro,并确保数据类型对于您希望执行的分析类型来说是正确的。

设置 ArcGIS 工程

首先,您将设置在其中处理数据的 ArcGIS Pro 工程。 您将添加一个显示西班牙国家边界的图层,以便在本教程的稍后部分中用于裁剪数据。

  1. 启动 ArcGIS Pro。 如果收到系统提示,请使用您获得许可的 ArcGIS 组织账户登录。
    注:

    如果您没有 ArcGIS Pro 的访问权限或者 ArcGIS 组织帐户,请参阅软件访问权限选项

    打开 ArcGIS Pro 后,您可以选择创建新工程或打开已存在的工程。 如果您之前创建了一个工程,您将看到一个最近工程列表。

  2. 新建工程下,单击地图

    使用 Map 模板创建新工程。

  3. 新建工程窗口中,对于名称,键入 EuropeanBadger_Habitat。 保持位置不变并确认为此工程创建文件夹处于选中状态。
  4. 单击确定

    首先,您需要向地图添加一个图层,该图层显示了西班牙的边界。 此图层将用于裁剪和约束环境数据。

  5. 单击功能区上的视图选项卡。 在窗口组中,选择目录窗格

    打开“目录”窗格。

    随即显示目录窗格。 目录窗格可用于将项目添加至工程;查看、创建和管理项目;以及获取有关项目属性的信息。

  6. 目录窗格中,单击门户选项卡,然后选择 Living Atlas

    选择 Living Atlas 门户。

  7. 搜索 Spain Country Boundary 图层。 查找 esri_dm 拥有的 Spain Country Boundary 要素图层并将结果拖动到地图上。

    将 Spain Country Boundary 图层添加至地图。

    该图层随即在地图上绘制,并作为 ESP_Country 添加至内容窗格。

从 GBIF 下载动物观测数据

接下来,您将从全球生物多样性信息机构 (GBIF) 下载动物观测数据。 GBIF 是一个全球数据存储库,用于采集有关已记录物种位置的数据。 数据来自多个源,例如 iNaturalist,并且格式化为通用方案以供广泛使用。

注:根据物种的保护状态,可能会隐藏位置数据,以防止偷猎或其他干扰。 欧洲獾被 IUCN 红色名录列为无危物种,因此不会隐藏位置数据。

  1. 转至欧洲獾的 GBIF 页面

    随即显示物种概览页面。 此页面将显示有关獾的信息,其中包括与事件记录一起提交的照片、目击地点的地图以及动物活动和生态的描述。

  2. 登录或注册帐户。

    登录到 GBIF 站点。

    GBIF 数据可免费获取,但仅限拥有帐户的用户进行下载。 由此 GBIF 可以为每位用户和下载的数据集生成自定义引用。

  3. 向下滚动并阅读描述信息,注意活动生物生态部分。
  4. 单击指标选项卡并浏览有关目击事件的统计数据。

    单击“指标”选项卡。

    獾在欧洲的出现非常普遍,主要是在温暖的月份。 在较冷的气候条件下,獾会冬眠以躲避冬季气候。 为了缩小结果范围,可以按国家/地区进行过滤。

  5. Occurrences per Country or Area 图表中,单击 Spain

    单击表以过滤记录。

    表格选项卡随即打开,其中以表格形式显示了来自西班牙的事件记录。 在进行下载之前,您需要过滤此数据以确保仅下载可以映射的数据。 首先,您将过滤使用开放 Creative Commons 许可的数据。

  6. 展开许可并选中复选框以选择 CC0 1.0CC BY 4.0

    这些许可类型允许公开使用数据。 CC0 1.0 将显示公共域中的数据。 CC BY 4.0 表示只要注明原始数据源和/或所有者以及对所做更改的描述,即可共享和改编数据。

  7. 展开位置并选择包含坐标
  8. 展开问题和标记部分并查看数据集的潜在问题。

    本部分将列出与每个点相关联的潜在问题。 例如,请注意大多数坐标均经过四舍五入。 根据您打算使用分析结果的方式,这些问题可能会或不会使您的研究数据不合格、需要更正或被视为潜在错误。

