一种外来物种入侵风险性智能分析方法及系统

技术领域

本发明涉及入侵物种调查技术领域，特别涉及一种外来物种入侵风险性智能分析方法及系统。

背景技术

外来物种入侵指的是一种物种从其原生地区进入、定居和繁殖到新的非原生地区的过程，这些物种通常被称为外来物种、入侵物种或外来入侵物种，外来物种入侵是一个全球性的环境问题，对生物多样性、生态系统功能和经济产业都具有潜在的负面影响。

现在的外来入侵物种信息调查大多采用以下几种方式：

1.野外调查：这是最常见的调查方式，通过实地考察和观察来确定外来入侵物种的存在和分布情况。这包括进行物种清单调查、样点调查、巡逻和捕捉等。

2.遥感技术：利用卫星遥感和航空遥感技术，可以获取大范围的地表信息，包括植被类型、植被覆盖度和变化等。这些信息可以用于检测和监测外来入侵物种的分布和扩散。

3.分子生物学技术：分子生物学技术可以用于检测和鉴定外来入侵物种。例如，通过DNA条形码技术可以快速鉴定物种，而PCR技术可以检测物种的存在和数量。

4.数据库和文献调查：通过查询已有的数据库和文献，可以获取关于外来入侵物种的分布和记录信息。这些数据库和文献可以提供有关物种的分布范围、入侵历史和影响等方面的信息。

但是以上几种方式都存在很大的局限性，进行全面的外来入侵物种调查需要大量的时间、人力和财力资源，然而，许多地区的资源有限，无法覆盖所有潜在的入侵物种和调查区域，并且一些外来入侵物种可能难以检测和识别，特别是在早期入侵阶段，这些物种可能与当地物种相似或隐蔽，导致调查的困难和误判，并使得外来物种信息数据不完整，同时由于外来入侵物种的分布和扩散通常是动态的，因此调查数据可能不完整或过时，这可能导致对物种分布和影响的准确评估存在困难。

发明内容

本发明的主要目的是提供一种外来物种入侵风险性智能分析方法及系统，解决了上述背景技术提到的外来入侵物种可能难以检测和识别，特别是在早期入侵阶段的问题。

为实现以上目的，本发明提出的一种外来物种入侵风险性智能分析方法，包括以下步骤：

S1：目标建立

选择指定的外来入侵物种进行模型预测；

S2：数据检索

制作指定外来入侵物种的地理分布点位数据集；

S3：特征建立

制作指定外来入侵物种的生物气候因子数据；

S4：模型导入

将制作完成的地理分布点位数据集与生物气候因子数据导入MaxEnt预测分析模型中；

S5：模型预测

MaxEnt预测分析模型进行预测，生成预测结果；

S6：预测评估

对模型预测结果进行准确度评估，若准确度高，则进行下一步，若准确度不够，则退回S2；

S7：图表生成

制作指定外来入侵物种的全球适生区等级分布预测结果图。

优选的，所述S2中主要用于对外来入侵物种的相关数据进行检索收集，具体包括以下步骤：

S201：数据收集

通过物种多样性数据平台、数字植物标本馆以及人工调查采集的外来入侵物种分布获取物种分布的点位数据样本；

S202：数据校验

对收集的地理点位分布样本进行疏化处理，删除重复与数据不完整的物种分布数据点位，得到物种地理分布点位数据集。

优选的，所述S3中主要针对外来入侵生物的生物气候因子数据进行分析检索，具体包括以下步骤：

S301：数据下载

从WorldClim全球气候数据库下载全球当前与未来气候条件下19种生物气候因子；

S302：数据处理

使用ArcGIS软件对下载的生物气候因子进行预处理，并生成可以供MaxEnt模型使用的asc格式气候因子文件。

优选的，所述S5中主要针对建立的MaxEnt预测分析模型进行调校生成数据，具体包括以下步骤：

S501：预测方法设置

在MaxEnt预测分析模型中打开刀切法预测方法；

S502：绘制响应曲线

在MaxEnt预测分析模型中打开绘制响应曲线功能；

S503：制作预测图

在MaxEnt预测分析模型中打开制作预测图功能；

S504：参数设置

设置MaxEnt模型运行参数，设置一定比例的数据作为训练因子，另一部分数据作为回归测试因子，运算次数5000次，重复n次。

优选的，所述S6中主要通过ROC曲线法生成的结果与AUC值对模型预测结果准确度进行评估，运算后的AUC平均值如果较低，则重复S5，并在步骤S5以及S4步骤中调整训练因子比例与重复次数，持续迭代直至模拟出AUC平均值的最优值，此时表示模型预测结果准确度较高，可以根据生物气候因子较为准确的预测出物种分布结果。

