CN113764033A - 一种多类型生物多样性综合评估指标体系的构建方法 - Google Patents

一种多类型生物多样性综合评估指标体系的构建方法 Download PDF

Info

Publication number
CN113764033A
CN113764033A CN202110939576.4A CN202110939576A CN113764033A CN 113764033 A CN113764033 A CN 113764033A CN 202110939576 A CN202110939576 A CN 202110939576A CN 113764033 A CN113764033 A CN 113764033A
Authority
CN
China
Prior art keywords
index
species
biodiversity
formula
diversity
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.)
Pending
Application number
CN202110939576.4A
Other languages
English (en)
Inventor
刘洋
张敏
渠晓东
彭文启
蒋定国
葛金金
解莹
余杨
张海萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges Corp
China Institute of Water Resources and Hydropower Research
Original Assignee
China Three Gorges Corp
China Institute of Water Resources and Hydropower Research
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges Corp, China Institute of Water Resources and Hydropower Research filed Critical China Three Gorges Corp
Priority to CN202110939576.4A priority Critical patent/CN113764033A/zh
Publication of CN113764033A publication Critical patent/CN113764033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B10/00—ICT specially adapted for evolutionary bioinformatics, e.g. phylogenetic tree construction or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)

Abstract

本发明公开一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：它包括如下步骤：步骤1）：构建综合评估指标体系框架；步骤2）：基于生物个体数量、功能性状和系统发育特征，筛选出能够良好反映生物多样性的指标；步骤3）：结合生物群落的实际情况，确定生物多样性综合评估指标体系中各个指标的界定标准，计算出各个生物多样性评估指标的具体数值；步骤4）：利用主成分分析方法计算各指标权重；步骤5）：得到各个单项指标评价值及其权重后，利用叠置指数法计算得到多类型生物多样性综合指数；本发明解决了综合多类型生物多样性定量评估方法缺乏的技术问题，建立系统有效的生物多样性保护策略。

