書????名 | 植物群落排序 | 作????者 | (美)惠特克(Whittaker, R.H.) |
---|---|---|---|
類????別 | 生物學 | 譯????者 | 王伯蓀 |
出版社 | 科學出版社 | 出版時間 | 1986年2月 |
目錄
譯者的話
序
第1章 引論 R.H.Whittaker
直接梯度分析
間接梯度分析
參考文獻
索引
本書是《植物群落分類》的姊妹篇,是現(xiàn)代生態(tài)學的一本重要著作。全書共分十一章,分別論述了直接梯度分析,逆行演替與群落生態(tài)群距離,蘇聯(lián)(Раменский)對群落系統(tǒng)化的研究,取樣相似性與物種相關性,矩陣與叢技術,威斯康星比較排序,因子分析,相似性矩陣排序,排序技術的評價,連續(xù)多元技術的最新發(fā)展等,各章都是由各個領域的專家撰寫的,反映了當代生態(tài)學研究的內容、方法及趨向,尤其是數學概念和技術在生態(tài)學上的運用及其最新發(fā)展。
本書可供生態(tài)學工作者、農林工作者、應用數學工作者以及大專院校有關專業(yè)師生參考。
居住區(qū)綠地通過合理的植物配置,點綴園林,具有凈化空氣、降低噪音、調節(jié)溫度、美化環(huán)境的作用;能有效地改善居住區(qū)的小氣候,豐富人文生活,活躍住宅區(qū)的生活氣氛;限制車輛通行,保護樓群內的市政設施,增加居民的...
擊【分部整理】,會顯示下方窗口,如圖一: 鉤選分部規(guī)則后點擊“執(zhí)行分部整理”即可。 點擊【分部整理】,會顯示下方窗口,如圖二: 點擊“執(zhí)行子目排序”即可
使用08定額,建筑與裝飾最好分開(分兩個預算)做,就不會出現(xiàn)借用定額的代號了,直接點分部整理即可排序,如果不想分為兩個預算,裝飾部分可以按鼠標右鍵插入分部輸入編號、分部名稱,然后將該分部的子目用上下移...
格式:pdf
大?。?span id="a1w4ybj" class="single-tag-height">15.4MB
頁數: 1頁
評分: 4.6
隨著經濟的不斷發(fā)展,城市化進程加快,城市建筑設計也相應的得到了改變。城市建筑不再是單一的樓房建設,人們生活水平提高的同時對城市建筑的追求也越來越高。城市的綠化面積越來越大,城市園林規(guī)劃中的植物群設計落也逐漸被提上了日程。我國城市現(xiàn)代化建設的加快,城市園林規(guī)劃也越來越重要,其中,城市園林規(guī)劃中的植物群落的設計作為城市園林建設重要的一環(huán),對城市生態(tài)環(huán)境有著很大的影響。不僅有利于城市整體美觀和人們生活環(huán)境的提升,還對促進城市現(xiàn)代化建設有著必不可少的作用。但是,就目前來看,我國城市園林規(guī)劃中的植物群落設計還存在著
是識別環(huán)境因子、種群和群落三個方面彼此之間相互聯(lián)系的一類群落分析方法。排序的理論基礎是在環(huán)境因子的梯度與植被的種群和群落屬性的連續(xù)變化具有一定的秩序性。因而,可以將群落樣地(樣方)視為點,在以因子梯度為軸的坐標空間中分別把各個點的位置定出來,從而顯示群落抽樣及其屬性(種群)的變化的抽象格局;明晰地反映群落類型物種分布,種群特征與主導環(huán)境因子的關系。
Л.Г.拉緬斯基(1924,1930),早在20世紀20年代就開始以環(huán)境因素如土壤肥力和土壤水分的梯度作為坐標軸,排列物種或群落的分布。之后,R.H.惠特克(1951,1967)的梯度分析則是從環(huán)境因子、種群、群落三方面的梯度來研究植物群落特征變化的規(guī)律。
梯度分析有二條途徑。如果是在以已知的一個或多個環(huán)境梯度為軸的坐標空間中排列群落樣地(樣方抽樣)的話,這叫做直接梯度分析。若是以從群落抽樣(樣方)的相似性或物種相關性的測定導出的抽象軸為坐標,排列出樣地或種群的變化趨向,則叫做間接梯度分析。
