基于r的群落學(xué)多元統(tǒng)計(jì)分析(已修改)
2025-05-18 00:26 本頁(yè)面
【正文】 1 基于 的群落多元統(tǒng)計(jì)分析 —— 用 vegan包進(jìn)行排序分析 賴江山（ janson) 中國(guó)科學(xué)院植物研究所 2021. 2 vegan軟件包簡(jiǎn)介 3 vegan是 Vegetation analysis的縮寫 ,是群落分析的 package 作者： Jari Oksanen an/ fthelp/ library(vegan) 什么是排序 (ordination)? 排序的過(guò)程是將樣方或植物種排列在一定的空間，使得排序軸能夠反映一定的生態(tài)梯度，從而，能夠解釋植被或植物種的分布與環(huán)境因子間的關(guān)系，也就是說(shuō)排序是為了揭示植被 環(huán)境間的生態(tài)關(guān)系。因此，排序也叫梯度分析（ gradient analysis）。 間接梯度分析 (Indirect gradient analysis) 直接梯度分析 (direct gradient analysis) 2個(gè)種的排序圖 3個(gè)種的排序圖 4個(gè)種的排序圖？？？ 40個(gè)種排序圖？？？ 排序的目標(biāo)： ，減少坐標(biāo)軸的數(shù)目 ； 2. 由降低維數(shù)引起的信息損失盡量少，即發(fā)生最小的畸變，也就是讓新的坐標(biāo)系第 13軸排序軸包含大量的生態(tài)信息 。 排序的目的： 表示植被與環(huán)境之間的關(guān)系： 所有排序方法都反映植物種和環(huán)境之間的關(guān)系以及在某一環(huán)境梯度上的種間關(guān)系。 （ linear model），短的梯度，主成分分析（ Principle ponent analysis)，需要對(duì)數(shù)據(jù)進(jìn)行非線性轉(zhuǎn)換，如取對(duì)數(shù)； （ nonlinear model）如高斯模型，長(zhǎng)的梯度，對(duì)應(yīng)分析 （ Correspondence analysis) 群落數(shù)據(jù)輸入 gtsdata=(,header=T) gtsdata dim(gtsdata) 環(huán)境因子數(shù)據(jù)輸入 gtsenv=(,header=T)。 gtsenv dim(gtsenv) 數(shù)據(jù)的標(biāo)準(zhǔn)化 1. decostand(x, method, MARGIN, …) total: 除以行和或列和 (default MARGIN = 1是 row)。 max:除以行或列的最大值 (default MARGIN = 2 是列 )。 freq:除以行或列的最大值 ,并乘以非零值的個(gè)數(shù)，非零值的平均值為 1 (default MARGIN=2)。 normalize:使行或列的平方和等于 1 (default MARGIN = 1)。 range: 標(biāo)準(zhǔn)化使行或列的值在 0 ... 1 (default MARGIN = 2). standardize:標(biāo)準(zhǔn)化使行或列的和為 1且方差為 1(default MARGIN = 2)； pa: 將數(shù)據(jù)轉(zhuǎn)換為 0、 1數(shù)據(jù)； : 除以行和及列和的平方根； hellinger: 采用 total標(biāo)準(zhǔn)化以后再取平方根； log： 對(duì)數(shù)化，默認(rèn)自然對(duì)數(shù)， logbase參數(shù)是自選的 base 2. wisconsin(x) :除以列最大值，再除以行和。 排序類別 (in CANOCO) 間接梯度分析（ Indirect Gradient Analysis） ： PCA (Principal ponents analysis) CA (Correspondence analysis) DCA (Detrended Correspondence Analysis) 直接梯度分析（ Direct Gradient Analysis） ： RDA (Redundance analysis) CCA (Canonical correspondence analysis) DCCA (Detrended CCA ) PCA RDA CA CCA DCA DCCA 13 決定排序的模型：?jiǎn)畏暹€是線性？ decorana(gtsdata) Call: decorana(veg = gtsdata) Detrended correspondence analysis with 26 segments. Rescaling of axes with 4 iterations. DCA1 DCA2 DCA3 DCA4 Eigenvalues Decorana values Axis lengths 如果這四個(gè)軸中梯度最長(zhǎng)（最大值）超過(guò) 4，選擇單峰模型排序（ CA、 CCA、 DCA）更合適。如果是小于 3，選擇線性模型（ PCA、 RDA）比較合理。如果介于 34之間，單峰模型和線性模型結(jié)果差不多。 間接梯度分析 （ Indirect Gradient Analysis） PCA (Principal ponents analysis) CA (Correspondence analysis) DCA (Detrended Correspondence Analysis) 主成分分析 (Principle ponent analysis, PCA) 主成分
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1