基于CANOCO的数据分析 PPT课件.ppt

基于CANOCO的数据分析
生态熊

Multivariate Analysis of Ecological
Data using CANOCO
内容
第一章排序基础
第二章认识软件
第三章操作示范
第四章排序图解
第五章经典实例
第六章阅读推荐
后记
群落学物种组成数据的分析方法通常有两种:梯度分析(排序)和分类方法(聚类、TWINSPAN等)。这里的梯度分析是广义的梯度分析,泛指任何以揭示物种组成数据与实测或潜在的环境因子之间关系的方法。
第一章梯度分析基础
1 什么是梯度分析?
2 为什么排序?
当考察植物或动物群落沿着一系列环境条件下的变化情况,我们经常发现在不同条件的群落不仅物种组成变化很大,而且这些变化往往具有连续性和可预测性。
通过排序分析,我们可以认识群落格局,也可以将排序轴跟我们已知的环境条件联系起来,看是否代表某一环境梯度。当然,也许我们必须用统计手段来检验排序轴到底是否真能代表环境因子的梯度。
3 专业术语
生态学原始数据一般由两个部分构成,一组是响应变量(response variable),另外一组是解释变量(explanatory variables)。
(1)解释变量:相当于自变量,又称预测变量,经常分为主环境变量和协环境变量。
(2)响应变量:相当于因变量,又称物种数据。
(3)梯度分析:即通常所说的排序分析,是揭示物种组成数据与实测或潜在环境因子之间关系的方法的总称。包括约束性排序和非约束性排序。
(4)约束性排序(直接排序):在特定的梯度上(环境轴)上探讨物种的变化情况。例如:A,DCCA等。
(5)非约束性排序(间接排序):寻求潜在的或在间接的环境梯度来解释物种数据的变化。
(6)偏分析:预先剔除物种变化中由协变量产生的效应,再通过排序揭示剩下物种变化的排序方法。
(7)混合排序分析:前面若干轴采用约束排序,而剩下的轴是非约束性排序的梯度分析方法。
(8)非约束性排序方法
主成分分析(ponents analysis, PCA)
对应分析(Correspondence analysis, CA)
去趋势对应分析(Detrended Correspondence analysis, DCA)
主坐标分析(Principal coordinates analysis, PCO)
(9)约束性排序
冗余分析(Redundancy analysis, RDA)
典范对应分析(Canonical Correspondence analysis, CCA)
去趋势典范对应分析( Detrended Canonical Correspondence analysis, DCCA)
典型变量分析(Canonical variate analysis, CVA, db-RDA)
(10)物种响应环境梯度模型
线性响应模型经常可以通过传统的方法(最小二乘法)回归拟合。
但对于单峰响应模型,估计物种在环境梯度上最适值最简单的方法就是通过基于所有包含该物种的n个样方中环境因子值的加权平均得到。具体算法如下:
上式中,Envi是第i个样方的环境因子值,Abundi是物种在i样方的多度。