第十章-群落的分類與排序教材課件

第十章

群落的分類與排序?qū)ι锶郝涞恼J識及其分類方法，存在兩條途徑：

群叢單位理論或機體論：早期的植物生態(tài)學家認為群落類型是自然單位，它們和有機體一樣具有明確的邊界，與其他群落是間斷的、可分的，因此可以像物種那樣進行分類。

個體論：大多數(shù)群落之間邊界是模糊不清和有過渡的，在通常情況下，生境和群落都是連續(xù)的，因此他們認為應(yīng)采取生境梯度分析的方法，即排序來研究連續(xù)群落的變化，而不采用分類的方法。10.1傳統(tǒng)的群落定性分類分類classification的概念：

對群落實體（或?qū)傩裕┌雌鋵傩裕ɑ驅(qū)嶓w）所反映的相似關(guān)系分組，使組內(nèi)的群落盡量相似，不同組群落盡量相異。群落生態(tài)學是研究群落與環(huán)境之間相互關(guān)系的科學。通過分類研究，可以加深認識群落自身固有特征及其與形成條件（環(huán)境）之間的相關(guān)關(guān)系。10.1.1植物群落分類的單位群叢association群系formation植被型vegetationtype各學派的植物群落分類系統(tǒng)原則：⑴英美學派優(yōu)勢種原則，把群系作為分類的最大單位；根據(jù)群落動態(tài)發(fā)生演替原則進行群落分類，建立兩個平行的分類系統(tǒng)（頂級群落和演替系列群落），稱雙軌制分類系統(tǒng)。⑵法瑞學派以植物區(qū)系為基礎(chǔ)，從基本分類單位到高級單位都以群落的種類組成為依據(jù)，并考慮到植物群落其他方面的特征；以特征種和區(qū)別種來分類。⑶北歐學派以基群叢作為基本單位，即至少每層中具有恒有的優(yōu)勢種(恒有種)真正一致的種類組成穩(wěn)定的植物群落。⑷前蘇聯(lián)學派

以群叢、群系、植被型為主要單位，并在各單位間采用一些輔助單位。中國植被的分類原則、系統(tǒng)和單位

原則：“群落生態(tài)”原則，即以群落本身的綜合特征作為分類依據(jù)，群落的組成、外貌和結(jié)構(gòu)、地理分布、動態(tài)演替等特征及其生態(tài)環(huán)境在不同的等級中均作了相應(yīng)的反映。

單位：包括植被型（高級單位）、群系（中級單位）和群叢（基本單位）共3級分類單位。每一等級之上和之下又各設(shè)一輔助單位和補充單位。

分類系統(tǒng)：植被型組(vegetationtypegroup)10

植被型(vegetationtype)

29植被亞型(vegetationsubtype)群系組(formationgroup)

群系(formation)

560亞群系(subformation)群叢組(associationgroup)

群叢(association)亞群叢(subassociation)植被型組凡建群種生活型（高級）相近而且群落外貌相似的植物群落聯(lián)合，如：針葉林、闊葉林、草地、荒漠等。植被型在植被型組內(nèi)，建群種生活型（一級和二級）相同或相似，同時對水熱條件的生態(tài)關(guān)系一致的植物群落聯(lián)合，如：寒溫性針葉林、夏綠闊葉林、溫帶草原、熱帶荒漠等。植被亞型植被型的輔助單位，在植被型內(nèi)根據(jù)優(yōu)勢層片或指示層片的差異來劃分。如：溫帶草原可分為草甸草原（半濕潤）、典型草原（半干旱）和荒漠草原（干旱）。群系組在植被型或亞型范圍內(nèi)，根據(jù)建群種親緣關(guān)系近似（同屬或相近屬）、生活型（三級和四級）近似或生境相近而劃分。如：草甸草原亞型可分為叢生禾草草甸草原、根莖禾草草甸草原和雜類草甸草原。群系凡是建群種或共建種相同的植物群落聯(lián)合。如：羊草（草原）群系、大針茅（草原）群系、興安落葉松群系。若群落具共建種，則稱共建種群系，如：落葉松、白樺混交林群系。亞群系在生態(tài)幅比較寬的群系內(nèi)，根據(jù)次優(yōu)勢層片及其反映的生境條件的差異而劃分亞群系。如：羊草+旱生叢生禾草草原（羊草典型草原）。群叢組

