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(1948)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S1206S220S3523S4010•Baroni-Urbani&Buser系数cdcbaccdSB•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(Euclidean距离)•欧氏平均距离niikijjkXX12)(ndjkjk2物种A群落B群落S1206S224S3523S4010两群落的总物种数•Bray-Curtis距离niikijniikijXXXXB11)(物种A群落B群落S1206S224S3523S4010•Canberra距离)(11niikijikijXXXXnC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B40302010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yA51B103C25D206E910F45xy0.10.030.20.10.040.170.40.20.180.330.080.17P=(0.03+0.1+0.04+0.2+0.18+0.08)=0.63五、Morisita相似指数kjkjikijNNXXC)(2)1())1((jjijijjNNXXNj: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kkjjkjkjikikijijikijikijNNNNNNNNXXXXXXXXRlglg)]lg()[()lg()lg()]lg()[(0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:ABCDA10.780.90.56B10.70.34C10.25D1ACBD0.90.780.56•四群落的相似性指数如下,请做出聚类图。ABCDA10.60.90.56B10.70.8C10.25D1ACBD0.90.80.73聚类图分析•最先聚类的两群数的相似性最高。•一定的相似值下,可将各群落划分为几类。ABCDEAB为一类C为一类DE为一类二、全联聚类法CompleteLinkageClustering•相似性最差的先聚类•样本与聚类组间的相似性=样本与已聚类组中最远一个成员的相似性•两个已聚类组间的相似性=两聚类组中相似性最远两个成员的相似性•聚类步骤与单联聚类相同。单连聚类图BACD全连聚类图三、平均聚类法AverageLinkageClustering•先对最相似的两群落进行归类•群落与已聚类组间的相似性=群落与所有已聚类成员间相似性的算术平均值•聚类方法同单联聚类法JKKJKJSttS1)(SJ(K):为聚类组J与K间的相似性tJ为聚类组J中的样本数(=1)tK为聚类组K中的样本数(=2)ABCDA1.00.880.990.66B1.00.880.62C1.00.66ACBD0.990.880.647B与AC组的相似性=(1/1×2)×(0.88+0.88)=0.88D与ACB组的相似性=(1/1×3)×(0.66+0.66+0.62)=0.647•目前,这些聚类方法均有现成软件得到聚类图。–SAS软件–SPSS软件–DPS软件•利用DPS软件,完成练习题4第四节群落的排序一、直接梯度分析•分析群落中各物种随环境梯度变化而变化的趋势。010203040506070809044052060068080088096010801200124013601400(m)PinusrigidaPinusvirginianaPinuspungens二、排序Ordination•将不同群落标在坐标图上,分析群落间的位置关系,从而对群落进行归类。•排序往往采用相异指数或距离指数来进行。•极点排序法是一种较简单而常用的排序方法极点排序步骤1确定各群落间的相异系数,并建立成矩阵形式。G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.350602选择第一排序轴x•一般选择相异值最大的两个群落作为x轴的两个端点a,b,并记为a,b群落。•也可选最大相异总值的群落标记为x轴的a点,而与a群落相异值最大的群落定为b。G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.350603确定其它群落在x轴上的位置。•利用各群落与a,b群落的相异系数Da和Db,来计算该群落与a群落的距离x。LDDLxba2222xLhDaDbabcG1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.35060x坐标G10.5119G20.3402G30.3078G40.1936G504选择第二坐标轴y。•除a,b群落外,其它各群落均与x轴有偏离,偏离值为h22xDhaxLhDaDbabc•选取与x轴偏离值最大的群落作为Y轴的一个端点,并记为a’群落,令其Y坐标为0,与a’群落相异系数最大的为Y轴的另一端点,并记为b’群落。h值大小G10G20.2303G30.0258G40.2923G50G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.350605选取与x轴偏离值最大的群落为Y轴的一端点,用下式确定其余各群落的Y坐标'2'''222LDDLybaX坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.0551h值大小G10G20.2303G30.0258G40.2923G50G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.35060G4G1G2L’D’bD’ay6根据每一群落的xy坐标值,将其绘在坐图上。G2G3G1xyG5G4X坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.05517排序效果检验•利用两群落的排序间距D’与相异值间的相关系数r来检验。22)()('dydxDX坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.0551•dx:为两群落在x轴上的坐标差值•dy:为两群落在y轴上的坐标差值•如果r在0.9以上,则排序效果较好。G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.35060X坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.0551群落dxdyD’相异G1-G20.17170.26650.31700.2783G1-G30.20410.15590.25680.2917G1-G40.31830.43210.53660.4321G1-G50.51190.36590.62920.5119G2-G30.03240.11060.11520.0328G2-G40.14660.16560.22120.1973G2-G50.34020.11050.35770.4108G3-G40.11420.27620.29890.3702G3-G50.30780.22110.37900.3717G4-G50.19360.05510.20130.3506r=0.91讨论与作业•调查了五个群落中不同湿度区域内各物种的个体数。试问可进行哪些有关群落的比较分析?具体分析步骤如何?