多变量分析71065

《多变量分析71065》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、多变量分析在群落生态学中的应用西藏大学理学院生物多样性余地生物学研究所扎西次仁Emailaddress:Tashitsering@utibet.edu.cn群落生态学的调查内容和采样对象很多，通常包括各种环境变量、各种生物以及各物种的个体数目或盖度等。图-1是一位生态学家的原始数据表。图-1样方物种及物种数日期研究点地理位置物种数多变量分析方法从上表可看出该群落生态研究至少选择了六个研究点(Plot)，“Plot-6”至少划了二十个取样单位即样方，而每个样方调查记录了二十一个变量(全为物种，没有记

2、录环境因子)。上述研究点(Plot)共有变量四百多个！由于皆取自于同一研究区域，因此，它们之间是相关的(生态位相近、竞争、寄生等因素的作用)。把复杂的多变量原始数据尽量合理地用直观的图表显示其内在规律和相互关系是多变量分析的目的。一.Classification(分类)Classification可将样方(或物种)根据其相似性程度归类.Classification进一步分为聚类分析(AgglomerationClassification、Clustering或ClusterAnalysis)和分割

3、式分类(DivisiveClassification)。聚类分析先把相似样方结合在一起，逐步整合成大类别。而分割式分类则先把样方一分为二，然后在二分为四，……。该方法的代表为双向指示种分析(Two–wayIndicatorSpeciesAnalysis,TWNISPAN)。多变量分析法可分为两大类：即Classification和Ordination二.Ordination(排序):Ordination可将样方(和/或物种)根据其相互关系在二或三维空间以直观的形式排列。Ordination又可分为

4、两大类:直接排序(DirectOrdination)：同时以样方的群落结构和环境因子的相互关系排序，包括典型对应分析(CanonicalCorrespondenceAnalysis)和无度量多维标定(Non-metricMultidimansionalScaling)等。间接排序(IndirectOrdination)：仅以样方的群落结构为基础排序，主要包括主成分分析(PrincipalComponentAnalysis)、对应分析(CorrespondenceAnalysis)等。几个多变量分析

5、应用例子！多变量分析法的实现多变量分析方法的实际应用中必须借助于计算机方能完成。常用的应用软件有CANOCO(MicrocomputerPower)、PC-ORD(MJMSoftwareDesign)和Primer(PlymouthMarineLabboratory)。或在SAS和SPSS等大型统计软件里包含有多变量分析程序。多变量分析的数学原理(算法)简介1.聚类分析的步骤首先，计算样方之间的“距离”，然后根据这些“距离”挑选合适的方式将相似样方连接，最后形成一个树状图(dendrogram)。

6、而计算距离的方法有欧氏距离(EuclidianDistance)、相似百分比(PercentSimilarity或Bray-CuritySimilarity)和相对欧氏距离(RelativiEuclidianDistance)等。计算各样方间的欧氏距离：计算一个虚拟群落的样方间的欧氏距离3和2距因相对欧氏距离连接排序的步骤-PCA为例主成分分析(PrincipalComponentAnalysis，PCA)是把多维空间的数轴沿轴心旋转一定角度，使其内在关系变得较为清晰。图8.8含8个样方（A-H）

7、，每各样方含3各个物种的群落图8.8a图8.8bR=U’∧U其中U为正交矩阵，U’为U的转置矩阵，