高級森林生態(tài)學 植物群落的數(shù)量分析方法課件

2022/11/171群落(Community)：生活在同一區(qū)域內(nèi)相互作用的不同物種的集合。傳統(tǒng)群落學研究的基本目的：

1)研究區(qū)域有那些群落?－分類

2)群落和環(huán)境的關系?－排序長白山岳樺林群落小興安嶺紅松針闊混交林群落什么是群落?2022/11/121群落(Community)：生活在同一2022/11/1722022/11/1222022/11/173群落的數(shù)量分析方法為什么要進行數(shù)量分析?可重復性：任何人只要按同樣的方法進行分析，都會得到一致的結(jié)果。相對客觀性：基于群落的數(shù)量特征，而不是主觀判斷。Akeycriterionforsoundscientificresultsisrepeatability.高黎貢山闊葉混交林群落復雜群落2022/11/123群落的數(shù)量分析方法為什么要進行數(shù)量分析2022/11/1741.常用群落數(shù)量分析方法數(shù)量分類(Classification)TWINSPAN

聚類分析群落排序(Ordination)間接梯度分析：PCA，CA，DCA，NMDS直接梯度分析：CCA，RDA2022/11/1241.常用群落數(shù)量分析方法數(shù)量分類(C2022/11/175排序方法之間的關系PCA:主成分分析(principalcomponentsanalysis)，基于歐氏空間距離RDA:RedundancyanalysisCA:對應分析(Correspondenceanalysis)，基于Chi-square距離DCA:去趨勢對應分析(Detrendedcorrespondenceanalysis)CCA:典范對應分析[Constrained(canonical)correspondenceanalysis]NMDS:Non-metricMultidimensionalscaling2022/11/125排序方法之間的關系PCA:主成分分析2022/11/176分類和排序：區(qū)別和聯(lián)系分類：基于整體論觀點群落類型是自然單位，和有機體一樣具有明確的邊界，而且與其他群落是間斷的、可分的，因此可以象物種那樣進行分類。

主要目的：劃分群落類型。排序：基于個體論觀點群落是連續(xù)的，沒有明確的邊界，它不過是不同種群的組合，而種群是獨立的。

主要目的：研究不同群落、物種對環(huán)境梯度的反應。2022/11/126分類和排序：區(qū)別和聯(lián)系分類：基于整體論2022/11/177群叢單位理論和個體論的群落分類示意圖個體論有機體論2022/11/127群叢單位理論和個體論的群落分類示意圖個2022/11/178分類和排序：區(qū)別和聯(lián)系都是基于空間距離所得結(jié)果具有相似性和互補性可以同時使用以獲得最佳分析效果神農(nóng)架南坡50個樣方的TWINSPAN分類和DCA排序(沈澤昊等，2004)2022/11/128分類和排序：區(qū)別和聯(lián)系都是基于空間距離2022/11/179物種有無、多度、蓋度、高度、頻度、基面積等物種多樣性物種之間的關系：種間聯(lián)結(jié)環(huán)境數(shù)據(jù)：地形、氣候、土壤等2.植物群落的數(shù)量特征

—數(shù)量特征是數(shù)量分析的基礎2022/11/129物種有無、多度、蓋度、高度、頻度、基面2022/11/1710群落數(shù)量分析的數(shù)據(jù)：

物種矩陣和環(huán)境矩陣必需－聚類、排序可選－僅用于排序中的直接或間接梯度分析2022/11/1210群落數(shù)量分析的數(shù)據(jù)：

物種矩陣和環(huán)境2022/11/1711空間距離必須滿足以下條件:當兩者完全相同時，距離值必須為0兩者不同時，距離值必須為正值對稱：A到B的距離等于B到A的距離滿足三角形三邊關系定理：A,B,C三點,AB<(AC+BC)3.植物群落的距離量度

