The recognition of spatial heterogeneity as well as of areas of low and high biodiversity through spatial techniques is essential to guide decision-making regarding the conservation and management of natural areas. In this context, reliable maps of biodiversity across sampling sites can be useful tools. Many ecological studies, which have dealt with a spatial approach for biodiversity, have focused only on one specific biodiversity aspect at a time, such as species richness or species evenness, yielding a partial overview of this complex concept. To solve this issue, we propose a spatial functional data analysis approach to diversity profiles for assessing spatial biodiversity and identifying groups of sampling sites which are similar in spatial patterns. Specifically, the functional distance-based LISA algorithm has been extended to the case of diversity profiles in lattice, after smoothing the discretized curves and specifying a suitable distance measure. The proposed spatial clustering algorithm has been applied to a real data set involving tree species diversity in a fully censured plot in the Harvard Forest, New England region. Our approach provides a useful method for identifying areas of low and high biodiversity, with the potential to address the monitoring of environmental policies. Indeed, we think that a classification of diversity profiles, which takes into account the spatial dependence, would permit a more homogeneous partition of sampling stations with a substantial noise reduction in supporting conservation planning.

通过空间技术认识到空间异质性以及低生物多样性和高生物多样性地区，对于指导有关自然区保护和管理的决策至关重要。在这种情况下，跨采样点的可靠的生物多样性图可能是有用的工具。许多涉及生物多样性空间方法的生态研究一次只关注一个特定的生物多样性方面，例如物种丰富度或物种均匀性，从而部分概述了这一复杂概念。为了解决这个问题，我们提出了一种针对多样性概况的空间功能数据分析方法，以评估空间生物多样性并确定空间格局相似的采样点组。特别，在平滑离散曲线并指定合适的距离量度之后，基于功能距离的LISA算法已扩展到晶格中的多样性轮廓的情况。拟议中的空间聚类算法已应用于真实数据集，该数据集涉及新英格兰地区哈佛森林中一个完全受谴责的地块中树种的多样性。我们的方法为识别生物多样性低和高的地区提供了一种有用的方法，具有解决环境政策监控的潜力。的确，我们认为考虑到空间依赖性的多样性概况分类将允许采样站更均匀地分配，同时在支持保护规划方面大幅度降低了噪声。在平滑离散曲线并指定合适的距离度量之后。拟议中的空间聚类算法已应用于真实数据集，该数据集涉及新英格兰地区哈佛森林中一个完全受谴责的地块中树种的多样性。我们的方法为识别生物多样性低和高的地区提供了一种有用的方法，具有解决环境政策监控的潜力。的确，我们认为考虑到空间依赖性的多样性概况分类将允许采样站更均匀地分配，同时在支持保护规划方面大幅度降低了噪声。在平滑离散曲线并指定合适的距离度量之后。拟议中的空间聚类算法已应用于真实数据集，该数据集涉及新英格兰地区哈佛森林中一个完全受谴责的地块中树种的多样性。我们的方法为识别生物多样性低和高的地区提供了一种有用的方法，具有解决环境政策监控的潜力。的确，我们认为考虑到空间依赖性的多样性概况分类将允许采样站更均匀地分配，同时在支持保护规划方面大幅度降低了噪声。新英格兰地区。我们的方法为识别生物多样性低和高的地区提供了一种有用的方法，具有解决环境政策监控的潜力。的确，我们认为考虑到空间依赖性的多样性概况分类将允许采样站更均匀地分配，同时在支持保护规划方面大幅度降低了噪声。新英格兰地区。我们的方法为识别生物多样性低和高的地区提供了一种有用的方法，具有解决环境政策监控的潜力。的确，我们认为考虑到空间依赖性的多样性概况分类将允许采样站更均匀地分配，同时在支持保护规划方面大幅度降低了噪声。