CN113536519B - 一种生物多样性评价方法及计算机设备 - Google Patents
一种生物多样性评价方法及计算机设备 Download PDFInfo
- Publication number
- CN113536519B CN113536519B CN202010320000.5A CN202010320000A CN113536519B CN 113536519 B CN113536519 B CN 113536519B CN 202010320000 A CN202010320000 A CN 202010320000A CN 113536519 B CN113536519 B CN 113536519B
- Authority
- CN
- China
- Prior art keywords
- index
- biodiversity
- species
- time period
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生物多样性评价方法及计算机设备,该方法包括:获取待评价区域面积、按第一预设比例随机抽取的抽样区域内相邻的第一时间周期和第二时间周期的各物种的个体数及随机抽取的抽样区域的总面积,待评价区域包括若干个抽样区域;根据所获取的数据构建第一时间周期的第一生物多样性指数和第二时间周期的第二生物多样性指数,得到第一指数对;重复上述步骤,得到第一预设数量的第一时间周期的第一生物多样性指数及第一预设数量的第二时间周期的第二生物多样性指数,得到第一预设数量的指数对;根据非参数检验对第一预设数量的指数对进行指数变化显著性检验;根据指数变化显著性检验结果对生物多样性进行评价。
Description
技术领域
本发明涉及生物多样性评价技术领域,具体涉及一种生物多样性评价方法及计算机设备。
背景技术
生物多样性包括遗传多样性、物种多样性和生态系统多样性三个方面,是社会经济可持续发展的物质基础。由于生态系统退化、物种濒危程度加剧、遗传资源流失等原因,导致生物多样性丧失问题十分严重。
生物多样性评价是客观了解生物多样性现状及其变化趋势、科学开展生物多样性保护的基础工作和重要手段。通过生物多样性评价,不仅可以了解生物多样性的现状和演变过程,而且可以识别主要威胁因素,提高生物多样性保护和可持续利用措施的针对性和有效性。
目前,大多采用Simpson指数(辛普森指数)、Shannon-Wiener指数(香浓威纳指数)、地球生命力指数等来评价生物多样性。但在长时间的应用实践中发现,这些指数存在如下问题:1.在地球生命力指数中,物种数是固定的,若物种数有变化,即表示某一年某个物种的数量为0,此时的指数是无法计算的,并且若某一物种的个体数从1变成0时,指数会突然增大,不够稳健;2.香浓威纳指数和辛普森指数均没有考虑物种多度,当全部物种均匀变化时,这两种指数没有明显变化。因此,目前评价生物多样性的方法都没有客观、准确地反映群落内各物种在个体数量上的差异,忽略了物种大小在维持生物多样性中的贡献,因而并不能完全客观、准确地反映群落生物多样性的现状。
发明内容
有鉴于此,为了克服现有生物多样性评价方法并不能完全客观、准确地反映群落生物多样性的现状的缺陷,本发明实施例提供了一种生物多样性评价方法及计算机设备。
根据第一方面,本发明实施例提供了一种生物多样性评价方法,包括:步骤1,获取待评价区域面积、按第一预设比例随机抽取的抽样区域内相邻的第一时间周期和第二时间周期的各物种的个体数及随机抽取的抽样区域的总面积,待评价区域包括若干个抽样区域;步骤2,根据待评价区域面积、个体数及总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比;步骤3,根据第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数、各物种占待评价区域内第一类生物总个体数的比及预设生物多样性指数计算公式分别计算第一时间周期的第一生物多样性指数和第二时间周期的第二生物多样性指数,得到第一指数对;重复步骤1-步骤3,计算得到第一预设数量的第一时间周期的第一生物多样性指数及第一预设数量的第二时间周期的第二生物多样性指数,得到第一预设数量的指数对;步骤4,根据非参数检验对第一预设数量的指数对进行指数变化显著性检验;步骤5,根据指数变化显著性检验结果对生物多样性进行评价。
可选地,在步骤4之前,生物多样性评价方法还包括:根据第一预设数量的第一时间周期的第一生物多样性指数及第二时间周期的第二生物多样性指数分别构建待评价区域的第一分布函数和第二分布函数;根据第一分布函数和第二分布函数分别计算第一生物多样性指数在第一分布函数中的第一期望和第一方差,以及第二生物多样性指数在第二分布函数中的第二期望和第二方差;根据第一期望、第一方差、第二期望和第二方差分别计算第一生物多样性指数的置信区间和第二生物多样性指数的置信区间。