—距離是群落數(shù)量分析的基礎2022/11/1211空間距離必須滿足以下條件:3.植物2022/11/1712空間距離矩陣2022/11/1212空間距離矩陣2022/11/1713空間距離的種類歐氏距離Sorenson(Bray-Curtis)JaccardChi-squaredistanceCorrelationdistanceRelativeSorenson,Euclidean在分析中注意應選取適當?shù)木嚯x測度2022/11/1213空間距離的種類歐氏距離2022/11/1714歐氏距離和Sorenson距離Sorenson(Bray-Curtis)=shared/totalabundanceCs=2w/(a+b)probablymostpopulardistancemeasureincommunityecology2022/11/1214歐氏距離和Sorenson距離Sor2022/11/1715生態(tài)學數(shù)量分類的研究是從1950年代開始的。60年代電子計算機普遍應用之后，才迅速地發(fā)展起來。許多具有不同觀點的傳統(tǒng)學派，如法瑞學派、英美學派等，都進行數(shù)量分類的研究，并用它去驗證原來傳統(tǒng)分類的結(jié)果。4.植物群落的數(shù)量分類群落數(shù)量分析的常用軟件●Canoco●PC-ORD●R2022/11/1215生態(tài)學數(shù)量分類的研究是從1950年代2022/11/17164.1TWINSPANTwo-wayindicatorspeciesanalysis對數(shù)據(jù)進行CA排序，得到樣方和物種第一排序軸，分別用于樣方分類和物種分類。優(yōu)點：提供了各個類型的物種分布，而且物種和樣地同時進行分類。缺點：是基于CA排序發(fā)展起來的一種分類方法，繼承了CA排序的一切問題。北京周邊山地植被TWINSPAN分類圖2022/11/12164.1TWINSPANTwo-wa2022/11/1717TWINSPAN2022/11/1217TWINSPAN2022/11/17184.2聚類分析步驟(以聚合法為例)：1.計算出距離矩陣2.找出最相似的兩個單元3.將二者合并為1個單元4.重新計算距離矩陣5.重復步驟2-46.當所有樣地合并為1個單元時停止2022/11/12184.2聚類分析步驟(以聚合法為例)2022/11/1719聚類方法聚合(agglomerative)從單個樣方開始，逐步聚合，最后成為一個類群。分劃(divisive)樣方總體開始，逐步分劃成低級類群。2022/11/1219聚類方法聚合(agglomerati2022/11/1720組間聯(lián)結(jié)方法最近鄰近體法最遠鄰近體法中心點法2022/11/1220組間聯(lián)結(jié)方法最近鄰近體法最遠鄰近體法2022/11/1721三種聯(lián)結(jié)方法結(jié)果差異最近鄰近體法最遠鄰近體法組平均法2022/11/1221三種聯(lián)結(jié)方法結(jié)果差異最近鄰近體法2022/11/1722可變β值法一般選取β=-0.252022/11/1222可變β值法一般選取β=-0.252022/11/1723我國東北森林基于Flexiblebetamethod的分類。分出10類：(1)岳樺林,(2)長白落葉松林,(3)魚鱗云杉林,(4)臭冷杉林,(5)興安落葉松林,(6)白樺林,

(7)楊樺混交林,(8)落葉闊葉林,(9)紅松林,(10)紅松闊葉混交林2022/11/1223我國東北森林基于Flexibleb2022/11/17245.1群落排序(ordination)的概念實質(zhì)：基于群落組成特征和環(huán)境信息，將群落(樣地)在多維空間中進行排布5植物群落的排序目的：檢驗植物群落之間的物種組成關系；減少數(shù)據(jù)中噪音和冗余，以便更好的分析群落和環(huán)境的關系。2022/11/12245.1群落排序(ordinatio2022/11/1725排序的基本假設：排序相鄰的樣地具有相似的物種組成；如果兩個樣地具有相似的物種組成，就必然具有相似的環(huán)境條件；排序相差很遠的樣地具有不同的物種組成；具有不同物種組成的樣地之間環(huán)境不同。2022/11/1225排序的基本假設：2022/11/17265.2排序方法一維排序研究對象沿著單一的環(huán)境梯度變化多維排序研究對象沿著多維的環(huán)境梯度變化如CCA2022/11/12265.2排序方法一維排序2022/11/1727一維排序2022/11/1227一維排序2022/11/1728二維排序2022/11/1228二維排序2022/11/1729多維排序-如CCA2022/11/1229多維排序-如CCA2022/11/1730多維排序的基本原理：降維最小二乘回歸適用數(shù)據(jù)類型：2022/11/1230多維排序的基本原理：降維最小二乘回歸2022/11/1731多維排序的基本原理：降維最小二乘回歸TypeII回歸主分量分析Principalcomponentsanalysis(PCA)2022/11/1231多維排序的基本原理：降維最小二乘回歸2022/11/1732排序的優(yōu)點：

