《Ecological Informatics》：‘envar’: An R package to retrieve and process environmental variables for macroecology and biogeography
编辑推荐：
『envar』是一个R软件包，能够自动检索并处理来自23个数据源的372项环境变量（environmental variables）。其下载功能集成了相关性与外推（extrapolation）的自动检测。该软件包可在物种分布模型（Species Distrib
『envar』是一个R软件包，能够自动检索并处理来自23个数据源的372项环境变量（environmental variables）。其下载功能集成了相关性与外推（extrapolation）的自动检测。该软件包可在物种分布模型（Species Distribution Models, SDMs）中减少生态位截断（niche truncation）。『envar』促进了基于生态假说的稳健变量选择。
**一、研究背景与现存问题**
在生物地理学与宏生态学研究中，选择合适的环境变量是核心步骤，应当基于对研究物种生态学的深入理解。这一选择在构建物种分布模型（Species Distribution Models, SDMs）时尤为重要——该类算法通过统计方法将物种分布与环境预测因子相关联，是目前预测物种分布和制定保护策略最常用的工具。然而，现有研究普遍存在过度依赖标准变量（如WorldClim或CHELSA的19个生物气候变量）的现象，未根据具体研究系统和科学问题定制变量组合。虽然标准气候源能为物种生物气候生态位提供宝贵信息，但仅依赖这些数据可能导致生态位的多个维度未被充分表征，进而产生有偏的物种-环境关系。
近年来，公开可获取的遥感数据日益丰富，促进了多样化气候、地形、土地覆盖等环境变量数据集的发展。但数据集的异构性也带来了新的挑战：研究者在查找、比较、选择和预处理不同数据集时面临巨大困难。变量筛选确定后，其纳入生态模型前的准备工作涉及多个环节——从在线存储库下载、统一坐标系与分辨率、按研究区域裁剪掩膜（或提取特定点位数值），到共线性和外推问题检查。这些步骤极为耗时，客观上促使研究者继续使用标准生物气候变量或固定土地覆盖数据，而非针对研究问题进行优化选择。
**二、研究内容与核心结论**
针对上述瓶颈，研究人员开发了『envar』R软件包，旨在将以下功能无缝整合到建模工作流程中：（1）从23个不同来源的372个变量中检索多样化环境变量；（2）根据用户指定的研究区域和分辨率，将变量统一对齐至共同的分辨率与范围；（3）自动进行共线性和外推检查。与现有工具相比——例如『sdmpredictors』仅覆盖四个数据源且分辨率约7 km，『climenv』仅限于CHELSA，『geodata』仅涵盖WorldClim，『Amadeus』则仅适用于美国——『envar』提供了前所未有的数据源覆盖范围和分辨率（约1 km），且具备完全定制化的处理流程和全球适用性。该软件包有助于扩展建模中使用的变量集合，推动非标准或新型变量与主流数据源的整合，鼓励纳入对生物生长、繁殖或移动具有直接效应的变量，并显著加速变量检索、整合和裁剪/掩膜的处理速度。
**三、主要技术方法**
『envar』软件包采用模块化架构，利用管道运算符（%>%）将调用不同数据源的各函数串联为单一高效流水线。核心技术方法包括：（1）通过par_set()函数定义研究区域（支持自定义点/多边形、国家/大陆、生态边界或全球范围）、分辨率、缓冲区、坐标参考系统（Coordinate Reference System, CRS）等十项下载参数；（2）各数据源对应的独立函数负责变量下载，下载过程自动构建完整文件路径并直接从服务器获取数据；（3）自动创建目标网格，所有变量均被掩膜、裁剪并重采样至该网格，连续变量采用双线性插值，离散变量采用最近邻插值（聚合时分别使用均值和众数）；（4）corr_check()函数计算皮尔逊相关系数（Pearson's r）和方差膨胀因子（Variance Inflation Factor, VIF），并依据默认阈值（|r|>0.7，VIF>3）或用户自定义阈值给出诊断报告；（5）extr_check()函数基于『mecofun』包的自定义代码检测严格外推和组合外推，通过比较校准点与环境图层间的环境条件范围生成外推掩膜。案例研究中使用了从全球生物多样性信息机构（Global Biodiversity Information Facility, GBIF）获取的2,648条欧洲Parnassius apollo记录（仅保留位置不确定性低于1 km的数据，并使用『GeoThinneR』包进行空间稀疏化处理）。
