介绍

除了允许用户从世界维管植物名录（WCVP）创建清单外，rWCVP还提供了修改清单输出以生成自定义报告的功能。本文通过生成塞拉利昂特有（或近特有）物种列表来证明这一点。

除了 rWCVP 之外，我们还将使用 tidyverse 包进行数据操作和绘图，使用 gt 包来渲染漂亮的表格，并使用 sdpep 包来查找边界区域。

先做好准备工作

library(rWCVP)
library(tidyverse)
library(gt)
library(spdep)

在此示例中，使用==管道运算符（%>%）和 dplyr语法 ==- 如果不熟悉这些，我建议查看 https://dplyr.tidyverse.org/ 和其中的一些帮助页面。

1. 特有物种清单

我们首先生成塞拉利昂物种清单。记住和/或找到合适的 WGSRPD 3 级代码是一种痛苦，因此我们可以在函数调用中使用 get_wgsrpd3_codes（“Sierra Leone”）为我们完成这项工作。

sl_code = get_wgsrpd3_codes("Sierra Leone")
sl_species = wcvp_checklist(area=sl_code, synonyms = FALSE)

synonyms = FALSE表示只保留接受名。结果有近10万条。
在这里插入图片描述

塞拉利昂有多少物种，有多少是特有的？我们可以在这里选取特有列，非常简单。

(endemic_summary = sl_species %>%
    distinct(taxon_name, endemic) %>%
    group_by(endemic) %>%
    summarise(number.of.sp=n()))

# A tibble: 2 × 2
  endemic number.of.sp
  <lgl>          <int>
1 FALSE           3303
2 TRUE              45

容易！对于特有物种列表，我们可以简单地使用特有列过滤我们的清单，但是近特有物种呢？

2. 近特有物种清单

根据我们对近特有物种的定义，有两种办法进行筛选：

我们将近特有物种定义为出现在塞拉利昂和另一个WGSPRD3地区（L3）的物种。从数据的角度来看，这意味着过滤掉sl_species中有 >2 行的物种（因为每一行都是物种区域出现）。
或者，我们可以考虑近特有物种，因为那些可能跨越边界的物种，因此在功能上是地方性的。为此，我们需要a）确定相邻的WGSPRD3区域，b）相应地过滤我们的物种列表。

2.1 在塞拉利昂和另一地区出现的物种

我们只需直接从塞拉利昂物种列表中移除分布地超过2处的物种即可。

sl_near_endemics1 = sl_species %>%
  group_by(plant_name_id, taxon_name) %>%
  filter(n() < 3) %>%
  ungroup()

在这里插入图片描述
结果有179条，但里面有重复（即由于近特有物种定义引起的），总结后：

sl_near1_summary = sl_near_endemics1 %>%
  group_by(taxon_name) %>%
  summarise(number.of.sp=n())

近特有物种有112种，还可以根据数字判断哪些是新增的，哪些是原有的特有物种。
在这里插入图片描述

2.2 在塞拉利昂和相邻地区出现的物种

首先，我们需要确定哪些WGSRPD地区与塞拉利昂接壤。
我们可以通过查看地图来做到这一点，但我们将使用编程方式操作图层文件。为此，我们采用 WGSRPD 级别 3 多边形并找到彼此接壤的所有区域。

sf_use_s2(FALSE)

area_polygans = rWCVPdata::wgsrpd3
area_neighbours = poly2nb(area_polygans)

请注意，我们必须为此使用 sf_use_s2（FALSE）关闭 sf 中的球面坐标。

现在我们有一份邻近地区的清单，我们需要找到与塞拉利昂接壤的地区。

sl_index = which(area_polygans$LEVEL3_COD %in% sl_code)
sl_neighbours_index = area_neighbours[[sl_index]]
sl_plus_neighbours = area_polygans[c(sl_index, sl_neighbours_index),]

在这里插入图片描述
在生成最终清单之前，检查此自动邻居检测的健全性。然后可以将区域映射到地图中

bounding_box = st_bbox(sl_plus_neighbours)
xmin = bounding_box["xmin"] - 2
xmax = bounding_box["xmax"] + 2
ymin = bounding_box["ymin"] - 2
ymax = bounding_box["ymax"] + 2

ggplot(area_polygans) +
  geom_sf(fill="white", colour="grey") +
  geom_sf(data=sl_plus_neighbours, fill="#a4dba2", colour="gray20") +
  coord_sf(xlim = c(xmin, xmax), ylim=c(ymin, ymax)) +
  geom_sf_label(data=sl_plus_neighbours, aes(label=sl_plus_neighbours$LEVEL3_NAM)) +
  theme(panel.background = element_rect(fill = "#bfbadb")) +
  xlab(NULL) +
  ylab(NULL)

在这里插入图片描述
当然，我们可以从地图上将几内亚和利比里亚确定为邻国，然后使用get_wgsrpd3_codes（“利比里亚”）和get_wgsrpd3_codes（“几内亚”）找到代码，但这并不那么有趣！

接下来，我们可以将近特有物种确定为仅在塞拉利昂，几内亚或利比里亚出现的物种。

sl_near_endemics2 = sl_species %>%
  group_by(plant_name_id) %>%
  filter(all(area_code_l3 %in% sl_plus_neighbours$LEVEL3_COD)) %>%
  ungroup()

在这里插入图片描述
最后，我们将列表过滤到仅发生在塞拉利昂+一个邻国的物种，就像我们在选项1中所做的那样。从地图上看，一个物种似乎可能发生在三个国家之间的三重交界处，但对于这个例子，我们将排除这些物种。

sl_near_endemics2 = sl_near_endemics2 %>%
  group_by(plant_name_id, taxon_name) %>%
  filter(n() < 3) %>%
  ungroup()

在这里插入图片描述

同样，除掉重复看实际上有多少个近特有物种：

sl_near2_summary = sl_near_endemics2 %>%
  group_by(taxon_name) %>%
  summarise(number.of.sp=n())

在这里插入图片描述

3. 生成自定义报告

现在我们可以做一些花哨的事情 - 将我们的清单数据框转换为格式化报告。为此，我们将其插入名为“custom_checklist.Rmd”的模板文件中，该文件存储在 rWCVP 包文件夹（”rmd“子文件夹）中。我们使用参数传递数据（以及其他一些信息），并且需要使用output_file指定文件名。

library(rmarkdown)

checklist_description = "Checklist of species that are endemic to Sierra Leone (or near-endemic, based on neighbouring countries)"
wd = getwd()
render(system.file("rmd", "custom_checklist.Rmd", package = "rWCVP"),
       quiet = TRUE,
       params=list( version = "New Phytologist Special Issue",
                    mydata = sl_near_endemics2,
                    description = checklist_description),
       output_file = paste0(wd,"/Sierra_Leone_endemics_and_near_endemics.html"))