生態學α多樣性指數計算的Python程序設計

白順華

摘要：生物多樣性是群落生態學中的重要概念，α多樣性指數普遍應用于生態學科學研究中。α多樣性指數的計算與相關圖像繪制，在數據處理與分析階段是非常必要的。為獲取α多樣性指數相關數據信息，從規范的“物種-樣地”二維矩陣初始數據格式出發，運用Python編程語言開發程序并通過測試，實現較高整合程度與較快計算速度，協助后續研究過程。

關鍵詞：植物群落;α多樣性;多樣性指數;Python語言;程序設計

Abstract： Biodiversity is an important concept in community ecology， and α diversity index is widely used in the scientific research of ecology. It is necessary to calculate α diversity index and render its related image in the stage of data processing and analysis. In order to obtain the data information related to α diversity index， a program is developed in Python code and passes the tests on the basis of the standard initial data format of “species-sample” which is a two-dimensional matrix. It increases the integration and computing speed， and assist in the follow-up research process.

Key words： plant community; α diversity; diversity index; Python; program design

1 背景

生物多樣性能夠揭示生物種的多樣化程度、變異狀況以及物種生境的生態復雜性[1]。作為人類生存與發展的必要條件，生物多樣性的研究在植物學、生態學、農業科學等領域得到廣泛應用與發掘，并面向共同維系全球生態平衡的森林、草地、濕地、海洋各類型生態系統，不斷產生出新的研究熱點與重點。在2015-2021六年間，關于生物多樣性的論文在愛斯唯爾Scopus數據庫中數量達到67469篇[2]。生物多樣性指數計算的結果可用于表征物種的豐富度和均勻度，反映生境中物種的數量和分配狀況，實現生物多樣性測度的定量化[3]。其中，α生物多樣性指數的計算應用最為普遍，可應用于優勢植物判別、群落特征描述與群落分類確定等具體研究方面[4]。在以往的研究中，從研究樣地獲得初始數據后，包括生物多樣性指數計算的數據處理與分析步驟，依賴于Microsoft Excel、SPSS Statistics、Canoco等軟件，需要人工手動輸入和接續操作，精度較高，但時間花費較長。近年來，隨著計算機技術的發展，出現了R語言中的外在軟件包“Vegan”用于生物多樣性指數計算和分析，運行效率高，精度也進一步提高。相比于更專精于統計學數據處理的R語言，面向對象的開源編程語言Python，運行速度更快，具有強大的“膠水語言”功能。因此，以α多樣性指數計算的數學公式為基礎，借助Python語言及Numpy、Matplotlib等第三方庫，以命令行方式編寫了α多樣性指數計算處理程序，實現了α多樣性相關指數的計算與繪圖，其運行結果與傳統軟件及R語言相比無明顯區別，集成化等級高，輸入固定格式的二維數據矩陣即可得到計算結果與圖像，操作簡單、上手容易，適合于在生物多樣性科學研究的數據處理與分析過程中使用。

2 α多樣性計算原理

α多樣性是關注局域生境（如棲息地或群落）物種多樣性的測度指標，其測度包括物種豐富度指數、物種相對多度模型、物種多樣性指數、物種均勻度指數四個方面，可以應用于微生物測序分析與植物群落研究中[5]。選取了具有代表性的數量豐度、物種密度、Chao1指數、ACE指數、Simpson多樣性指數、Shannon多樣性指數六個數量指數與物種稀釋曲線、秩-多度曲線兩個曲線圖像，通過Python語言編程實現指數計算與圖像繪制。

α多樣性的計算依賴于野外實驗或模型推演中獲得的數據。野外實驗中，在設定的樣方內逐物種識別并記錄，綜合統計得到初始數據;模型推演中，依靠固定的數學模型自動或手動推算產生初始數據。初始數據通常儲存為“物種-樣方”的二維矩陣形式，將物種名（即屬性）放在行名中，樣地名（即樣方名、地點）放在列名中，某個樣地某個物種的個體數量以自然數（大于等于0的整數）的格式存儲在某行某列的單個元素中。

得到數據完整的二維矩陣后，對每列（即每個樣地）進行數據處理與分析。假設樣地編號為i1，i2，i3， ……，ir，所有樣地內物種編號依次為j1，j2，j3，……，js（允許被編號的物種僅在某個或某幾個樣地中出現），某個樣地某個物種的個體數量編號為k11，k12， ……，k21， ……，krs，則初始數據的數據結構如表1所示。

Simpson多樣性指數與Shannon多樣性指數是反映群落個體屬于何種物種的不確定性的兩種物種多樣性指數，這兩個指數都可以由物種度和均勻度兩個側面來反映α多樣性。

Simpson多樣性指數以隨機取樣的概率學問題出發，可表述為在群落或樣地中隨機選擇兩個個體，其屬于同一個物種的概率。其中，pi為某個編號為i的物種在整個樣地中出現的概率，S為數量豐度。

3 α多樣性程序設計方法

獲取初始數據后，確定數據結構，即得到完整的數據信息。基于Windows10系統下Python語言3.7.6版本的支持，通過Python語言程序設計方法，進行數據處理與分析。程序設計中主要借助于擁有多種針對數組進行數據綜合處理模塊的NumPy庫與math庫，進行α多樣性相關指數的計算與匯總;使用Matplotlib庫實現α多樣性相關科學計算圖像繪制;使用Pandas庫實現基于二維矩陣Dataframe格式的“物種-樣地”數據結構進行數據處理，將數據從Excel軟件的.csv格式讀取和輸出;同時使用SciPy、Random等庫，進行隨機數生成和數據最優化選擇等功能。程序依托于Python3.7.6與Jupyter Notebook軟件運行，運行前需先安裝這兩個軟件，并將擴展名為.ipynb的程序文件在Jupyter Notebook軟件中上傳后運行。