同時反映具有復雜物種組成的群落沿著多個環(huán)境梯度的變化2022/11/1232排序的優(yōu)點：

同時反映具有復2022/11/1733排序圖的含義2022/11/1233排序圖的含義2022/11/17345.3直接排序與間接排序直接排序：分析植被與已知環(huán)境梯度之間的關系

(即排序＋回歸分析)如：CCA、RDA間接排序：通過排序軸與環(huán)境變量之間的相關性來分析植被環(huán)境關系

(即排序后進行相關性分析)如PCA、CA、DCA、NMDS2022/11/12345.3直接排序與間接排序直接排序：2022/11/1735重要區(qū)別：間接排序樣點的位置僅決定于物種組成的差異直接排序樣點的位置由物種組成和所使用的環(huán)境變量共同決定2022/11/1235重要區(qū)別：間接排序樣點的位置僅決定于2022/11/1736物種多度對環(huán)境梯度的響應。不同字母代表不同的物種，引自(Whittaker,1954)鐘形反應曲線，適用于較大的環(huán)境梯度線性反應曲線，僅適用于較小的環(huán)境梯度。植物對環(huán)境的響應不同：不同的排序方法CCARDA2022/11/1236物種多度對環(huán)境梯度的響應。不同字母代2022/11/17375.4最常用的直接排序方法：CCA(CanonicalCorrespondenceAnalysis,典范對應分析)不同群落物種組成的相似、相異性多個環(huán)境梯度對群落組成影響的大小

(間接排序不能)可以使用類型變量2022/11/12375.4最常用的直接排序方法：CCA2022/11/1738CCA實例中國東北地區(qū)森林分布與氣候的關系2022/11/1238CCA實例中國東北地區(qū)森林2022/11/1739CCA使用中應注意的問題是否包括了影響群落的主要環(huán)境因子？

物種對環(huán)境的響應是否為鐘形？環(huán)境變量之間是否具有較強的共線性?共線性的處理：選擇盡可能少、具有代表性的環(huán)境變量輔助方法：modelselection

