第八章-群落相似性与聚类方法课件

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八章群落相似性与聚类方法群落的相似性分析方法1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第一节群落相似性分析比较两群落的相似程度2一、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。一、二项相似系数法按两群落的物种组成进行相似性比较。3Jaccard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S1206S220S3523S4010Jaccard相似系数:物种A群落B群落S1206S220S4Baroni-Urbani&Buser系数Baroni-Urbani&Buser系数5二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。二项相似系数法的优缺点6样方数样方大小样方数样方大小7二、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物种的个体数二、距离系数法为两群落的相异系数或相差距离8欧氏距离(Euclidean距离)欧氏平均距离物种A群落B群落S1206S224S3523S4010两群落的总物种数欧氏距离(Euclidean距离)物种A群落B群落S12069Bray-Curtis距离物种A群落B群落S1206S224S3523S4010Bray-Curtis距离物种A群落B群落S1206S22410Canberra距离Canberra距离11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。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12样方大小抽样数样方大小抽样数13三、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。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。14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。物种1234群落A5025105群落B40302010群落B15四、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。四、相似百分率由Renkonen(1938)提出，又称Ren16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例物种群落x群落yxyP17五、Morisita相似指数Nj：为j群落中总个体数；Nk：为k群落中总个体数。五、Morisita相似指数Nj：为j群落中总个体数；18Morisita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。Morisita指数不受样本大小的影响，不过样方不宜太小。19六、Horn相似性指数该指数受样方大小影响小。六、Horn相似性指数该指数受样方大小影响小。20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？第二节相似性分析时的数据标准化数据标准化的目的？21一、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。一、数据标准化的目的降低极端值对相似性指数的影响。22二、数据标准化方法平方根转化对数转化数据比率化二、数据标准化方法平方根转化23三、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。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24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。标准化后，各相似指数的变化情况不一25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第三节群落聚分析方法适用于多个群落相似的比较。AB26一、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。一、单联聚类法

SingleLinkageCluster27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。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282例四个群落的Canberra相似指数分别为：ABCDA10.780.90.56B10.70.34C10.25D1ACBD0.90.780.562例四个群落的Canberra相似指数分别为：A29四群落的相似性指数如下，请做出聚类图。ABCDA10.60.90.56B10.70.8C10.25D1ACBD0.90.80.7四群落的相似性指数如下，请做出聚类图。AC303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3聚类图分析ABC31二、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。二、全联聚类法

CompleteLinkageClust32单连聚类图BACD全连聚类图单连聚类图BAC33三、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)三、平均聚类法

AverageLinkageCluste34ABCDA1.00.880.990.66B1.00.880.62C1.00.66ACBD0.990.880.647B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)=0.647ABC35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目前，这些聚类方法均有现成软件得到聚类图。36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。第四节群落的排序一、直接梯度分析37二、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

二、排序Ordination将不同群落标在坐标图上，分析群落38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。G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.35060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。392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。G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.350602选择第一排序轴xG1G2403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。xLhDaDbabcG1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.35060x坐标G10.5119G20.3402G30.3078G40.1936G503确定其它群落在x轴上的位置。xLhDaDbabc414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hxLhDaDbabc

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G10G20.2303G30.0258G40.2923G50G1G2G3G4G5G10G20.27830G30.29170.03280G40.43210.19730.37020G50.51190.41080.37170.350604选择第二坐标轴y。xLhDaDbabc选取与x轴偏离值425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X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’ay5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436根据每一群落的xy坐标值，将其绘在坐图上。G2G3G1xyG5G4X坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.05516根据每一群落的xy坐标值，将其绘在坐图上。G2G3G1x447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。X坐标Y坐标G10.51190.4321G20.34020.1656G30.30780.2762G40.19360G500.0551dx：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。7排序效果检验X坐标Y坐标45G1G2