  9. 在表格顶部,单击下载按钮。

    下载 GBIF 数据。

  10. 下载选项表中,选择简单
  11. 在弹出窗口中,阅读 GBIF 用户协议和引用指南,然后单击了解

    数据下载页面随即出现。 记下此页面上有关引用和其他数据使用指南的信息。

  12. 数据处理完成后,单击下载

随即将压缩 .csv 文件下载至您的计算机。 一封包含您的自定义引用的确认电子邮件将发送到您为 GBIF 帐户注册的电子邮箱。 您稍后将使用其来引用您的数据源。

提取动物观测数据

接下来,您需要将獾观测数据添加至 ArcGIS Pro。 进入 ArcGIS Pro 后,您可以分析数据并确保数据类型对于您希望执行的分析类型来说是正确的。 GBIF 使用的方案将目击日期存储在 3 个不同的字段(日、月和年)中,并将其存储为文本字段。 要按月份分析目击事件,您需要创建一个组合日、月和年的日期类型字段。

  1. 在文件浏览器中,浏览至已下载 GBIF 数据的位置。
  2. 将该文件解压到 ArcGIS Pro 工程文件夹。

    默认情况下,将在以下位置创建新的工程文件夹:C:\Users\<username>\Documents\ArcGIS\Projects。 根据已下载 ArcGIS Pro 的位置,您的文件路径可能会有所不同。

    下载该文件后,将使用一串数字对其进行命名。 在将该文件添加至工程之前,需要对其进行重命名。

  3. 将文件重命名为 Melesmeles_GBIF_[date],替换您已下载文件的日期。

    重命名工程文件夹中的 .csv 文件。

    您将添加该文件作为地理数据库表,以便在映射之前进行一些数据准备。

  4. ArcGIS Pro 中的功能区上,单击分析选项卡。 在地理处理组中,单击工具

    分析工具

    将出现地理处理窗格。

  5. 地理处理窗格中,搜索表转地理数据库工具并将其打开。
  6. 对于输入表,单击浏览并选择 Melesmeles_GBIF_[date] 文件。
  7. 对于输出地理数据库,单击浏览并选择工程的默认地理数据库。 单击运行

    “表转地理数据库”工具

    随即将该表添加至您的地理数据库。

  8. 目录窗格中,单击工程选项卡。 展开数据库,然后展开 EuropeanBadger_Habitat 地理数据库并将 Melesmeles_GBIF_[date] 表拖动到地图上。

    将该表添加至地图。

    该表随即添加到独立表下的内容窗格。 接下来,您将查看数据以了解必须使用的字段以及可能需要格式化以供以后进行分析的内容。

  9. 右键单击 Melesmeles_GBIF_[date] 表并选择打开

    打开表。

    该表包含您在 GBIF 中看到的相同数据。 您将使用 decimalLatitudedecimalLongitude 属性来映射数据。 您还希望使用日期字段进行时空分析,但 eventDate 字段已保存为文本字段。 要使用此字段,需要以日期格式保存日期。

  10. 在表格顶部,单击计算

    表格中的“计算”按钮

    计算字段工具随即打开。

  11. 计算字段窗口中,对于字段名,键入 stdTime

    可以添加一个新字段以存储格式化的日期。

  12. 对于表达式类型,选择 Arcade;对于字段类型,选择日期

    计算字段类型。

  13. 表达式框中,构建表达式 Concatenate($feature.month, "/", $feature.day, "/", $feature.year)
  14. 表达式框的底部,单击绿色复选标记以验证表达式,然后单击确定

