物种地理分布图怎么做

‘壹’ excel如何做物种堆积图

通过堆积图选项进行绘制。
1、打开电脑桌面上的excel图标，并建立空白文档。
2、将绘图数据录入到工作表中，按年度和项目区分。
3、将鼠标光标放置于数据单元格内，并点击上方的插入按钮并找到堆积柱形图选项。

‘贰’ 在word中怎么绘制地理位置图

准备工具：电脑,WPS

1.打开电脑，在电脑桌面中找到需要修改的文档，点击打开该文档进入至文档主页面中。

‘叁’ EXCEL做图方法求助（海拔、物种分布）

用散点图，加辅助列的做法，纵坐标为具体的数据，横坐标为辅助列1,2,3,4，即物种1，物种2，物种3，物种4。横坐标的改法我就不会用excel改了，推荐用 excel做好图后用photoshop改下横坐标。希望能够帮助你

‘肆’ 怎样描述物种空间分布图

描述方法：
1、随纬度变化:从低纬到高纬度多样性逐渐减少，无论陆地、海洋和淡水环境都有类似趋势。主要是受热量和光照因素影响。2、随海拔变化:在陆地高山上，随海拔增高，会出现热带、温带、寒带环境，而物种多样性随海拔升高而逐渐降低。主要是受温度因素影响。3、在海洋或淡水水体，物种多样性随深度增加而降低趋势。在大型水域中，温度低、含氧少、黑暗的深水环境生物种类明显少于浅水区。主要是受光照和含氧量因素影响。4、随降水量分布:降水量大的地方物种多样性丰富，降水量少的地区物种多样性少。主要是受水分因素影响。

‘伍’ 文献中物质的地理分布图是怎么做出来的

其实历史书上都有相关图片。应该是根据地方志、地理书籍等文献资料大概的画出来的。

不过需要声明的是古代没有现代国界的概念，而且这些图有的是看占领的城池来描绘出来的，有时候会因为自然条件等因数，有的会主动放弃城池。就好像三国里面的蜀国，诸葛亮六出祁山，每次都是要占领陈仓城，当时撤退就会放弃这一座城池，哪怕之前费了很大力气去攻打，原因很简单，如果距离太远，而且补给困难的城，与其死守，牺牲掉可能上万士兵还不一定守得住，不如保存实力等下次再算账

还有因为地理因素，如罗布泊等地方，古代有非常繁华的古城，但是一些不解之谜，有的人说是沙尘暴等原因，这些城池会被人一夜抛弃。。。

所以历史地图指示描绘大概的轮廓，或者是当时的帝国最强盛时期的疆域图，有的老师说可能维持只有几年。。。

‘陆’ 用什么软件可以绘制地理分布图

相关软件很多，最基础的可以用CAD
也可以用南方Cass，MapGIS，supermap等，这些都是国产软件，还有ArcGIS，MapInfo等国外软件，还有其它各种大小的相关图形软件。

‘柒’ 小区生物分布图怎么画

画出房屋的整体结构图，在整体结构图上画出客厅内的家居图形。在整体架构上画出餐厅的桌椅图形。在阳台上画出阳台的布置图形，最后在客厅内画出装饰的地板砖，这样室内图形就绘制好了。

在生物学和生态学中， 地球上约有870万种物种（±130万），其中650万种物种在陆地上，220万种生活在水中。多种多样的生物不仅维持了自然界的持续发展，而且是人类赖以生存和发展的基本条件。但是现存的动物急剧减少，只有原来地球上的动物的十分之一。

起源：

生物最重要和基本的特征在于生物会进行新陈代谢及遗传两点，前者说明所有生物一定会具备合成代谢以及分解代谢（两个是完全相反的两个生理反应过程），并且可以将遗传物质复制，通过自我分裂生殖(无性生殖)或有性生殖，交由下一代繁殖下去以避免灭绝，这是类生命现象的基础。

