高级森林生态学-植物群落的数量分析方法

《高级森林生态学-植物群落的数量分析方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、高级森林生态学讲座植物群落的数量分析方法－分类和排序王襄平林学院生态教研室wangxiangping@bjfu.edu.cn8/26/20211群落(Community)：生活在同一区域内相互作用的不同物种的集合。传统群落学研究的基本目的：1)研究区域有那些群落?－分类2)群落和环境的关系?－排序长白山岳桦林群落小兴安岭红松针阔混交林群落什么是群落?8/26/202128/26/20213群落的数量分析方法为什么要进行数量分析?可重复性：任何人只要按同样的方法进行分析，都会得到一致的结果。相对客观性：基于群落的数量特征，而不是主观判断。Ake

2、ycriterionforsoundscientificresultsisrepeatability.高黎贡山阔叶混交林群落复杂群落8/26/202141.常用群落数量分析方法数量分类(Classification)TWINSPAN聚类分析群落排序(Ordination)间接梯度分析：PCA，CA，DCA，NMDS直接梯度分析：CCA，RDA8/26/20215排序方法之间的关系PCA:主成分分析(principalcomponentsanalysis)，基于欧氏空间距离RDA:RedundancyanalysisCA:对应分析(Corres

3、pondenceanalysis)，基于Chi-square距离DCA:去趋势对应分析(Detrendedcorrespondenceanalysis)CCA:典范对应分析[Constrained(canonical)correspondenceanalysis]NMDS:Non-metricMultidimensionalscaling8/26/20216分类和排序：区别和联系分类：基于整体论观点群落类型是自然单位，和有机体一样具有明确的边界，而且与其他群落是间断的、可分的，因此可以象物种那样进行分类。主要目的：划分群落类型。排序：基于个体

4、论观点群落是连续的，没有明确的边界，它不过是不同种群的组合，而种群是独立的。主要目的：研究不同群落、物种对环境梯度的反应。8/26/20217群丛单位理论和个体论的群落分类示意图个体论有机体论8/26/20218分类和排序：区别和联系都是基于空间距离所得结果具有相似性和互补性可以同时使用以获得最佳分析效果神农架南坡50个样方的TWINSPAN分类和DCA排序(沈泽昊等，2004)8/26/20219物种有无、多度、盖度、高度、频度、基面积等物种多样性物种之间的关系：种间联结环境数据：地形、气候、土壤等2.植物群落的数量特征—数量特征是数量分析

5、的基础8/26/202110群落数量分析的数据：物种矩阵和环境矩阵必需－聚类、排序可选－仅用于排序中的直接或间接梯度分析8/26/202111空间距离必须满足以下条件:当两者完全相同时，距离值必须为0两者不同时，距离值必须为正值对称：A到B的距离等于B到A的距离满足三角形三边关系定理：A,B,C三点,AB<(AC+BC)3.植物群落的距离量度—距离是群落数量分析的基础8/26/202112空间距离矩阵8/26/202113空间距离的种类欧氏距离Sorenson(Bray-Curtis)JaccardChi-squaredistanceCor

6、relationdistanceRelativeSorenson,Euclidean在分析中注意应选取适当的距离测度8/26/202114欧氏距离和Sorenson距离Sorenson(Bray-Curtis)=shared/totalabundanceCs=2w/(a+b)probablymostpopulardistancemeasureincommunityecology8/26/202115生态学数量分类的研究是从1950年代开始的。60年代电子计算机普遍应用之后，才迅速地发展起来。许多具有不同观点的传统学派，如法瑞学派、英美学派等，

7、都进行数量分类的研究，并用它去验证原来传统分类的结果。4.植物群落的数量分类群落数量分析的常用软件●Canoco●PC-ORD●R8/26/2021164.1TWINSPANTwo-wayindicatorspeciesanalysis对数据进行CA排序，得到样方和物种第一排序轴，分别用于样方分类和物种分类。优点：提供了各个类型的物种分布，而且物种和样地同时进行分类。缺点：是基于CA排序发展起来的一种分类方法，继承了CA排序的一切问题。北京周边山地植被TWINSPAN分类图8/26/202117TWINSPAN8/26/2021184.2聚类

8、分析步骤(以聚合法为例)：1.计算出距离矩阵2.找出最相似的两个单元3.将二者合并为1个单元4.重新计算距离矩阵5.重复步骤2-46.当所有样地合并为1个单元时停止