DCA、CCA和DCCA三种排序方法在中国草地植被群落中的应用现状
历山自然保护区猪尾沟森林群落植被格局及环境解释_张峰
第23卷第3期2003年3月生 态 学 报AC TA ECO LOGICA SIN IC AV o l.23,N o.3M a r.,2003历山自然保护区猪尾沟森林群落植被格局及环境解释张 峰1,2,张金屯2,张 峰3(1.中国科学院植物研究所植被数量生态学重点实验室,北京 100093;2.山西大学黄土高原研究所,太原 030006;3.山西大学生命科学系,太原 030006)基金项目:国家重点基础研究发展规划资助项目(G2000018607);国家自然科学基金资助项目(30070140)收稿日期:2002-05-28;修订日期:2002-10-29作者简介:张 峰(1977～),女,山西人,博士研究生,主要从事植被生态学和景观生态学研究。
Foundation item :S tate k ey basic res earch and dev elopm ent plan of China(G2000018607),National Natural Sicence Foun-d ation of China (No .30070140)Received date :2002-05-28;Accepted date:2002-10-29Biography :ZHAN G Feng,Doctor candidate,M ain researeh field:vegetation ecology and lands cape ecology.摘要:应用T W IN SP AN 、D CA 和DCC A,从植物种、植物群落与环境的生态关系方面,研究历山自然保护区猪尾沟森林群落的植被分布格局,并给予合理的环境解释。
结果如下:(1)采用T W IN SP AN 数量分类方法,将植被划分为9个群落类型。
(2)对于特定的研究区域猪尾沟,制约森林群落类型、植物种分布格局的主要因素是海拔梯度,即水、热两个环境因子。
秦岭山地天然次生林群落MRT数量分类、CCA排序及多样性垂直格局
秦岭山地天然次生林群落MRT数量分类、CCA排序及多样性垂直格局佚名【摘要】采用多元回归树(MRT)对秦岭山地天然次生林群落进行数量分类,采用典范对应分析(CCA)进行排序,分析了秦岭山地天然次生林群落物种多样性沿海拔梯度的变化规律.结果表明:(1)275个样方共有种子植物195种,隶属61科128属.乔、灌、草3个层次物种多样性变化沿海拔梯度的变化趋势基本一致,呈单峰模型;(2)经交叉验证认为秦岭山地天然次生林群落可分为2类,Ⅰ冬瓜杨(Populus purdomii+陇东海棠(Malus kansuensis)+蛇莓(Duchesnea indica)群落,Ⅱ锐齿槲栎(Quercus aliena var.acuteserrata)+黄栌(Cotinus coggygria)+茜草(Rubia cordifolia)群落;(3)CCA排序结果揭示了群落生境的分布范围,反映出生态轴的排序意义,较好地反映秦岭山地天然次生林群落与环境因子的关系,其结果表明,海拔、坡向、凋落层厚度和干扰情况4个变量对该地区次生林群落的分布有较大的影响.【期刊名称】《生态学报》【年(卷),期】2019(039)001【总页数】9页(P277-285)【关键词】物种多样性;多元回归树;典范对应分析;秦岭山地;天然次生林【正文语种】中文物种多样性是表征群落学的重要指标,在反映植物群落生境差异、群落结构组成和稳定性等方面具有重要的意义。
因此,进行植物物种多样性研究可以更好地评价群落组成、结构及其发展变化,同时测度群落及其环境的保护状态,对控制和减少濒危物种的丧失具有重要意义,是群落生态学乃至整个生态学研究的核心之一[1-2]。
生物多样性沿环境梯度的变化格局一直是生物多样性研究的一个重要议题,海拔梯度的变化综合了温度、湿度和光照等多种环境因子,在一定程度上能够显著地影响植物种群的空间分布格局[3]。
坡位、坡度和坡向也是影响植物生长的重要地形因子[4-5]。
秦岭中段松栎混交林群落数量分类与排序
秦岭中段松栎混交林群落数量分类与排序吴昊;王得祥;胡有宁;黄青平【摘要】依据陕西省境内秦岭山脉中段设置的34个样地调查资料,从植物物种组成、植物群落与地形因子之间的关系等对该区域松栎混交林群落进行TWINSPAN 分类和DCCA排序.结果表明:(1)研究区34个样地共记录维管束植物297种,隶属于77科178属,其中被子植物72科,裸子植物2科,蕨类植物3科；分布较广的植物有:松科、壳斗科、蔷薇科、菊科、禾本科和百合科.(2)TWINSPAN 聚类结果将样地群落划分为13个群丛,其中以油松+锐齿槲栎为建群种的群丛最多,占总群丛数量40％,是该区主要的松栎混交林群落类型.(3)样地的DCCA排序结果表明,第一轴明显地反映出群落分布沿海拔、坡位的变化,第二轴主要表现出群落分布沿坡向、坡度的变化趋势；其中海拔、坡度与DCCA一、二轴相关系数分别达到最大值(-0.946 2、-0.795 7),是对该群落分布起决定性作用的因子.(4)研究区主要优势物种的DCCA排序与样地的DCCA排序综合反映出该区松栎混交林群落分布的地形梯度.