优选的，所述S7中主要针对MaxEnt预测分析模型生成的预测结构进行图表的生成，具体包括以下步骤：

S701：预测图生成

使用ArcGis软件对预测结果进行处理，将结果转化为栅格文件，生成对指定外来入侵物种的适生区预测图；

S702：预测图划分

对适生区预测图采用自然间断处理法适生区预测图进行适生区划分；

S703：拓展生成

生成全球适生区等级分布预测图。

为实现以上目的，本发明提出的一种外来物种入侵风险性智能分析系统，所述外来物种入侵风险性智能分析系统包括以下模块：

数据库模块，用于收集与外来物种入侵相关的数据，所述数据收集模块包括数据收集模块、数据检验模块、自更新模块以及数据分类模块；

模型建立模块，用于建立MaxEnt预测分析模型，所述模型建立模块包括数据处理模块、特征提取模块、算法更新模块；

模型校验模块，用于对建立的MaxEnt预测分析模型进行检验以及优化，所述模型校验模块包括参数估计模块、模型评估模块以及数据反馈模块；

数据清洗模块，用于对MaxEnt预测分析模型生成的预测分析数据进行数据清洗以及优化，所述数据清洗模块包括数据转译模块、数据除杂模块以及数据传输模块；

图表生成模块，用于使用ArcGis软件针对收集到的预测结果进行适生区预测图的生成，所述图表生成模块包括图表转化模块、图表划分模块以及数据储存模块。

优选的，所述数据收集模块用于通过系统内部历史信息以及外部信息网络对外来入侵物种的点位分布样本、适宜生存气候以及野外调查收集得到的相关调查记录，所述数据检验模块用于对收集到的数据进行格式转换，从而使得数据能够以相同的格式数据反馈至模型建立模块中，同时针对缺失、重复数据进行均值插补、中位数插补以及异常数据的剔除替换，所述自更新模块用于保持与外部数据执行实时互联，并对产生变化的外来物种信息进行实时更新同时同步至外来物种信息数据库中进行归纳收集，所述数据分类模块用于针对不同类别的外来物种进行多级分类，包括针对其生存环境划分、危害性划分以及危害类型划分，并支持在数据库中通过多级分类方式快速定位待进行分析的外来入侵物种。

优选的，所述参数估计模块用于自定义参数或导入历史参数，并能够将设定的参数输入模型建立模块中进行运行计算，并同时提供历史数据以及设定输出数据供模型评估模块进行比对判定，所述模型评估模块用于针对输入的自定义参数或导入的历史数据输出结果与设定输出值以及历史结果进行比对，并根据两组数据的特征点相似程度判定模型的性能，所述数据反馈模块用于针对模型评估模块所反馈的结果生成对应的MaxEnt预测分析模型数据报告，并根据异常曲线区域给出参考修改方案供研究人员进行参考修改。

优选的，所述数据转译模块用于将生成的电信号或数字信号报告转译为文本报告，并将生成的文本报告反馈至数据终端处以供研发人员进行研究，所述数据除杂模块用于通过带阻滤波器对本系统中电信号的传输进行信号过滤，其一般频域响应公式如下：

H_bandstop(u,v)＝H_high(u,v)×(1-H_low(u,v))；

其中：

H_bandstop(u,v)表示带阻滤波器的频域响应函数，它是输入信号在频域上的滤波器响应。

H_high(u,v)是高通滤波器的频域响应函数。

H_low(u,v)是低通滤波器的频域响应函数。

(1-H_low(u,v))表示低通滤波器的补余，即低通滤波器响应函数的反相；

所述数据传输模块用于将MaxEnt预测分析模型生成的预测分析数据传输至图表分析模块中，并在信号传输过程中通过增设外部屏蔽组件的方式降低信号在传输过程中所可能受到的干扰，从而提高图表生成模块在执行预测图生成的效率并降低图表中异常信息的数据量。

相对于现有技术，本发明具备如下有益效果：

(1)、该外来物种入侵风险性智能分析方法在使用时，将会结合物种分布信息与环境气候数据，并将其相关信息数据输入至MaxEnt适生区域分析模型中，从而使得MaxEnt适生区域分析模型能够对入侵物种的适生区进行预测，通过绘制出的外来入侵物种适生区预测结果图，有利于人们掌握入侵物种的分布情况与分布密度，指导当地外来物种入侵管理人员采取相应的保护措施，以维护生物多样性的稳定和健康。

