在R中筛选GBIF GRIIS清单入侵物种并获取分布记录

需要从GBIF获取多个目标国家的入侵物种分布记录，当前使用ISSG的GRIIS清单时，会下载所有标记为入侵或引入的物种（如印度有2057个），但仅需其中明确标记为Invasive的物种（印度仅282个）。isInvasive字段仅存在于GRIIS数据集的Darwin Core Archive（DwCA）的speciesprofile.txt文件中，手动逐个下载DwCA效率极低，需批量自动化解决方案。

1. 批量下载目标国家的GRIIS DwCA文件 #

通过GBIF API定位目标国家的GRIIS数据集，自动获取DwCA下载链接并批量下载解压：

library(tidyverse)
library(rgbif)
library(zip)

# 设置GBIF凭证
Sys.setenv(GBIF_USER = 'your_username')
Sys.setenv(GBIF_PWD = 'your_password')
Sys.setenv(GBIF_EMAIL = 'your_email')

# 目标国家列表
target_countries <- c('India', 'Malaysia')

# 搜索ISSG发布的所有GRIIS checklist数据集
ISSG_datasets <- dataset_search(
  publishingOrg = 'cdef28b1-db4e-4c58-aa71-3c5238c2d0b5',
  type = 'checklist'
)$data

# 筛选目标国家对应的数据集
target_GRIIS <- ISSG_datasets %>%
  filter(str_detect(datasetTitle, paste(target_countries, collapse = "|")))

# 创建存储DwCA的目录
dir.create("GRIIS_DwCA", showWarnings = FALSE)

# 批量下载并解压每个国家的DwCA
walk(target_GRIIS$datasetKey, function(key) {
  # 获取数据集的下载链接
  download_info <- dataset_download(key)
  dwca_url <- download_info$downloadLink
  
  # 定义本地存储路径
  zip_path <- file.path("GRIIS_DwCA", paste0("griis_", key, ".zip"))
  extract_dir <- file.path("GRIIS_DwCA", key)
  
  # 下载并解压
  download.file(dwca_url, zip_path, mode = "wb")
  unzip(zip_path, exdir = extract_dir)
  file.remove(zip_path) # 可选：删除压缩包节省空间
})

2. 提取入侵物种并获取GBIF分布记录 #

从解压后的DwCA中读取speciesprofile.txt，筛选出isInvasive == 'Invasive'的物种，关联GBIF分类学key后批量下载分布记录：

# 安装依赖包（若未安装）
install.packages("countrycode")

library(countrycode)

# 处理单个国家GRIIS数据的函数
process_country_griis <- function(country_dir) {
  # 读取speciesprofile.txt（注意DwCA默认用制表符分隔）
  sp_profile <- read.table(
    file.path(country_dir, "speciesprofile.txt"),
    header = TRUE,
    sep = "\t"
  )
  
  # 筛选入侵物种
  invasive_sp <- sp_profile %>%
    filter(isInvasive == 'Invasive')
  
  # 读取taxon文件，关联GBIF nubKey（即taxonKey）
  taxon_file <- list.files(country_dir, pattern = "^taxon.*\\.txt", full.names = TRUE)
  taxon_data <- read.table(taxon_file, header = TRUE, sep = "\t")
  
  # 关联入侵物种的分类学key
  invasive_taxa <- invasive_sp %>%
    left_join(taxon_data, by = "id") %>%
    filter(!is.na(nubKey)) %>%
    distinct(nubKey, species = scientificName)
  
  # 获取国家ISO2代码（用于GBIF分布筛选）
  country_name <- str_extract(basename(country_dir), paste(target_countries, collapse = "|"))
  country_iso2 <- countrycode(country_name, "country.name", "iso2c")
  
  # 批量提交GBIF分布下载任务（队列处理避免API限制）
  if(nrow(invasive_taxa) > 0) {
    download_tasks <- map(invasive_taxa$nubKey, function(key) {
      occ_download(
        pred("taxonKey", key),
        pred("hasCoordinate", TRUE),
        pred("country", country_iso2),
        pred("occurrenceStatus", "PRESENT")
      )
    })
    occ_download_queue(download_tasks)
  }
  
  return(invasive_taxa)
}

# 处理所有下载的DwCA目录
griis_dirs <- list.dirs("GRIIS_DwCA", recursive = FALSE)
all_invasive_taxa <- map_dfr(griis_dirs, process_country_griis)

# 查看筛选出的入侵物种列表
print(all_invasive_taxa)

• DwCA文件格式：GRIIS的DwCA文件默认使用**制表符（\t）**分隔，读取时需指定sep = "\t"，避免解析错误。
• GBIF API限制：使用occ_download_queue自动处理API速率限制，防止请求被拒绝。
• 分类学关联：通过id字段关联speciesprofile.txt和taxon.txt，确保获取正确的GBIF物种key。

内容的提问来源于stack exchange，提问作者FAmorim