企业官网建设流程全解析

简介：DIVA-GIS中文说明书是一份面向生态学、农业资源调查、GIS与气候研究人员的实用手册，系统介绍了这款免费空间分析与制图工具的使用方法，包括支持矢量、图像和栅格数据类型，以及物种分布建模、多样性与丰富度制图、空间自相关分析、气候数据提取等核心功能，能帮助零基础用户独立完成从数据导入到分析出图的常见操作。包内仅1个docx文档，大小约544KB，章节编排清晰，从安装准备、界面布局到数据菜单、图层菜单、分析菜单均有涉及；重点说明了点转网格、多样性指数、互补区域选择、BIOCLIM与DOMAIN生态位建模等模块的操作要点，并特别提醒软件仍处于持续开发中，部分功能需自行验证结果。目前已有951人在CSDN学习参考，适合希望快速掌握DIVA-GIS操作流程、开展生态地理数据分析和物种分布研究的入门与进阶用户。

1. 别再在 Excel 里画分布图了：DIVA-GIS 才是生态学家的空间数据工作台

做物种分布研究的人，十有八九都经历过这种尴尬：手里握着几百条 GPS 采集的标本记录，想画一张像样的分布图，却发现 ArcGIS 太重、QGIS 的学习曲线太陡，而 Excel 的散点图连经纬度比例都调不对。更别提还要算丰富度、多样性指数、提取气候数据——这些需求，通用 GIS 软件要么做不了，要么操作复杂到让人想放弃。DIVA-GIS 就是为解决这个问题而生的免费工具，尤其适合买不起商业 GIS 软件、或者没时间啃厚重文档的生态学与保护生物学研究者。它内置了从数据清洗、分布绘图到生态位建模（BIOCLIM / DOMAIN）的完整链路，而且对标本数据的处理逻辑，比很多商业软件更贴近生物学家的思维习惯。接下来，我会按照实际工作中最常用的流程，拆解这个工具的核心模块和使用技巧。

2. 数据准备与坐标管理：从杂乱表格到干净点图层

2.1 文本文件导入 Shapefile 的完整流程

DIVA-GIS 对点数据的导入设计得很灵活，支持 TXT、DBF、Access 数据库三种来源。但实际使用中最常见、也最容易出问题的，是文本文件的导入。这里有一个关键前提：TXT 文件必须包含带变量名的标题行，列与列之间的分隔符可以是空格、逗号或制表符，但手册里明确建议优先使用制表符。为什么？因为标本数据里最常见的说明字段（比如采集地点描述）通常含有逗号，如果用逗号做分隔符，DIVA-GIS 的导入向导会错误地拆分字段——除非你事先把所有文本字段用引号包起来，但这显然增加了数据预处理的负担。

具体操作路径是：Data / Import Points to Shapefile / From Text File。导入向导会要求你指定 X（经度）和 Y（纬度）字段，这两个字段必须是十进制度数格式。这里有一个新手经常踩的坑：如果经纬度是度分秒格式（比如12°34´15´S），必须先转换为十进制度数才能导入。换算公式很简单：十进制度 = 度 + 分/60 + 秒/3600，南纬和西经取负值。手册给出了一个具体案例：30º30´0´S = -30.500，30º15´55´N = 30.265。建议在 Excel 或 OpenOffice Calc 里用公式批量转换后再导入。

十进制坐标转换示例（以 12°34'15"S 为例）： decimal = 12 + 34/60 + 15/3600 = 12.57083 南纬或西经，结果取负：-12.57083

导入时还有一个值得注意的细节：DIVA-GIS 会自动判断每列的数据类型（文本、整数或实数），但你也可以手动覆盖这些设置。同时需要指定字段的最大宽度，如果设置的值小于实际数据长度，数据会被截断——不是四舍五入，而是直接切掉，这会严重影响后续分析的坐标精度。建议给经纬度字段至少留 10 个字符宽度，以容纳小数点后五位（赤道上约 1 米精度）。

2.2 坐标系与精度控制：四个关键参数

DIVA-GIS 的坐标管理有一个容易被忽视的优点：它对坐标精度的提示非常具体。手册里明确写了十进制度数通常应记录为 4 或 5 位小数。0.0001 度在赤道上大约等于 10 米，这对绝大多数分布数据来说已经足够。但如果你用的是差分 GPS 设备，则需要保留第 5 位小数。

精度参考表： 0.0001 度 ≈ 10 米（赤道，经度方向） 0.00001 度 ≈ 1 米（差分 GPS 精度） 纬度方向不受经度影响，但随纬度升高，经度方向的实际距离会缩短