可选地,步骤4,根据非参数检验对第一预设数量的指数对进行指数变化显著性检验,包括:根据第一预设数量的指数对建立Wilcoxon符号秩检验的原假设,原假设为H0:μ1-μ2=0,μ1表示第一生物多样性指数在第一预设数量的第一时间周期的第一生物多样性指数形成第一分布函数中的第一期望,μ2表示第二生物多样性指数在第一预设数量的第二时间周期的第二生物多样性指数形成第二分布函数中的第二期望;计算|xi1-xi2|及sgn(xi1-xi2), 其中,(xi1,xi2)为指数对,i的范围是1到N,N表示成对指数的组数;删除|xi1-xi2|=0的指数对,并统计剩余的指数对的组数Nr;根据|xr1-xr2|从小到大进行顺序排序,记录其顺序Rr;根据sgn(xr1-xr2)及其顺序计算检验统计量根据原假设及检验统计量得到检验统计量的极限分布;根据检验统计量的极限分布计算在原假设下与检验统计量发生的概率相关的P值;根据P值的大小确定第一预设数量的指数对的指数变化是否显著。
可选地,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值小于或等于第一预设阈值,则判定第一预设数量的指数对的指数存在显著变化;如果μ1>μ2,则判定生物多样性显著下降。
可选地,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值小于或等于第一预设阈值,则判定第一预设数量的指数对的指数存在显著变化;如果μ1<μ2,则判定生物多样性显著向好。
可选地,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值大于第一预设阈值,则判定第一预设数量的指数对的指数不存在显著变化,判定生物多样性处于总体稳定状态内。
可选地,生物多样性指数计算公式包括:
其中,Pit为第t年某物种占评价区域内该类生物总个体数的比,Nit为第t年第i个物种的总个体数,Nt为第t年评价区域内某一类生物的总个体数,Ft为指数1,Et为指数2,s表示某一类生物的物种数。
可选地,步骤2,根据待评价区域面积、个体数及总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比,包括:根据第一时间周期各物种的个体数及随机抽取的抽样区域的总面积计算第一时间周期抽样区域内各物种的密度;根据第二时间周期各物种的个体数及随机抽取的抽样区域的总面积计算第二时间周期抽样区域内各物种的密度;根据待评价区域面积及第一时间周期抽样区域内各物种的密度计算第一时间周期待评价区域内各物种的总个体数;根据待评价区域面积及第二时间周期抽样区域内各物种的密度计算第二时间周期待评价区域内各物种的总个体数;根据第一时间周期待评价区域内各物种的总个体数计算第一时间周期待评价区域内第一类生物的总个体数;根据第二时间周期待评价区域内各物种的总个体数计算第二时间周期待评价区域内第一类生物的总个体数;根据第一时间周期待评价区域内各物种的总个体数及第一时间周期待评价区域内第一类生物的总个体数计算第一时间周期各物种占评价区域内第一类生物总个体数的比;根据第二时间周期待评价区域内各物种的总个体数及第二时间周期待评价区域内第一类生物的总个体数计算第二时间周期各物种占评价区域内第一类生物总个体数的比。
根据第二方面,本发明实施例提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器执行如第一方面或第一方面任意实施方式中的生物多样性评价方法。
根据第三方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如第一方面或第一方面任意实施方式中的生物多样性评价方法。
本发明实施例提供的生物多样性评价方法及计算机设备,预先构建了新的生物多样性指数,新的生物多样性指数考虑了各物种的总个体数、第一类生物的总个体数、各物种占第一类生物总个体数的比,而各物种的总个体数、第一类生物的总个体数、各物种占第一类生物总个体数的比能够准确反映群落内各物种在个体数量上的差异以及物种丰富度、多度,从而新的生物多样性指数综合考虑了影响生物多样性的物种丰富度和多度两个方面,从而当采用该新的生物多样性指数来评价生物多样性时,可以客观、准确地反映群落内各物种在个体数量上的差异、考虑物种大小在维持生物多样性中的贡献,从而可以客观、准确地反映群落生物多样性的现状。并且,通过非参数检验的方法来检验相邻的第一时间周期和第二时间周期的指数对的指数变化是否显著,通过指数变化是否显著来对生物多样性进行评价,可以定量、科学的评价生物多样性的状况。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例的生物多样性评价方法的流程图;