    验证并运行表达式。

    当工具完成运行后,窗口将显示已完成状态。 “消息”将显示一条警告,指示由于一些数据缺失,未写入某些值。 您现在可将其忽略。

  15. 关闭已完成的工具窗口。

    要查看数据的时间分布,您需要创建日历热点图。

    日历热图通过将事件聚合到日历格网中显示时态数据中的模式。 可以将日历格网配置为显示一年内几个月或一周内几天的时间模式。

  16. 内容窗格中,右键单击 Melesmeles_GBIF_[date] 表,单击创建图表,然后选择日历热点图

    创建日历热点图。

    空白图表窗口随即出现。

  17. 图表属性窗格中,对于日期,选择 stdTime 字段。

    绘制 stdTime 字段的图表。

    图表随即进行填充,其中显示了目击事件发生的月份和日期的热点图。 虽然全年都有目击事件发生,但在比较凉爽的秋冬月份发生的目击事件更多。

    每月獾观测图表

  18. 关闭 Melesmeles_GBIF_[date] 表和图表。 保存工程。

下载欧洲獾观测数据并将其导入 ArcGIS Pro 以进行一些初始数据准备后,即可对其进行映射。 每个观测点都包含用于映射数据的坐标。


绘制存在点和伪缺失点的地图

可以使用多种统计方法以多种不同的方式进行物种分布建模。 其中许多方法都需要存在和缺失数据,或者在本例中为伪缺失数据。 它们还需要环境数据,以确定适合该物种的气候和栖息地条件类型。 您拥有存在数据后,即可生成伪缺失或背景数据并提取每个位置处的环境属性数据。

绘制存在点地图

首先,您需要将表格形式的欧洲獾数据转换为要素类,从而绘制獾的存在地图。 然后,您需要检查数据。 根据采集方法不同,一些数据可能过度代表獾的位置,例如追踪动物运动而非报告单次目击事件的研究。

注:

如果您计划使用诸如“仅存在预测 (MaxEnt)”等分析方法,则将在本部分中执行的数据准备将包含在地理处理工具内。 但是,如果您计划使用其他分析方法(例如回归分析方法),则以下是准备数据的必要步骤。

  1. 内容窗格中,右键单击 Melesmeles_GBIF_[date] 表,指向根据表创建点,然后选择 XY 表转点

    “XY 表转点”工具

  2. XY 表转点窗口中,设置以下参数并单击确定

    • 输出要素类EuropeanBadger_points
    • X 字段decimalLongitude
    • Y 字段decimalLatitude

    “XY 表转点”工具参数

    工具完成运行后,随即将该图层添加至内容窗格。 巴塞罗那周围存在较大的一组点,塞维利亚南部存在一个比较密集的聚类。

    注:

    当下载此数据后,共有 2214 个观测点符合许可和其他选择要求。 您的数据集可能会有所不同。

  3. 放大至塞维利亚南部的聚类。

    放大至塞维利亚南部的点聚类。

    此点聚类位于多尼亚纳国家公园内,似乎代表动物的轨迹,这意味着每组点可能代表一只动物。 要查看其采集方式,您需要打开图层的属性表。

  4. 内容窗格中,右键单击 EuropeanBadger_points 图层并选择属性表
  5. 在功能区地图选项卡的选择组中,单击选择,然后在地图上围绕多尼亚纳国家公园内的各点绘制一个矩形。
  6. 在属性表的底部,单击显示所选记录

    显示所选记录

    随即对该表进行过滤以仅显示所选记录。 根据您绘制选择内容的方式,大约一半的观测点位于国家公园内,并且您可以看到大多数观测点都是通过追踪研究收集的。 为了避免在未来的分析中过度表示此区域,您需要稀疏化这些点。

  7. 地理处理窗格中,搜索并打开删除相同项工具。

    工具顶部将显示一条警告,提示该工具会修改输入数据集。 删除相同项工具将永久移除要素图层中您将输入的点,但不会修改独立表

  8. 对于输入数据集,选择 EuropeanBadger_points 并保持使用所选记录切换按钮处于打开状态。
  9. 对于字段,选择 Shape。 对于 XY 容差,选择 500 Meters,然后单击运行