%Based on data from 34 plots of the middle part of Qinling Mountains in Shaanxi Province,the ecological gradients of the plant communities were studied by the methods of TWINSPAN and DCCA, in terms of the interactions between plant species and communities and topographical factors. The results indicate that; (1)34 plots record 297 species vascular plants,belong to 77 families 178 genera. Among those, 72 families Angiospermae plants, 2 families Gymnospermae plants, and 3 families Pteridphyta plants. The wide distribution species include Pinaceae, Fagaceae, Rosaceae, Compositae, Gramineae, and Liliaceae. (2) Based on TWINSPAN,34 plots were classified into 13 associations,and the number ofassociations which dominant species are Pinus tabulae formis+Quercus aliena var. accuteserrata, possessed about 40% of the total number,is the widely distributed mixed type of the study area. (3) The first of DCCA ordination axes indicates the altitude and slope position gradients,and the second of that indicates the aspect and slope gradients. The correlation coefficients of elevation,slope and DCCA one and two axis arrived the most values, respectively ( -0. 946 2,-0. 795 7). The main factors restricting distribution of the communities are altitude and slope in this area. (4)The DCCA ordination of dominant species and samples simultaneously reflect the topography gradients of pine and oak mixed forest communities in this area.【期刊名称】《西北植物学报》【年(卷),期】2012(032)008【总页数】9页(P1671-1679)【关键词】松栎混交林;TWINSPAN;地形因子;DCCA;秦岭【作者】吴昊;王得祥;胡有宁;黄青平【作者单位】西北农林科技大学林学院,陕西杨陵712100;西北农林科技大学林学院,陕西杨陵712100;西北农林科技大学林学院,陕西杨陵712100;西北农林科技大学林学院,陕西杨陵712100【正文语种】中文【中图分类】Q948.15+7Abstract：Based on data from 34plots of the middle part of Qinling Mountains in Shaanxi Province，the ecological gradients of the plant communities were studied by the methods of TWINSPAN and DCCA，in terms of the interactions between plant species and communities and topographical factors．The results indicate that：（1）34plots record297species vascular plants，belong to 77families 178genera．Among those，72families Angiospermae plants，2families Gymnospermae plants，and 3families Pteridphyta plants．The wide distribution species include Pinaceae，Fagaceae，Rosaceae，Compositae，Gramineae，and Liliaceae．（2）Based on TWINSPAN，34plots were classified into13associations，and the number of associations which dominant species are Pinus tabulaeformis＋Quercus aliena var．accuteserrata，possessed about 40%of the total number，is the widely distributed mixed type of the study area．（3）The first of DCCA ordination axes indicates the altitude and slope position gradients，and the second of that indicates the aspect and slope gradients．