生物地理学理论的模型.ppt

第三节 生物地理统计 生物地理统计是生物地理学研究中常用的一种方法，它应用数理统计的原理的方法来分析和解释生物界的空间格局和现象，即它是传统的数理统计方法在生物地理研究中的具体应用。 由于空间现象在各不相同区域间存在空间上的相互影响，同时存在空间上的异质性，因此空间相关性分析与样本的相对位置有关，所以在抽样记录中多加了距离和方向两个属性。 总之，生物地理统计以数理统计原理为导向，以计算机统计软件为技术支撑，在生物地理学研究和发展方面，显示了前所未有的优越性。 一 描述性统计 （一）平均数 （二）变异量数 1、级差 2、平均差 3、方差 样本： 总体： 样本均方： 总体方差： 4、标准差 总体标准差： 频数计算方差法： 5、变异系数 CV：变异系数 S：标准差 x：平均数 CV以%表示，是样本内观察值相对变异大小的指标。 二、显著性实验（假设检验） 统计假设 检验结果 H0是正确的 H0是错误的 否定H0 第一类错误 没有错误 不能否定H0 没有错误 第二类错误 假设检验的两类错误 三、生理地理统计分析 （一）回归分析 设变量y与变量x1，x2，……，xp间存在着线性关系，它的第α次实验数据是（yα1， yα2，…… ，yαp ）， α=1，2，……，N。则： 其中β0，β1，…… βP是p+1个待估参数，x1，x2，……xp是p个可以精确测量或可以控制的变量， ε1，ε2，…… εN是N个互相独立且服从同一正态分布N（0，σ）的随机变量。 设： 则可以写成矩阵形式： （二）趋势面分析 对于一个变量的多项式回归是用已知的数据根据最小二乘法原理拟合下面的多项式，扩展到两个变量的形式即拟合二元多项式： 扩展到两个变量： 通过数理统计原理，应用计算机软件（SAS 8.2等）制作的趋势面。 （三）主成份分析 设： n为样本数，p为变量数，将原数据进行标准化处理 （i=1，2……n；k=1，2……p） 其中： （k=1，2……p） 由于每个主分量会得到不同的特征值，需对初始变量进行标准化处理，使其方差为1。 处理后： （i，j=1，2……p） 令变量l对j个主分量的负荷量为： （i，j=1，2……p） 即： U为特征向量矩阵，Λ为特征值矩阵。 （四）聚类分析 聚类分析是数理统计中研究“物以类聚”的一种方法。 在数值方面可以分为两方面： 1、当前研究的已知对象已知它的分类情况，将某些个体正确地归属于某一类，这时判别分析所要解决的问题。 2、不存在一个事前分类的情况下而进行数据结构的分类。 第四节 植被生产力模型 植被通过光合作用所产生的有机质是陆地生态系统中一切生命成分及其功能的基础。大约42%陆地生态系统的生产力被人类直接或间接利用，随着全球变化的影响，人类给地球生态系统造成的压力越来越大，使这些系统的可持续能力日益下降。为了保护这些生态系统的生产力，这也是研究生物地理学所具有的战略意义。 常见的模型有：Kira模型、Miami模型、Thornthwait纪念模型等。 Kira模型运用年平均气温与净生产力的关系： 2500 2000 1500 1000 500 0 -13 -10 -5 0 5 10 15 20 25 30 温度（C） 生产力（克\米2\年） 纵轴为每年每平方米净生产的干物质 2500 2000 1500 1000 500 0 500 1000 1500 2000 2500 3000 3500 4000 4500 生产力（克\米2\年） 降水量（毫米/年） Miami模型该模型在计算了世界上50多个地点的净生产率与降水量（P）关系： Thornthwait模型：运用年蒸发量与净生产力的关系： 2500 2000 1500 1000 500 0 生产力（克\米2\年） 蒸发量（毫米/年） 250 500 750 1000 1250 1500 生物地理模型是描述大尺度上植被（或生物群区、生命带、生态系统类型）与气候之间关系的模型。 其重要性和必要性： 1、由于受时间、空间以及设备和资金的限制，在大尺度上进行实验和观测研究往往困难重重，而模型可以充分利用和推广所得的有限数据。 2、在实际生物地理研究中，由于很难找到两个在时间和空间上相同或相似的景观，重复性研究