图2示出了本发明实施例的指数1、指数2及地球生命力指数的对比图;
图3示出了本发明实施例的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种生物多样性评价方法,如图1所示,包括:
S101.步骤1,获取待评价区域面积、按第一预设比例随机抽取的抽样区域内相邻的第一时间周期和第二时间周期的各物种的个体数及随机抽取的抽样区域的总面积,待评价区域包括若干个抽样区域。
具体地,待评价区域指根据生物多样性评价需要选定的具体区域,例如自然保护区、省、国家等。抽样区域指在评价区域内根据代表性原则选取的实施野外调查获得实际数据的区域。时间周期通常为一年,但根据计算需要,也可以选为几个月、几年等。第一时间周期和第二时间周期相邻。例如,第一时间周期可以为第t年,第二时间周期可以为第t+1年。待评价区域的面积、各抽样区域的面积、第一时间周期和第二时间周期的各抽样区域的各物种数的个体数可以根据历史已有数据得到,也可以根据需要在野外进行采集得到。野外数据采集的方法参照有关生物类群的野外数据采集规范或标准执行。第一预设比例可以为60%、70%、80%、90%等。在本实施例中,以80%为例进行说明。例如,在待评价区域内抽样区域的个数为100个,则每次随机抽取80个抽样区域,统计随机抽取的这80个抽样区域内的各物种的个体数,并统计随机抽取的这80个抽样区域的总面积。
S102.步骤2,根据待评价区域面积、个体数及总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比;具体地,根据随机抽取的抽样区域的各物种的个体数及抽样区域的总面积可以计算各物种的密度,根据各物种的密度和待评价区域面积可以计算各物种的总个体数,根据各物种的总个体数可以计算某类生物的总个体数,根据各物种的总个体数和某类生物的总个体数可以计算各物种占评价区域内某类生物总个体数的比。
S103.步骤3,根据第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数、各物种占待评价区域内第一类生物总个体数的比及预设生物多样性指数计算公式分别计算第一时间周期的第一生物多样性指数和第二时间周期的第二生物多样性指数,得到第一指数对;具体地,生物多样性指数计算公式是预先构建的新的生物多样性指数,其综合考虑了各物种的总个体数、第一类生物的总个体数、各物种占第一类生物总个体数的比,从而根据步骤2计算得到的数据及新的生物多样性指数,可以计算得到第一时间周期的第一生物多样性指数和第二时间周期的第二生物多样性指数。
S104.重复步骤1-步骤3,计算得到第一预设数量的第一时间周期的第一生物多样性指数及第一预设数量的第二时间周期的第二生物多样性指数,得到第一预设数量的指数对。具体地,多次重复步骤1-步骤3,便可以得到多个指数对,第一预设数量可以根据实际情况进行设定,例如,可以为100、200等。
S105.步骤4,根据非参数检验对第一预设数量的指数对进行指数变化显著性检验;具体地,为了比较第一时间周期和第二时间周期的多样性变化是否显著,可以对第一时间周期和第二时间周期对应的第一预设数量的指数对进行非参数检验。本发明实施例以非参数检验的Wilcoxon符号秩检验(Wincox signed rank text)为例进行说明。Wilcoxon符号秩检验用来检验成对的数据(xi1,xi2),看它们的均值是否一致,并且不要求xi1,xi2独立,xi1,xi2之差满足正态分布的假设。根据它们的均值是否一致,可以确定指数变化是否显著。
S106.步骤5,根据指数变化显著性检验结果对生物多样性进行评价。具体地,如果指数变化显著,说明生物多样性变化显著。如果指数变化不显著,说明生物多样性变化不显著。
本发明实施例提供的生物多样性评价方法,预先构建了新的生物多样性指数,新的生物多样性指数考虑了各物种的总个体数、第一类生物的总个体数、各物种占第一类生物总个体数的比,而各物种的总个体数、第一类生物的总个体数、各物种占第一类生物总个体数的比能够准确反映群落内各物种在个体数量上的差异以及物种丰富度、多度,从而新的生物多样性指数综合考虑了影响生物多样性的物种丰富度和多度两个方面,从而当采用该新的生物多样性指数来评价生物多样性时,可以客观、准确地反映群落内各物种在个体数量上的差异、考虑物种大小在维持生物多样性中的贡献,从而可以客观、准确地反映群落生物多样性的现状。并且,通过非参数检验的方法来检验相邻的第一时间周期和第二时间周期的指数对的指数变化是否显著,通过指数变化是否显著来对生物多样性进行评价,可以定量、科学的评价生物多样性的状况。