直接梯度分析 是基于Л.Г.拉緬斯基(1924)對不同植物種的種群多度(密度)依從于環(huán)境條件的變化的統(tǒng)計學分析和表述。他認為群落生境通常隨其不同環(huán)境因子的變化而呈現(xiàn)連續(xù)的變異。各個植物種在對環(huán)境的需求上具有多樣性,因而,在生境的連續(xù)變化中會顯示出不同物種各自的生態(tài)學的獨特性。在以環(huán)境梯度為軸的空間里,直接表達種群、生態(tài)群組或群落分布模式的技術,就叫做直接梯度分析或排序。
直接梯度分析的程序是:①沿環(huán)境因子梯度間隔取樣;②列出梯度群落表;③描繪環(huán)境梯度種群數量分布曲線;④劃分生態(tài)組群,確定各生態(tài)組群的平均加權;⑤按以上步驟對另一環(huán)境因子進行分析,最后建立多維的復合梯度排列圖解。
R.H.惠特克(1954,1960)建立了群落樣地的比較定量法,用群落相似性百分率來表示各個群落樣本(樣地)的生態(tài)距離。PS=100-0.5∑|a-b|=∑min(a,b),a和b是某個種在二個樣方中的重要性值。還可直接用海拔高度和地貌單元二組復合梯度為x和y軸,在圖解上表述群落類型及種群分布格局與環(huán)境梯度的關系。
直接梯度分析技術,導致了種群獨特性、種群連續(xù)統(tǒng)和植被復合連續(xù)統(tǒng)等新的群落學理論的產生。
間接梯度分析 也叫間接排序,是以自然群落樣本(樣方)的N×N相似矩陣或相異矩陣,導出抽象軸,將樣本作為點,在軸坐標空間里定位,從而揭示群落與環(huán)境關系的一類數學方法。包括連續(xù)統(tǒng)分析或組成梯度分析,極點排序,主分量分析,相互平均法,位置向量排序和典范分析等不同分析方法。它是80年代在植被分析中發(fā)展最快的領域。
曾對內蒙古呼盟羊草草原的40個樣方、32個種的數據,進行PCA分析排序,得到二維排序圖(圖5)。在這個PCA排序中,根據13個種計算第一和第二主分量保留的信息,只占總信息44.3%,加上第三主分量可增大到50.7%。其中第一維y1占28.4%,第二維y2占15.9%。排序的結果,將樣方分布構成3個點集,表征因生境的差異而存在三種群落類型。在y1軸的左面和右面是與土壤水分梯度有關的A與B兩個群落;在y2的上面和下面的B和C兩個群落是與土壤鹽漬化梯度有關的兩個群落。對y1作用最大的種為不太耐旱的日陰菅(負荷量2.6);對y2作用大的是只存在于半干旱生境的柴胡(1.9)和只分布在鹽漬化土壤中的堿蒿(-1.81)。這3個種也就是劃分羊草草原3個群叢組的臨界種。
相互平均分析法 也稱對應分析,是同時進行樣地或物種(實體和屬性)的交互排序技術。即對同一套原始數據,同時交互使用正分析(R分析)和逆分析(Q分析),所以也叫相互排序方法。它也是一種用迭代法求特征向量的算法,但由于同時可得到對屬性的排序,比PCA法僅只是能獲得屬性負荷更為切合實用,更接近于梯度分析或極點排序,也更便于作出合理的生態(tài)學解釋。相互平均法的一般程序是:
①計算物種與抽樣的排序坐標間的相互平均關系。
②用迭代法求出第一軸上的y和z。
③求其他軸上的排序坐標。
④估計特征值(即相應軸的方差)λ。
⑤對物種和樣本(樣方)進行排序。
排序方法的發(fā)展,正面臨一個如何真實反映生境、物種、群落三者間的非線性關系,及其連續(xù)、隨機和不確定性等特征的問題。
數值分類,早期或現(xiàn)代發(fā)展的排序,都僅僅是研究植物群落生態(tài)學的一種數學技術,它只是手段而不是目的。重要的是如何應用生態(tài)學實際知識和理論思維,指導方法的應用并對方法的結果作出正確的判斷和解釋。
二叉排序樹(Binary Sort Tree:BST)
1、二叉排序樹的定義
二叉排序樹(Binary Sort Tree)又稱二叉查找(搜索)樹(Binary Search Tree)。其定義為:二叉排序樹或者是空樹,或者是滿足如下性質的二叉樹:
①若它的左子樹非空,則左子樹上所有結點的值均小于根結點的值;
②若它的右子樹非空,則右子樹上所有結點的值均大于根結點的值;
③左、右子樹本身又各是一棵二叉排序樹。
上述性質簡稱二叉排序樹性質(BST性質),故二叉排序樹實際上是滿足BST性質的二叉樹。
