群落生态学-群落相似性分类和排序.ppt

连续带分析的步骤 1.对每一林分（林分是指森林的内部结构特征。即树种组成、森林起源、林层或林相、林型、林龄、地位级、出材量及其他因子大体相似，并与邻近地段又有明显区别的森林地段） 计算出每一种（主要树种）的重要值：重要值=相对密度+相对频率+相对优势度 2.根据各个林分中各物种的重要值，把各林分中最大重要值的树种，确定为主要优势种。然后把同一主要优势种的林分合起来，将林分分成若干类。 3.凭主观意见，对每一物种视其在演替阶段中发展的顺序，给以从1到10的数值（等级），这个值称为顶级适应值。 4.计算出每一林分的连续带指数： 连续带指数=Σ（种的重要值×顶级适应值） 5.以连续带指数为横坐标，各树种的重要性指数为纵坐标作图。 依连续带指数计算公式，样方1的排序坐标为： 同样可得到样方2-10的排序值为：3. 1，4.2，4.0，9.2，6.5，6.6，7.4，7.7和8.0。排序结果可以用一维直线图表示，反映了群落的演替系列。 当然，表中的顶级适应值可换为植物种对某个环境因子的适应程度，比如根据喜湿程度分为 1~6个等级，此时，该方法则分析群落在环境梯度上的适应。 主成分分析（principal components analysis） 将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。 原理：设法将原来变量重新组合成一组新的互相无关的几个综合变量，同时根据需要从中可以取出几个较少的总和变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析，也是数学上处理降维的一种方法。 主成分分析的两方面不足： 不适用非线性的点集 不适用变量间相关性小，主分量不明显的数据 非度量多维尺度分析（non-metric multi-dimensional scaling analysis） 原理与主成分分析相似，优点是适应多维（多类型）的变量，缺点是原变量信息损失较多。 实例：重庆四面山常绿阔叶林群落（21个样区，105个样方） 数据组1：样方的经度、纬度、海拔、坡向、坡度和土壤水分含量 数据组2：样方内各植物的多度、盖度、频度和重要值 湿度由小到大 温度由低到高 生态学意义—— 沿第1 排序轴：从左至右, 基本反映了植物群落所在环境中海拔由高到低或温度由低到高的梯度。分布于较高海拔的群落样地在Axis1上的排序值在-0.11～-0.37之间, 而分布于较低海拔的群落样地则在0.03～0.33之间. 沿第2 排序轴：从下至上, 基本反映出植物群落所在环境中土壤含水量由少到多或湿度由小到大的梯度。土壤含水量较低的群落样地在Axis2上的排序值多在0～0.30之间, 而土壤含水量较高的群落样地则多在0.25～0.45之间。 山顶相对冷凉偏旱 山体上部气温偏低, 土壤偏干 山体中部陡坡温暖而相对干燥 山体下部坡地温暖偏湿 Ⅰ类 II类 III类 IV类 经NMDS 排序，21 个样地被明显地分为了4 个类型 第Ⅰ类 ——黄杞(Engelhardtia roxburgtiana) 和杉木(Cunninghamia lanceolata)为主要建群种的群落，包括2、3、4、5和16 号样地，其中，16号样地位于海拔1410m 的山体上部，但由于地处背风湿润的山凹，杉木生长和保存良好， 因此被划入此类； 第II类 ——以元江栲(Castanopsis orthacantha) 为主要建群种的群落，包括1、6、7、8、9、10和11 号样地； 第III类 ——以木荷( Schima superba) 和硬斗石栎(Lithocarpus hanci) 为主要建群种的群落，包括12、13、14、15、17和18 号样地。 第Ⅳ类 ——以硬斗石栎( Lithocarpus hanci) 为主要建群种的群落，包括19、20和21 号样地。 聚类分析 聚类分析是根据各实体（或属性）间的相似（或相异）关系，将实体或属性归纳为若干组，使组内的实体或者属性尽量相似，而组间的实体或者属性尽量相异，从而达到其客观分类的目的。 系统聚类法是目前应用最多的聚类方法。 系统聚类法的几种方法 1.最近邻体法:以两类中相距最近的两个样方之间的距离作为两个类间的距离（即最大相似性或最小相异系数）。 2.最远邻体法:以两类间相距最远点之间的距离的为准。 3.平均聚类法:其类间距离不取决于两类中各某一样方点间的极端距离，而是取决于两类中各自的平均距离或平均相似性。包括非加权算术平均（又叫组平均）、加权算术平均、加权的形心聚类和非加权的形心聚类四种。该方法最科学最常用，但对数据量纲较敏感。 群落相似性、分类和排序 一 群落相似性 群落相似性分析是通过对样地调查所