弗吉尼亚大学研究人员开发了一种高度灵活、创新的空间数据分析工具

在《古生物学》期刊上发表了这些创新成果。所述发展重点在于灵活性，可使用各种类型、结构和来源的数据广泛应用于各种科学问题，超出了古生物学和生物地理学领域预期的小众应用。

“这种方法和其配套软件为古生物地理学的生物区系研究提供了新的视角和机会。这种基于机器学习的方法论被称为‘HespDiv’，是层次空间数据细分的缩写。另一方面，由于其多功能性，该方法可应用于流行病学、犯罪学和经济学等多个领域，”维尔纽斯大学（VU）的研究人员Spiridonov教授和Daumantas解释道。

一种理解生命时空演化的创新方法

“HespDiv”方法论旨在通过分析物种组成的空间数据，并将这些数据划分为相连的地理区域（见图1），以确定生物地理区域的边界。该工具在古生物地理学中尤其有用，可用于研究地球上生命的历史分布。在其帮助下，我们能够了解在过去大自然是如何导致整个物种群体在可能漫长的时间尺度上分裂成不同的生物地理区域，这些物种世代如何在这些生物地理区域中共存和共同演化，以及这些生物地理区域如何随时间地质变化而发生变化并进行相互作用，”Spiridonov教授说。

“‘HespDiv’方法论在古生物学研究中的重要性在于其能够识别与布雷茨基恩层级单位相对应的生物地理区域。这种新的生命层级方案受到了广泛关注，但到目前为止，还没有一种方法能够识别出这种生态谱系生物群单位，”Spiridonov教授补充道。

方法论的主要原则和优势

“该方法论的主要优势是灵活性和层级结构。简而言之，‘HespDiv’的工作原理是通过反复将一个研究区域的数据细分为两个越来越小的部分。使用各种形式的线条进行细分，这些线条根据所选标准，可以最佳地将数据在空间上进行分离。这一过程的结果是一个整洁、层次分明的空间，对应于所需的数据属性。由于层级结构在自然系统和人类系统中都非常普遍，因此以这种方式分析各种来源的数据非常具有前景。我们努力通过创建最灵活的软件来实现这一可能性，该软件允许从不同角度检查各种数据，”Daumantas说。

据科学家称，这种研究方法还确保了所识别区域的空间连续性，并便于评估结果的可靠性。所识别区域的空间连续性很重要，因为在一个相连的区域内地理上的接近会使一切更加相互联系。例如，具有相同物种组成的群落，如果因不同的遗传组成和与不同当地自然环境的关系以及各种地质或历史事件而在空间上被地理屏障（如山脉、河流、海洋）隔开，最终将失去相似性并“踏上自己的演化道路”。换言之，空间上不相连地区的生物系统表现不同，因此尽管存在相似性，也应被视为不同的系统。同样的原则也适用于人类系统。

“此外，‘HespDiv’方法与其他许多方法不同，它允许评估结果的可靠性。在古生物地理学中，生物地理区域边界的主观性是一个严重问题：不同的科学家青睐不同的生物区系划分方案，而不同的生物区系划分方法或其应用往往导致不同的结果。‘HespDiv’方法论之所以脱颖而出，是因为它允许评估每个所得细分的统计显著性，并能够显示生物地理区域边界如何根据方法应用（所使用的参数值）和数据而变化。这些用于揭示结果可靠性和稳定性的集成自动化方法确保了‘HespDiv’的客观性和易用性。”

图1：‘HespDiv’方法的主要步骤：1) 生成和测试直线细分；2) 确定最佳直线细分；3) 准备非线性细分评估；4) 生成和测试非线性细分；5) 确定最佳细分；6) 使用最佳细分将研究区域划分为两个区域，并使用这些区域的数据重复步骤1-6。
流行病学家、犯罪学家和经济学家将予以应用

L. Daumantas 说道，“我们可以在拥有更丰富空间数据的地方应用‘HespDiv’方法，这些数据的属性随位置而变化，且了解这些属性在空间上的变化具有科学意义或实际意义。因此，尽管该方法最初是为了找到具有最不同化石组成区域之间的客观边界（这在古生物地理学和总体上对理解过去生命方面都很重要）而开发的，但它也可以完美地应用于流行病学、犯罪学或经济学等不同的领域。例如，如果有关于犯罪以及相关社会经济、人口和基础设施指标的空间数据，使用所开发的方法，就可以揭示出城市中不同因素决定犯罪率的部分之间的界限。”

科学家们表示，这种方法可以帮助揭示，例如，在某些地区，犯罪与地区的偏远最为相关，在其他地区则与基础设施欠发达（例如照明不足、缺乏摄像头）最为相关，而在另一些地区则与人群聚集最为相关。因此，该方法将有助于找到考虑地区特殊性、降低犯罪率的最有效方法。类似地，该方法也可用于研究流行病学中疾病的空间统计数据和经济学中的经济指标（例如企业的盈利能力）。

‘HespDiv’方法在古生物地理学中的应用

已经使用美国中新世哺乳动物分布的数据证明了‘HespDiv’的能力。所应用的方法揭示了生物地理区域的层级系统，其中三个主要生物地理区域受地理扩散屏障、自然条件的空间变化以及这种变化随时间的稳定性所制约（见图2）。最强的分区与美国中新世地形特征明显的地区（如落基山脉、盆地与山脉省）、西北部的活火山以及受海洋影响的海岸气候和生物群有关。

图2：使用‘HespDiv’方法在美国中新世哺乳动物分布数据中识别的生物地理区域层级系统。分区的标签表示分区的索引号、分区的层级等级（罗马数字）、分区的强度（分离区域数据之间的Morisita-Horn相似度指数值；值越小，分区越强）、分区的统计显著性（星号）。最重要的生物地理区域由第一和第四分区（西海岸-西北部、中部平原和东南部地区）区分开来。

研究人员表示，客观确定的生物地理区域边界及其层级结构对于各种古生物学研究非常重要，因为它们提供了关于生物多样性空间结构的基本背景信息。通过该方法确定的生物地理区域可作为比较空间研究中的采样领土单位。

VU 研究人员表示，“‘HespDiv’提供了一个结合了空间连续性和层级结构的工具，帮助科学家探索生态动力学和进化史之间复杂的相互作用。因此，‘HespDiv’是生物地理学领域的一个重要进步，为科学家提供了一种强大的工具，可以揭示地质时期的空间结构及其演变。所开发的软件是开源的，可供所有感兴趣的用户免费使用。它可以在R软件环境中下载和安装。”