Description

一种多类型生物多样性综合评估指标体系的构建方法
技术领域
本发明涉及生物多样性保护技术领域，具体涉及一种多类型生物多样性综合评估指标体系的构建方法。
背景技术
生物多样性是指生态系统中生物及其环境形成的生态复合体以及与此相关的各种生态过程的综合。从生物个体数量、功能和亲缘进化关系的角度出发，将生物多样性划分为物种多样性(Species diversity)、功能多样性(Functional diversity)、系统发育多样性(Phylogenetic diversity)多个层次。物种多样性是在物种水平上，基于物种种类、个数、丰富度和均匀度来反映物种多样性的状况。功能多样性在功能性状的水平上，基于物种间功能性状的差异特征反映功能多样性状况。系统发育多样性在物种进化关系的水平上，基于生物种系间的隶属关系的差异特征反映物种亲缘进化关系的多样化。
从物种多样性的角度从发，重点考虑物种个体数量和相对丰度的信息来评估生物多样性现状是目前最广泛应用的方法。而物种多样性的计算过程中将群落中每个物种视为等同，忽略了各个物种彼此之间功能性状特征及亲缘进化关系距离上的差异。这些信息的缺失，导致物种多样性层面上对生物多样性的评估具有一定的片面性。兼顾生物个体数量、功能性状特征及亲缘进化关系差异性特征，对生物多样性系统全面的评估是生态系统中生物多样性保护的关键。
因此，如何综合多类型多样性特征，多角度系统建立综合评估生物多样性的方法，进而建立系统有效的生物多样性保护策略成为亟待解决的技术问题。
发明内容
本发明的目的在于克服上述不足，提供一种多类型生物多样性综合评估指标体系的构建方法，以解决综合多类型生物多样性定量评估方法缺乏的技术问题，建立系统有效的生物多样性保护策略。
本发明为解决上述技术问题，所采用的技术方案是：一种多类型生物多样性综合评估指标体系的构建方法，它包括如下步骤：
步骤1)：构建一套包含物种多样性、功能多样性和系统发育多样性的多类型生物多样性的综合评估指标体系框架；
步骤2)：基于生物个体数量、功能性状和系统发育特征，筛选出能够良好反映生物多样性的指标；
步骤3)：结合生物群落的实际情况，确定生物多样性综合评估指标体系中各个指标的界定标准，计算出各个生物多样性评估指标的具体数值；
步骤4)：利用最小极差标准化法对原始数据标准化处理后，利用主成分分析方法计算各指标权重后，进一步通过各指标权重归一化方法计算各个指标的最终权重；
步骤5)：得到各个单项指标评价值及其权重后，利用叠置指数法计算得到多类型生物多样性综合指数。
优选地，所述步骤1)中，物种多样性定量指标选取丰富度指数、均匀度指数、香浓多样性指数和优势度指数来综合反映物种多样性的状况。
优选地，(1)丰富度指数计算公式为：
Figure BDA0003214256020000021
式中d是Margalef丰富度指数；N是个体总数；S是物种数；
(2)均匀度指数计算公式为：
Figure BDA0003214256020000022
式中J是Pielouj均匀度指数；H’是Shannon-wiener多样性指数；S是物种数；
(3)香浓多样性指数计算公式为：
Figure BDA0003214256020000023
式中H’是Shannon-wiener多样性指数；ni是第i中物种的个体数；N是总个体数；
(4)优势度指数计算公式为：
Figure BDA0003214256020000024
式中D是Simpson优势度指数；ni是第i中物种的个体数；N是总个体数。
优选地，所述步骤1)中，依据河流生态系统大型底栖动物对水文情势变异响应的差异性，选取能有效表征大型底栖动物抵御环境波动的代表性功能性状计算各个功能多样性指数，功能多样性指数包括功能多样性指数、功能均匀度指数、功能分异度指数和二次熵指数(Rao’s)。
优选地，(1)功能丰富度指数计算公式为：
Figure BDA0003214256020000031
式中FRci是群落i中的特征c的功能丰富度；SFci是群落内物种占据的生态位；Rc是绝对特征值范围；
(2)功能均匀度指数计算公式为：
Figure BDA0003214256020000032
式中Pi是物种i的相对特征值；S是物种数；
(3)功能分异度指数计算公式为：
Figure BDA0003214256020000033
式中FDiv是包含多项功能特征的功能分异度指数；Ci是第i项功能特征的数值；Ai是第i项功能特征的相对丰富度，
Figure BDA0003214256020000034
是物种特征值自然对数的加权平均，N是群落中的物种数；
(4)二次熵指数(Rao’s)计算公式为：
Figure BDA0003214256020000035
式中dij是群落中i物种和j物种功能特征距离；Pi是物种i的个体数占群落总物种个体数的比例；Pj是物种j的个体数占群落总物种个体数的比例；S是群落中总物种数。
