（1）全R平台操作，多个专题国内中文查重率为0，可作为创新点。
（2）MESS分析和MOD分析，分析研究区每个位置的环境气候相似度和最不相似（限制）变量。
（3）适宜区变化分析：可以分析绘制研究区内每个位置适宜性指数的变化情况（增减或降低），同时也可以分析绘制研究区内适宜区的变化图（收缩、扩张和稳定）。
（4）对模型重复结果评估绘图，可以绘制研究区域模型重复方差图，体现每个位置的可重复性和结果可靠性。
（5）可以对多参数结果结果分析绘图，分析多参数结果变异方差，体现参数变化对研究区每个位置结果的影响大小。
（6）不同GCM、RCP或SSP结果分析绘图，比较不同GCM、RCP或SSP下研究区域各位置的变异方差。
（7）利用R对建模结果评估。
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。
专题一：数据软件准备处理
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）
1. 样点数据预处理
2. 模型Ind_data（校准数据划分）
3. 模型参数设置和说明
4. 单组环境变量和多组环境变量批量做参数优化-kuenm（使用最新版R包-直接导出矢量图）
5. 关于设备兼容性补充说明
（注：可以对单组环境变量或多组环境变量批量做参数优化，使用最新版本R包）
专题三：MESS分析和MOD分析-多参数建模投影（全部R平台完成）
1. 利用R划定采样区并构建maxent模型（最优参数建模）
2. 利用R对整个研究区投影
3. 利用R对不同参数-多时期同时建模
4. MESS多元环境相似度面分析（Multivariateenvironmental similarity surface）
5. MOD最不相似变量分析（Most dissimilar variable）
6. 基于R对建模结果评估（ROCsand omission rates）
（注：自动调用模型参数优化结果，在R平台建模，可以对多组参数优化结果批量建模）
专题四：模型外推风险（Extrapolation riskanalysis）分析（全部R平台完成）
1. 参数设置和运行
2. 基于MOP度量物种外推风险
3. 结果解读说明（用于区域相似度分析和变化分析）
（注：模型外推风险指数分析，可用于入侵物种或保护物种等研究，反应出研究区内各位置的入侵指数或者引种适宜性指数）
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）calculationof model statistics across models (results from distinct parameter settings areallowed)
1. 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
（注：不同外推模型体现不同的结果，可以适用于不同情况或不同物种）
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）
1. 不同时期和外推模式下的二进制文件生成
2. 不同时期和外推模式下二进制文件的比较变化分析
3. 不同时期和外推模式下连续性文件的比较变化分析
（注：本内容可以对适宜区的二进制文件和连续文件进行比较分析绘图，结果可以分析绘制研究区内每个位置适宜性指数的变化情况（增减或降低具体数值），同时也可以分析绘制研究区内适宜区的变化图（收缩、扩张和稳定））
专题七：creation of maps showing thevariance contributed per each source of variation
1. 建模投影区方差大小分析（不同区域可信度体现）
2. 建模区方差变化分析
3. 不同emi_scenarios的结果差异分析
4. var_replicates的结果差异分析
（注：分析绘图，结果以图的形式呈现，有不同参数设置下结果的变异方差，不同GCM下结果的变异方差，不同RCP或SSP下结果的变异方差；可以反应研究区内每个位置可重复性或方差变异，进一步体现研究区内各位置的结果可靠性，与ROC等评估整体结果指标不同，该部分反应的是研究区内每一个位置或每一个点的可信度）
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
部分过程图（绘图结果不在展示中）
1.结果文件（部分）
2.Directory structure and data for starting (A) and when finished (B) using kuenm R package functions. Roman numerals represent data needed and generated by the package: using the start function (I), creating candidate models (II), evaluating candidate models (III), preparing projection layers (IV), generating final models and its transfers (V), evaluating final models with independent data (VI), and analyzing extrapolation risks in projection areas or scenarios (VII).
3．Geographic summary of the results of the analyses performed for the two example species. (A-B) Logistic output of the final models that met the selection criteria, transferred to projection areas in current and (C-F) future periods (models were produced allowing extrapolation and clamping). (G-J) Extrapolation risk in future projections (MOP results).
4.参数优化
References：
[1]Muscarella, R. et al. 2014.ENMeval: An R package for conducting spatially independent evaluations andestimating 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 limitedenvironmental ranges on calibration areas. - Ecological Modelling 263: 10–18.
[3]Peterson, A. T. et al. 2008.Rethinking receiver operating characteristic analysis applications inecological niche modeling. - Ecological Modelling 213: 63–72.
[4]Warren, D. L. and Seifert, S.N. 2011. Ecological niche modeling in Maxent: The importance of modelcomplexity and the performance of model selection criteria. - EcologicalApplications 21: 335–342.
[5]Aiello-Lammens ME, Boria RA,Radosavljevic A, Vilela B, Anderson RP. 2015. spThin:
[6]an R package for spatialthinning of species occurrence records for use in ecological niche models.Ecography 38:541-45
[7]Alonso Bosch R. 2011. Origen ydiversificación del género Peltophryne (Amphibia: Anura: Bufonidae) en Cuba.Doctoral thesis, Universidad de La Habana, Havana, Cuba.
[8]Anderson RP, Lew D, PetersonAT. 2003. Evaluating predictive models of species' distributions: criteria forselecting 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 andEvolution 1:330-342
[10] Elith J, Phillips SJ, Hastie T, Dudík M, Chee YE, Yates CJ. 2011. Astatistical explanation of MaxEnt for ecologists. Diversity and Distributions17:43-57
[11] Escobar LE, Lira-Noriega A, Medina-Vogel G, Peterson AT. 2014.Potential for spread of the white-nose fungus (Pseudogymnoascus destructans) inthe Americas: use of Maxent and NicheA to assure strict model transference.Geospatial Health 9:221-229
[12] Franklin J. 2013. Species distribution models in conservationbiogeography: developments and challenges. Diversity and Distributions 19:1217-1223
[13] Hijmans RJ, Cameron SE, Parra JL, Jones PG, Jarvis A. 2005. Veryhigh 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 receiveroperating characteristic curve (AUC) as a discrimination measure in speciesdistribution 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 Invasions13:2785-2797
