基于r的群落學(xué)多元統(tǒng)計(jì)分析-展示頁(yè)
2025-05-14 00:26本頁(yè)面
【正文】 （ 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)。 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 。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）。 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。 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)。 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)。 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。如果是小于 3，選擇線性模型（ PCA、 RDA）比較合理。 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) 主成分分析的主要原理是： 使坐標(biāo)旋轉(zhuǎn)一定的角度后，使第一軸表示數(shù)據(jù)最大的方差，使第二軸表示數(shù)據(jù)第二的方差。 4 2 0 2 442024 PCA和 RDA都采用函數(shù) rda實(shí)現(xiàn)： 在 vegan包中， rda(formula, data, scale=FALSE, ...) rda(X, Y, Z, scale=FALSE, ...) scores(x, choices, display=c(sites,species), ...) 在 stat包中： prinp(x, ...) 主成分分析 prinp(formula, data = NULL, subset, , ...) =rda(gtsdata) Call: rda(X = gtsdata) Inertia Rank Total Unconstrained 22 Inertia is variance Eigenvalues for unconstrained axes: PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 scores(,choices=c(1:4) ,display=c(si,sp)) summary() 類似 Canoco的 log文件和 .sol文件的信息 plot(,choices=c(1,2),display=c(sp,si)) biplot(,choices=c(1,2),display=c(sp,si)) plot(rda(gtsdata,scale=T)) plot(rda(gtsdata)) !!如果不對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化的話，豐富種的值就非常大，排序時(shí)就只能看清豐富種的位置，其它種就擁擠在一起。 比如 y
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1