第八章 生物群落的分类与3S技术知识在植被制图中的应用 《生态学》课件.pptVIP

最后这两组的距离为6.403,将它们合成一组,整个聚 合过程完毕。 上述聚合过程的树状图为: 6 2 3 4 5 （二） 等级分划分类 等级分划的方法有单元和多元两种。仍以N个样方p个种（属性）的样方分类为例，其分划过程是从N个样方的整个集合开始，从上向下逐次分划。首先将N个样方依某种方式分成两个样方组，使两组间的相异性最大，从而保证每组样方内部的相似性最大。一旦分成了两个组，对其中每个组又要以同样方式再分成两个相异性最大的组，如此进行下去，最终可分成单个样方，或者达到一定要求的“同质”样方组。 分划方法与聚合方法相比有一个重要的优点，就是分划过程可以停留在任一需要的水平上，而不必分到最下层的样方，这样可以减少计算工作量。 单元分划和多元分划相比，理论上讲，多元分划方法是较理想的，因为它是按全部或多个属性进行分类的，但多元分划也有它的缺点，就是它的计算量太大，使用时很不方便。 ? 五、 生物群落的排序 （一）间接梯度分析 排序方法可分为两类：一是群落排序，用植物群落本身属性(如种的出现与否，种的频度、盖度等等)，排定群落样地的位序，称为间接排序 (indirect ordination)，又称间接梯度分析 (indirect gradiant analysis)或者组成分析(compositional analysis)。 （二）直接梯度分析 直接排序(direct ordination)是利用环境因素的排序，又称为直接梯度分析(direct gradiant analysis)或者梯度分析(gradiant analysis)，即以群落生境或其中某一生态因子的变化，排定样地生境的位序。 排序基本上是一个几何问题，是把实体作为点在以属性为坐标轴的p维空间中按其相似关系把它们排列出来，简单的说是按属性去排序实体。同样，也可以按实体去排序属性。 排序的基本原理是通过一定的数学方法将p维空间中的点进行降维处理，使得超过三维空间就不能表示出直观图形的问题，力图用二、三维的图形去表示实体，以便于直观地了解实体点的排列。 一般情况下，减少维数往往会损失一些信息，排序方法应该使得由降维引起的信息损失尽量少，即发生的畸变最小。 已经建立的排序方法目前很多，内容相当丰富，下面只介绍主分量分析 主分量分析（PCA） principal components analysis 主分量分析是所有近代排序方法中用的最多的一种方法。它有着严格的数学基础。 PCA的基本计算过程是： （1） 原始数据的中心化、标准化 对于p×N的原始数据矩阵X首先必须对属性中心化，使坐标原点处于N个点的形心处。也可以根据各属性数据的不同情况，选用别的标准化方法，如对属性的离差标准化或标准差标准化。 以一个6个样方2个种的多度数据为例来说明PCA分析 样 方 1 2 3 4 5 6 种 1 5 6 4 6 0 3 2 11 8 7 6 2 2 中心化原始数据为： 样 方 1 2 3 4 5 6 种 1 1 2 0 2 -4 -1 2 5 2 1 0 -4 -4 （2）把这些点投影到y1轴上可以得到它们的一个线性排序，并且可以说当y1值的平方和∑y1r2最大时，此排序引起的畸变最小。关键是坐标轴刚性旋转的角度θ。 ●1 ●3 ●4 ●