欢迎来到天天文库
浏览记录
ID:57374187
大小:279.00 KB
页数:47页
时间:2020-08-13
《群落相似性与聚类方法课件.ppt》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、第八章群落相似性与聚类方法群落的相似性分析方法群落的聚类分析方法群落的排序分析方法第一节群落相似性分析比较两群落的相似程度按物种组成进行相似性比较按物种的个体数进行相似性比较一、二项相似系数法按两群落的物种组成进行相似性比较。用样方抽样来调查两群落中的物种数。只需记录两群落中各物种的名称,而不必计数其个体数。对两群落中各物种出现情况进行统计a:为A群落中出现的物种数b:为B群落中出现的物种数c:为AB两群落均出现的物种数d:为AB两群落中均没出现的物种数。Jaccard相似系数:Sj=c/(a+b-c)Czekanowski(1913)提出,Sorensen(194
2、8)更新的Sorensen相似系数:Ss=2c/(a+b)简单匹配系数SSM=(c+d)/(a+b+d-c)物种A群落B群落S1206S220S3523S4010Baroni-Urbani&Buser系数二项相似系数法的优缺点优点:不考虑物种的个体数,调查简单,计算简单。缺点:结果易受样方大小及样方数多少的影响。样方越大,相似性越高,抽样数越多,相似指数变小。样方数样方大小二、距离系数法为两群落的相异系数或相差距离如果两群落的距离值接近于0,则相似度很高。考虑群落中各物种的个体数Xij:为j群落中i物种的个体数Xik:为k群落中i物种的个体数欧氏距离(Euclide
3、an距离)欧氏平均距离物种A群落B群落S1206S224S3523S4010两群落的总物种数Bray-Curtis距离物种A群落B群落S1206S224S3523S4010Canberra距离优缺点:该方法比二项相似系数法更适合实际,但调查和计算要复杂些。受样方大小、抽样数及物种多样性的影响较大。样方越大,相似性越高,抽样数越多,相似指数变小。样方大小抽样数三、相关系数法两群落中物种的个体数的变化呈直线相关时使用。Xi:为x群落中i物种的个体数Yi:为y群落中i物种的个体数Y=a+bX的相关系数r即为XY两群落的相似性大小。物种1234群落A5025105群落B40
4、302010群落B180604020群落B270605040A-BA-B1A-B2欧氏距离7.928.533.35B距离0.160.380.42C距离0.220.460.51相关系数r0.960.960.96当两群落数量呈比例变化或增加相同数量时,仅相关系数不受影响。四、相似百分率由Renkonen(1938)提出,又称Renkonen相似性指数。P=Σmin(p1i,p2i)p1i:为第1群落中i物种的个体百分率;p2i:为第2群落中i物种的个体百分率。样方大小及物种多样性对该指数影响较小。例物种群落x群落yA51B103C25D206E910F45xy0.10.
5、030.20.10.040.170.40.20.180.330.080.17P=(0.03+0.1+0.04+0.2+0.18+0.08)=0.63五、Morisita相似指数Nj:为j群落中总个体数;Nk:为k群落中总个体数。Morisita指数不受样本大小的影响,不过样方不宜太小。Wolda(1981)提出该指数是生态学上分析群落相似性的最好方法。六、Horn相似性指数该指数受样方大小影响小。第二节相似性分析时的数据标准化数据标准化的目的?数据标准化的常用方法?数据标准化后相似性指数如何计算?数据标准化后相似性指数是否会发生变化?一、数据标准化的目的降低极端值对
6、相似性指数的影响。提高稀有物种对相似性指数的贡献。消除种群个体数对相似性指数的影响。二、数据标准化方法平方根转化对数转化数据比率化三、标准化后相似指数计算用标准化的数据,代入各相似性指数公式中进行计算。标准化后,各相似指数的变化情况不一二项相似性指数不变平方根和对数转化后,各相似性指数均发生变化数据比率化后,对Bray-Curtis指数、Canberra指数、Morisita指数和Horn指数影响较小,相关系数和相似百比率不变,但对欧氏距离影响较大。第三节群落聚分析方法适用于多个群落相似的比较。将相似的群落归为一类。聚类结果一目了然。ABCDEFG相似系数群落聚类结
7、果图1.00.0一、单联聚类法SingleLinkageClustering1.基本步骤:利用距离法求两两群落的相似性指数,并列成相似性矩阵。(欧氏距离等)将相似性指数最大的两个群落归成第一聚类组。按最大相似指数将另一对群落聚类,或将另一群落与第一聚类组聚成一大类。样本与已聚类组间的相似性=样本与聚类组中最相似的一个成员的相似性两个已聚类组间的相似性=两聚类组中最相似成员的相似性。按同样方法将其它群落归入聚类组中,成为一大类。2例四个群落的Canberra相似指数分别为:ABCDA10.780.90.56B10.70.34C10.25D1ACBD0.90.780
此文档下载收益归作者所有