凡是層片結(jié)構(gòu)相似，而且優(yōu)勢層片與次優(yōu)勢層片的優(yōu)勢種或共優(yōu)種相同的植物群落聯(lián)合。如：羊草+大針茅草原。群叢是植物群落分類的基本單位，相當于植物分類中的種。凡是層片結(jié)構(gòu)相同，各層片的優(yōu)勢種或共優(yōu)種相同的植物群落聯(lián)合。如：羊草+大針茅+柴胡草原。亞群叢用來反映群叢內(nèi)部的分化和差異，是群叢內(nèi)部的生態(tài)－動態(tài)變型?！吨袊脖弧酚?980年完成。中國植被包括10個植被型組和29個植被型，共560個群系：①針葉林(寒溫性針葉林、溫性針葉林、溫性針闊葉混交林、暖溫性針葉林)②闊葉林(落葉闊葉林、常綠落葉闊葉混交林、常綠闊葉林、硬葉常綠闊葉林、季雨林、雨林、珊瑚島常綠林、紅樹林、竹林)③灌草和灌草叢（常綠針葉灌叢、常綠草葉灌叢、落葉闊葉灌叢、常綠闊葉灌叢、灌草叢）④草原和稀樹干草原⑤荒漠（荒漠、肉質(zhì)刺灌叢）⑥凍原（高山凍原、高山墊狀植物）⑦高山稀疏植被（高山流石灘稀疏植被）⑧草甸⑨沼澤⑩水生植被10.1.2植物群落的命名1.我國群叢的命名方法——聯(lián)名法將各層中的建群種或優(yōu)勢種和生態(tài)指示種的學名按順序排列并以“-”相連，在前面冠以Ass.。如某一層具共優(yōu)種，用“+”連接。Ass.Larix

gmelini-Rhododendrondahurica

-Pyrola

incarnata

（興安落葉松-杜鵑-紅花鹿蹄草群叢）Ass.Larix

gmelini

-Rhododendrondahurica

-Pyrola

incarnata

+

Carex

sp（苔草）單優(yōu)勢種的群落，直接用優(yōu)勢種命名。Ass.Pinus

massoniana

(馬尾松群叢）當最上層的植物不是群落的建群種，而是伴生種或景觀植物，用“<“（或“||”或“()”）表示層間關(guān)系。Ass.Caragana

microphlla

<Stipa

grandis

-Cleistogenes

squarrasa

-Artemisiafrigida（小葉錦雞兒<大針茅-糙隱子草-冷蒿群叢）對草本植物群落命名時，習慣用“+”而不用“-”。Ass.Caragana

microphlla||Stipa

grandis

+Cleistogenes

squarrasa

+Artemisiafrigida（小葉錦雞兒||大針茅+糙隱子草+冷蒿群叢）2.群叢組的命名法：與群叢相似，只是將同一群叢組中各群叢間差異性最大的一層除去，例如具有相同灌木層（胡枝子），不同草本層的蒙古櫟林（喬木層）所組成的群叢組，可命名為：Gr.Ass.Quercus

mongolica-Lespedezabicolor（蒙古櫟-胡枝子群叢組）3.群系的命名：只取建群種的名稱，如東北草原以羊草為建群種組成的群系，稱為：Form.Aneurolepidium

chinense

（羊草群系）如該群系的優(yōu)勢種是兩個以上，則優(yōu)勢種中間以“+”號連接，如：Form.Castanopsis

chinensis

+Cryptocary

chinensis

（華栲+厚殼桂群系）10.2.1

群落數(shù)據(jù)多變量分析簡介多元分析／多變量分析

Multivariateanalysis處理聯(lián)立的多個變量的數(shù)學分枝,是對單元(單變量univariate)和二元(雙變量bivariate)分析的延伸只要在大量實體(entity/object)上測量的屬性(attribute/descriptor)多于一個(即多個變量），而且這些屬性之間相互作用著，使得有必要對它們進行協(xié)同研究時，就需要多變量分析