    删除相同记录。

    当工具完成运行后,将需要刷新属性表,因为一些所选记录现已删除。

  10. 加载表失败窗口中,单击确定
  11. 在功能区上的选择组中,单击清除以移除所选内容。

    国家公园内仍存在许多点,但已对其进行稀疏化。

  12. 重新打开属性表并检查表底部列出的剩余存在点的数量。

    根据您已选择的点,您的数量可能会有所不同。 通常,您希望创建与观测点数量相同的背景点,因此请确保检查具体点数。 现在,您可以创建随机样本。

生成随机采样的伪缺失点

存在数据准备就绪后,您将生成伪缺失点。 最简单的方法是在研究区域内使用随机生成。 为了确保存在点和伪缺失点具有相同的权重,您需要创建与存在点相同数量的背景点。

  1. 地理处理窗格中,搜索并打开创建空间采样位置工具。

    创建空间采样位置工具将使用简单的随机、分层、系统(格网化)或聚类采样设计在连续研究区域内生成样本位置。

  2. 输入以下参数,然后单击运行

    • 输入研究区域ESP_Country
    • 输出要素ESP_randomsample
    • 采样方法简单随机
    • 样本数EuropeanBadger_points 表中的点数

    创建随机采样点的图层。

    随即将西班牙境内的随机点图层添加至地图。 现在,可以对此数据集与 EuropeanBadger_points 图层进行组合。

    随机采样点

  3. 关闭 EuropeanBadger_points 属性表。
  4. 地理处理窗格中,搜索并打开合并工具。
  5. 对于输入数据集,选择 ESP_randomsampleEuropeanBadger_points。 对于输出数据集,键入 badger_sample_set

    合并工具中,您可以决定向新图层添加的字段,也可以创建新字段。 您将添加一个名为 Presence 的新字段,用于区分来自 GBIF 数据的观测点和来自随机样本的背景点。

  6. 对于字段映射,单击添加字段下拉菜单并选择添加空字段

    添加一个空字段。

  7. NewField 重命名为 Presence,然后按 Enter 键。

    默认情况下,Presence 字段设置为文本字段。

  8. 指向 Presence 字段并单击编辑。 在字段属性窗口中,单击类型并选择短整型

    此 Presence 字段类型设置为“短整型”。

  9. 字段属性窗口中,单击确定,然后运行合并工具。

    注:

    Presence 字段将显示警告,指示其为空。

  10. 内容窗格中,取消选中 ESP_randomsampleEuropeanBadger_points 以关闭该图层。 右键单击 badger_sample_set 图层,然后单击属性表

    为了区分新图层中的存在点和缺失点,您需要计算 Presence 字段的值。 通常,存在点显示为值 1,而背景点显示为值 0。 当您滚动浏览表格时,请注意已合并的点具有许多 null 数据字段。 您将使用这些 null 字段来选择背景点。

  11. 在该表中,单击按属性选择。 在按属性选择窗口中,构建表达式 Where kingdom is null,然后单击应用

    选择 kingdom 属性为 null 的点

  12. 在属性表中滚动浏览,直到您看到 Presence 字段为止。 右键单击 Presence 列名并选择计算字段

    计算 Presence 字段

  13. 计算字段窗口中,对于 Presence =,键入 0,然后单击确定
  14. 按属性选择窗口中,选中 Invert Where Clause 框并单击确定

    反向 Where 子句

  15. 右键单击 Presence 列名并选择计算字段。 构建表达式 Presence =1,然后单击确定

    现在,编码值为 1 的要素表示观测到的存在点,编码值为 0 的要素表示伪缺失点。

  16. 在功能区上,单击清除以清除所选内容。 关闭 ESP_randomsample 表并保存工程。

提取环境数据

接下来,您需要定位并准备可能有助于确定獾存在的环境变量。 请记住,根据 GBIF 数据,獾更喜欢觅食栖息地内拥有良好的植被覆盖。 根据 GBIF 中的动物描述,您知道在西班牙中部,獾更喜欢存在林地和牧场的中等高程山区,而避开较低高程地区。 在本教程中,您将重点获取和设置物种分布建模所需的数据,例如土地覆被、坡度和高程。

  1. SpainPortugalElev.zip 文件下载到您的计算机并将其解压到您正在工作的 ArcGIS 工程文件夹。

    此文件包含从 USGS EROS Archive - Digital Elevation - Global Multi-resolution Terrain Elevation Data 2010 下载的两个栅格图像,已将这些图像镶嵌在一起以覆盖整个西班牙,然后将其裁剪至西班牙和葡萄牙的国家/地区范围。 有关创建镶嵌数据集的详细信息,请参阅文档。 您将使用此栅格图像为西班牙创建坡度数据集。