2、二叉排序樹的特點
由BST性質可得:
(1) 二叉排序樹中任一結點x,其左(右)子樹中任一結點y(若存在)的關鍵字必小(大)于x的關鍵字。
(2) 二叉排序樹中,各結點關鍵字是惟一的。
注意:
實際應用中,不能保證被查找的數據集中各元素的關鍵字互不相同,所以可將二叉排序樹定義中BST性質(1)里的"小于"改為"小于等于",或將BST性質(2)里的"大于"改為"大于等于",甚至可同時修改這兩個性質。
(3) 按中序遍歷該樹所得到的中序序列是一個遞增有序序列。
【例】下圖所示的兩棵樹均是二叉排序樹,它們的中序序列均為有序序列:2,3,4,5,7,8。
3、二叉排序樹的存儲結構
typedef int KeyType; //假定關鍵字類型為整數
typedef struct node { //結點類型
KeyType key; //關鍵字項
InfoType otherinfo; //其它數據域,InfoType視應用情況而定,下面不處理它
struct node *lchild,*rchild,*parent; //左右孩子指針
} BSTNode;
typedef BSTNode *BSTree; //BSTree是二叉排序樹的類型
二叉排序樹的基本操作(pascal):
1.中序遍歷所有元素
procedure tree_walk(x:longint);
begin
if x<>0 then
begin
tree_walk(left[x]);
write(key[x]);
tree_walk(right[x]);
end;
2.查找給定的元素
function tree_search(x,k:longint):longint;
begin
if (x=0) or (k=key[x]) then exit(x);
if k end; 非遞歸版本 function tree_search(x,k:longint):longint; begin while (x<>0) and (k<>key[x]) do begin if k end; exit(x); end; 3.查找最小元素 function tree_minimum(x:longint):longint; begin while left[x]<>0 do x:=left[x]; exit(x); end; 查找最大元素 function tree_maximum(x:longint):longint; begin while right[x]<>0 do x:=right[x]; exit(x); end; 4. 求后繼 function tree_successor(x:longint):longint; var y:longint; begin if right[x]<>0 then exit(tree_minimum(right[x]));//若右子樹不空,則返回右子樹中的最小值 y:=p[x];//若右子樹為空,則后繼y為x的最低祖先節(jié)點,且y的左兒子也是x的祖先 while (y<>0) and (x=right[y]) do begin x:=y; y:=p[y]; end; exit(y);//注意,若y為0,則x無后繼 end; //注意,函數返回值為節(jié)點編號,并不是節(jié)點本身的值 5.插入 procedure tree_insert(z:longint);//注意z為節(jié)點編號,并非樹中的值 var x,y:longint; begin y:=0; x:=root; while x<>0 do//查找z的父節(jié)點,y記錄 begin y:=x; if key[z] end; p[x]:=y; if y=0 then root:=z//若z為根節(jié)點 else begin if key[z] end; end; 6.