优选地，所述步骤1)中，依据河流生态系统大型底栖动物在系统发育分类树中亲缘关系的远近程度，计算系统发育多样性指数，系统发育多样性指数包括分类多样性指数、分类差异性指数、平均分类差异性指数和分类差异变异性指数。
优选地，(1)分类多样性指数计算过程：
分类多样性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离；
Figure BDA0003214256020000041
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(2)分类差异性指数计算过程：
分类差异性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离时忽略相同物种个体之间路径的长度；
Figure BDA0003214256020000042
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(3)平均分类差异性指数计算过程：
平均分类差异性指数是计算物种名录中任意一对物种之间平均分类距离的路径长度，不考虑物种丰度；
Figure BDA0003214256020000043
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数；
(4)分类差异变异性指数计算过程：
分类差异变异性指数是计算平均分类差异性指数偏离程度的理论平均值，评估每一对物种间路径距离的变异性；
Figure BDA0003214256020000044
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数。
优选地，步骤4)中最小极差标准化法对原始物种数据标准化计算公式为：
Figure BDA0003214256020000045
式中Xij和Zij分别为第i(i＝1,2,……,m)个评价指标第j(j＝1,2,……,n)个点位的原始数据值和标准化处理后的数据值，minXi和maxXi分别为第i个评价指标的最小数据值和最大数据值。
优选地，步骤4)中主成分分析方法计算各指标权重的具体过程为：
(1)相关系数矩阵计算过程：
标准化数据矩阵计算对应的相关系数矩阵R，并计算R的特征值与特征向量；
R＝-(rij)p×p (式14)
其中：
Figure BDA0003214256020000051
式中i＝1，2，......，n，j＝1，2，......，p，R的特征值为λi，特征向量为λi(i＝1，2，......，p)；
(2)主成分模型计算过程：
根据累计贡献率来获取主成分，使其特征值大于1，选取k个主成分，建立主成分模型；
第1主成分F1＝a11Z1+a21Z2+a31Z3+…+ap1Zp (式16)
第2主成分F2＝a1222+a22Z2+a32Z3+…+ap2Zp (式17)
第k主成分Fk＝a1kZ2+a2kZ2+a3kZ3+…+apkZp (式18)
式中aij描述了因子i在第j个主成分中的因子得分系数，及第i个因子对第j个主成分的贡献率，它与该主成分对应方差的贡献率Ej的组合为第i个因子的权重值；
Figure BDA0003214256020000052
式中aij描述了因子i在第j个主成分中的因子得分系数，Ej为第j个主成分方差的贡献率，Wi为计算得出的指标权重值；
(3)指标权重的归一化计算过程：
指标权重需要在综合模型中指标系数的基础上归一化，确保所有指标的权重之和为1；
Figure BDA0003214256020000053
式中Wi 0为归一化后的指标最终权重值，Wi为未归一化的指标权重值。
优选地，所述步骤5)中生物多样性综合指数为：
Figure BDA0003214256020000061
式中HB为生物多样性综合指数，Wi 0为第i个指标归一化权重值，Zi为第i个指标标准化后的评价值。
本发明的有益效果：
一、构建了一套基于生物多样性维持生态系统稳定性的多类型多样性的综合生物多样性定量评估体系，实现多样性在物种多样性、功能多样性和系统发育多样性特征上的集合。
二、评价结果是对生态系统中生物群落数量、功能和进化特征的综合评价，该体系反映了生物群落在数量和分类上的多样化也反映了在生物功能和进化发育上的多样化。
三、该指标体系不是针对某一特定类型生态系统，具有一定的普适性。
四、本发明基于生物多样性维持生态系统稳定性的生物机制，综合生物个体数量、功能性状和系统发育特征选取适宜多样性指标，通过建立多类型生物多样性综合指数计算方法、综合评价方法系统量化生物多样性现状，进而建立有效的生物多样性保护策略，更加准确的对生物多样性进行保护。
附图说明
图1为本发明一实施例中生物多样性综合指数结果图；