    可以从 ArcGIS Living Atlas 访问更加详细的坡度和高程数据。 然而,由于数据导出限制,每次导出的数据大小限制为 4,000x4,000 像素,因此 ArcGIS Living Atlas 数据并不是适合如此大范围研究区域的最佳选择。

  2. 目录窗格中,单击工程选项卡并展开文件夹组,然后展开 EuropeanBadger_Habitat 工程文件夹。
  3. 找到已解压的 Spain_GTMED2010 图像,然后将其拖动到地图上。

    注:

    如果系统提示您构建金字塔并计算图层的统计数据,请单击确定

  4. 内容窗格中,取消选中 badger_sample_setESP_Country 图层以将其关闭。

    高程数据

    高程栅格将绘制在地图上。 可以使用此栅格来计算坡度,这是另一个可能有助于确定獾栖息地的变量。

  5. 地理处理窗格中,搜索并打开表面参数工具。
  6. 输入以下参数,然后单击运行

    • 输入表面栅格SpainPortugalElev.tif
    • 输出栅格Spain_Slope
    • 输入分析掩膜ESP_Country
    • 参数类型坡度
    • 局部表面类型二次
    • 坡度测量

    来自高程栅格的坡度图层

    随即将 Spain_Slope 图层添加至地图。 它将以度为单位显示坡度值。

    您希望查找的下一个环境图层为土地覆被。 为此,您将使用欧洲航天局的 WorldCover 2020 数据。 WorldCover 绘制了 11 种土地覆被类型。

  7. 目录窗格中,单击门户选项卡,然后选择 Living Atlas
  8. 搜索 ESA WorldCover 图层并将其拖动到地图上。

    向地图添加土地覆被

    WorldCover 图层将绘制在地图上。 此图层包含 11 种不同的土地覆被类,分辨率为 10 米。

    ESA World Cover 图层显示了西班牙的土地覆被

    拥有栖息地数据后,您将使用多值提取至点工具以获取每个点位置的栅格值。

  9. 地理处理窗格中,搜索并打开多值提取至点工具。
  10. 对于输入点要素,选择 badger_sample_set
  11. 对于输入栅格,选择 Spain_SlopeSpain_ElevationLandCover,并为其提供相应的输出字段名称slopeelevationlandcover

    注:

    可将数字 1 附加到高程字段名称。 这将不会影响您的输出。

    在运行该工具之前,您需要将处理范围设置为您一直使用的西班牙国家/地区边界。 由于 WorldCover 图层为全球数据集,因此设置处理范围将允许您仅提取所需数据。

  12. 单击环境选项卡。

    单击环境选项卡。

  13. 展开处理范围组。 单击图层范围 并选择 ESP_Country 图层。

    设置处理范围。

  14. 单击运行

此工具将需要运行一段时间。 当工具完成后,badger_sample_set 图层将在属性表中具有 3 个新变量。 您还需要向样本集添加生物气候数据。

样本多维数据

除了坡度、高程和土地覆被之外,其他可能有助于模拟獾栖息地的变量为生物气候变量。 您需要从 ArcGIS Living Atlas 添加 Bioclimate Baseline 1970-2000 图层,并在每个存在点和背景点处对其值进行采样。 Bioclimate Baseline 图层根据 WorldClim 2.1 的插值工作站测量值,提供了 1970-2000 年期间气候和生物气候变量的降尺度估计值作为月度平均值。 此图层中提供了 19 个生物气候变量,其中包括有关温度和降水的数据。 可以通过多维过滤器访问每个变量。

  1. 目录窗格中,单击门户选项卡,然后选择 Living Atlas
  2. 搜索 Bioclimate Baseline 1970-2000 图层并将其拖动到地图上。

    添加 Bioclimate Baseline 1970-2000 图层。

    随即将 Bioclimate Baseline 1970-2000 图层添加至地图。 ArcGIS Living Atlas 还包含 Baseline 数据集中每个生物气候变量的未来预测。 每个 Bioclimate Projections 数据集均包含 SSP2-4.5、SSP3-7.0 和 SSP5-8.5,用于根据温室气体排放、政治和社会政策以及其他变化对潜在的未来条件进行建模。 可以针对 Baseline 数据集替换这些图层,但需要单独对其进行采样。

