canocos群落排序分析

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《canocos群落排序分析》，欢迎阅读！

canocos群落排序分析

群落学物种组成数据的分析方法通常有两种：梯度分析（排序）和分类方法（聚类、TWINSPAN等）。这里的梯度分析是广义的梯度分析，泛指任何以揭示物种组成数据与实测或潜在的环境因子之间关系的方法。

植物群落学上的分类方法，用来划分群落的间断分布（有时也称Clement超有机体）。

而梯度分析主要是用来描述群落的连续分布（也称Gleason个体论）。这种认识是传统上的认识，也是关于排序与分类的历史由来。然而，现在这种认识已经不够准确。这些方法可以相互补充，到底用什么方法，完全取决于研究的目的。打个比方，制作植被图的时候，植被分类是基础。如果植被类型之间并没有明显的边界，我们不得不切开这种连续分布，以产生可以分辨的植被类型单元用于植被制图。通过群落内物种组成的排序，可以让我们找到植被内部的相对间隔的地方，或是找出过渡类型。这些方法现在是普遍被植物社会学接受。当然，今天，排序也不仅仅用于植物群落分析，大部分考察物种组成分布与环境因子关系的群落学研究，都可以用到排序。实际上，梯度分析扩展应用已经延伸到以植被科学为基础的学科，比如，用于水生生物学的研究就是很好的例子（(see the bibliographies by Birks et al.1996,1998)。

3.1梯度分析（排序）的技术(Techniques of gradient analysis) 表3-1（见原书）展示了研究问题类型与排序类型的对应关系。


排序方法的选择主要取决于两方面，一是用于分析的变量数量，二则是期望的结果（也就是说我们需要回答什么问题）。

回归的分析目标是发现一个一元响应变量（a univariate response）的变化（通常是物种的多度，一个群落的综合特征，比如多样性或生物量）对于解释变量（环境因子）的依赖程度。当环境因子为因子时，方差分析（ANOV A）实际上也是回归分析。如果环境因子与物种组成建立起回归关系，我们不仅可以通过环境因子预测物种的分布，同样可以通过物种组成数据来估计环境因子的值。当然，在预测之前，我们首先要建立起回归关系，这也需要预先知道物种数据与被估计的环境因子的之间的关系。

简单排序（间接梯度分析）的目标就是发现这样的坐标轴，让群落中的样方或是物

种的最大变化量能够在坐标轴上体现出来。换句话说，让尽可能多的变化量能够在尽可能少的轴上展示出来，并且让样方或物种在排序图能够可视化展示出来。当然，我们会经常期望这些轴能够代表一些潜在的环境变量。而约束排序（constrained ordination）的目的就是发现物种在环境梯度上的变化情况。简单排序和约束排序都有偏分析版本（partial versions）。在偏分析中，我们可以预先剔除由协变量产生的那部分物种的变化量，然后再通过排序展示出剩下的变化量。当然，还有混合排序分析（hybrid ordination）,可以让前面若干排序轴（一般是前1、2、3轴）是约束排序，后剩下的轴是非约束排序（间接梯度分析）。

本文来源：https://www.dy1993.cn/k2L4.html