图2为本发明一实施例中生物多样性综合指数的季节性变异图；
图3为本发明一实施例选取的各类多样性指数的季节性变异图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述。
一种多类型生物多样性综合评估指标体系的构建方法，它包括如下步骤：
步骤1)：构建一套包含物种多样性、功能多样性和系统发育多样性的多类型生物多样性的综合评估指标体系框架；
步骤2)：基于生物个体数量、功能性状和系统发育特征，筛选出能够良好反映生物多样性的指标；
步骤3)：结合生物群落的实际情况，确定生物多样性综合评估指标体系中各个指标的界定标准，计算出各个生物多样性评估指标的具体数值；
步骤4)：利用最小极差标准化法对原始数据标准化处理后，利用主成分分析方法计算各指标权重后，进一步通过各指标权重归一化方法计算各个指标的最终权重；
步骤5)：得到各个单项指标评价值及其权重后，利用叠置指数法计算得到多类型生物多样性综合指数。
优选地，所述步骤1)中，物种多样性定量指标选取丰富度指数、均匀度指数、香浓多样性指数和优势度指数来综合反映物种多样性的状况。
优选地，(1)丰富度指数计算公式为：
Figure BDA0003214256020000071
式中d是Margalef丰富度指数；N是个体总数；S是物种数；
(2)均匀度指数计算公式为：
Figure BDA0003214256020000072
式中J是Pielouj均匀度指数；H’是Shannon-wiener多样性指数；S是物种数；
(3)香浓多样性指数计算公式为：
Figure BDA0003214256020000073
式中H’是Shannon-wiener多样性指数；ni是第i中物种的个体数；N是总个体数；
(4)优势度指数计算公式为：
Figure BDA0003214256020000074
式中D是Simpson优势度指数；ni是第i中物种的个体数；N是总个体数。
优选地，所述步骤1)中，依据河流生态系统大型底栖动物对水文情势变异响应的差异性，选取能有效表征大型底栖动物抵御环境波动的代表性功能性状计算各个功能多样性指数，功能多样性指数包括功能多样性指数、功能均匀度指数、功能分异度指数和二次熵指数(Rao’s)。
优选地，(1)功能丰富度指数计算公式为：
Figure BDA0003214256020000081
式中FRci是群落i中的特征c的功能丰富度；SFci是群落内物种占据的生态位；Rc是绝对特征值范围；
(2)功能均匀度指数计算公式为：
Figure BDA0003214256020000082
式中Pi是物种i的相对特征值；S是物种数；
(3)功能分异度指数计算公式为：
Figure BDA0003214256020000083
式中FDiv是包含多项功能特征的功能分异度指数；Ci是第i项功能特征的数值；Ai是第i项功能特征的相对丰富度，
Figure BDA0003214256020000084
是物种特征值自然对数的加权平均，N是群落中的物种数；
(4)二次熵指数(Rao’s)计算公式为：
Figure BDA0003214256020000085
式中dij是群落中i物种和j物种功能特征距离；Pi是物种i的个体数占群落总物种个体数的比例；Pj是物种j的个体数占群落总物种个体数的比例；S是群落中总物种数。
优选地，所述步骤1)中，依据河流生态系统大型底栖动物在系统发育分类树中亲缘关系的远近程度，计算系统发育多样性指数，系统发育多样性指数包括分类多样性指数、分类差异性指数、平均分类差异性指数和分类差异变异性指数。
优选地，(1)分类多样性指数计算过程：
分类多样性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离；
Figure BDA0003214256020000086
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(2)分类差异性指数计算过程：
分类差异性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离时忽略相同物种个体之间路径的长度；
Figure BDA0003214256020000091
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(3)平均分类差异性指数计算过程：
平均分类差异性指数是计算物种名录中任意一对物种之间平均分类距离的路径长度，不考虑物种丰度；
Figure BDA0003214256020000092
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数；
(4)分类差异变异性指数计算过程：
分类差异变异性指数是计算平均分类差异性指数偏离程度的理论平均值，评估每一对物种间路径距离的变异性；