    与之前一样,您希望将这些变量提取到獾样本集中,但要获取所有生物气候变量,您需要使用采样工具,该工具用于处理每个多维切片。 但与多值提取至点工具不同,采样工具将在地理数据库中创建一个新的要素类。 在运行此工具之前,您需要确保 badger_sample_set 图层中存在唯一标识符,可以使用该标识符将采样工具的结果连接回 badger_sample_set 图层。

  3. 内容窗格中,右键单击 badger_sample_set 图层并选择属性表

    在该表中,OID 字段用作唯一标识符。 将 .csv 文件转换为地理数据库表时创建了此标识符。 可以重置或重新生成 OID 和其他自动分配的唯一标识符,因此您将计算一个新的唯一字段,以供在稍后将表连接在一起时使用。

  4. 在属性表的功能区上,单击计算
  5. 计算字段窗口中,对于字段名称,键入 joinID。 对于字段类型,选择长整型

    用于计算 joinID 字段的“计算字段”工具

    对于此计算,您将使用提供常用代码片段的 Python 助手。

  6. 助手窗格中,双击序列号

    可以使用 Python 助手来计算序列号。

    该助手随即添加至代码块字段。 默认情况下,按顺序编号将从 1 开始。

  7. 单击确定

    随即将 joinID 字段添加至表末尾。 现在,即可运行采样工具。

  8. 地理处理窗格中,搜索并打开采样工具。
  9. 采样工具中,输入以下参数,然后单击运行

    • 输入栅格Bioclimate Baseline 1970:2000
    • 输入位置栅格或要素badger_sample_set
    • 输出表或要素类badger_sample_bioclimatebase
    • 唯一 ID 字段joinID
    • 以多维方式处理复选框:选中

    对生物气候数据进行采样

    该工具运行完成后,sample_bioclimatebase 表将添加至内容窗格。 您需要将其连接到 badger_sample_set 图层。

  10. 地理处理窗格中,单击“后退”按钮。 搜索并打开连接字段工具。
  11. 输入以下参数,然后单击运行

    • 输入表badger_sample_set
    • 输入字段joinID
    • 连接表badger_sample_bioclimatebase
    • 输入字段joinID
    • 传输字段:选择所有 BC 字段

    现在,19 个生物气候属性已添加至样本集。 有关每个属性代表的内容以及如何使用这些数据的详细信息,请参阅 USGS 的源出版物,其链接自 ArcGIS Online 中的项目详细信息页面。

使用数据工程

接下来,您将使用“数据工程”工具来探索数据。 借助 ArcGIS Pro 中的数据工程工具,您可以探索、可视化、清理和准备数据以进行分析。 在本部分中,您将使用“数据工程”工具来更好地了解已提取到样本集的环境变量。

  1. 内容窗格中,右键单击 badger_sample_set 图层并选择数据工程

    打开“数据工程”工具。

    随即打开数据工程视图。 您选择进行的数据准备类型将取决于您希望用于创建栖息地适宜性模型的建模类型。 例如,如果您计划使用回归分析,则可以使用转换工具将偏斜数据转换为正态分布。

  2. 字段窗格中,单击 landcover 字段。 按住 Shift 键,然后单击最后一个生物气候字段 BC_19
  3. 将所选字段拖动到窗口中间的空白统计数据窗格中。