群落數(shù)據(jù)的特點-

多維性(multidimensionality)每個樣方可視作由多個種構(gòu)成的多維空間(種空間，A-space)中的點；或?qū)⒚恳环N視為由多個樣方構(gòu)成的多維空間(樣方空間，I-space)中的點。species

sampleab1620251037.515看一個非常簡單的數(shù)據(jù)集如何建立一個圖形空間以便能清晰地看出樣方間或種間的關(guān)系？(A)樣方a,b可表示為三維種空間中的點(B)種1,2,3可表示為二維樣方空間中的點群落數(shù)據(jù)的特點

種（變量）之間存在聯(lián)立關(guān)系(associated)，而不是獨立的

樣方（實體）是獨立的(independent)和隨機的(random)

種數(shù)／樣方數(shù)＞＞1,大量的0值原始數(shù)據(jù)矩陣生物環(huán)境關(guān)系矩陣Q分析:在每對樣方間進行

R分析:在每對種或環(huán)境變量之間進行相似性系數(shù)距離/非相似性系數(shù)相關(guān)系數(shù)聚類，MDS或PCA排序群落多變量分析流程數(shù)據(jù)預(yù)處理2

4

1

3樣方聚類樣方標序(通常rank-based)142

3樣方相似性矩陣(non-correlationbased,如：Bray-Curtis相似性系數(shù))樣方1234經(jīng)轉(zhuǎn)換的原始矩陣（平衡稀有種和常見種）abcd種種基于相似性系數(shù)的多元分析步驟群落數(shù)據(jù)的構(gòu)成－原始矩陣種－樣方矩陣從大量的樣方里觀測得到多個種的多度（或生物量或蓋度）

行：種(變量)，列：樣方環(huán)境－樣方矩陣

行：環(huán)境變量，列：樣方匹配群落多變量分析的目標用群落種的數(shù)據(jù)（屬性）劃分或排序樣方（實體），可以較客觀地揭示群落本身可能存在的自然間斷或沿環(huán)境梯度的連續(xù)變化的規(guī)律。用環(huán)境數(shù)據(jù)劃分或排序樣方，可以揭示群落間斷或連續(xù)變化的環(huán)境原因。通過比較群落數(shù)據(jù)和環(huán)境數(shù)據(jù)的多變量分析結(jié)果，可以反映群落變化與環(huán)境變化的關(guān)系。用樣方數(shù)據(jù)去劃分或排序種集合，可反映種間相互作用規(guī)律。用樣方數(shù)據(jù)去分割或排序環(huán)境因子的集合，可反映不同環(huán)境因子之間的組合關(guān)系。用樣方數(shù)據(jù)分割的種組與環(huán)境梯度相比較，可能找到種組與環(huán)境因子的關(guān)系。10.2.2實體或?qū)傩蚤g關(guān)系的度量——獲得關(guān)系矩陣相似性系數(shù)非相似性系數(shù)/距離系數(shù)相關(guān)系數(shù)SpeciesxsamplematrixSamples

Speciesx1X２X３‥‥XjXk

‥‥Xpy1y11y12y13‥‥y1jy1k‥‥y1py2y21y22y23‥‥y2jy2ky2py3y31y32y33‥‥y3jy3ky3p﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕yiyi1yi2yi3‥‥yij

yikyip﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕﹕ynyn1yn2yn3‥‥ynj

ynk‥‥ynj

Bray-Curtis相似性系數(shù)

(BrayandCurtis,1957)

Czekanowskicoefficient對于由p行(種)(i=1,2,…,p)n列(樣方)

(

j=1,2,…,n)組成的種-樣方矩陣：Sjk：第j個樣方和第k個樣方的相似性yij：第i個種第j個樣方的輸入值yik：第i個種第k個樣方的輸入值LochLinnheandLochEil,Scotland.

