群落生态学群落相似性分类和排序.pptVIP

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。第32页,共46页，2024年2月25日，星期天第33页,共46页，2024年2月25日，星期天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。第34页,共46页，2024年2月25日，星期天主成分分析（principalcomponentsanalysis）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。第35页,共46页，2024年2月25日，星期天第36页,共46页，2024年2月25日，星期天第37页,共46页，2024年2月25日，星期天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第38页,共46页，2024年2月25日，星期天非度量多维尺度分析（non-metricmulti-dimensionalscalinganalysis）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、频度和重要值第39页,共46页，2024年2月25日，星期天湿度由小到大温度由低到高第40页,共46页，2024年2月25日，星期天生态学意义——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。第41页,共46页，2024年2月25日，星期天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类第42页,共46页，2024年2月25日，星期天经NMDS排序，21个样地被明显地分为了4个类型第Ⅰ类——黄杞(Engelhardtiaroxburgtiana)和杉木(Cunninghamialanceolata)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(Castanopsisorthacantha)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(Schimasuperba)和硬斗石栎(Lithocarpushanci)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(Lithocarpushanci)为主要建群种的群落，包括19、20和21号样地。第43页,共46页，2024年2月25日，星期天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