Figure BDA0003214256020000093
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数。
优选地，对原始数据进行标准化处理后消除了各个指标在属性和数量级上的差异。标准化处理主要解决不同属性数据的加总问题,使不同属性指标变量在综合评价中发挥相同方向的作用,并消除变量的量纲影响，为避免标准化后指标产生负值而不利于后面的运算；步骤4)中最小极差标准化法对原始物种数据标准化计算公式为：
Figure BDA0003214256020000094
式中Xij和Zij分别为第i(i＝1,2,……,m)个评价指标第j(j＝1,2,……,n)个点位的原始数据值和标准化处理后的数据值，minXi和maxXi分别为第i个评价指标的最小数据值和最大数据值。
在本发明的实施例中，基于赤水河(无闸坝的生态河流)和黑水河(闸坝调控河流)2019年4月和9月的大型底栖动物数据，构建不同水文情势变异下河流生态系统多类型生物多样性的综合评估指标体系框架，如表1所示。
表1生物多样性的综合评估指标体系与描述
Figure BDA0003214256020000101
优选地，步骤4)中主成分分析方法计算各指标权重的具体过程为：
(1)相关系数矩阵计算过程：
标准化数据矩阵计算对应的相关系数矩阵R，并计算R的特征值与特征向量；
R＝-(rij)p×p (式14)
其中：
Figure BDA0003214256020000102
式中i＝1,2,……,n，j＝1,2,……,p，R的特征值为λi，特征向量为λi(i＝1,2,……,p)；
(2)主成分模型计算过程：
根据累计贡献率来获取主成分，使其特征值大于1，选取k个主成分，建立主成分模型；
第1主成分F1＝a11Z1+a21Z2+a31Z3+…+ap1Zp (式16)
第2主成分F2＝a1222+a22Z2+a32Z3+…+ap2Zp (式17)
第k主成分Fk＝a1kZ2+a2kZ2+a3kZ3+…+apkZp (式18)
式中aij描述了因子i在第j个主成分中的因子得分系数，及第i个因子对第j个主成分的贡献率，它与该主成分对应方差的贡献率Ej的组合为第i个因子的权重值；
Figure BDA0003214256020000111
式中aij描述了因子i在第j个主成分中的因子得分系数，Ej为第j个主成分方差的贡献率，Wi为计算得出的指标权重值；
(3)指标权重的归一化计算过程：
指标权重需要在综合模型中指标系数的基础上归一化，确保所有指标的权重之和为1；
Figure BDA0003214256020000112
式中Wi 0为归一化后的指标最终权重值，Wi为未归一化的指标权重值。
本发明实施例中各指标权重计算结果如表2：
表2指标权重值计算结果
Figure BDA0003214256020000121
优选地，所述步骤5)中生物多样性综合指数为：
Figure BDA0003214256020000122
式中HB为生物多样性综合指数，Wi 0为第i个指标归一化权重值，Zi为第i个指标标准化后的评价值。
生物多样性综合评估结果：
本发明实施例最终得到2019年4月和9月赤水河(无闸坝的生态河流，水文情势变异显著，夏季常发洪水)和黑水河(闸坝调控河流，水文情势小)生物多样现状(图1)。经过系统定量评估，在水文情势显著变异的影响下赤水河4月份生物多样性综合指数平均值为0.550，9月份综合指数为0.466，呈现显著的季节性变化。闸坝调控下水文情势相对稳定的黑水河中，综合多样性指数4月份为0.483，9月为0.482，季节性变化不显著(图2)。与生物多样性综合评估指数相比，物种多样性指数在赤水河和黑水河中均呈现了显著的季节性变异(图3)，物种多样性无法有效区分生物多样性正常的季节性波动和异常扰动(洪水、火灾等自然扰动，水环境污染等人为干扰)对多样性的影响。
生物多样性综合评估指数集合大型底栖动物物种个体数量、功能性状和系统发育进化亲缘关系特征等特征，规避了仅考虑物种个体数量对生物多样性的片面评估，从功能特征、亲缘进化关系等角度出发，能有效区分正常季节性波动和异常干扰对生物多样性的影响，能更综合有效评估自然生态系统中生物多样性现状。
需要明确的是，在上诉实施例中，描述和展示了依据河流生态系统大型底栖动物多样性性评估中各个指标的选取，本发明并不局限于所描述和示出的河流生态系统、大型底栖动物以及代表性的多样性指标。本发明具有普适性特征，适用于湖泊生态系统、森林生态系统和海洋生态系统等，同样适用于浮游植物、浮游动物、鱼类等生物群落。本领域的技术人员可以在领会本发明精神后，依据研究选取生态系统类型及研究对象的生物特征，选取适宜的多样性指标，依据本发明中生物多样性综合评估指标体系框架，构建适宜的多样性综合评估指标体系，完成对生物多样性的综合评估。