Mapofsite34(Linnhe)andsite2(Eil),

sampledannuallyover1963-1973(Pearson,1975)Year(sample)641682713734Sample1234Species1-Echinoca.900028-Myrioche.190033042-Labidopl.937010439214-Amaeana0121449Capitella01283442Mytilus0000S2,3=1001-0+0+37+132+216+0=42.10+0+37+156+472+0S2,3=1002[0+0+0+12+128+0]=42.10+0+37+156+472+0例：LochLinnhe

大型底棲動物,數(shù)據(jù)未經(jīng)轉(zhuǎn)換Year(sample)641682713734Sample1234Species1-Echinoca.1.7000226-Myrioche.2.1001.33068-Labidopl.1.72.501.84526842-Amaeana01.93.51.7Capitella03.44.31.2Mytilus0000S2,3=1001-0+0+2.5+1.6+0.9+0=67.90+0+2.5+5.4+7.7+0S2,3=1002[0+0+0+1.9+3.4+0]=67.90+0+2.5+5.4+7.7+0例：LochLinnhe

大型底棲動物,數(shù)據(jù)經(jīng)雙平方根轉(zhuǎn)換Bray-Curtis相似性系數(shù)有以下特點：若兩個樣方?jīng)]有共有種，相似性為０；若兩個樣方數(shù)據(jù)完全一致，相似性為100；測量尺度的變化不影響相似性結(jié)果，如多度單位由個／cm2變?yōu)閭€／m2；”同時不存在“對相似性沒有影響(independenceofjointabsences)

Canberra相似性系數(shù)(LanceandWilliams,1967)S2,3=100﹛1-1/3(37/37+132/156+216/472)=23.2

Bray-Curtis非相似性系數(shù)δ2,3=100–S2,3=57.9

歐氏距離Euclideandistance空間中任意兩點的自然距離。

曼哈頓距離Manhatten(city-block)distanced2,3=√(37-0)2+(12-144)2

+

(128-344)2=255.8d2,3=|37-0|

+|12-144|+

|128-344|

=38512

5Sp1Sp2﹢﹢jk13Sample:jkSp125Sp231歐氏距離——曼哈頓距離----相關(guān)系數(shù)Correlationcoefficient：用于評價兩列數(shù)據(jù)的關(guān)系，適用于環(huán)境數(shù)據(jù)的PCA標序。積矩(皮爾遜)相關(guān)系數(shù)

product-moment(Pearson)correlationcoefficient式中y.j

定義為樣方j(luò)在所有種的平均個體數(shù)或生物量有/無(presence/absence)數(shù)據(jù)的相似性計算Year(sample)641682713734SpeciesEchinoca.1000Myrioche.1001Labidopl.1101Amaeana0111Capitella0111Mytilus0000對于樣品1和4而言:a=兩個樣品中都存在的種數(shù)=2b=樣品1中有但樣品4中無的種數(shù)=1c=樣品1中無但樣品4中有的種數(shù)＝2d=兩個樣品中都不存在的種數(shù)=1

有/無(presence/absence)數(shù)據(jù)的相似性計算“simplematching”coefficient(Sokal&Michener,1958)

JaccardcoefficientSorensonorDicecoefficient(等同于Bray-Curtis)MaConnaugheycoefficient原始數(shù)據(jù)的預(yù)處理轉(zhuǎn)換transformationNone→√y,→√√y,Log(y+1)→abs/presBray-Curtis

相似性計算，隨轉(zhuǎn)換劇烈程度的增加，對稀有種的權(quán)重增加PCA分析中，可糾正樣方數(shù)據(jù)沿種軸分布的右偏性標準化standardization將每個種的多度值以相對多度，即占樣方所有種總多度的百分比表示。當樣方的大小不等時，絕對多度在樣方間沒有可比性，標準化可對樣方在相對種類組成方面作相似性比較。正態(tài)化normalization

