瑞士十字花科(Brassicaceae)植物丰富度（个数）预测结果：
由气候因子 + 环境异质性预测结果（上，颜色越红表示预测结果为物种越丰富，绿点点为十字花科植物的分布记录，下同）
仅由气候因子的预测结果
仅由环境异质性（气候因子异质性的主成分分析结果 + 景观Shannon多样性指数）预测结果
_(阿姬倒地)结果是这样的：
仅由环境异质性进行预测的话，模型的拟合程度最好(Model 3)
其次是仅由气候因子(Model 2)
再其次是气候因子 + 环境因子(Model 1)（不过我估计Model1和2差别不显著，可以试试Duncan检验）
就最好模型的拟合程度来看，结果是 3 优于 1 优于 2
似乎是符合我的假说的？
_(心情简单)看来我初步认定这个东西是因为异质性指数选择的问题还是有道理的
因为引入了异质性指数确实效果拔群，而且似乎是符合Shmida 1985的结果的
下一步要做的就是试试在别的地方复现
以及，景观Shannon异质性指数和预测值在绝大多数的地块表现为低低或者高高
这一点和之前的研究相同 -- Shannon异质性指数在较大的空间尺度下（这个地方是100平方千米）与环境中的栖息地数量正相关，能够容纳更多的物种多样性，同时每个栖息地平均分到的面积不至于小到物种无法建立种群，所以结论是符合假说的。
有一点各位需要额外注意的是，瑞士北部相对地势低平，南部是阿尔卑斯山区
我个人的假说是，山区的气候因子相对于北部更加多变
在我们人为降低了气候因子的分辨率（0.1*0.1°）后，气候因子在此处变得不可靠
就气候因子异质性的主成分分析结果而言，南部的气候因子异质性确实总体上比北部要高
我们以BIO1 也就是年平均气温为例
在0.1 * 0.1°分辨率的像元大概是这样的（颜色越浅温度越高，下同）
而在0.5 * 0.5 分 的分辨率下是上面这样的
可见，在南部的山区并不缺少年平均气温和北部相仿的地块
但是在人为降低了分辨率后，我们发现南部的年平均气温在0.1 * 0.1 度的分辨率下总体被低估了
（各位注意嗷，0.1*0.1度是6*6分）
学界关于生物多样性有water and energy假说，很显然在我们的模型中
如果只考虑气候因子，不考虑气候因子的异质性
那么在大像元的评估中就会丢失掉信息，然后在仅有气候因子的模型中物种多样性就可能被低估
_(心情简单)
而我们如果作BIO1和十字花科植物物种多样性的Bivariate map就可以发现
在仅有气候因子的模型中
大多数地块物种多样性与年平均气温是妥妥的大大和小小，也就是这俩妥妥是正相关关系。
_(心情简单)
所以，各位，我对这次结果比较满意，
就我的立场而言，我肯定是希望能够批判批判只用气候因子进行物种多样性mapping的
所以我的讨论也多围绕着抨击Model 2
欢迎各位讨论！