在可选的实施例中,S102,步骤2,根据待评价区域面积、个体数及总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比,包括:根据第一时间周期各物种的个体数及随机抽取的抽样区域的总面积计算第一时间周期抽样区域内各物种的密度;根据第二时间周期各物种的个体数及随机抽取的抽样区域的总面积计算第二时间周期抽样区域内各物种的密度;根据待评价区域面积及第一时间周期抽样区域内各物种的密度计算第一时间周期待评价区域内各物种的总个体数;根据待评价区域面积及第二时间周期抽样区域内各物种的密度计算第二时间周期待评价区域内各物种的总个体数;根据第一时间周期待评价区域内各物种的总个体数计算第一时间周期待评价区域内第一类生物的总个体数;根据第二时间周期待评价区域内各物种的总个体数计算第二时间周期待评价区域内第一类生物的总个体数;根据第一时间周期待评价区域内各物种的总个体数及第一时间周期待评价区域内第一类生物的总个体数计算第一时间周期各物种占评价区域内第一类生物总个体数的比;根据第二时间周期待评价区域内各物种的总个体数及第二时间周期待评价区域内第一类生物的总个体数计算第二时间周期各物种占评价区域内第一类生物总个体数的比。
具体地,第t年抽样区域内第i个物种的密度记作ρit=nit/a,nit表示随机抽取的抽样区域内第t年调查到的第i个物种的个体数,a表示随机抽取的抽样区域总面积。第t年第i个物种的总个体数记作Nit=ρit×A,A表示待评价区域面积。第t年待评价区域内第一类生物的总个体数记作s表示第一类生物的物种数。第t年第i个物种占评价区域内该类生物总个体数的比记作Pit=Nit/Nt。根据步骤1获取到的数据,利用上述公式,可以分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比。
在可选的实施例中,S103,步骤3中,生物多样性指数计算公式包括:
其中,Pit为第t年某物种占评价区域内该类生物总个体数的比,Nit为第t年第i个物种的总个体数,Nt为第t年评价区域内某一类生物的总个体数,Ft为指数1,Et为指数2,s表示某一类生物的物种数。
具体地,在目前实际所用的生物多样性评价指数中,地球生命力指数考虑的因素较多,故而从此入手,开始构建新的生物多样性评价指数。
1地球生命力指数
Nit表示第i个物种第t年的数量,Ni()表示第i个物种第t-1年的数量。s表示该年的物种数,如我们要计算两栖类的地球生命力指数,s就表示该年一共有多少种两栖类。
则某一年,某一类(如鸟类或两栖类)的指数计算为:
2对地球生命力指数的变形
基于引入变量对地球生命力指数进行变形:
变形后可以看出,地球生命力指数实际上就是对每一年求一个指数,然后将该年的指数除以基准年的指数作为该年的地球生命力指数。
现在我们来看地球生命力指数每一年所求得的指数:设为Qt。
3地球生命力指数的不足及改进
从上述变形后的公式中可以看出,地球生命力指数存在如下不足:
1)地球生命指数的s是固定的,若s有变化,则Nit会出现0值(若某年物种增加,则其前年的的数量为0)此时带入公式,则logNit无穷小,指数无法计算。
因此,对地球生命力指数进行了如下两个方面的改进:
信息熵是用来刻画随机变量分布均匀度的通用方法,当变量是均匀分布时,信息熵取值达到最大。反之,通过信息熵计算出用于度量均匀程度的结果较小。另一方面,实际情况下s往往是变化的,但希望指数不会因s变化而出现无法计算的情况(即计算logPit时要计算的logNit无法计算),并且希望当s变小时(即某物种的个体数变为0而消失,群落中物种数减少时),指数不会突然增加。因此用信息熵代替的改进。信息熵在该问题下的表达式:
改进后的新指数1:
二改之后的新指数2:
改进后的新指数与目前常用的辛普森指数、香浓威纳指数相比,后者仅仅考虑了物种的丰富度,没有考虑物种的多度,这样就会导致当物种全部均匀减少时辛普森指数、香浓威纳指数没有明显变化。但新指数既考虑了物种的丰富度又考虑了物种的多度,就不会有这种情况发生。当更关注用生态系统中各物种多度变化的情形时,建议采用指数1;若更关注生态系统中各物种丰富度或均匀度的变化情形,建议采用指数2。
本发明实施例的新指数1及新指数2与其他生物多样性指数的比较:
我们利用2012—2017年全国两栖类野外观测数据,计算了新指数1、新指数2及地球生命力指数(LPI),如图2所示。从图2中可以看出,新指数1和新指数2同地球生命力指数有着相同的变化趋势。
在可选的实施例中,在S105,步骤4之前,生物多样性评价方法还包括:根据第一预设数量的第一时间周期的第一生物多样性指数及第二时间周期的第二生物多样性指数分别构建待评价区域的第一分布函数和第二分布函数;根据第一分布函数和第二分布函数分别计算第一生物多样性指数在第一分布函数中的第一期望和第一方差,以及第二生物多样性指数在第二分布函数中的第二期望和第二方差;根据第一期望、第一方差、第二期望和第二方差分别计算第一生物多样性指数的置信区间和第二生物多样性指数的置信区间。