Claims (10)

1.一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：它包括如下步骤：
步骤1)：构建一套包含物种多样性、功能多样性和系统发育多样性的多类型生物多样性的综合评估指标体系框架；
步骤2)：基于生物个体数量、功能性状和系统发育特征，筛选出能够良好反映生物多样性的指标；
步骤3)：结合生物群落的实际情况，确定生物多样性综合评估指标体系中各个指标的界定标准，计算出各个生物多样性评估指标的具体数值；
步骤4)：利用最小极差标准化法对原始数据标准化处理后，利用主成分分析方法计算各指标权重后，进一步通过各指标权重归一化方法计算各个指标的最终权重；
步骤5)：得到各个单项指标评价值及其权重后，利用叠置指数法计算得到多类型生物多样性综合指数。
2.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：所述步骤1)中，物种多样性定量指标选取丰富度指数、均匀度指数、香浓多样性指数和优势度指数来综合反映物种多样性的状况。
3.根据权利要求2所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：
(1)丰富度指数计算公式为：
Figure FDA0003214256010000011
式中d是Margalef丰富度指数；N是个体总数；S是物种数；
(2)均匀度指数计算公式为：
Figure FDA0003214256010000012
式中J是Pielouj均匀度指数；H’是Shannon-wiener多样性指数；S是物种数；
(3)香浓多样性指数计算公式为：
Figure FDA0003214256010000021
式中H’是Shannon-wiener多样性指数；ni是第i中物种的个体数；N是总个体数；
(4)优势度指数计算公式为：
Figure FDA0003214256010000022
式中D是Simpson优势度指数；ni是第i中物种的个体数；N是总个体数。
4.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：所述步骤1)中，依据河流生态系统大型底栖动物对水文情势变异响应的差异性，选取能有效表征大型底栖动物抵御环境波动的代表性功能性状计算各个功能多样性指数，功能多样性指数包括功能多样性指数、功能均匀度指数、功能分异度指数和二次熵指数(Rao’s)。
5.根据权利要求4所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：
(1)功能丰富度指数计算公式为：
Figure FDA0003214256010000023
式中FRci是群落i中的特征c的功能丰富度；SFci是群落内物种占据的生态位；Rc是绝对特征值范围；
(2)功能均匀度指数计算公式为：
Figure FDA0003214256010000024
式中Pi是物种i的相对特征值；S是物种数；
(3)功能分异度指数计算公式为：
Figure FDA0003214256010000025
式中FDiv是包含多项功能特征的功能分异度指数；Ci是第i项功能特征的数值；Ai是第i项功能特征的相对丰富度，
Figure FDA0003214256010000031
是物种特征值自然对数的加权平均，N是群落中的物种数；
(4)二次熵指数(Rao’s)计算公式为：
Figure FDA0003214256010000032
式中dij是群落中i物种和j物种功能特征距离；Pi是物种i的个体数占群落总物种个体数的比例；Pj是物种j的个体数占群落总物种个体数的比例；S是群落中总物种数。
6.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：所述步骤1)中，依据河流生态系统大型底栖动物在系统发育分类树中亲缘关系的远近程度，计算系统发育多样性指数，系统发育多样性指数包括分类多样性指数、分类差异性指数、平均分类差异性指数和分类差异变异性指数。
7.根据权利要求6所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：
(1)分类多样性指数计算过程：
分类多样性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离；
Figure FDA0003214256010000033
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(2)分类差异性指数计算过程：
分类差异性指数是计算任意两个物种间在系统发育分类树状图中平均分类距离时忽略相同物种个体之间路径的长度；
Figure FDA0003214256010000034
式中Xi是第i个物种数量，Xj是第j个物种数量；ωij是第i个和第j个物种在分类树中的路径长度；
(3)平均分类差异性指数计算过程：
平均分类差异性指数是计算物种名录中任意一对物种之间平均分类距离的路径长度，不考虑物种丰度；
Figure FDA0003214256010000041
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数；
(4)分类差异变异性指数计算过程：
分类差异变异性指数是计算平均分类差异性指数偏离程度的理论平均值，评估每一对物种间路径距离的变异性；
Figure FDA0003214256010000042
式中ωij是第i个和第j个物种在分类树中的路径长度；S是群落中出现的种类数。
8.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：步骤4)中最小极差标准化法对原始物种数据标准化计算公式为：
Figure FDA0003214256010000043
式中Xij和Zij分别为第i(i＝1，2，......，m)个评价指标第j(j＝1，2，......，n)个点位的原始数据值和标准化处理后的数据值，minXi和maxXi分别为第i个评价指标的最小数据值和最大数据值。
9.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：步骤4)中主成分分析方法计算各指标权重的具体过程为：
(1)相关系数矩阵计算过程：
标准化数据矩阵计算对应的相关系数矩阵R，并计算R的特征值与特征向量；
R＝-(rij)p×p (式14)
其中：
Figure FDA0003214256010000044
式中i＝1，2，......，n，j＝1，2，......，p，R的特征值为λi，特征向量为λi(i＝1，2，......，p)；
(2)主成分模型计算过程：
根据累计贡献率来获取主成分，使其特征值大于1，选取k个主成分，建立主成分模型；
第1主成分F1＝a11Z1+a21Z2+a31Z3+…+ap1Zp (式16)
第2主成分F2＝a12Z2+a22Z2+a32Z3+…+ap2Zp (式17)
第k主成分Fk＝a1kZ2+a2kZ2+a3kZ3+…+apkZp (式18)
式中aij描述了因子i在第j个主成分中的因子得分系数，及第i个因子对第j个主成分的贡献率，它与该主成分对应方差的贡献率Ej的组合为第i个因子的权重值；
Figure FDA0003214256010000051
式中aij描述了因子i在第j个主成分中的因子得分系数，Ej为第j个主成分方差的贡献率，Wi为计算得出的指标权重值；
(3)指标权重的归一化计算过程：
指标权重需要在综合模型中指标系数的基础上归一化，确保所有指标的权重之和为1；
Figure FDA0003214256010000052
式中Wi 0为归一化后的指标最终权重值，Wi为未归一化的指标权重值。
10.根据权利要求1所述的一种多类型生物多样性综合评估指标体系的构建方法，其特征在于：所述步骤5)中生物多样性综合指数为：
Figure FDA0003214256010000053
式中HB为生物多样性综合指数，Wi 0为第i个指标归一化权重值，Zi为第i个指标标准化后的评价值。
CN202110939576.4A 2021-08-16 2021-08-16 一种多类型生物多样性综合评估指标体系的构建方法 Pending CN113764033A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110939576.4A CN113764033A (zh) 2021-08-16 2021-08-16 一种多类型生物多样性综合评估指标体系的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110939576.4A CN113764033A (zh) 2021-08-16 2021-08-16 一种多类型生物多样性综合评估指标体系的构建方法