最佳軟件：“Canoco”insteadof“PC-ORD”2022/11/1239CCA使用中應注意的問題是否包括了影2022/11/1740環(huán)境變量之間的共線性CCA繼承了多元回歸所具有的所有問題變量使用過多、或具有較強共線性，會嚴重夸大模型解釋力建議解釋變量一般不要超過5個2022/11/1240環(huán)境變量之間的共線性CCA繼承了多元2022/11/1741PCA:PrincipalComponentsAnalysisCA:CorrespondenceAnalysis(=RA,ReciprocalAveraging)DCA:DetrendedCorrespondenceAnalysisNMDS:NonmetricMultiDimensionalScaling5.5間接排序幾種常用的間接排序方法2022/11/1241PCA:PrincipalCom2022/11/1742s1s2s3s4s5s6s7s8s9s10P11000000000P22100000000P33210000000P44321000000P55432100000P66543210000P77654321000P88765432100P99876543210p1010987654321用于排序的原始數(shù)據(jù)(10個樣方，10個物種的多度數(shù)據(jù))2022/11/1242s1s2s3s4s5s6s7s8s92022/11/1743(1)PCA的數(shù)據(jù)要求具有線性分布的數(shù)據(jù)系列，不適用于具有高斯分布的數(shù)據(jù)系列；各種變量為正態(tài)分布；異常值對分析結(jié)果的影響很大；2022/11/1243(1)PCA的數(shù)據(jù)要求具有線性分布2022/11/1744(2)CA同時對樣方和物種進行排序；具有拱形效應；第一軸的兩端數(shù)據(jù)被嚴重壓縮；夸大了偶見物種的作用一般不宜使用2022/11/1244(2)CA同時對樣方和物種進行排序2022/11/1745(3)DCA同時對物種和樣方進行排序；排序方法與CA一致，但消弱了拱形效應影響；適用于異質(zhì)性較強的數(shù)據(jù)系列。DCA第一軸長度的意義：代表了樣地之間的beta多樣性或物種之間的更替。2022/11/1245(3)DCA同時對物種和樣方進行排2022/11/1746秦嶺太白山植物群落沿DCA排序.群落類型基于TWINSPAN的結(jié)果。第1、第2軸分別對應年均溫和相對濕度(唐志堯等2004)。2022/11/1246秦嶺太白山植物群落沿DCA排序.群2022/11/1747(4)NMDS不存在對物種分布的假設，同時適用與線性和高斯分布的數(shù)據(jù)系列；減輕了物種與環(huán)境之間的突變影響；可以適用不同的距離度量方法2022/11/1247(4)NMDS不存在對物種分布的假2022/11/1748NMDS實例中國東北主要森林群落的NMDS排序

2022/11/1248NMDS實例中國東北主要森林群落的N2022/11/1749NMDSvs.DCA對物種環(huán)境響應模式不作限制無拱形效應排序結(jié)果不具嚴格的可重復性要求鐘形響應模式有拱形效應具嚴格的可重復性NMDSDCA2022/11/1249NMDSvs.DCA對物種環(huán)境響2022/11/1750(5)幾種排序方法的比較:建議使用NMDSPCACADCANMDS2022/11/1250(5)幾種排序方法的比較:建議使2022/11/1751小結(jié)：排序的步驟1.原始數(shù)據(jù)的整理：樣方矩陣2.樣方的相似性/相異性矩陣獲取3.計算主軸及樣地位置各樣地在該軸具有最小的相似性第二軸為與第一軸最不相關4.排序軸的生態(tài)意義解釋等值線法相關分析法雙軸圖法2022/11/1251小結(jié)：排序的步驟1.原始數(shù)據(jù)的整理：2022/11/1752不要盲目相信軟件的運算結(jié)果?。∧Ｐ椭械淖兞渴欠裼猩飳W意義?變量間是否存在共線性?采用的方法是否適當(如鐘形、線性反應曲線)?反映物種組成的指標是否適當?實踐經(jīng)驗的重要性2022/11/1252不要盲目相信軟件的運算結(jié)果??！模型中2022/11/1753推薦閱讀Canoco:Leps,J.,andP.Smilauer.2003.MultivariateAnalysisofEcologicalDatausingCANOCO.CambridgeUniversityPress,Cambridge.PC-ORD:McCune,B.,andM.J.Mefford.1999.PC-ORD.MultivariateAnalysisofEcologicalData,Version4.MjMSoftwareDesign,GlenedenBeach,Oregon,USA.R:Oksanen,J.2005.MultivariateAnalysisofEcologicalCommunitiesinR:vegantutorial.張金屯.2004.數(shù)量生態(tài)學.科學出版社,北京.2022/11/1253推薦閱讀Canoco:Leps,2022/11/1754群落(Community)：生活在同一區(qū)域內(nèi)相互作用的不同物種的集合。傳統(tǒng)群落學研究的基本目的：