具体地,在步骤4之前,可以先分别构建第一生物多样性指数和第二生物多样性指数的95%的置信区间。当然,也可以是80%、90%、98%等其他数值的置信区间,本实施例仅以95%为例进行说明。通过构建第一生物多样性指数和第二生物多样性指数95%的置信区间,可以得到在95%的置信区间内第一生物多样性指数和第二生物多样性指数的取值范围。
具体的构建第一生物多样性和第二生物多样性的置信区间的步骤包括:
估计指数的分布函数;由于每次的抽样区域都是随机抽取的,是完全随机的,因而基于此得到的第一预设数量的第一时间周期的第一多样性指数和第二时间周期的第二生物多样性指数是正态分布的。即L~N(μ,σ2),其中即:用得到的第一预设数量的第一时间周期的第一多样性指数的均值和方差作第一正态分布参数中的第一期望和第一方差。用得到的第二预设数量的第二时间周期的第二多样性指数的均值和方差作第二正态分布参数中的第二期望和第二方差。
利用boostrap构建指数的95%的置信区间;即给出指数取值的一个范围,该范围满足指数落到此范围的概率为95%。由于我们已经得到了指数的分布:L~N(μ,σ2),利用统计学知识可知,在此分布下,指数95%的置信区间为[μ-Z0.975σ,μ+Z0.975σ]。其中Z0.975为标准正太分布的0.975分位数,可查表得到。
在可选的实施例中,步骤4,根据非参数检验对第一预设数量的指数对进行指数变化显著性检验,包括:根据第一预设数量的指数对建立Wilcoxon符号秩检验的原假设,原假设为H0:μ1-μ2=0,μ1表示第一生物多样性指数在第一预设数量的第一时间周期的第一生物多样性指数形成第一分布函数中的第一期望,μ2表示第二生物多样性指数在第一预设数量的第二时间周期的第二生物多样性指数形成第二分布函数中的第二期望;计算|xi1-xi2|及sgn(xi1-xi2),其中,(xi1,xi2)为指数对,i的范围是1到N,N表示成对指数的组数;删除|xi1-xi2|=0的指数对,并统计剩余的指数对的组数Nr;根据|xr1-xr2|从小到大进行顺序排序,记录其顺序Rr;根据sgn(xr1-xr2)及其顺序计算检验统计量/>根据原假设及检验统计量得到检验统计量的极限分布;根据检验统计量的极限分布计算在原假设下与检验统计量发生的概率相关的P值;根据P值的大小确定第一预设数量的指数对的指数变化是否显著。
具体地,Wilcoxon符号秩检验的原假设此检验的原假设H0和备则假设H1为:
H0:μ1-μ2=0
H1:μ1-μ2≠0
μ1表示第一生物多样性指数在第一预设数量的第一时间周期的第一生物多样性指数形成第一分布函数中的第一期望。μ2表示第二生物多样性指数在第一预设数量的第二时间周期的第二生物多样性指数形成第二分布函数中的第二期望。
在原假设下,统计量W的极限分布为期望为0,方差为的正态分布。如果P值很小,说明在H0下,出现该检验统计量W是一个小概率事件,是不可能的,因此原假设不成立,指数变化显著。如果P值很大,说明在H0下,出现该检验统计量W是一个大概率事件,是可能的,因此原假设成立,指数变化不显著。
通过Wilcoxon符号秩检验对第一预设数量的指数对进行指数变化显著性检验,可以不要求xi1,xi2独立,xi1,xi2之差满足正态分布的假设,根据它们的均值是否一致,就可以确定指数变化是否显著。
在可选的实施例中,S106,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值小于或等于第一预设阈值,则判定第一预设数量的指数对的指数存在显著变化;如果μ1>μ2,则判定生物多样性显著下降。具体地,如果P值很小,说明在H0下,出现该检验统计量W是一个小概率事件,是不可能的,因此原假设不成立,指数变化显著。并且第一时间周期的第一生物多样性指数的均值大于第二时间周期的第二生物多样性指数,说明生物多样性显著下降。
在可选的实施例中,S106,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值小于或等于第一预设阈值,则判定第一预设数量的指数对的指数存在显著变化;如果μ1<μ2,则判定生物多样性显著向好。具体地,如果P值很小,说明在H0下,出现该检验统计量W是一个小概率事件,是不可能的,因此原假设不成立,指数变化显著。并且第一时间周期的第一生物多样性指数的均值小于第二时间周期的第二生物多样性指数,说明生物多样性显著下降。
在可选的实施例中,S106,步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果P值大于第一预设阈值,则判定第一预设数量的指数对的指数不存在显著变化,判定生物多样性处于总体稳定状态内。具体地,如果P值很大,说明在H0下,出现该检验统计量W是一个大概率事件,是可能的,因此原假设成立,指数变化不显著,生物多样性处于总体稳定状态内。