**四、研究结果**
**1. 引言与软件包发布**：研究人员系统梳理了现有环境变量下载工具的不足，建立了『envar』软件包的完整框架。该包已在CRAN和GitHub上公开发布，遵循GPLv3开源许可，并配有包含完整教程的配套网站。
**2. 软件包安装**：『envar』可在Linux、macOS和Windows操作系统上运行，经过大量单元测试验证。版本0.1.1依赖14个既有的R软件包，如『terra』、『dplyr』、『sf』、『usdm』等，通过广泛的跨环境测试确保了兼容性。
**3. 软件包结构与使用**：通过模块化管道设计，par_set()、各数据源函数、corr_check()、extr_check()和metadata()函数可顺序组合为完整工作流。功能涵盖缓冲区设置（正负缓冲均支持）、alpha hull边界生成、多种生态边界识别（包括生物地理界、生物群系、生态区、山地系统、冰川区、淡水生态区、海洋生态区等）、缓存策略选择以及NA对齐等高级功能。
**4. 可访问的来源与变量**：23个数据源覆盖六大类别：气候类（CHELSA、WorldClim、K?ppen-Geiger气候区、云覆盖度、干旱度与潜在蒸散）、土地覆盖类（EarthEnv Land Cover、MELC、混合土地覆盖、GeoSOS-FLUS、植物功能型、GCAM）、景观异质性类（EarthEnv habitat heterogeneity数据集，含14种异质性测度）、陆地栖息地类（IUCN 47种栖息地类型）、土壤特性类（Harmonized World Soil Database v2.0与土壤温度/生物气候数据）、地形类（13项地形变量）、淡水环境类（EarthEnv河流生物气候与化学条件变量）、海洋环境类（Bio-ORACLE v3.0）、人类影响类（SPECTRE数据集、可达性、GDP、未来人口预测）以及保护区域类（基于世界保护区数据库WDPA生成的七幅约1 km分辨率保护区域栅格图）。
**5. 在物种分布建模中的应用**：以分布在欧洲阿尔卑斯山的蝴蝶物种Parnassius apollo为案例，构建了完整的SDM工作流。通过『envar』定义了约1 km分辨率、覆盖所有记录点周围100 km缓冲区的模板栅格；基于该模板生成了采样努力核密度估计，据此抽取10,000个偏差校正背景点；选取了四个气候变量（来自CHELSA 1981-2010）、四个土地覆盖变量和一个景观多样性指数（来自Lo Parrino等人数据）以及两个地形变量（来自Amatulli等人数据）。共线性检查发现年均温的VIF≥3，遂移除了与年均温强相关（Pearson's r>|0.6|）但生态效应较间接的坡度变量。随后使用『ENMeval』包进行四折空间分块交叉验证，测试正则化乘数1至8与三种特征组合。最优模型在测试数据上表现良好（CBI=0.83±0.33 SD，AUC=0.90±0.07 SD），过拟合程度有限（AUC差=0.05±0.06 SD）。利用该模型生成了P. apollo在阿尔卑斯山的当前栖息地适宜性地图。通过在大于最终预测区域的空间范围内检索数据，有效降低了生态位截断对最终结果的影响。
**五、讨论总结与研究结论**
在讨论部分，研究人员指出『envar』代表了宏生态学和生物地理学数据分析工具的重要进展。其模块化结构为未来扩展提供了广阔空间，但受限于部分数据库的访问方式与政策（如需要人工声明用途或通过过期链接分发），仍有部分数据源无法纳入。包的使用也存在一定局限性：从各网站下载数据时，即使仅请求一个或少量变量，也可能需要下载大型压缩文件，导致处理时间较长；不同数据源之间在范围和/或分辨率上的细微差异也会增加标准化输出的处理时间。计算耗时因网络条件、硬件性能、请求的数据源和变量数量、范围大小及后期处理操作的不同而有极大差异：小空间尺度（如瑞士）的操作在变量下载完成后通常仅需数秒，而全球尺度的空间对齐则可能需要大量时间和计算资源。尽管如此，在当前数据源异构且互操作性有限的大背景下，『envar』仍是下载和统一多源变量最快捷的途径。未来将不断提供支持、更新和改进。
研究结论明确：『envar』是一个多功能R软件包，可用于简化物种分布模型以及更广泛的生物地理学和宏生态学分析。作为空间生态学R工具包的新增成员，它能够被整合到快速高效的R建模工作流中。该软件包将有助于提升生态分析质量，促进更多样化、更有针对性的变量集的纳入，并能够快速实施考虑采样偏差的策略，同时避免共线性、外推、生态位截断和过拟合问题。需要注意的是，尽管『envar』促进了候选环境变量的透明检索、标准化和诊断评估，但用户仍应负责基于生态假说、时间兼容性、数据质量和建模目标来选择预测变量。