將每個種（環(huán)境因子）的輸入值減去該種（環(huán)境因子）在所有樣方的平均值并除以該種（環(huán)境因子）在所有樣方的標準偏差。

環(huán)境變量往往具有不同的測量尺度，如：鹽度以‰,水深以m表示等。通過correlation-basedPCA分析，所有的環(huán)境軸可經(jīng)正態(tài)化為可比較的(或稱為無因次的dimensionless)尺度,PCA標序結(jié)果不受環(huán)境變量尺度改變的影響，如：PCBs的濃度由mg/g變?yōu)閚g/g。Benthiccommunitysamplingsites(A-G)fortheIOC,GEEPOsloWorkshop,1986;siteFomittedformacrobenthos

Abundanceandbiomassmatricesforthe110speciesin24samples

(fourreplicatesateachofsixsites,A-E,G);

abundanceinnumberper0.1m2;biomassinmgper0.1m2

SpeciesSamplesAAAABBBBAbundanceCerianthus

lloydi00000000Halicryptussp.00010000Onchnesoma00000000Phascolion

strombi00010010Golfingiasp.00000000Nemertina,indet.12686406197…BiomassCerianthus

lloydi00000000Halicryptussp.000260000Onchnesoma00000000Phascolion

strombi00060020Golfingiasp.00000000Nemertina,indet原始數(shù)據(jù)矩陣SamplesAAAABBBBCCCCSamplesA-A61-A6960-A656166-B37283735-B4234313255-B453939446666-B37292937596360-C3531272528564034-C403426294869625656-C40313739596167534066-C3628343765556955386474-關(guān)系矩陣是聚類和標序的起點Clustering聚類MDS標序GarrochHead,Scotland.Locationofsewagesludgedumpgroundandpositionofsamplingsites(1-12);thedumpcentreisatsite6(PearsonandBlackstock,1984)GarrochHead大型動物。a)種生物量數(shù)據(jù)矩陣的MDS標序；b)同樣MDS標序圖，但疊加了由匹配的環(huán)境樣品中測得的碳濃度，圈的直徑與碳濃度成比例；c)對碳、氮和鎘三種環(huán)境因子組成的環(huán)境數(shù)據(jù)矩陣所作的MDS標序。C211211

10

398576Biota4212

10111

398576C,N,Cd4abcNutrientenrichmentmesocosmexperiment(Geeetal.1985).Copepodabundancesunder2dosingregimes,Solbergstrandfacility,Norway.ControlLowdoseHighdoseSpeciesCCCCLLLLHHHHHalectinosoma

gothiceps001116238160100Danielssania

fusiformis111113851003Tisbe

sp.1(gracilisgroup)0000000022711931Tisbe

sp.200004522392560332Tisbe

sp.300008683880529020Tisbe

sp.400001512492648780034Tisbe

sp.500001290011540140Typhlamphiascus

typhlops422458430000Bulbamphiascus

imus100000000000Stenhelia

reflexa310120000000Amphiascus

tenuiremis100000260000Ameira

parvula000042322012Proameirasimplex000002050000…Nutrientenrichmentexperiment.MDSordinationsof√√-transformedabundancesforcopepodspecies,infourreplicateboxesfromeachofthreetreatments(C,L,H).Solbergstrand

mesocosmcopepodabundanceLCCCCLLHHHHStress:.09LLochLinnheandLochEil,Scotland.

Mapofsite34(Linnhe)andsite2(Eil),

sampledannuallyover1963-1973(Pearson,1975)LochLinnhe11年(63-73)大型動物豐度的二維PCA標序圖(ordinationplot)。數(shù)據(jù)經(jīng)雙平方根轉(zhuǎn)換(√√-transformation),省去了較不常見種。10.2.3群落的數(shù)量分類