本发明实施例还提供了一种计算机设备,如图3所示,包括:处理器31和存储器32,其中处理器31和存储器32可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器32作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的生物多样性评价方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的生物多样性评价方法。
存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的一个或者多个模块存储在存储器32中,当被处理器31执行时,执行如图1所示实施例中的生物多样性评价方法。
上述计算机设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种生物多样性评价方法,其特征在于,包括:
步骤1,获取待评价区域面积、按第一预设比例随机抽取的抽样区域内相邻的第一时间周期和第二时间周期的各物种的个体数及所述随机抽取的抽样区域的总面积,所述待评价区域包括若干个抽样区域;
步骤2,根据所述待评价区域面积、个体数及所述总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比;
步骤3,根据所述第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数、各物种占待评价区域内第一类生物总个体数的比及预设生物多样性指数计算公式分别计算第一时间周期的第一生物多样性指数和第二时间周期的第二生物多样性指数,得到第一指数对;
重复所述步骤1-步骤3,计算得到第一预设数量的第一时间周期的第一生物多样性指数及第一预设数量的第二时间周期的第二生物多样性指数,得到第一预设数量的指数对;
步骤4,根据非参数检验对所述第一预设数量的指数对进行指数变化显著性检验;
步骤5,根据指数变化显著性检验结果对生物多样性进行评价。
2.根据权利要求1所述的生物多样性评价方法,其特征在于,在所述步骤4之前,还包括:
根据所述第一预设数量的第一时间周期的第一生物多样性指数及第二时间周期的第二生物多样性指数分别构建待评价区域的第一分布函数和第二分布函数;
根据所述第一分布函数和第二分布函数分别计算第一生物多样性指数在第一分布函数中的第一期望和第一方差,以及第二生物多样性指数在第二分布函数中的第二期望和第二方差;
根据所述第一期望、第一方差、第二期望和第二方差分别计算第一生物多样性指数的置信区间和第二生物多样性指数的置信区间。
3.根据权利要求1所述的生物多样性评价方法,其特征在于,所述步骤4,根据非参数检验对所述第一预设数量的指数对进行指数变化显著性检验,包括:
根据所述第一预设数量的指数对建立Wilcoxon符号秩检验的原假设,原假设为H0:μ1-μ2=0,μ1表示第一生物多样性指数在第一预设数量的第一时间周期的第一生物多样性指数形成第一分布函数中的第一期望,μ2表示第二生物多样性指数在第一预设数量的第二时间周期的第二生物多样性指数形成第二分布函数中的第二期望;
删除|xi1-xi2|=0的指数对,并统计剩余的指数对的组数Nr;
根据|xr1-xr2|从小到大进行顺序排序,记录其顺序Rr;
根据所述原假设及所述检验统计量得到所述检验统计量的极限分布;
根据所述检验统计量的极限分布计算在所述原假设下与检验统计量发生的概率相关的P值;
根据所述P值的大小确定所述第一预设数量的指数对的指数变化是否显著。
4.根据权利要求3所述的生物多样性评价方法,其特征在于,所述步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:
如果所述P值小于或等于第一预设阈值,则判定所述第一预设数量的指数对的指数存在显著变化;
如果μ1>μ2,则判定生物多样性显著下降。
5.根据权利要求3所述的生物多样性评价方法,其特征在于,所述步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:
如果所述P值小于或等于第一预设阈值,则判定所述第一预设数量的指数对的指数存在显著变化;
如果μ1<μ2,则判定生物多样性显著向好。
6.根据权利要求3所述的生物多样性评价方法,其特征在于,所述步骤5,根据指数变化显著性检验结果对生物多样性进行评价,包括:如果所述P值大于第一预设阈值,则判定所述第一预设数量的指数对的指数不存在显著变化,判定生物多样性处于总体稳定状态内。
8.根据权利要求1所述的生物多样性评价方法,其特征在于,步骤2,根据所述待评价区域面积、个体数及所述总面积分别计算第一时间周期和第二时间周期待评价区域内各物种的总个体数、第一类生物的总个体数及各物种占评价区域内第一类生物总个体数的比,包括:
根据所述第一时间周期各物种的个体数及所述随机抽取的抽样区域的总面积计算第一时间周期抽样区域内各物种的密度;
根据第二时间周期各物种的个体数及所述随机抽取的抽样区域的总面积计算第二时间周期抽样区域内各物种的密度;
根据所述待评价区域面积及第一时间周期抽样区域内各物种的密度计算第一时间周期待评价区域内各物种的总个体数;
根据所述待评价区域面积及第二时间周期抽样区域内各物种的密度计算第二时间周期待评价区域内各物种的总个体数;
根据所述第一时间周期待评价区域内各物种的总个体数计算第一时间周期待评价区域内第一类生物的总个体数;
根据所述第二时间周期待评价区域内各物种的总个体数计算第二时间周期待评价区域内第一类生物的总个体数;
根据所述第一时间周期待评价区域内各物种的总个体数及第一时间周期待评价区域内第一类生物的总个体数计算第一时间周期各物种占评价区域内第一类生物总个体数的比;
根据所述第二时间周期待评价区域内各物种的总个体数及第二时间周期待评价区域内第一类生物的总个体数计算第二时间周期各物种占评价区域内第一类生物总个体数的比。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-8任意一项所述的生物多样性评价方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-8任意一项所述的生物多样性评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320000.5A CN113536519B (zh) | 2020-04-21 | 2020-04-21 | 一种生物多样性评价方法及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320000.5A CN113536519B (zh) | 2020-04-21 | 2020-04-21 | 一种生物多样性评价方法及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113536519A CN113536519A (zh) | 2021-10-22 |
CN113536519B true CN113536519B (zh) | 2023-06-16 |
Family
ID=78094051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010320000.5A Active CN113536519B (zh) | 2020-04-21 | 2020-04-21 | 一种生物多样性评价方法及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536519B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114399415B (zh) * | 2021-12-23 | 2023-04-25 | 广东贝源检测技术股份有限公司 | 一种生物多样性的调查评估系统 |
CN115223660B (zh) * | 2022-09-20 | 2023-03-10 | 清华大学 | 生物种群评估模型的训练方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2013093992A1 (ja) * | 2011-12-19 | 2015-04-27 | ビッツ株式会社 | B型肝炎ウイルス群を検出し、遺伝子多様性を評価するためのオリゴヌクレオチドのセット、並びにそれを用いた方法 |
WO2017050930A1 (en) * | 2015-09-23 | 2017-03-30 | Université Du Luxembourg | Method and device for symbol-level multiuser precoding |
KR20170125288A (ko) * | 2016-05-03 | 2017-11-14 | 연세대학교 산학협력단 | 토양 유류오염의 자연 정화능 평가장치 및 평가방법 |
CN110222312A (zh) * | 2019-06-03 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 用户评价数据的处理方法、装置及服务器 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5842534B2 (ja) * | 2011-10-26 | 2016-01-13 | ダイキン工業株式会社 | インバータ制御装置 |
-
2020
