植被数量分析.ppt

《植被数量分析.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、植被数量分析—生态数据的多元分析植物群落的数量特征与距离量度植物群落的分类几种常见分类方法及其适用条件植物群落的排序几种常见排序方法及其适用条件主要内容1.植物群落的数量特征—数量特征是数量分析的基础群落的数量特征是数量分析的基础多度、盖度、高度、频度、基面积等物种多样性物种之间的关系：种间联结环境数据：地形、气候、土壤等物种对环境的响应关系：线性、钟形植物对环境的响应EnvironmentalGradientAbundance植物群落空间距离必须满足以下条件:当两者完全相同时，距离值必须为0两者不同时，距离值必须为正值对称：A到B的距离等于B到A的距离满足三角形三边关系定理：A

2、,B,C三点,AB<(AC+BC)不同的排序方法利用了不同的距离测度，因此在方法选取和结果分析中应该注意到距离的测度方法以及适用范围相似/相异性系数Similarity/DissimilarityABA∩B样地A和B的相似性Sorensensimilarity=2(A∩B)/{(AUB)+(A∩B)}(Bray-Curtiscoefficient)Jaccardsimilarity=(A∩B)/(AUB)物种组成多度Sp.1Sp.2Sp.3Sp.4Sp.5其他RelativeSorensenQuantitativesymmetricdissimilarityRelativeEuc

3、lideandistanceChi-squaredistanceMahalanobisdistance2.植物群落的分类样地在不连续的类型中的重新排布“unitsarearrangedindiscreteclasses.”Goodhall1953目的：将大量的样地或物种归入几组，对各组进行分析几种常用的分类方法聚类分析：ClusterAnalysisTWINSPAN:Two-WayIndicatorSpeciesAnalysis指示种分析：IndicatorSpeciesAnalysis等级聚类分析HierarchicalClusteringAnalysis等级聚类分析提供了各种

4、可能的选项，因此在可以提供多种选择：联结方法的选取最近距离法；最远距离法；中值距离法；平均距离法；重心距离法；最小变异法Ward’smethod;Flexiblebeta法；McQuiley法推荐使用：Flexiblebeta聚类方法(Sorenson距离):beta=-0.25Ward方法GroupAverage方法距离度量的选择应该与联结方法所使用的距离度量一致TWINSPANTWINSPAN的优势在于提供了各个类型的物种分布，而且物种和样地同时进行分类。1.TWINSPAN是基于CA排序发展起来的一种分类方法，继承了CA排序的一切错误，它仅在一维的环境梯度有效;2.假种的划

5、分具有主观性，需要反复实验;3.虽然可划分出指示种，但这种指示种的确限性(Fidelity)没有经过统计检验.G1G2G3TWINSPAN的一个例子指示种分析IndicatorSpeciesAnalysis指示种分析通过环境变量类型或物种的指示等级，将样地划分为若干组assignsindicatorvalueforeachspecies,basedthedegreetowhichtheydiscriminateamonggroups.Youcandefinegroupswithavariablefromeitherthemainorsecondmatrix.需要非常深厚的知识来对

6、群落进行划分,具有很强的主观性指示种分析实例3.植物群落的排序群落排序的概念样地在一维或多维空间中的排布“...anarrangementofunitsinauni-ormulti-dimensionalorder...”Goodhall1953目的：检验植物群落之间的物种组成关系；减少决定物种或群落分布环境变量的噪音，减少数据冗余空间的概念物种空间：每个物种构成空间的一维样地空间：每个样地构成空间的一维环境空间：每个环境变量构成空间的一维物种－样地之间具有对称性，因此在以后的介绍中仅针对样地，进行群落的分类与排序(排序研究样地在物种空间的分布,或者物种在样地空间的分布,并分别探

7、讨它们与环境的关系)排序与环境假设：排序相邻的样地具有相似的植被类型；如果两个样地具有相同的植被类型，就必然具有相同的环境条件；排序相差很远的样地具有不同的植被特征；具有不同植被的样地之间环境不同直接排序vs.间接排序直接排序：分析植被与已知环境梯度之间的关系间接排序：通过排序轴与环境变量之间的相关性来分析植被环境关系直接排序方法一维排序研究对象沿着单一的环境梯度变化加权平均法多维排序研究对象沿着多维的环境梯度变化CCA(CanonicalCorrespondenceAnalys