——等級聚合聚類旨在找出樣方的自然分組使得組內(nèi)樣方彼此間較組間樣方更為相似。結(jié)果以樹枝圖(dendrogram)的形式表示樣方間彼此的相似性水平。五類聚類方法Hierarchicalmethods等級法Optimisingtechniques最優(yōu)化技術(shù)Mode-seekingmethods模式尋找法Clumpingtechniques群叢技術(shù)Miscellaneoustechniques其它技術(shù)所有聚類方法的共同點：潛在的任意性。等級聚合聚類

HierarchicalagglomerativeclusteringSamplesA1A2A3A4B1B2B3B4C1C2C3C4SamplesA1-A261-A36960-A4656166-B137283735-B24234313255-B3453939446666-B437292937596360-C13531272528564034-C2403426294869625656-C340313739596167534066-C43628343765556955386474-Fierfjord

大型動物豐度的Bray-Curtis相似性矩陣，數(shù)據(jù)經(jīng)雙平方根轉(zhuǎn)換。WithinsitesimilarityBetweensitesimilarityFrierfjord

大型動物豐度的等級聚類樹枝圖。樹枝圖的構(gòu)筑關(guān)鍵步驟：選定分組(歸類)的統(tǒng)計量(如：相似性系數(shù)，并規(guī)定聚類的規(guī)則。起點：相似性或非相似性下三角矩陣。組(group)的連接方法－如何測定樣方組之間的相似性？簡單連接/最近鄰體法

singlelinkage/nearestneighbour

完全連接/最遠鄰體法

completelinkage/furthestneighbour

組平均連接group-averagelinkageBristolChannelzooplankton.Samplingsitesin1974.例：BristolChannelzooplankton.

57個取樣點（1-29，31-58），24種終生浮游動物，矩陣輸入值為每立方米水體中的個體數(shù)，原始數(shù)據(jù)經(jīng)雙平方根轉(zhuǎn)換，計算Bray-Curtis相似性。55IVIIIIIItrueestuarineestuarineandmarineeuryhalinemarinestenohalinemarine聚類分析應(yīng)用要點基于樣方相似性或非相似性矩陣(如：Bray-Curtis)，以組平均連接方式進行的等級聚類是生態(tài)學研究中一種有用的技術(shù)。它適用于對具有不同群落結(jié)構(gòu)的取樣點的分組。當群落結(jié)構(gòu)沿取樣點呈穩(wěn)定的梯度改變時，聚類分析便不太適用，排序更能體現(xiàn)群落結(jié)構(gòu)的連續(xù)變化，即群落連續(xù)體（continuum)的概念。聚類最好與排序結(jié)合使用，以便得到互為補充的信息，亦可印證彼此的準確性。10.2.4群落排序排序/標序ordination的概念

把一個地區(qū)內(nèi)所調(diào)查的群落樣地，按照相似性來排定各樣地的位序，從而分析各樣地之間及其與生境之間的相互關(guān)系。排序的過程是把實體（樣地或樣方）作為點在以屬性（群落特征或環(huán)境變量）為坐標軸的P維空間中（P個屬性）按其相似關(guān)系把它們排列出來。排序即是將樣方排放在一個低維（通常二維或三維）的‘地圖’中，樣方在地圖中的位置不代表它們簡單的地理位置，而是要試圖反映出樣方生物群落的相似性。樣方間的距離試圖與相應(yīng)的群落結(jié)構(gòu)非似性一致，接近的點（樣方）具有非常相似的群落，遠離的點（樣方）群落結(jié)構(gòu)很不相似,即：樣方間有很少的共有種類或同一種以極不相同的豐度或生物量水平出現(xiàn)在不同的樣方中。排序的類型直接排序(directordination)/直接梯度分析(directgradientanalysis)，以群落生境或其中某一生態(tài)因子的變化排定樣方生境的位序。間接排序(indirectordination)/間接梯度分析(indirectgradientanalysis)/組成分析(compositionalanalysis)，用群落本身屬性（如種的出現(xiàn)與否，種的頻度、蓋度等）排定樣方的位序。排序技術(shù)主分量分析PCA最古老和應(yīng)用廣泛源于心理學領(lǐng)域的非度量MDS是PRIMER統(tǒng)計軟件的關(guān)鍵技術(shù)對應(yīng)分析(CorrespondenceAnalysis)家族典范對應(yīng)分析CCA(Canonicalcorrespondenceanalysis)