1)研究區(qū)域有那些群落?－分類

2)群落和環(huán)境的關系?－排序長白山岳樺林群落小興安嶺紅松針闊混交林群落什么是群落?2022/11/121群落(Community)：生活在同一2022/11/17552022/11/1222022/11/1756群落的數(shù)量分析方法為什么要進行數(shù)量分析?可重復性：任何人只要按同樣的方法進行分析，都會得到一致的結(jié)果。相對客觀性：基于群落的數(shù)量特征，而不是主觀判斷。Akeycriterionforsoundscientificresultsisrepeatability.高黎貢山闊葉混交林群落復雜群落2022/11/123群落的數(shù)量分析方法為什么要進行數(shù)量分析2022/11/17571.常用群落數(shù)量分析方法數(shù)量分類(Classification)TWINSPAN

聚類分析群落排序(Ordination)間接梯度分析：PCA，CA，DCA，NMDS直接梯度分析：CCA，RDA2022/11/1241.常用群落數(shù)量分析方法數(shù)量分類(C2022/11/1758排序方法之間的關系PCA:主成分分析(principalcomponentsanalysis)，基于歐氏空間距離RDA:RedundancyanalysisCA:對應分析(Correspondenceanalysis)，基于Chi-square距離DCA:去趨勢對應分析(Detrendedcorrespondenceanalysis)CCA:典范對應分析[Constrained(canonical)correspondenceanalysis]NMDS:Non-metricMultidimensionalscaling2022/11/125排序方法之間的關系PCA:主成分分析2022/11/1759分類和排序：區(qū)別和聯(lián)系分類：基于整體論觀點群落類型是自然單位，和有機體一樣具有明確的邊界，而且與其他群落是間斷的、可分的，因此可以象物種那樣進行分類。

主要目的：劃分群落類型。排序：基于個體論觀點群落是連續(xù)的，沒有明確的邊界，它不過是不同種群的組合，而種群是獨立的。

主要目的：研究不同群落、物種對環(huán)境梯度的反應。2022/11/126分類和排序：區(qū)別和聯(lián)系分類：基于整體論2022/11/1760群叢單位理論和個體論的群落分類示意圖個體論有機體論2022/11/127群叢單位理論和個體論的群落分類示意圖個2022/11/1761分類和排序：區(qū)別和聯(lián)系都是基于空間距離所得結(jié)果具有相似性和互補性可以同時使用以獲得最佳分析效果神農(nóng)架南坡50個樣方的TWINSPAN分類和DCA排序(沈澤昊等，2004)2022/11/128分類和排序：區(qū)別和聯(lián)系都是基于空間距離2022/11/1762物種有無、多度、蓋度、高度、頻度、基面積等物種多樣性物種之間的關系：種間聯(lián)結(jié)環(huán)境數(shù)據(jù)：地形、氣候、土壤等2.植物群落的數(shù)量特征

—數(shù)量特征是數(shù)量分析的基礎2022/11/129物種有無、多度、蓋度、高度、頻度、基面2022/11/1763群落數(shù)量分析的數(shù)據(jù)：

物種矩陣和環(huán)境矩陣必需－聚類、排序可選－僅用于排序中的直接或間接梯度分析2022/11/1210群落數(shù)量分析的數(shù)據(jù)：

物種矩陣和環(huán)境2022/11/1764空間距離必須滿足以下條件:當兩者完全相同時，距離值必須為0兩者不同時，距離值必須為正值對稱：A到B的距離等于B到A的距離滿足三角形三邊關系定理：A,B,C三點,AB<(AC+BC)3.植物群落的距離量度