Publications (1)

Publication Number Publication Date
CN113764033A true CN113764033A (zh) 2021-12-07

Family

ID=78789533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110939576.4A Pending CN113764033A (zh) 2021-08-16 2021-08-16 一种多类型生物多样性综合评估指标体系的构建方法

Country Status (1)

Country Link
CN (1) CN113764033A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508415A (zh) * 2020-12-10 2021-03-16 中国科学院东北地理与农业生态研究所 湿地水文连通程度综合评价指标体系的构建方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508415A (zh) * 2020-12-10 2021-03-16 中国科学院东北地理与农业生态研究所 湿地水文连通程度综合评价指标体系的构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIU YANG 等: "Phylogenetic and functional diversity could be better indicators of macroinvertebrate community stability", 《ECOLOGICAL INDICATORS》, pages 1 - 3 *
黄婧丽 等: "基于主成分分析法的地磁导航适配区域选择", 《海军航空工程学院学报》, pages 2 *

Similar Documents

Publication Publication Date Title
Pomeranz et al. Inferring predator–prey interactions in food webs
CN106339536B (zh) 基于水污染指数法和云模型的水质综合评价方法
Dolédec et al. Niche separation in community analysis: a new method
CN111898839B (zh) 电力用户的重要程度分类方法及装置
CN106952159A (zh) 一种不动产抵押品风险控制方法、系统及存储介质
CN111178611A (zh) 一种日电量预测的方法
CN112700324A (zh) 基于CatBoost与受限玻尔兹曼机结合的用户借贷违约预测方法
CN113128893A (zh) 区域防旱减灾的评估方法和装置
Gawande Comparing theories of endogenous protection: Bayesian comparison of Tobit models using Gibbs sampling output
Abdou et al. On the applicability of credit scoring models in Egyptian banks
Sotomayor et al. Implications of macroinvertebrate taxonomic resolution for freshwater assessments using functional traits: The Paute River Basin (Ecuador) case
CN114764682B (zh) 一种基于多机器学习算法融合的大米安全风险评估方法
CN114881485A (zh) 一种基于层次分析法和云模型的企业资金风险评估方法
CN112541530B (zh) 针对聚类模型的数据预处理方法及装置
CN113344589A (zh) 一种基于vaegmm模型的发电企业串谋行为的智能识别方法
Akinwale Adio et al. Translated Nigeria stock market price using artificial neural network for effective prediction
CN113764033A (zh) 一种多类型生物多样性综合评估指标体系的构建方法
CN117035983A (zh) 信贷风险等级的确定方法、装置、存储介质及电子设备
CN115277159B (zh) 一种基于改进随机森林的工业互联网安全态势评估方法
CN115936841A (zh) 一种构建信贷风险评估模型的方法及装置
CN112260870B (zh) 基于动态模糊聚类和灰色神经网络的网络安全预测方法
CN112612207B (zh) 不确定环境下多目标博弈求解方法及系统
Ruan et al. Personal credit risk identification based on combined machine learning model
CN110969209A (zh) 一种陌生人识别方法、装置、电子设备及存储介质
Useng et al. Pattani poverty classification using decision tree and random fores t techniques

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