消拱對應(yīng)分析DCA(Detrendedcorrespondenceanalysis)

消拱典范對應(yīng)分析DCCA每種技術(shù)都有各自的優(yōu)缺點，可從三方面來考慮：1）原理上簡單：容易被生態(tài)學家理解。2）使用上靈活：對所處理數(shù)據(jù)的形式和樣方間的關(guān)系有較少的模型假定。3）在低維排序空間中對距離的保持性能較好。非度量多維標度MDS

non-metricMulti-DimensionalScaling起點：相似性或非相似性下三角矩陣，實際采用的是相似性的等級順序(rankorder)。目的：試圖在一個低維空間中建立一個樣方的‘地圖’或構(gòu)型圖(configurationplot)，使樣方間歐氏距離的等級順序與其相似性或非相似性的等級順序保持一致。*等級相似性Ranksimilarity

：將相似性下三角矩陣中的實測相似性按大小順序排列，最高的相似性給予最低等級1，最低的相似性給予最高等級n(n-1)/2英國城鎮(zhèn)之間道路距離構(gòu)成的下三角矩陣英國城鎮(zhèn)之間(a)道路距離和(b)直接距離的非度量MDS構(gòu)型abA.Basicdatamatrix(√√-transformed)Year(sample)641682713734Sample1234Species1-Echinoca.1.7000225.6-Myrioche.2.1001.33067.9-Labidopl.1.72.501.8452.268.142.0-Amaeana01.93.51.7Capitella03.44.31.2Mytilus0000Sample12341-25-362-4314-1423B.SimilaritymatrixC.RanksimilaritymatrixD.MDSordinationLochLinnhe

大型底棲動物多度的MDS排序Exe河口線蟲。19個取樣點的MDS排序，基于雙平方根轉(zhuǎn)換的豐度數(shù)據(jù)和Bray-Curtis相似性。MDS特征1）算法：無法100%保證得到的壓力值(stress)是最小的，取決于排序圖中點的隨機初始構(gòu)型。實際操作時解決的辦法是多次重復(fù)MDS分析,每次從不同的隨機構(gòu)型開始(PRIMER默認restart次數(shù)為10),如果重復(fù)得到同一壓力值,則證明該壓力值為最小。2）排序圖：無方向性，可任意旋轉(zhuǎn)，反射。對于同一套數(shù)據(jù)，每次進行MDS排序時，所得的構(gòu)型可能會略有不同，只要各次壓力值相等，便可以忽略圖中點位置的微小差異。與PCA不同，MDS在不同維度空間的構(gòu)型之間沒有直接關(guān)系，因此有較好的距離保持性。SamplesSalinitygradient弓形效應(yīng)Arceffect/馬蹄效應(yīng)Horseshoeeffect主分量(成分)分析PCA

PrincipalComponentsAnalysis由于變量之間存在一定的相關(guān)性，或者說變量對信息的反映有一定程度的重疊，人們希望用較少的獨立(新)變量來代替原來較多的變量，而這些較少的變量盡可能地反映原來變量的信息。這種降維的思想也是對應(yīng)分析、典范相關(guān)分析和因子分析等排序方法的基礎(chǔ)。這些新的變量被稱為分量，主分量分析就是要找出主要的或最重要的分量，也即主分量。半濕潤草甸草原群叢組半干旱典型草原群叢組鹽濕草原群叢組種第一主分量第二主分量第三主分量h2貝加爾針茅2.171.360.016.56羊草-1.660.93-0.894.41糙隱子草-1.921.431.126.99日陰蒿2.600.80-0.097.40襲葉蒿2.310.42-0.305.60山野豌豆1.890.66-0.084.01細葉白頭翁2.240.840.045.72展枝唐松草2.27-0.39-0.055.31冷蒿-1.650.900.744.08阿爾泰狗哇花-1.691.