刪除 刪除操作是最麻煩的,分3種情況: (1)若z無子樹,則就刪除z節(jié)點,更新p[z]的值為空 (2)若z有一個子樹,刪除z節(jié)點,更新p[z]的值為z的兒子節(jié)點,更新left[p[z]] 或 right[p[z]] (3)若z有兩棵子樹,先找到z的后繼y(后繼節(jié)點無左子樹,可證),刪除y節(jié)點,更新p[y]與left[p[y]] 或 right[p[y]],最后用節(jié)點y的數據覆蓋z節(jié)點 procedure tree_delete(z:longint); var x,y:longint; begin if (left[z]=0) or (right[z]=0) then y:=z else y:=tree_successor(z); if left[y]<>0 then x:=left[y] else x:=right[y]; if x<>0 then p[x]:=p[y]; if p[y]=0 then root:=x else begin if y=left[p[y]] then left[p[y]]:=x else right[p[y]]:=x; end; if z<>y then key[z]:=key[y]; end; 7.查找數中第k大元素 需要對每個節(jié)點新開一個域v[x],記錄該節(jié)點的有多少子節(jié)點, 查找時分三種情況: (1)k=v[left[x]] 1 則當前x節(jié)點為所求 (2)k<=v[left[x]] 則在左子樹中繼續(xù)查找 (3)k>v[left[x]] 1 則在右子樹中繼續(xù)查找,k更新為k-left[x]-1; function find(x,k:longint):longint; begin if v[left[x]] 1=k then exit(key[k]) else if v[left[x]]>=k then exit(find(left[x],k)) else exit(find(right[x],k-v[left[x]]-1)); end;
一類生態(tài)學方法,即對植物群落(及其環(huán)境)的觀測數據進行數學分析以求揭示其內在的生態(tài)學規(guī)律。植物群落,不同于生物群落,只包括一定地區(qū)內的植物,不包括動物和微生物,而在具體研究時更常集中于某些重點考察的生活型。但在植物群落分析中,特別是在排序研究中,環(huán)境因子也是主要研究內容,這所謂的環(huán)境因子也可以包括動物和微生物在內。植物群落分析方法,以從自然植物群落的統(tǒng)計學樣本中測取得的群落屬性與環(huán)境變化的定量數據為基礎,應用數學原理和計算技術,對大量數據進行兩種方法途徑的綜合:一種是把每個群落抽樣單元,按其屬性的相似性或相異性,聚合或劃分為許多組群(分類單元),這稱為群落的數值分類。另一種是把每個群落抽樣實體視為點,在生境梯度或群落屬性梯度的□維坐標空間中,序化地標記出來,這稱為群落排序。數值分類和排序是定量地客觀地對群落進行分類,揭示植物群落類型及其組成種群與環(huán)境相互關系的新技術。由于電子計算機的普遍應用,這些數值方法正在迅速發(fā)展,不斷完善。
1、植物群落抽樣:考察植物群落,選擇出可代表該群落整體并具有一致性的一定區(qū)限,叫做群落樣地。在樣地內,為測計群落各項屬性,如種類組成、生活型、種群數量特征、及環(huán)境因子特征可設置一定面積、形狀或數量的小區(qū)(樣方),這是常用的一種群落抽樣方法。為了進行植物群落分析,要采取客觀抽樣法,即概率抽樣。可以按具體情況在隨機抽樣、系統(tǒng)(規(guī)則)抽樣、或分層抽樣三者中擇取一種。
2、樣方抽樣:樣方面積與形狀,原則上希望取最小表觀面積,最適的形狀。溫帶喬木群落最小面積一般為100~400平方米,熱帶森林更大些約1000~2000平方米;灌木群落約4~16平方米,草本群落1~4平方米,形狀多采用正方,也可視具體需要和種的分布格局、微地貌不同,取圓形或長條。樣方數目多少,從統(tǒng)計學的要求,要有30~50個為好,如是分層抽樣,則每個層區(qū)中要有6~10個。群落性態(tài)變異大時,數目要多些,反之可以減少。