(2)、该外来物种入侵风险性智能分析方法在使用时，将会在预测评估过程中通过构筑的ROC曲线对模型的准确度进行评估，并通过ROC曲线下方的AUC值对模型的准确度进行具体打分，其中AUC值越接近1，表示模型性能越好，能更好地区分正例和负例，AUC值为0.5时，表示模型的性能等同于随机猜测，而AUC值小于0.5则意味着模型性能不如随机猜测，从而通过预测评估流程不断对模型的准确程度进行优化调校，并保证调查数据的准确性以及完整性。

(3)、该外来物种入侵风险性智能分析系统在使用时，将会通过数据清洗模块中的带阻滤波器对系统中传输的电信号进行滤波处理，从而使得信号在传输过程中只有指定频率范围内的信号能够正常传输，而异常干扰信号则会在传输过程中得到过滤，从而保证信号传输过程中的准确性，同时也使得图表转化模块能够在接收到稳定信号后更快捷的将其转化为图表。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。

图1为本发明方法流程示意图；

图2为本发明S2方法流程图；

图3为本发明S3方法流程图；

图4为本发明S5方法流程图；

图5为本发明S7方法流程图；

图6为本外来物种入侵风险性智能分析系统程序框图；

图7为本发明数据库模块程序框图；

图8为本发明模型建立模块程序框图；

图9为本发明模型校验模块程序框图；

图10为本发明数据清洗模块程序框图；

图11为本发明图表生成模块程序框图。

具体实施方式

下面将结合本发明说明书中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

请参阅图1-5，本发明提供一种技术方案：一种外来物种入侵风险性智能分析方法，包括以下步骤：

S1：目标建立

选择指定的外来入侵物种进行模型预测；

S2：数据检索

制作指定外来入侵物种的地理分布点位数据集；

S3：特征建立

制作指定外来入侵物种的生物气候因子数据；

S4：模型导入

将制作完成的地理分布点位数据集与生物气候因子数据导入MaxEnt预测分析模型中；

S5：模型预测

MaxEnt预测分析模型进行预测，生成预测结果；

S6：预测评估

对模型预测结果进行准确度评估，若准确度高，则进行下一步，若准确度不够，则退回S2；

S7：图表生成

制作指定外来入侵物种的全球适生区等级分布预测结果图。

具体而言，所述S2中主要用于对外来入侵物种的相关数据进行检索收集，具体包括以下步骤：

S201：数据收集

通过物种多样性数据平台、数字植物标本馆以及人工调查采集的外来入侵物种分布获取物种分布的点位数据样本；

S202：数据校验

对收集的地理点位分布样本进行疏化处理，删除重复与数据不完整的物种分布数据点位，得到物种地理分布点位数据集。

S3中主要针对外来入侵生物的生物气候因子数据进行分析检索，具体包括以下步骤：

S301：数据下载

从WorldClim全球气候数据库下载全球当前与未来气候条件下19种生物气候因子；

S302：数据处理

使用ArcGIS软件对下载的生物气候因子进行预处理，并生成可以供MaxEnt模型使用的asc格式气候因子文件。

S5中主要针对建立的MaxEnt预测分析模型进行调校生成数据，具体包括以下步骤：

S501：预测方法设置

在MaxEnt预测分析模型中打开刀切法预测方法；

S502：绘制响应曲线

在MaxEnt预测分析模型中打开绘制响应曲线功能；

S503：制作预测图

在MaxEnt预测分析模型中打开制作预测图功能；

S504：参数设置

设置MaxEnt模型运行参数，设置一定比例的数据作为训练因子，另一部分数据作为回归测试因子，运算次数5000次，重复n次。

S6中主要通过ROC曲线法生成的结果与AUC值对模型预测结果准确度进行评估，运算后的AUC平均值如果较低，则重复S5，并在步骤S5以及S4步骤中调整训练因子比例与重复次数，持续迭代直至模拟出AUC平均值的最优值，此时表示模型预测结果准确度较高，可以根据生物气候因子较为准确的预测出物种分布结果。