—距離是群落數(shù)量分析的基礎2022/11/1211空間距離必須滿足以下條件:3.植物2022/11/1765空間距離矩陣2022/11/1212空間距離矩陣2022/11/1766空間距離的種類歐氏距離Sorenson(Bray-Curtis)JaccardChi-squaredistanceCorrelationdistanceRelativeSorenson,Euclidean在分析中注意應選取適當?shù)木嚯x測度2022/11/1213空間距離的種類歐氏距離2022/11/1767歐氏距離和Sorenson距離Sorenson(Bray-Curtis)=shared/totalabundanceCs=2w/(a+b)probablymostpopulardistancemeasureincommunityecology2022/11/1214歐氏距離和Sorenson距離Sor2022/11/1768生態(tài)學數(shù)量分類的研究是從1950年代開始的。60年代電子計算機普遍應用之后，才迅速地發(fā)展起來。許多具有不同觀點的傳統(tǒng)學派，如法瑞學派、英美學派等，都進行數(shù)量分類的研究，并用它去驗證原來傳統(tǒng)分類的結(jié)果。4.植物群落的數(shù)量分類群落數(shù)量分析的常用軟件●Canoco●PC-ORD●R2022/11/1215生態(tài)學數(shù)量分類的研究是從1950年代2022/11/17694.1TWINSPANTwo-wayindicatorspeciesanalysis對數(shù)據(jù)進行CA排序，得到樣方和物種第一排序軸，分別用于樣方分類和物種分類。優(yōu)點：提供了各個類型的物種分布，而且物種和樣地同時進行分類。缺點：是基于CA排序發(fā)展起來的一種分類方法，繼承了CA排序的一切問題。北京周邊山地植被TWINSPAN分類圖2022/11/12164.1TWINSPANTwo-wa2022/11/1770TWINSPAN2022/11/1217TWINSPAN2022/11/17714.2聚類分析步驟(以聚合法為例)：1.計算出距離矩陣2.找出最相似的兩個單元3.將二者合并為1個單元4.重新計算距離矩陣5.重復步驟2-46.當所有樣地合并為1個單元時停止2022/11/12184.2聚類分析步驟(以聚合法為例)2022/11/1772聚類方法聚合(agglomerative)從單個樣方開始，逐步聚合，最后成為一個類群。分劃(divisive)樣方總體開始，逐步分劃成低級類群。2022/11/1219聚類方法聚合(agglomerati2022/11/1773組間聯(lián)結(jié)方法最近鄰近體法最遠鄰近體法中心點法2022/11/1220組間聯(lián)結(jié)方法最近鄰近體法最遠鄰近體法2022/11/1774三種聯(lián)結(jié)方法結(jié)果差異最近鄰近體法最遠鄰近體法組平均法2022/11/1221三種聯(lián)結(jié)方法結(jié)果差異最近鄰近體法2022/11/1775可變β值法一般選取β=-0.252022/11/1222可變β值法一般選取β=-0.252022/11/1776我國東北森林基于Flexiblebetamethod的分類。分出10類：(1)岳樺林,(2)長白落葉松林,(3)魚鱗云杉林,(4)臭冷杉林,(5)興安落葉松林,(6)白樺林,

(7)楊樺混交林,(8)落葉闊葉林,(9)紅松林,(10)紅松闊葉混交林2022/11/1223我國東北森林基于Flexibleb2022/11/17775.1群落排序(ordination)的概念實質(zhì)：基于群落組成特征和環(huán)境信息，將群落(樣地)在多維空間中進行排布5植物群落的排序目的：檢驗植物群落之間的物種組成關系；減少數(shù)據(jù)中噪音和冗余，以便更好的分析群落和環(huán)境的關系。2022/11/12245.1群落排序(ordinatio2022/11/1778排序的基本假設：排序相鄰的樣地具有相似的物種組成；如果兩個樣地具有相似的物種組成，就必然具有相似的環(huán)境條件；排序相差很遠的樣地具有不同的物種組成；具有不同物種組成的樣地之間環(huán)境不同。2022/11/1225排序的基本假設：2022/11/17795.2排序方法一維排序研究對象沿著單一的環(huán)境梯度變化多維排序研究對象沿著多維的環(huán)境梯度變化如CCA2022/11/12265.2排序方法一維排序2022/11/1780一維排序2022/11/1227一維排序2022/11/1781二維排序2022/11/1228二維排序2022/11/1782多維排序-如CCA2022/11/1229多維排序-如CCA2022/11/1783多維排序的基本原理：降維最小二乘回歸適用數(shù)據(jù)類型：2022/11/1230多維排序的基本原理：降維最小二乘回歸2022/11/1784多維排序的基本原理：降維最小二乘回歸TypeII回歸主分量分析Principalcomponentsanalysis(PCA)2022/11/1231多維排序的基本原理：降維最小二乘回歸2022/11/1785排序的優(yōu)點：

