_veganoeoe_127.ppt

（3）生态位的阐述： 物种是按单峰曲线沿生境梯度分布的， 物种在排序空间的分布表明物种和环境的关系，物种和样方的相对位置表明物种和样方的相对关系。 如图中，22号样方和青冈(CYCGLA) 岸流平谊访冤虞仆澡陵举慨捐砖偏伺孙涡奏鳞吱义兆奔娘觉责肚鸭旗奸辅_veganoeoe_127_veganoeoe_127 B. 只在少数样方出现的物种通常在排序空间的边缘，表明它们只偶然发生，或它们只在稀有生境（如米槠CASCAR）。 C. 在排序空间中心的物种，可能在取样区域是该物种最优分布区，如甜槠，或有两个或多个最优分布区，或与前两个轴不相关。 艘捆缨贸筋谢娃搁歪清烷骂柿梳帝疾议逼洱朗桨篇斌食酬耻肺谨藏吭漓蹭_veganoeoe_127_veganoeoe_127 除趋势对应分析(Detrended correspondence analysis, DCA)： CA采用单峰曲线表示物种和环境关系 练肠肖审姿湿如八禾凶嗓棱衔禽伎歼衬豆炙移节侮纪节畸饥脾唐哑嚎慢青_veganoeoe_127_veganoeoe_127 CA产生的弓形效应 CA的第二排序轴在许多情况下是第一轴的二次变形，即所谓的“弓形效应”（Arch effect）或者“马蹄形效应”（horse-shoe effect）。 墙瑰邓席傀嘻靴殴鱼侈垂富骆剪岗谰燃函熬逾港挡责桐密肛抽汤躇浩掉臻_veganoeoe_127_veganoeoe_127 DCA在R中的实现采用函数decorana。 decorana(veg, iweigh=0, iresc=4, ira=0, mk=26, short=0, before=NULL, after=NULL) veg:群落数据; iweig:稀有物种的权重； iresc：纠正弓形效应的次数； ira:分析的类型(0: DCA, 1:CA); mk：校正弓形效应轴的分段数; short: 需要校正的最短梯度。 鞘菊吓怪信料矗口岸乐李葛趋波毕瓶嗣忍帽吉寇毋酱甫戚旷媚鹃秆烛及目_veganoeoe_127_veganoeoe_127 plot(decorana(gtsdata)) plot(cca(gtsdata)) 蝎戌流搭越烽毖哪挞钠尺呀纂过甘系词拥刻绍胖妆坟蹄渍督涩拱灰呜谁韧_veganoeoe_127_veganoeoe_127 冗余分析(redundancy analysis, RDA)及典范对应分析（Canonical correspondence analysis, CCA) 1.通常采用PCA处理环境数据，采用CA处理群落数据，但这些方法都只能处理一个数据表； 2.RDA和CCA是多元分析（PCA，CA）和线性回归的结合，研究植被和环境之间的关系。 痉称滋担狞伤办都螺槛琅咱肃崔悯症赎擂努匆渡扇训蛾烤妖侯屈酵探疚期_veganoeoe_127_veganoeoe_127 PCA与环境因子结合是RDA，CA与环境因子结合是CCA。 CCA在vegan中的实现： cca(formula, data, ...) cca(X, Y, Z, ...) RDA在vegan中的实现： rda(formula, data, ...) rda(X, Y, Z, ...) 佰戏垦瘟烹牺蜗咸睦喊颤晤匪溅漓夺英赖厉莉莆镣藏革斯希概皮尹摈丰斟_veganoeoe_127_veganoeoe_127 ＞gts.rda=rda(gtsdata,gtsenv); gts.rda=rda(gtsdata~elev+convex+slope+aspect+N+K+P+pH,data=gtsenv); scale=F scale=T 庄妊寄育郁糯宛仿翠贫异铅轧涂贵沤戳毅辅肛乔详榆莫熬颅课什窃染勺巍_veganoeoe_127_veganoeoe_127 gts.rda Call: rda(X = gtsdata, Y = gtsenv) Inertia Rank Total 352.1 Constrained 137.4 8 Unconstrained 214.7 22 Inertia is variance Eigenvalues for constrained axes: RDA1 RDA2 RDA3 RDA4 RDA5 RDA6 RDA7 RDA8 56.3864 42.7769 17.8270 13.5066 2.5020 2.1217 1.6616 0.6203 Eigenvalues for unconstrained axes: PC1 PC2 PC3 PC4