S7中主要针对MaxEnt预测分析模型生成的预测结构进行图表的生成，具体包括以下步骤：

S701：预测图生成

使用ArcGis软件对预测结果进行处理，将结果转化为栅格文件，生成对指定外来入侵物种的适生区预测图；

S702：预测图划分

对适生区预测图采用自然间断处理法适生区预测图进行适生区划分；

S703：拓展生成

生成全球适生区等级分布预测图。

请参阅图6-11，本发明提供一种技术方案：一种外来物种入侵风险性智能分析方法，所述外来物种入侵风险性智能分析系统包括以下模块：

数据库模块，用于收集与外来物种入侵相关的数据，所述数据收集模块包括数据收集模块、数据检验模块、自更新模块以及数据分类模块；

模型建立模块，用于建立MaxEnt预测分析模型，所述模型建立模块包括数据处理模块、特征提取模块、算法更新模块；

其中数据处理模块用于在建立MaxEnt模型之前，对收集到的数据进行包括格式转换、缺失数据的处理、异常值的处理，所述特征提取模块用于从收集到的数据中提取用于建模的特征，这可以包括从环境变量中提取代表物种生境要求的相关特征，包括温度、降水、土壤类型信息，所述算法更新模块用于接收模型校验模块中的反馈信号，并能够在建立的MaxEnt预测分析模型准确度存疑时对其算法运算过程中产生的异常数据进行优化，并通过ROC曲线法生成的结果与AUC值对模型预测结果准确度进行评估。

模型校验模块，用于对建立的MaxEnt预测分析模型进行检验以及优化，所述模型校验模块包括参数估计模块、模型评估模块以及数据反馈模块；

数据清洗模块，用于对MaxEnt预测分析模型生成的预测分析数据进行数据清洗以及优化，所述数据清洗模块包括数据转译模块、数据除杂模块以及数据传输模块；

图表生成模块，用于使用ArcGis软件针对收集到的预测结果进行适生区预测图的生成，所述图表生成模块包括图表转化模块、图表划分模块以及数据储存模块。

其中图表转化模块用于将接收到的数字信号信息填充至表格中，并通过标准化的表格文本对生成的预测分析数据进行呈现，所述图表划分模块用于采用自然间断处理法适生区预测图进行适生区划分，所述数据储存模块用于对生成的图表信息进行储存，并支持自定义追溯期，从而使得人们可以根据具体的储存空间对预测结果进行储存。

具体而言，数据收集模块用于通过系统内部历史信息以及外部信息网络对外来入侵物种的点位分布样本、适宜生存气候以及野外调查收集得到的相关调查记录，所述数据检验模块用于对收集到的数据进行格式转换，从而使得数据能够以相同的格式数据反馈至模型建立模块中，同时针对缺失、重复数据进行均值插补、中位数插补以及异常数据的剔除替换，所述自更新模块用于保持与外部数据执行实时互联，并对产生变化的外来物种信息进行实时更新同时同步至外来物种信息数据库中进行归纳收集，所述数据分类模块用于针对不同类别的外来物种进行多级分类，包括针对其生存环境划分、危害性划分以及危害类型划分，并支持在数据库中通过多级分类方式快速定位待进行分析的外来入侵物种。

参数估计模块用于自定义参数或导入历史参数，并能够将设定的参数输入模型建立模块中进行运行计算，并同时提供历史数据以及设定输出数据供模型评估模块进行比对判定，所述模型评估模块用于针对输入的自定义参数或导入的历史数据输出结果与设定输出值以及历史结果进行比对，并根据两组数据的特征点相似程度判定模型的性能，所述数据反馈模块用于针对模型评估模块所反馈的结果生成对应的MaxEnt预测分析模型数据报告，并根据异常曲线区域给出参考修改方案供研究人员进行参考修改。

数据转译模块用于将生成的电信号或数字信号报告转译为文本报告，并将生成的文本报告反馈至数据终端处以供研发人员进行研究，所述数据除杂模块用于通过带阻滤波器对本系统中电信号的传输进行信号过滤，其一般频域响应公式如下：

H_bandstop(u,v)＝H_high(u,v)×(1-H_low(u,v))；

其中：

H_bandstop(u,v)表示带阻滤波器的频域响应函数，它是输入信号在频域上的滤波器响应。

H_high(u,v)是高通滤波器的频域响应函数。

H_low(u,v)是低通滤波器的频域响应函数。

(1-H_low(u,v))表示低通滤波器的补余，即低通滤波器响应函数的反相；

所述数据传输模块用于将MaxEnt预测分析模型生成的预测分析数据传输至图表分析模块中，并在信号传输过程中通过增设外部屏蔽组件的方式降低信号在传输过程中所可能受到的干扰，从而提高图表生成模块在执行预测图生成的效率并降低图表中异常信息的数据量。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。