3、無樣方抽樣:也叫威斯康星學派的點樣法。是在群落樣地內按隨機或規(guī)則抽樣,配置一定數目(通常是50~100個)樣點。再以點為中心,按最近單株法、最近鄰體法,隨機對法、或中點四分法,記錄每株喬木學名,測量株距(□)、胸徑(圖1無樣方的點樣抽樣示意),集合□次測定的株距□,計算出喬木的平均株距:□。由□可算出每株喬木占有地表的平均面積:□,□是校正系數,上述4種無樣方抽樣方法的校正系數□,依次為□=2,□=1.87,□=0.8,□=1。從喬木單株平均面積□,可計算單位樣地面積的喬木密度:□=1/(□□)□=1/□。同時,在每個樣點上做灌木和草本記名小樣方,根據喬木、灌木、草本種類的分布,可計算各個種的頻度。
樣方抽樣和中心點抽樣,分別適合于不同的對象、地區(qū)和目的。平坦地區(qū)的大面積森林適合用中心點取樣,陡峭的山區(qū)森林適合用樣方抽樣。森林草地與荒漠植被則兩種抽樣都可適用。
4、原始數據的處理:抽樣調查取得的各項群落屬性的觀測數據,由于屬性的數據類型不同,量綱不一,數值大小懸殊,而各種分析方法對原始數據又各有一定要求,所以對原始數據要進行適當處理。首先要求類型統(tǒng)一,即把二元數據轉化成數量數據,或者反之,因多數方法只適合于分析同一類型的數據。其次,要對原始數據的數值進行轉換,即將原來數值□,轉換成□(只取正根),或其對數、倒數,或角度、概率等,以求更合理地體現(xiàn)它們的數量關系,使其具有一定的分布形式(如正態(tài)分布),或一定的數據結構(如線性結構)。第三,將原始數據標準化或中心化。原始數據的標準化,即用屬性或實體的總和、或最大值、或極差、或模來除該屬性的某個數據,實際上是把某個數值標準化為屬性總和的比值,取值在0與1之間。例如群落分析中將種群絕對多度換算為相對多度。
樣方數據經標準化后,其幾何意義是各樣方點都從原來位置沿徑向投影到單位弦上,成為線性序列(圖2對樣方用總和標準化的二維圖形)。中心化主要是用平均值或離差來標準化各個原始數據。例如,平均值中心化是從屬性或樣方的各個原始數據中分別減去其平均值。中心化的幾何意義在使坐標原點移到樣方點的形心,由此給數值運算帶來很大方便,第四,原始數據的縮減,指去掉一些代表性不好或數據不完整的樣方,或者刪去各樣方中僅出現(xiàn)一次的孤種、或罕見種、或者生態(tài)學意義不大的常見種。縮減種數應當適當,不應影響研究結果。
5、原始數據綜合表和數據矩陣:一般的群落調查,包括□個樣方,□個種的數據,可列成□列,□行的數據表:樣方1去掉表頭,將表中數據用大括號括起來,就成了原始數據矩陣□,其中□□(□=1,2,3,…,□;□=1,2,3,…,□)表示第□個樣方、第□個種的原始數據。矩陣有□行,□列,第一行是同一物種。在□個樣方中的數據,稱為行向量。矩陣中每個數據,稱為元素,其值可以是二元(定性)的,或數量(定量)的,但通常只取一種形式。
6、數值分類技術:是直接以樣地內種的分布或種類組成的相對相似性數據為基礎的群落分類方法。兩個樣地的相對相似性數值,叫做相似系數,相似與相異在數學上是互補的概念,兩者都同樣可表述兩個樣地相似的程度。相似系數的計算方法雖很多,但基本上可歸為2大類:一類是計算兩個樣地的群落種類組成成分的相似或相異程度,如匹配系數,關聯(lián)系數等;另一類是計算兩個樣地中共有種的數量數據的相似或相異程度,如各種距離系數。
7、匹配系數與關聯(lián)系數:依據數據矩陣中兩個列(樣地)的屬性(種)的二元數據“存在”與“不存在”,可構成2×2列聯(lián)表:樣方2
□是兩個樣地都存在的共有種的數目;□是都不存在的種數;□是樣方1存在、樣方2不存在的種數;□是樣方2存在、樣方1不存在的種數。據2×2列聯(lián)表,可選以下任一公式,計算兩個樣地群落的相似性。
匹配系數的常用計算公式,有P.雅卡德(1901)的公式(1.1)和J.切卡諾夫斯基(1913)的公式(1.2),這兩個公式取值均在[0,1]的區(qū)間內。當□=0時,取值為0,表示完全相異;當□=□(總的種數)時,取值為1,表示完全相似。1-相似系數=相異系數。