The correlation coefficients of elevation，slope and DCCA one and two axis arrived the most values，respectively（－0．946 2，－0．795 7）．The main factors restricting distribution of the communities are altitude and slope in this area．（4）The DCCA ordination of dominant species and samples simultaneously reflect the topography gradients of pine and oak mixed forest communities in this area．Key words：pine－oak mixed forest；TWINSPAN；topographical factors；DCCA；Qinling Mountains群落分类是群落生态学研究的重要方面［1］，植物群落的本质特征之一是群落中的植物与生境之间存在着一定的相互关系，物种及群落的空间分布是不同尺度上气候、土壤、地形等各种因子综合作用的结果［2］。
植被的数量分析
1.2.3对应分析
对应分析又称相互平均法。他可以同时对实体和属性进行排列，也就是说，在一次分析过程中同时进行正分析和逆分析。它一方面用迭代法求特征向量，对样方（实体）进行排序，这一点与PCA相似，同时也得到了对属性（物种）的排序，很接近于梯度分析。在对应分析中，物种坐标值是样方坐标值的加权平均，相应的，样方坐标是物种坐标的加权平均，他们之间构成不可分割的整体，对应分析可以提供较客观的分析结果，无须主观选择端点和权重，结果的解释与计算无关，它的计算随着数据的增加只呈线性增长，可以分析大量的数据。此法对数量数据和二元数据同样适用。
植被的数量分析
摘要：本文主要介绍了植被排序的一些概况,着重评述近年来较常用的排序方法及其应用,如主分量分析(PCA )、对应分析(CA或RA)、典范对应分析(CCA)、非度量多维度测度等，并对我国植被排序的发展前景及目前所存在的问题进行了分析。
关键词：植被数量分析;主分量分析;对应分析;非度量多维度测度
模糊数学排序法是以植物群落种类数据和环境因子数据为基础,通过模糊集的运算,得出排序坐标值,从而实现排序的方法。由于模糊数学排序是以模糊集合理论为基础,因而它适用于以研究植被连续性为特点的排序分析。最早的模糊数学排序用一个环境因子，后来可以将两个或三个环境因子结合在一个排序图上。但当环境因子多于三个是，就难以完成。这就限制了该方法的实际应用，因为植被研究所得到的环境数据往往是一个庞大的矩阵。先用DCA综合环境因子信息，然后再进行模糊数学排序，这样环境因子的数目理论上讲就没有限制，模糊数学排序的功能就得以扩展。张金屯采用该方法对英国北威尔士山地草甸的植被数据和环境因子数据进行了分析,结果较好地描述了草甸植被和环境之间的关系,生态意义明确。
聚类分析与排列分析的原理和应用
聚类分析与排列分析的原理和应用植物学专业zw引言20世纪90年代以来，随着数据库和信息技术的发展，由于互联网技术的普及和企业、个人数据的积累，我们可以轻松的获取并存储大量的重要数据。
但是如何对我们所感兴趣的数据信息进行提取和分析，这就迫切需要一种新的数据提取软件，它能够自动地、快速地、智能地把历史数据归纳成为有指导意义的信息。
而数据挖掘技术具有较强的数据处理能力（刘同明等，2001）。
聚类分析就是数据挖掘技术的一种。
聚类分析是统计学的一项分支，并且逐渐形成了一个系统的体系（Everitt et al,2001）。
目前，聚类分析主要应用于两个领域，一个是模式识别领域，另外一个便是数据挖掘领域。
近年来，聚类分析技术已经逐渐成为数据挖掘应用中的一个富有生命力的研究方向。
我们面对海量数据的时候，首先必须要做的就是对它进行归类，对原始数据进行归类的一种方法就是聚类分析法，它是将抽象的或者物理的数据，根据它们之间的相近程度，分为若干个类别，并且使得同一个组内数据具有比较高的相似度，而相异组的对象数据关联距离较大。
聚类分析的应用十分广泛（刘艳霞等，2008），在生物学领域里，聚类分析可以推导动植物的分类，基因的分类分析，获得对种群中固有结构的认识。
在商务市场领域，聚类分析可以帮助市场分析工程师从客户的基本信息库中发现不同的客户群体，针对不同的客户群，制定不同的购买模式，从而可以使利益最大化。
在模式识别中，聚类可以用于语音识别、字符识别、雷达信号识别、文本识别等方面。
聚类分析方法还可以应用于机器自动化和工具状态检测，以及进行气候分类、食品检验和水质分析，另外，数据挖掘中的聚类分析的一个重要功能是仅仅用聚类分析构成算法工具来描述、分析数据，并且概括其分布。
另外，聚类分析也可以作为其他数据挖掘方法的预处理步骤。
因此，在广泛的应用领域中，聚类方法起着非常重要的作用。
聚类分析原理和应用聚类就是抽象的或者物理的数据，依据它们的相似性或者相似程度，将其分为若干组，同一组内的成员具有高度的相似性质，聚类就是具有相似特性的对象的集合，跟平常说的“物以类聚”相似（方开泰等，1982）。
极点排序与DCA排序的比较研究
