确定植物群落边的新方法.pdfVIP

摘要 植被跟人们的生活息息相关，对植被的研究长久以来都是生态学家所关注的 话题。自然界中，地表植被经常是由许多群落构成的，因此对植被的研究在某种 程度上讲就是对植物群落的研究。在植被调查中，“样方法”是常用的方法，样 方大小的选取直接关系到群落边界的确定，但如何确定最佳的样方大小一直没有 定论。现阶段，对景观格局上植物群落边界的确定以及植物群落恢复能力的研究 是生态学研究的热点。可见，如何确定“样方法”中样方的大小进而找到植物群 落的边界是植物群落研究中重点问题。 确定最佳样方大小的传统方法是最小面积法。该方法存在众多缺点——取样 非随机以及种面积曲线上渐进性变平点选取的主观性。而且，当确定了最佳样方 大小进而完成样方合并来确定整个样地边界的时候，传统的确定边界的方法也面 临着如下缺点：结果容易受样方大小影响，边界的确定无法达到植物群落划分的 具体要求以及划分的边界没有进行显著性检验。 本论文基于目前快速发展的计算机技术和数理统计知识，提出了一种新的方 法来确定最佳样方大小和植物群落的边界。该方法从一个新的角度去界定最佳样 方大小，即群落中某些相对多度较大物种的出现概率。通常情况，这些物种也具 有较高的优势度，而优势度高的物种通常对整个群落的结构和功能都有显著作 用。本文通过特定面积上的负二项分布来描述样地的物种分布，进而推导出物种 在特定面积上的出现概率公式，之后按照某一标准选出相对多度比较高的物种并 确定“边界种”，就可以由“边界种”的出现概率解出最佳样方大小；最后以这 样的样方大小，针对实际调查中群落的空间自相关和镶嵌现象，用一种新的合并 方法进行样方合并进而确定群落的边界。具体来讲，该合并是建立在来自同一群 落的两个样方间相似性程度大于不同群落的两个样方间相似性程度，通过合并相 邻样方来代表群落的空间自相关现象，之后再通过对非相邻区域的两两合并来代 表群落的镶嵌格局。该合并方法在每一次合并中都采用置换检验对样方间的相似 程度进行判定，从而避免了确定植物群落边界时的主观性。 Colorado 为了进一步探讨本方法的合理性，本文以Barro 样地为例，对以上方法进行了应用，得出以下结论： 第一，本方法有效达到了植物群落边界确定的目的。 以BCI样地为例，整个样地被明显划分成两个部分； 1 第二，该法有效确定了最佳样方大小，操作简单，实现了过程的可视化。 跟Bayesianwombling中通过分层贝叶斯的方法来减少样方大小带来的影响 相比，本方法没有涉及繁琐的计算，但是却可以客观灵活的调节相对多度和出现 概率的标准，从而对不同的样方面积给出评定； 第三，样方合并次序对合并结果的影响在本方法中被降到最低。 按照合并的规则，每次合并都选择所有通过置换检验的相似性系数中最显著 的一对合并，这样就可以有效避免一次合并多个通过检验的样方造成最终合并类 别偏少的误差。 第四，该法客观的给出了合并边界的显著性检验。 跟以往的合并方法相比，本方法没有事先规定群落的个数，而是通过置换检 验使得合并后的边界都达到了统计上显著。因此，在群落合并过程中，将确定边 界的人为因素降到了最低，结果更加的客观可靠。 综上所述，本方法可以按事先规定的标准确定植物群落的边界，为群落结构 和边界影响的分析提供了良好的开端。但是，本方法容易受到样方大小和相似性 系数选择的影响，但这两点缺点都可以通过本文中对最佳样方大小的确定以及相 似性系数的慎重选择比较来避免。 关键词：群落边界；置换检验；空间点格局；特定面积上的负二项分布；Monte Carlo抽样 U Abstract is relatedwitllhuman havebeen Vegetationgreatly being’Sliving．Human allthetime．In isalso researchingvegetation