首页 > 分享 > 食物网络可视化：热图、交互式图表和动画流网络,Methods in Ecology and Evolution

食物网络可视化：热图、交互式图表和动画流网络,Methods in Ecology and Evolution

花匠小妙招
2025-01-11 23:13

1 简介

食物网描述了有多少物质在物种的功能群之间流动，以及这些群与环境交换了多少物质。因此，食物网定义了生态系统的物理支柱，描绘了能量和关键元素的流动。

食物网建模的目标之一是提高我们对其结构的认识。在这里，视觉表示有利于整体理解和更深入的分析。然而，可视化极大地简化了底层对象。它们可以协助进行定量分析，但无法提供同等强度的见解。他们的接受是主观的。

食物网固有的复杂性使它们难以形象化。最早发表的例子简单易画（Petersen， 1915 年，Egerton， 2007 年）。现在不再是这种情况，因为许多贡献涵盖了 80 个或更多节点。随着物种和流量的增加，这种网络变得不那么透明，也更难掌握。

成功的可视化可以协调两个基本需求。首先，它提供了一个适当的系统概述，提供了对一般模式的快速和清晰的理解。其次，它允许了解必要的细节和特性。

不幸的是，在大多数情况下，以传统图表形式说明的食物网无法提供这些功能中的任何一个。对二维屏幕和纸张的限制意味着在更复杂的图形中，交叉链接会引入额外的歧义。即使对于未加权的网络，一个大而密集的食物网也会失去可理解性，其中链接仅表示相互作用的存在，而忽略了它的强度。在 50 个或更多节点的密集网络中，人们即使完成相对基本的任务也会遇到困难，例如寻找节点之间的最短路径。这是通过对人类受试者的生理观察（Yoghoudjian 等人， 2021 年）确定的，用于寻找节点之间的最短路径。网络布局清晰度的系统研究始于 Noack ( 2007) 和 Venturini 等人。（2021 年）。将来，他们可能会提供优化网络布局的指导。Pocock 等人描述了各种图形可视化类型及其应用。（2016 年）。

加权食物网与其未加权的简化有很大不同（Scotti 等人， 2007 年）。现实世界网络中的流量值可以跨越 10 个数量级（Bishop 等人， 2006 年）。这个大层次结构是查看最重要节点和关系的机会。但是，这使得以图形方式呈现信息变得更加困难。小型网络的成功可视化很好地说明了这种扩展（Banašek-Richter， 2004 年）。在那里取得成功的相同原理未能在物种聚合水平差异很大的食物网中提供任何清晰度（Hinke 等人， 2004 年）。

几个现有的可视化包绘制食物网。Food Web Designer (Sint & Traugott, 2015 ) 使用颜色、链接宽度和节点的垂直排列进入营养层。然而，它对三层的限制不足以满足现实世界的食物网。营养级很容易高于四，现代可视化也应该能够处理分数营养级。

Network3D/Webs on the Web（Yoon 等人， 2005 年）采用由营养级决定的三维和层次结构来解开密集食物网的结构特性。然而，它只处理未加权的网络，不再公开。此外，它与仅 40 个节点的食物网的清晰度作斗争（Mendonça 等人， 2018 年）。

Cheddar生态群落分析包（Hudson et al., 2013）只提供了通用的网络可视化，并没有以其清晰度为目标。最重要的是，它的数字侧重于显示模式，而不是使单个节点可识别。

python编程语言便于科学应用。我们的交互式可视化依赖于 IPython (Perez & Granger, 2007 ) 和 Jupyter (Kluyver et al., 2016 )。其他python库使将它们嵌入到全面的科学分析中成为可能。Numpy（Oliphant， 2015 年）促进了数值计算，scikit-learn（Pedregosa 等人， 2011 年）提供了一系列统计和机器学习工具。作为一种具有直观语法的多用途语言，Python通过大大减少编程时间从 Java、C++ 和 R 等替代语言中脱颖而出。

在下文中，我们将介绍和探索五种结构良好的加权食物网络可视化方法，并将其组合为一个python包。这不仅促进了此类网络的操作和可视化，而且提供了模块化和易于定制的好处。第一种方法将食物网表示为热图，灵感来自 Pocock 等人的“矩阵”方法。（2016 年）。它适用于一次呈现所有物质流，同时保留它们的精确标识。流量可以标准化，以呈现例如饮食分数。

第二种方法提供交互式图形可视化。我们通过垂直节点位置突出显示营养级层次结构，并为清晰起见优化它们的水平坐标。因此，我们结合了一般网络分析中已知的两种方法，称为 Pocock 等人。( 2016 ) '加权平行坐标'和'力导向'。

第三个函数创建粒子流动画。粒子密度反映了流量大小之间的差异，而它们的运动有助于眼睛识别它们连接的节点。粒子颜色代表源节点的营养级别。节点的大小映射了它们所代表的生物群的生物量库。

最后两种方法显示了网络的简单概览。堆积条形图显示从一个营养级到另一个营养级的流量百分比分布。热图使用颜色来可视化营养级之间所有流量的总和。

通过更好地了解食物网来了解生态系统中生物体之间的强烈相互依存关系，这也将使广大公众受益。在教育中，营养链的概念可以被对实际食物网的更现实的处理所取代。对经验食物网进行适当的可视化可以极大地帮助创建持久的心理图像。线性捕食者-猎物链的简单图景导致了对其孤立的隐含误解。单个碳原子通过生态系统的路径非常复杂。所涉及的每个参与者都会间接影响所有其他参与者。我们认为，大众科学和教育迫切需要对现实世界的食物网进行适当的可视化。

本文的其余部分安排如下。第 2 节以定量术语定义食物网。在第 3 节中，我们提出了食品网络可视化的方法，并解释了它们如何解决最常见的问题。我们以对局限性和未来展望的讨论来结束本文（第 4 节）。

"点击查看英文标题和摘要"