另一个实用功能是Data / Check Coordinates，这个工具可以把点图层与行政边界多边形叠加，找出那些落在预期范围之外的记录。比如你有一批采自云南的标本点，但其中几条落在了四川境内，这个工具就能标记出来。原理是空间查询（spatial query），用点图层与多边形图层做包含关系判断，输出不匹配的记录供人工复核。这正是手册里强调的"通过收集地点与行政边界数据库的重叠来检查现有坐标"。

2.3 坐标转换的常见错误与验证方法

坐标数据准备阶段最常见的错误有三个：经纬度写反、度分秒换算错误、投影坐标系与地理坐标系混用。DIVA-GIS 的处理逻辑是基于 WGS84 经纬度（地理坐标系），不推荐直接导入投影坐标（比如 UTM）。如果你手头的数据是 UTM 坐标，建议先在 QGIS 或 ArcGIS 里转换为 WGS84，再导入 DIVA-GIS。

验证导入结果有一个非常实用的办法：导入完成后，把点图层和 DIVA-GIS 自带的行政边界图层叠加（Layer / Add Layer），如果点全部落在合理的区域内，说明坐标数据基本可靠。如果出现飞点（跑到非洲或海里），优先检查经纬度是否写反、正负号是否弄反。还有一个隐藏技巧：DIVA-GIS 的Tools / Georeference菜单里可以处理图像地理参考，但这不是坐标转换的工具，不要混淆。

提示：从 Excel 导出 DBF 文件时，注意字段名只能包含字母和数字，不能以数字开头，长度不超过 11 个字符，不能包含*^%?/-等特殊字符。否则导入时可能报错。

3. 栅格数据操作与气候数据提取：从点、多边形到网格的工作流

3.1 多边形转栅格与掩膜制作：核心参数与操作

Data / Polygon to Grid是 DIVA-GIS 中栅格化的核心工具。它的逻辑很清晰：输入一个多边形 shapefile，输出一个 gridfile（由.GRI和.GRD两个文件组成）。关键参数有两个：是否选择字段，以及选择哪个数值字段。如果不选字段，多边形覆盖的所有网格单元值为 1，其余区域为 NODATA；如果选了数值字段，每个网格单元的值由覆盖该单元中心点的多边形属性决定。

这个工具最常见的应用是制作掩膜（mask）。比如你想从全球气候数据中提取某个国家或某个生态区的数据，步骤是：先用 Polygon to Grid 把行政区边界转成网格（不选字段，得到 0/1 值或 1/NODATA 值），然后通过网格运算（下一节会详述）把掩膜网格与气候网格相乘，这样关注区域之外的值就全部变成 NODATA。

制作掩膜的标准操作序列： 1. Data / Polygon to Grid：选择行政边界 shapefile，不选字段，输出 mask.grd 2. Grid / Overlay：输入 mask.grd 与 bioclim.grd，运算类型选择 Multiply 3. 结果：只保留行政边界内的气候数据

这里有个操作细节容易被忽略：栅格化时的网格单元大小和范围，最好选择与目标网格（比如气候数据网格）保持一致。DIVA-GIS 允许你用现有网格文件作为模板（在 Polygon to Grid 对话框中选择该网格文件），这样生成的掩膜网格就自动继承了模板网格的范围、分辨率和对齐方式，后续做叠加运算时就不会因为网格不匹配而出错。

3.2 网格运算与重分类：Overlay、Scalar、Reclassify 详解

网格运算是 DIVA-GIS 分析功能的地基。Grid菜单下有一整组实用的工具，每个都对应一个明确的业务场景。Overlay用于两个网格之间的逐单元运算，支持的运算包括加、减、乘、除、最小值、最大值等；Scalar用于一个网格与一个常数之间的运算，常用于数据标准化；Reclassify用于重分类，比如把连续的海拔数据分成高、中、低三个等级。

从使用频率来看，Overlay 是最常用的。比如你要计算物种丰富度，可以用点转网格（Analysis / Point to Grid）生成每个物种分布范围的 0/1 网格，然后用 Overlay 的 Add 操作把所有物种的网格叠加起来，得到每个网格单元的丰富度数值。Reclassify 则在制作栖息地适宜性等级图时非常有用：把生态位模型的连续输出值（0 到 1 的概率）重分类为不适宜、低适宜、中适宜、高适宜四类。

Reclassify 操作示例： 原始网格值：0.00 - 0.25 → 0（不适宜） 0.25 - 0.50 → 1（低适宜） 0.50 - 0.75 → 2（中适宜） 0.75 - 1.00 → 3（高适宜）

NODATA 的处理在 Overlay 中需要特别留意。DIVA-GIS 的默认行为是：参与运算的两个网格中，只要有一个单元是 NODATA，结果就是 NODATA。如果你想忽略 NODATA 进行运算，需要先通过Grid / Reclassify把 NODATA 值改为 0，运算完成后可能需要再设置回 NODATA。这个细节在实际操作中很容易被忽略，尤其当你的数据覆盖范围不完全一致时。

3.3 气候数据提取与 BIOCLIM 变量：从点到栅格的批量取值

Data / Extract Values by Points是 DIVA-GIS 中与气候数据交互最频繁的工具。它的功能是为 shapefile 中的所有点从网格文件或堆栈中提取对应位置的栅格值，输出结果是文本文件。这个功能在生态位建模前期的数据准备阶段特别有用：你有几百个分布点，需要为每个点提取对应的 BIO1（年均温）、BIO12（年降水量）等气候变量值，一条命令就能完成。

提取结果示例（输出文本文件）： id, longitude, latitude, BIO1, BIO12 1, 101.25, 25.13, 176, 932 2, 102.72, 24.45, 184, 1189 3, 100.85, 23.75, 182, 1045

这里的输出列名取决于你使用的气候数据网格文件名。DIVA-GIS 支持从 WorldClim 数据中提取 19 个生物气候变量，但注意这些数据需要先从Data / Download菜单下载。提取时如果某个点位于网格范围之外或落在 NODATA 区域，DIVA-GIS 会有两种处理方式：跳过该点并生成一条警告，或输出一个空值。建议选择后者，这样可以在后续分析中明确区分有效数据和缺失数据。

气候提取与生态位建模之间还有一層关系值得说明：BIOCLIM 模型的训练数据本质上就是"分布点 + 气候变量"的矩阵。所以先用Extract Values by Points生成这个矩阵，再进入Modeling / Bioclim/Domain进行建模，是整个流程中数据流转最自然的方式。实际操作中我一般会把提取出的文本文件保留一份原始版本，以备后续可视化或与其他统计分析工具（如 R）对接时使用。

4. 多样性分析与生态位建模：从生物分布数据到可解释的模型输出

4.1 丰富度与多样性指数：参数选择和适用场景

Analysis菜单下的Point to Grid是多样性分析的核心入口。它解决的第一个问题是：如何把离散的物种分布点，转换为连续的网格化丰富度表面。工作流程是：先根据你的研究区域定义一个网格（或使用现有网格），然后直接选择若干个点图层（每个图层代表一个物种），DIVA-GIS 会统计每个网格单元内出现的物种数量，输出一个丰富度网格。

使用现有网格参数的操作路径： Analysis / Point to Grid / Use existing grid parameters 选择模板网格：指定单元格大小（如 0.5 度） 选择多个物种点图层 设置输出变量：Richness

这里有一个技术决策很关键：网格单元大小怎么定。如果设置得太细（比如 0.1 度），大多数单元可能只有零星几个点，丰富度表面会很破碎；如果设置得太粗（比如 5 度），又会丢失生态学上有意义的细节。我的一般做法是先看数据点的分布密度，取平均最近邻距离的 2 到 3 倍作为网格大小，这样既不丢失信息，又以让大部分单元内都有一定数量的点。

Point to Grid还支持多种多样性指数，包括 Shannon 多样性指数、Simpson 指数以及物种丰富度估计器（如 Chao 估计器）。这些指数的选择取决于你的研究问题：如果回答的问题是"哪里物种最多"，用 Richness；如果关注的是"群落结构的均匀程度"，用 Shannon 或 Simpson。需要注意，多样性指数的计算需要每个网格单元内有多条记录，如果你的点数据稀疏，直接从Point to Grid计算 Shannon 指数的结果是没有解释意义的。

4.2 BIOCLIM 与 DOMAIN 算法：原理、参数与模型输出

生态位建模是 DIVA-GIS 最具特色的功能板块，提供了 BIOCLIM 和 DOMAIN 两种经典算法。BIOCLIM 的原理是基于训练点在各气候变量上的分位数（通常取 0.025 到 0.975 的包络范围）定义生态位包络，然后为每个空间单元打分，判断其气候条件是否落在包络内，以及落在包络的什么位置。DOMAIN 则基于 Gower 距离，计算每个空间单元与最近训练点的距离，距离越近适宜性越高。

BIOCLIM 建模标准步骤： 1. Modeling / Bioclim/Domain 2. 输入：物种点 Shapefile 3. 选择气候变量层：可多选（如 BIO1, BIO5, BIO6, BIO12） 4. 设置输出选项：Frequency（频率分布）、Envelope（包络范围）、Prediction（预测面） 5. 运行后生成适宜性网格：数值范围 0-100

关于 BIOCLIM 的输出，DIVA-GIS 会生成一个百分等级（percentile rank）的预测面，0 表示完全不适宜，100 表示最适宜。手册中明确提示了几点注意事项：DIVA-GIS 是一个相对较新的程序，不应该盲目相信分析结果，应该用已知结果的简单样本数据进行验证，或手动计算少量网格单元的预期值。这个警告在建模场景下尤其重要——生态位模型的输出对输入数据和参数选择高度敏感，必须做交叉验证。

模型评估工具对应Modeling / Evaluation，可以用保留的部分点数据检验模型预测的准确性，生成 ROC 曲线和 Kappa 统计量。ROC 曲线的原理是：以不同的适宜性阈值区分存在与不存在，计算不同阈值下的真阳性率（敏感性）与假阳性率（1-特异性），曲线下面积（AUC）越接近 1，模型区分能力越强。AUC 大于 0.75 一般被认为是有效模型。

ROC/Kappa 输出输出文件说明： - ROC 曲线数据：包含每个阈值对应的敏感性和特异性值 - AUC 值：判别能力指标，1.0 为理想，0.5 相当于随机 - Kappa 系数：衡量模型预测与观测的一致性，>0.4 为中等一致性

4.3 空间自相关与距离计算：Spatial Autocorrelation 的两种模式

Analysis / Spatial Autocorrelation提供了一种量化生物分布空间结构的方法。DIVA-GIS 支持两种计算模式：分点（point-based）和网格单元（grid cell-based）。分点模式适用于你有一个点的 shapefile，需要分析点之间的空间相关性；网格单元模式则适用于网格数据，比如分析丰富度网格是否存在空间梯度。输出结果包括 Moran's I 统计量、期望值、方差和 z 值。在解读 Moran's I 时有一个点需要特别提醒：正的自相关（Moran's I 显著大于期望值）意味着空间聚类，这在物种分布数据中很常见，因为环境条件通常也具有空间自相关性。负的自相关（显著小于期望值）则意味着空间排斥，可能对应领域竞争或扩散限制。

距离计算对应的功能是Analysis / Distance，它可以生成一个距离矩阵，用于后续的多元分析（比如聚类、Mantel 检验）。输出的距离矩阵是正方形矩阵，对角线为 0，可以另存为文本文件后结合 R 或 Python 进行下游分析。

5. 把模型结果搬上地图：设计视图与出图技巧

DIVA-GIS 的设计视图（Design View）是一个常被低估的功能。它的定位很清晰：把你在数据视图中做的分析结果，组装成可以放进论文或报告里的地图。操作路径是点击窗口右下角的 Design View 选项卡，进入后通过方框 1 中的工具按钮把地图、图例、比例尺、北箭头等元素逐一添加到画布中。具体按钮的功能包括：Adding Map（添加地图）、Adding Legend（添加图例）、Adding Scale（添加比例尺）、Adding North Arrow（添加北箭头）、Adding Overview Map（添加总览图）、Adding Text（添加文本）。

图例的排版是最影响成图质量的一环，DIVA-GIS 的处理方式比较独特：图例的宽度由数据视图中 TOC（内容目录）的宽度决定，所以在切到设计视图之前，应该先把数据视图中的 TOC 面板宽度调整到合适的大小。如果你觉得图例位置不理想，直接用 Undo 按钮撤销上一操作，然后重新点击地图位置放置图例。这个交互方式虽然谈不上精致，但胜在直观、符合手工排版习惯。

地图导出支持三种方式：打印、复制到剪贴板、保存为 BMP 或 TIF 图形文件。对于论文投稿，TIF 格式是最稳妥的选择，记得在保存前把分辨率调整到满足期刊要求（通常 300 dpi）。实际操作中，我一般会在数据视图中先用缩放和平移工具把感兴趣区域调整到合适比例（避免地图周围出现过多空白），然后切换到设计视图添加图例和比例尺。如果地图偏向一侧、另一侧空白太多，通常是某个不可见图层（比如分布于东部的数据点）占据了过多空间，回到数据视图，在 TOC 中把该层取消勾选，或者直接移除这个图层，然后再回到设计视图重新布局。

一个实用的进阶技巧是：在数据视图中点击 TOC 中图层的名称，使其成为活动层（凸起的层栏），再双击打开图层属性窗口，可以调整颜色方案和显示范围。对于栅格图层，DIVA-GIS 支持自定义重分类的图例类别。设计视图中文本的字体和颜色可以通过 Set Font / Set Color 按钮调整，但 TOC 的字体修改要回到数据视图的Tools / Options / Layers菜单中设置，修改后需要关闭项目再重新打开才能生效——这个细节手册里写得很明确，但很多人会忽略。以上这些步骤构成了一个完整的分析闭环：从数据导入、坐标校验，到栅格运算、多样性分析与生态位建模，最后到出图交付，全部在 DIVA-GIS 这一个工具里完成，这在免费 GIS 软件中并不多见。

本文还有配套的精品资源，点击获取