同時反映具有復雜物種組成的群落沿著多個環(huán)境梯度的變化2022/11/1232排序的優(yōu)點：

同時反映具有復2022/11/1786排序圖的含義2022/11/1233排序圖的含義2022/11/17875.3直接排序與間接排序直接排序：分析植被與已知環(huán)境梯度之間的關系

(即排序＋回歸分析)如：CCA、RDA間接排序：通過排序軸與環(huán)境變量之間的相關性來分析植被環(huán)境關系

(即排序后進行相關性分析)如PCA、CA、DCA、NMDS2022/11/12345.3直接排序與間接排序直接排序：2022/11/1788重要區(qū)別：間接排序樣點的位置僅決定于物種組成的差異直接排序樣點的位置由物種組成和所使用的環(huán)境變量共同決定2022/11/1235重要區(qū)別：間接排序樣點的位置僅決定于2022/11/1789物種多度對環(huán)境梯度的響應。不同字母代表不同的物種，引自(Whittaker,1954)鐘形反應曲線，適用于較大的環(huán)境梯度線性反應曲線，僅適用于較小的環(huán)境梯度。植物對環(huán)境的響應不同：不同的排序方法CCARDA2022/11/1236物種多度對環(huán)境梯度的響應。不同字母代2022/11/17905.4最常用的直接排序方法：CCA(CanonicalCorrespondenceAnalysis,典范對應分析)不同群落物種組成的相似、相異性多個環(huán)境梯度對群落組成影響的大小

(間接排序不能)可以使用類型變量2022/11/12375.4最常用的直接排序方法：CCA2022/11/1791CCA實例中國東北地區(qū)森林分布與氣候的關系2022/11/1238CCA實例中國東北地區(qū)森林2022/11/1792CCA使用中應注意的問題是否包括了影響群落的主要環(huán)境因子？

物種對環(huán)境的響應是否為鐘形？環(huán)境變量之間是否具有較強的共線性?共線性的處理：選擇盡可能少、具有代表性的環(huán)境變量輔助方法：modelselection

最佳軟件：“Canoco”insteadof“PC-ORD”2022/11/1239CCA使用中應注意的問題是否包括了影2022/11/1793環(huán)境變量之間的共線性CCA繼承了多元回歸所具有的所有問題變量使用過多、或具有較強共線性，會嚴重夸大模型解釋力建議解釋變量一般不要超過5個2022/11/1240環(huán)境變量之間的共線性CCA繼承了多元2022/11/1794PCA:PrincipalComponentsAnalysisCA:CorrespondenceAnalysis(=RA,ReciprocalAveraging)DCA:DetrendedCorrespondenceAnalysisNMDS:NonmetricMultiDimensionalScaling5.5間接排序幾種常用的間接排序方法2022/11/1241PCA:PrincipalCom2022/11/1795s1s2s3s4s5s6s7s8s9s10P11000000000P22100000000P33210000000P44321000000P55432100000P66543210000P77654321000P88765432100P99876543210p1010987654321用于排序的原始數(shù)據(jù)(10個樣方，10個物種的多度數(shù)據(jù))2022/11/1242s1s2s3s4s5s6s7s8s92022/11/1796(1)PCA的數(shù)據(jù)要求具有線性分布的數(shù)據(jù)系列，不適用于具有高斯分布的數(shù)據(jù)系列；各種變量為正態(tài)分布；異常值對分析結(jié)果的影響很大；2022/11/1243(1)PCA的數(shù)據(jù)要求具有線性分布2022/11/1797(2)CA同時對樣方和物種進行排序；具有拱形效應；第一軸的兩端數(shù)據(jù)被嚴重壓縮；夸大了偶