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(x_i1,x_i2)，看它们的均值是否一致，并且不要求x_i1,x_i2独立，x_i1,x_i2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ρ_it＝n_it/a，n_it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N_it＝ρ_it×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P_it＝N_it/N_t。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，P_it为第t年某物种占评价区域内该类生物总个体数的比，N_it为第t年第i个物种的总个体数，N_t为第t年评价区域内某一类生物的总个体数，F_t为指数1，E_t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

N_it表示第i个物种第t年的数量，N_i()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

表示t年某一类下全国内的所有该类物种的数量的总和。如我们计算两栖类，则N_t就表示t年全国所有的两栖类生物共有多少只。P_it＝N_it/N_t，表示t年某个物种的数量占所计算区域内生物总数的多少。

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Q_t。

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N_it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logN_it无穷小，指数无法计算。

2)并不稳健，当某一物种从1变成0时，指数会忽然增大。

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logP_it时要计算的logN_it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：

在进行上述改动之后，我们发现N即总生物数量的变化对指数的影响过大，为了削弱N值对指数的过度影响，我们将logN_t改成了

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-Z_0.975σ,μ+Z_0.975σ]。其中Z_0.975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|x_i1-x_i2|及sgn(x_i1-x_i2)，其中，(x_i1，x_i2)为指数对，i的范围是1到N，N表示成对指数的组数；删除|x_i1-x_i2|＝0的指数对，并统计剩余的指数对的组数N_r；根据|x_r1-x_r2|从小到大进行顺序排序，记录其顺序R_r；根据sgn(x_r1-x_r2)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x_i1,x_i2独立，x_i1,x_i2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。