- 2020-04-21 CN CN202010320000.5A patent/CN113536519B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2013093992A1 (ja) * | 2011-12-19 | 2015-04-27 | ビッツ株式会社 | B型肝炎ウイルス群を検出し、遺伝子多様性を評価するためのオリゴヌクレオチドのセット、並びにそれを用いた方法 |
WO2017050930A1 (en) * | 2015-09-23 | 2017-03-30 | Université Du Luxembourg | Method and device for symbol-level multiuser precoding |
KR20170125288A (ko) * | 2016-05-03 | 2017-11-14 | 연세대학교 산학협력단 | 토양 유류오염의 자연 정화능 평가장치 및 평가방법 |
CN110222312A (zh) * | 2019-06-03 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 用户评价数据的处理方法、装置及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN113536519A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536519B (zh) | 一种生物多样性评价方法及计算机设备 | |
US20120254183A1 (en) | Method and System for Clustering Data Points | |
CN108197795B (zh) | 恶意团体账户识别方法、装置、终端及存储介质 | |
CN110825826A (zh) | 聚类簇计算方法、装置、终端及存储介质 | |
Graversen et al. | Computational aspects of DNA mixture analysis: Exact inference using auxiliary variables in a Bayesian network | |
CN110764898A (zh) | 一种任务分配方法、装置、可读存储介质及终端设备 | |
CN111694839A (zh) | 基于大数据的时间序列指数构建方法、装置及计算机设备 | |
CN112117003A (zh) | 一种肿瘤风险等级划分方法、系统、终端以及存储介质 | |
CN112416590A (zh) | 服务器系统资源调整方法、装置、计算机设备及存储介质 | |
US20190377670A1 (en) | Tester and method for testing a device under test using relevance scores | |
CN112949697B (zh) | 一种管道异常的确认方法、装置及计算机可读存储介质 | |
Bar-Lev et al. | Monte Carlo methods for insurance risk computation | |
CN112085926B (zh) | 一种河道水污染预警方法及系统 | |
CN110633304B (zh) | 组合特征筛选方法、装置、计算机设备及存储介质 | |
CN111008740B (zh) | 数据传播趋势的预测方法、设备、存储介质及装置 | |
CN115600831A (zh) | 用户理论响应潜力评估方法、装置、终端及存储介质 | |
CN109086207B (zh) | 页面响应故障分析方法、计算机可读存储介质及终端设备 | |
DE112022000915T5 (de) | Erstellen eines statistischen modells und auswerten der modellleistung | |
CN114881761A (zh) | 相似样本的确定方法与授信额度的确定方法 | |
CN110264306B (zh) | 基于大数据的产品推荐方法、装置、服务器及介质 | |
CN113988670A (zh) | 综合性企业信用风险预警方法及系统 | |
CN111046972A (zh) | 特征选择方法及装置 | |
Serra et al. | A genetic algorithm to discover flexible motifs with support | |
CN113656275B (zh) | 用户活跃度预测方法、装置、电子设备和存储介质 | |
CN110377592B (zh) | 定量变量到虚拟变量的数据预处理方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |