本发明涉及可视分析。更具体地，涉及一种生物多样性时空分布可视分析的分析方法。
背景技术：
1、生物多样性分析研究是评估和保护自然生态系统重要的科学工作。为了更好地了解和保护生物多样性，需要对其时空分布进行监测和分析。生物多样性时空分析是对生物多样性数据进行时空统计学分析、空间模拟和空间预测的过程，主要针对生物多样性时空分布、变化、响应因素等进行研究。此过程常用的背景技术有：地理信息系统(gis)技术，用于地理信息的采集、处理、存储、管理和应用等方面，其重要功能是将各种空间地理数据整合，实现空间信息与非空间信息的相互关联和交互，完成元数据管理、地理数据分析、模型预测以及精细的生态环境监测等；遥感技术是一种测量和研究地面特征的技术，可以获得远距离的、高光谱的覆盖范围广泛的空间数据，包括影像数据和遥感数据。遥感技术被广泛用于监测和研究植被覆盖、土地使用、生态恢复等生态问题，是生物多样性时空分析中非常重要的技术；生态建模技术，可基于区域生态环境系统构建数学模型，帮助生物多样性问题的研究和预测，生态建模技术可以用于预测不同气候条件下物种的空间分布，并对物种的繁殖、迁徙和扩散等过程进行建模；机器学习技术，可以自动识别和分类物种，深度学习可用于卫星遥感图像的解译和分类。
2、然而，现有对生物多样性时空分布分析研究还存在一些不足与问题：
3、(1)对同一分类等级的生物的多样性的时间演变进行同时分析的研究是缺乏的。目前的研究大多集中针对某些特定的生物资源进行多样性时间演变的分布分析，一般只提取时间分布的趋势变化，在一些极低极高值或显著变化的地方获得直接观察与分析，但是针对属于同一分类等级的生物多样性的时间演变特征进行更好地提取并且进行比较，从而能提高生物多样性时间演变特征的分析的丰富性的相关研究，是目前急需要并且非常有效的。
4、(2)普通克里金空间插值方法直接对一些区域内的数据进行插值，以获取未知位置的数据值，但是对于生物多样性来说，在越近的地方获得相似地理环境的可能性越大，地理环境又是影响生物繁衍的重要因素，所以在地理位置越近的地方，多样性数据相似的可能性也更大，普通克里金插值方法在此背景下对空间区域多样性值进行预测是具有一定意义和参考性的，但是结合其他更多技术配合当前空间插值预测方法，进一步提高空间属性值的预测是当前分析研究也很需要的。
5、因此，一种针对生物多样性采用多量时间序列相似性分析、空间多样性分布预测多个分析方法与技术，从不同层面上分析出更多新的、有效的见解，并且提高见解的参考价值与准确性的生物多样性时空分布可视分析方法，是一种当前需要并且对解决更多研究问题都更有效的方法。
技术实现思路
1、本发明为克服现有方法的问题与局限，提供了一种结合多个方法技术从时间和空间维度对生物多样性分布进行分析的方法。本发明能够将不同分类等级区分，对于同一分类等级下的生物多样性的时间分布情况进行特征提取与相似性分析，进一步可视化获得相对聚集或离散的多个生物的时间分布特征；对于任一生物的多样性在全局空间的分布情况，结合空间聚类先提高插值空间数据之间的相似性，进而提高最终的多样性空间分布趋势结果的参考性，并将结果以有效可视化方式展现，便于分析探索。
2、为达到上述目的与要求，本发明的技术方案是一种生物多样性时空分布分析方法：对每一个分类等级之下所有生物的多样性时间演化特征的相似性分析且可视化，对任一生物资源的空间位置聚类后获得多个具有地理意义的空间区域，对每个空间区域进行普通克里金空间插值，将每个区域插值结果合并则获得了全局空间生物多样性的分布趋势，并且等高线填充图可视化最终结果。具体步骤如下：
3、1)时间分布相似性分析：对于生物每个分类等级下的所有生物的多样性在时间上的演变进行降维特征提取，并且获取多个生物在多样性时间演变方面暗含的相似性，利用散点图进一步展示相似性，便于分析探索。
4、2)空间分布聚类：对多样性空间分布的位置进行kmeans++空间聚类，将彼此相近的地理位置尽量聚集在一起，远离的点尽量相离，使得空间位置的每个聚簇区域特点更加符合空间插值的前提，在合适的聚类个数范围内，均进行一遍聚类，计算轮廓系数找到相对最优聚类个数和聚类结果。
5、3)空间区域分布插值：对于每个聚类结果的空间数据区域进行普通克里金空间插值。
6、4)空间插值合并可视化：将每个区域的普通克里金空间插值结果进行合并，并利用等高线填充图将插值预测的结果进行可视化。
7、作为本发明进一步的方案，时间分布相似性分析具体包括：利用umap降维方法，对于每个分类等级下的所有生物多样性时间数据进行降维提取特征，并将最终的二维向量以空间散点方式展示于一张图中，从而以点的距离远近衡量了多量多样性时间序列之间的相似性与相异性。本方法实现的是对于多个同分类等级下的生物进行多样性时间演变特征的比较。
8、作为本发明进一步的方案，空间分布聚类具体包括：对多样性空间分布的位置进行kmeans++空间聚类，将彼此相近的地理位置尽量聚集在一起，使得空间位置的每个聚簇区域特点非常明确，在确定聚类个数的过程中，可以在合适的聚类个数范围(比如常用便于分析的聚类个数为2至10)内进行一遍聚类，并使用轮廓系数计算每个聚类结果的相对优劣，确定一个最佳聚类结果作为最终结果为后续分析使用。本方法实现的是对于散乱的无特点的空间地理点进行聚类，获取具有一定特征的空间区域。
9、作为本发明进一步的方案，空间区域分布插值具体包括：假设空间数据点的生物多样性值是具有空间相关性的随机过程，并在此基础上进行预测和插值应用。本方法实现的是利用普通克里金空间插值法对每个聚类结果进行插值预测，可以得到属于每个聚类簇的多样性空间数据的连续表现形式。
10、作为本发明进一步的方案，空间插值合并可视化具体包括：将每个空间区域进行普通克里金插值后预测得到的多样性空间数据值进一步合并，获得全局空间的插值结果，并借助等高线填充图进行可视化。本方法的实现可以提高空间数据的空间连续性，使其更具主观性和可视性，可以更直观地表现各个聚类簇的分布情况。
11、与现有技术相比，本发明的优势在于：
12、1)本发明提出的分析方法，结合了多个分析技术从时间和空间维度上，对多个生物的多样性数据的分布特征与相似性进行提取与比较，对个生物的多样性的空间相关性与分布进行了分析，并将最终结果借助可视化展示，便于进一步分析。
13、2)本发明提出的技术方案具有扩展性，可以针对除生物之外含有多个同等级特点的时空属性数据进行分析。
1.一种生物多样性的时空分布分析方法，其特征是对生物多样性的时间和空间两个层面进行分析探索，对每一个分类等级之下所有生物的多样性时间演化特征的相似性分析，对任一生物资源的空间位置聚类后获得多个具有地理意义的空间区域，对每个空间区域进行普通克里金空间插值，将每个区域插值结果合并则获得了全局空间生物多样性的分布趋势。具体包括以下步骤：
2.根据权利要求1所述的一种生物多样性的时空分布分析方法，其特征在于，进行生物多样性时间分布分析，将每个分类等级下多个多样性时间序列的数据集合并，并将时间信息作为一个高维度进行处理。在运行umap算法之前，需要对数据进行归一化处理，以保证每个维度的权重相同。然后，可以使用umap算法将数据映射到一个低维空间中。通过降维后的数据，可以使用散点图等方式进行可视化，从而更好地理解原始的时间序列集合数据中暗含的相似性与相异性。
3.根据权利要求1所述的一种生物多样性的时空分布分析方法，其特征在于，进行生物多样性空间分布分析，使用kmeans++算法将数据分为多个簇类，然后对每个簇类进行普通克里金空间插值，以得到每个簇类内的预测多样性值，最后将所有簇类的插值结果综合起来，可以得到整个区域全局的多样性空间分布情况，结合可视化可以对空间分布进行较为准确、直观的分析。
