这篇文章承接前文的当前气候建模结果，进一步介绍如何利用已保存的 BIOMOD2 模型对象，在未来气候情景下完成白芷适宜性投影、集成预测与结果导出，并给出可直接复用的脚本框架。
通过biomod2整合多个模型对物种进行预测——白芷为例
该脚本完整实现了基于 BIOMOD2 的物种分布模型流程：从数据准备（分布点 + 环境变量）、模型训练与评估、变量重要性分析，到集成预测与结果可视化，最终输出白芷在当前环境下的适宜性分布，为其道地性研究提供科学依据
从逐日气象数据生成生物气候变量
从逐日气象站点数据生成生物气候变量(bioclimatic variables)的完整流程。生物气候变量是最大熵模型(MaxEnt)中进行物种分布预测的重要环境变量。主要工作流程包括：数据获取：从NCEI获取2024年全球气象站点的逐日数据，筛选中国区域的站点数据；数据处理：使用Python合并所有站点CSV文件、清洗数据并计算月均值、将数据按月份分割为12个文件、使用R语言的克里金法(Kriging)对点数据进行空间插值、为每个月生成最高最低温度和降水量的栅格数据；生成生物气候变量：使用R语言的dismo包中的biovars函数计算19个标准生物气候变量，输出为GeoTIFF格式栅格文件。
从PDF发票中获取商品细则
单纯是为了方便才弄出来的一个东西，果然懒才是进步最大的推动力
自用工具集合
将之前的两个工具整合到一个Docker容器中，方便使用。
利用OpenAI高质量翻译Markdown文件
前面不是写了一个将SCI文献的PDF转换为Markdown格式的工具，现在这个工具是为了完善工具链写出来的，转换完就可以马上将文献翻译成中文。
使用python将SCI文献PDF转Markdown
这是之前写文献综述的时候，为了方便整理文献，写了一个小工具，可以将SCI文献的PDF转换为Markdown格式。
生物适应区预测中，使用ENMTools进行冗余样点剔除
在生物适应区预测中，样点的选择是非常重要的，而ENMTools工具可以帮助我们剔除冗余样点，提高预测的准确性
用arcgis和maxent适应性区划中的一些点
最近的课题有用到这两个软件，其中做maxent的时候需要气象因子，而在worldclim下载的未来生物气象因子只有一张包含19个波段的tif文件，需要手动拆分成19个文件。实在是没有找到用arcgis拆分的方法，所以转向了python
小工具分享
这个小工具是在做数据处理期间，为了减少自己的工作量临时编写的。主要利用百度地图api对从NSII网站上获取的标本数据批量查询经纬度