    将字段添加至“统计数据”窗格。

    您为栖息地建模工程采集的环境数据将添加至统计数据窗格。

  4. 数据工程窗格的功能区中,单击计算

    计算统计数据

    将计算字段的统计数据,其中包括平均值、唯一值和异常值。 可以使用这些统计数据来开始标识数据中的模式。

  5. 统计数据窗格中,滚动至 Outliers 列。

    具有最多统计异常值的字段为 slope 字段。

  6. 右键单击 slope 字段的异常值记录,然后选择选择异常值

    在地图上选择异常值。

    随即在地图上选择异常值。 许多异常值点位于西班牙北部的坎塔布里亚山脉和比利牛斯山脉或附近。

    在地图上选择的异常值

    此处的地形更加陡峭是有道理的,但西班牙各地也散布着很多这样的点。 要可视化这些值,您需要使用直方图。

  7. 统计数据窗格中,右键单击 slope 字段的直方图。 单击打开直方图

    打开直方图

    随即打开 slope 字段的直方图。 所选异常值将显示在直方图上。 通过直方图可以看出,所有异常值都集中在高值区,或者出现在坡度较陡的区域。 接下来,您将查看 BC_01,即年平均气温。

  8. Distribution of slope 直方图的功能区上,单击清除选择,然后关闭该直方图。

    清除所选点

  9. 统计数据窗格中,右键单击 BC_01图表预览并选择打开直方图

    直方图随即打开。 要了解獾可能更喜欢的温度,您需要选择獾的存在点。

  10. 单击功能区上的地图选项卡。 在选择组中,单击按属性选择
  11. 按属性选择窗口中,清除所有现有表达式并构建表达式 Where Presence is equal to 1。 单击确定

    随即在地图和图表上选择存在点。

    在地图上选择的存在点

    根据图表,獾似乎更喜欢温暖的气候。

    提示:

    如果在图表上未看到所选数据和未选数据,请在图表功能区的过滤器组中,确保选择过滤器已关闭。

    可以使用“数据工程”工具来检查其他生物气候变量并根据需要对数据进行更改。

  12. 清除选择并关闭图表。

    使用数据进行建模之前的最后一步是添加归属。 追踪数据源是一个明智的做法,并且由于您使用 CC BY 4.0 许可下载了数据,因此您需要确保数据集的归属。

  13. 单击功能区上的视图选项卡。 在窗口组中,选择目录视图

    打开目录视图。

    目录视图随即打开。 到目前为止,您在本教程中使用过的目录视图和目录窗格具有很多相似之处,但元数据只能在目录视图中进行编辑。

  14. 目录视图中,展开 DatabasesEuropeanBadger_Habitat.gdb,然后单击 badger_sample_set 图层。

    打开 badger_sample_set 图层的元数据。

    元数据编辑器随即打开。 当前,除了地理处理历史记录(显示了已运行的连接字段计算字段工具)之外,元数据为空。

  15. 在功能区目录选项卡的元数据组中,单击编辑

    编辑图层的元数据

    元数据编辑器随即打开。

  16. 元数据窗格中输入以下信息:

    • 标题欧洲獾样本数据集
    • 标签物种建模欧洲獾(学名)欧洲獾
    • 概要(目的)此数据集是在 Learn ArcGIS 教程“用于分布建模的样本物种和环境数据”中创建的,用于建模西班牙的欧洲獾(欧洲獾,学名)栖息地
    • 描述(摘要)欧洲獾是一种重要的物种,提供了三种主要的生态系统服务:种子传播、表土扰动和微生境创造。 为了模拟其在西班牙的栖息地,您已从 GBIF 下载了动物观测数据,并在 Presence 字段中进行记录,值为 1。 您生成了伪缺失点或背景点并将其与观测数据进行了合并。 将环境数据(包括坡度、高程、土地覆被和生物气候变量)提取到了这些点。

  17. 制作者名单部分中,输入您下载 GBIF 数据时已生成的唯一引用。

    在“制作者名单”部分中输入 GBIF 引用。

    提示:

    可以在下载页面或者从 downloads@gbif.org 收到的确认电子邮件中找到此引用。

  18. 在元数据编辑器的底部,单击新建边界框

    添加新的边界框

  19. 输入以下坐标:

    西

    -17.7532431

    5.6396581

    26.8567504

    44.3051478

  20. 在功能区的元数据选项卡中,单击保存
  21. 关闭元数据编辑器并保存工程。

拥有有关欧洲獾的数据集后,即可将其用于物种分布建模。 该数据集包含存在点和伪缺失点以及有关坡度、高程、土地覆被、温度等的环境数据。 此信息可用于诸如 MaxEnt 或随机森林预测等模型,以进行物种分布建模。