‘捌’ 环境微生物群落heatmap图怎么画

稀释性曲线（Rarefaction Curve）采用对测序序列进行随机抽样的方法，以抽到的序列数与它们所能代表OTU的数目构建曲线，即稀释性曲线。当曲线趋于平坦时，说明测序数据量合理，更多的数据量对发现新OTU的边际贡献很小；反之则表明继续测序还可能产生较多新的OTU。横轴：从某个样品中随机抽取的测序条数；"Label 0.03" 表示该分析是基于OTU 序列差异水平在0.03，即相似度为97% 的水平上进行运算的，客户可以选取其他不同的相似度水平。纵轴：基于该测序条数能构建的OTU数量。曲线解读：Ø 图1中每条曲线代表一个样品，用不同颜色标记；Ø 随测序深度增加，被发现OTU 的数量增加。当曲线趋于平缓时表示此时的测序数据量较为合理。2. Shannon-Wiener 曲线反映样品中微生物多样性的指数，利用各样品的测序量在不同测序深度时的微生物多样性指数构建曲线，以此反映各样本在不同测序数量时的微生物多样性。当曲线趋向平坦时，说明测序数据量足够大，可以反映样品中绝大多数的微生物物种信息。横轴：从某个样品中随机抽取的测序条数。纵轴：Shannon-Wiener 指数，用来估算群落多样性的高低。Shannon 指数计算公式：其中，Sobs= 实际测量出的OTU数目；ni= 含有i 条序列的OTU数目；N = 所有的序列数。曲线解读：Ø 图2每条曲线代表一个样品，用不同颜色标记，末端数字为实际测序条数；Ø 起初曲线直线上升，是由于测序条数远不足覆盖样品导致；Ø 数值升高直至平滑说明测序条数足以覆盖样品中的大部分微生物。3.Rank-Abundance 曲线用于同时解释样品多样性的两个方面，即样品所含物种的丰富程度和均匀程度。物种的丰富程度由曲线在横轴上的长度来反映，曲线越宽，表示物种的组成越丰富；物种组成的均匀程度由曲线的形状来反映，曲线越平坦，表示物种组成的均匀程度越高。横轴：OTU 相对丰度含量等级降序排列。纵轴：相对丰度比例。曲线解读：Ø 图3与图4中每条曲线对应一个样本（参考右上角图标）；Ø 图3与图4中横坐标表示的是OTU（物种）丰度排列顺序，纵坐标对应的是OTU（物种）所占相对丰度比例（图3为相对百分比例，图4为换算后Log值），曲线趋于水平则表示样品中各物种所占比例相似；曲线整体斜率越大则表示样品中各物种所占比例差异较大。4. 样本群落组成分析：多样本柱状图/ 单样本饼状图 根据分类学分析结果，可以得知一个或多个样品在各分类水平上的物种组成比例情况，反映样品在不同分类学水平上的群落结构。柱状图（图5）横轴：各样品的编号。纵轴：相对丰度比例。图标解读：Ø 颜色对应此分类学水平下各物种名称，不同色块宽度表示不同物种相对丰度比例；Ø 可以在不同分类学水平下作图分析。饼状图（图6）在某一分类学水平上，不同菌群所占的相对丰度比例。不同颜色代表不同的物种。5. 样品OTU 分布Venn 图用于统计多个样品中共有或独有的OTU数目，可以比较直观地表现各环境样品之间的OTU 组成相似程度。不同样品用不同颜色标记，各个数字代表了某个样品独有或几种样品共有的OTU 数量，对应的OTU编号会以EXCEL 表的形式在结题报告中呈现。分析要求单张分析图，样本分组至少两个，最多5 个。Ø 默认设置为97% 相似度水平下以OTU 为单位进行分析作图。6. Heatmap 图用颜色变化来反映二维矩阵或表格中的数据信息，它可以直观地将数据值的大小以定义的颜色深浅表示出来。将高丰度和低丰度的物种分块聚集，通过颜色梯度及相似程度来反映多个样品在各分类水平上群落组成的相似性和差异性。相对丰度比例：热图（图8）中每小格代表其所在样品中某个OTU 的相对丰度。以图8为例，红框高亮的小格所对应的信息为：样本（R11-1Z）中OTU（OTU128）的相对丰度比例大概为0.2%。丰度比例计算公式（Bray Curtis 算法）：其中，SA,i = 表示A样品中第i个OTU所含的序列数SB,i = 表示B样品中第i个OTU所含的序列数样品间聚类关系树：进化树表示在选用成图数据中，样本与样本间序列的进化关系（差异关系）。处于同一分支内的样品序列进化关系相近。物种/OTU 丰度相似性树：丰度相似性树表示选用成图的数据中样品与样品中的OTU 或序列在丰度上的相似程度。丰度最相近的会分配到同一分支上。客户自定义分组：根据研究需求对菌群物种/OTU 研究样本进行二级分组Ø 二级物种/OTU 分组：将下级分类学水平物种或OTU 分配到对应的上级分类学水平，以不同颜色区分；Ø 二级样品分组：根据研究需要，对样品进行人为的分组，以不同颜色区分。