极点排序与DCA排序的比较研究刘强;范瑞锭;肖海燕【摘要】Polar ordination and DCA （ Detrended Correspondence Analysis）ordination were representative methods of community ordination in different period. Based on the case of Changting, two methods had similar results, but difference remained at the same time. The outcome of Polar ordination was better than Of DCA ordination on axis 1, but worse than DCA ordination on axis 2. The result of Polar ordination was affected by both X axes and Y axes, but the DCA ordination affected by the axis 1 mainly. To express the ecological signification of axis, Polar ordination was more direct than DCA ordination.%极点排序和除趋势对应分析（DCA）排序法是不同时期具有代表性的群落排序方法。
通过以长汀县水土流失区调查数据为例进行分析发现，两种排序结果比较一致，但也存在差异。
极点排序第一轴的排序效果不如DCA排序，但第二轴排序效果优于DCA排序。
极点排序最终结果是两轴共同作用的结果，而DCA排序则是以第一轴结果为主。
就排序轴的生态意义而言，极点排序要比DCA排序更直观。
【期刊名称】《云南地理环境研究》【年(卷),期】2011(023)006【总页数】5页(P74-78)【关键词】极点排序;DCA排序;TWINSPAN分类;长汀县【作者】刘强;范瑞锭;肖海燕【作者单位】福建师范大学地理科学学院,福建福州350007;福建师范大学数学与计算机科学学院,福建福州350007;福建师范大学地理科学学院,福建福州350007【正文语种】中文【中图分类】O18;Q9480 前言排序是在对植被的连续性质认识的基础上发展起来的。
DCCA在黄土高原流域径流环境解释中的应用
流域面积 45 421 km2, 为渭河的一级支流、黄河的 二级支流。流域内地形西北高, 东南低, 总体地势 是东北西三面向东南倾斜, 泾河及各级支流均深切 于梁、塬、峁和黄土沟壑镶嵌的黄土地貌景观中。
流域气候为典型的温带大陆性气候, 处于温带 半湿润向半干旱气候的过渡地带, 据流域各气象站 点多年观测资料, 流域多年平均气温 8 , 最冷月 平均 气温 在 - 8~ - 10 , 最热 月 平 均 温 度 22 ~ 24 , 年降水量在 350~ 600 mm 之间, 主要集中于 夏季, 夏季降水量一般占到年降水量的 50% 以上, 且降水强度大, 年际变化也大。
- 0. 39
R2 - 0. 56* 0. 05 - 0. 33
R3 - 0. 21 0. 07 - 0. 04 H e ight 0. 36 - 0. 50 - 0. 32 S lope - 0. 16 0. 66** 0. 62*
3 结果分析
3. 1 排序轴与环境因子的相关性 泾河流域复杂多样黄土地形、退化不一的植被
覆盖状况和极端变化降水特征直接影响着各个子
流域的径流过程 [ 18~ 22] 。 DCCA 排序结果给出排序 轴与环境因子间的相关系数、典范系数 ( 即回归系 数 )及水文指标、各子流域和环境因子的排序值。
首先, 基于 流域径流 特征指标 构成 ( SPX1 ~ SPX4) 和各个子流域环境因子 ( ENX1~ ENX4) 的 第 1~ 4排序轴对应相关 ( 表 1) 。 DCCA 排序轴第 一轴与各子流域的退化草地比率、植被指数、降水
水 文资料 以黄河 水利 委员会 水文 局提 供的 1958~ 2002年 44年的泾河流域水文资料为基础, 选取子流域下游出水口处有长期水文观测资料的 12个子流域为水文样区, 从每个样区下游出水口 处的水文站点数据中获取 12个水文特征指标, 各 个水文特征指标的定义如下:
植物排序
植物排序初阳学院综合文科091 汪宇飞09980129所谓排序，是将一个地区内所调查的群落样地，按照相似度来排定群落的位序，从而分析各样地之间以及与生境之间的相互关系。
排序的目的是揭示植物群落在环境梯度上连续性的特点。
当前，针对植物排序的方法很多很多，比如对应分析(CA)、典范对应分析（DCCA）等等，但是，对于植物群落学研究来说，排序不是目的而是技术，更重要的是用群落学的知识进行解释、判断和检验。
一个成功的排序结果在生态学上应有足够明朗的意义。
排序的类型包括：直接梯度分析和间接梯度分析。
所谓直接梯度分析是指，以群落生境或某一生态因子的变化，排定样地生境的位序。
而间接梯度分析是指，以群落本身的属性来排定群落的位序。
环境因子（environmental factor），是指构成环境组成的下一个层次的基本单元。
如属于气候要素的气温、降水、湿度、风等。
在这些因子中跟植物息息相关的无非是气温和降水。
气温和降水对植物的生长具有决定性的作用，制约着植物群落的分布、规模等方面。
各种环境因子的综合作用，导致世界上分布一个个植物群落，每个群落之间既有联系，又有区别。
而他们之间的联系纽带正是某个或者某些环境因子的变化。
（一）温度与植物排序众所周知，由于黄赤夹角的存在，以及地球自转、公转的天文物理因素存在，地球各地区接受的太阳辐射并不相同，这样就必然导致了地球各地区的温度因子发生了一定的梯度变化。
根据温度的变化，将全球共划分为热带、南北温带以及南北寒带五个气候带。
另外，由于下垫面因素、人类活动、地形起伏等其他因素的也对温度的变化产生巨大的影响。
全球温度的总体趋势，是从赤道像两极递减。
温度直接影响着植物的所有生命活动，间接影响其他多种生态条件，是非常重要的生存条件。
地球表面的温度条件存在时空变化，在空间上随着纬度、地形、植物的、垂直高度、根系所在的土层或水层深度而变化，在时间上既有年内的季节变化、也有每天的昼夜变化。
温度的高低及其时空变化，对植物带来多方面的影响，植物经过长期进化形成了相应的适应特征。