7. 主成分分析PCA (Principal Component Analysis)在多元统计分析中，主成分分析是一种简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中对方差贡献最大的特征，从而有效地找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。通过分析不同样品的OTU 组成可以反映样品间的差异和距离，PCA 运用方差分解，将多组数据的差异反映在二维坐标图上，坐标轴为能够最大程度反映方差的两个特征值。如样品组成越相似，反映在PCA图中的距离越近。横轴和纵轴：以百分数的形式体现主成分主要影响程度。以图9为例，主成分1（PC1）和主成分2（PC2）是造成四组样品（红色，蓝色，黄色和绿色）的两个最大差异特征，贡献率分别为41.1% 和27.1%。十字交叉线：在图9中作为0 点基线存在，起到辅助分析的作用，本身没有意义。图例解读：Ø PCA 分析图是基于每个样品中所含有的全部OTU 完成的；Ø 图9中每个点代表了一个样本；颜色则代表不同的样品分组；Ø 两点之间在横、纵坐标上的距离，代表了样品受主成分（PC1 或 PC2）影响下的相似性距离；Ø 样本数量越多，该分析意义越大；反之样本数量过少，会产生个体差异，导致PCA分析成图后形成较大距离的分开，建议多组样品时，每组不少于5个，不分组时样品不少于10个；Ø 图10中的圆圈为聚类分析结果，圆圈内的样品，其相似距离比较接近。8. RDA/ CCA 分析图基于对应分析发展的一种排序方法，将对应分析与多元回归分析相结合，每一步计算均与环境因子进行回归，又称多元直接梯度分析。主要用来反映菌群与环境因子之间的关系。RDA 是基于线性模型，CCA是基于单峰模型。分析可以检测环境因子、样品、菌群三者之间的关系或者两两之间的关系。横轴和纵轴：RDA 和CCA 分析，模型不同，横纵坐标上的刻度为每个样品或者物种在与环境因子进行回归分析计算时产生的值，可以绘制于二维图形中。图例解读：Ø 冗余分析可以基于所有样品的OTU作图，也可以基于样品中优势物种作图；Ø 箭头射线：图11中的箭头分别代表不同的环境因子（即图中的碳酸氢根离子HCO3-，醋酸根离子AC-等，图中的其它环境因子因研究不同代表的意义不同，因此不再赘述）；Ø 夹角：环境因子之间的夹角为锐角时表示两个环境因子之间呈正相关关系，钝角时呈负相关关系。环境因子的射线越长，说明该影响因子的影响程度越大；Ø 图11中不同颜色的点表示不同组别的样品或者同一组别不同时期的样品，图中的拉丁文代表物种名称，可以将关注的优势物种也纳入图中；Ø 环境因子数量要少于样本数量，同时在分析时，需要提供环境因子的数据，比如 pH值，测定的温度值等。9. 单样品/ 多样品分类学系统组成树根据NCBI 提供的已有微生物物种的分类学信息数据库，将测序得到的物种丰度信息回归至数据库的分类学系统关系树中，从整个分类系统上全面了解样品中所有微生物的进化关系和丰度差异。单样品图（图12）：可以了解单样品中的序列在各个分类学水平上的分布情况。图例解读：Ø 图12中不同的层次反映不同的分类学水平；Ø 分支处的圆面积说明了分布在该分类学水平，且无法继续往下级水平比对的序列数量，面积越大，说明此类序列越多；Ø 每个分支上的名词后面的两组数字分别表示比对到该分支上的序列数和驻留在该节点上的序列数；Ø 图13中为某单一水平物种分布情况，并非是序列分布。多样品图（图14）：比对多个样品在不同分类学分支上序列数量差异。图例解读：Ø 比对不同样品在某分支上的序列数量差异，通过带颜色的饼状图呈现，饼状图的面积越大，说明在分支处的序列数量越多，不同的颜色代表不同的样品。Ø 某颜色的扇形面积越大，说明在该分支上，其对应样品的序列数比其他样品多。Ø 多样品在做该分析时，建议样品数量控制在10个以内，或者将重复样本数据合并成一个样本后，总样品数在10个以内。10.系统发生进化树在分子进化研究中，基于系统发生的推断来揭示某一分类水平上序列间碱基的差异，进而构建进化树。

‘玖’ 如何用arcgis制作地理分布图

首先要有制图所需的数据，一般有专题要素和基础数据
然后根据数据进行地图符号化，整饰，出图
可以参考：http://jingyan..com/article/9f7e7ec0b81aab6f2915546b.html

‘拾’ 怎么画地理位置图

准备工具：电脑,WPS

1.打开电脑，在电脑桌面中找到需要修改的文档，点击打开该文档进入至文档主页面中。