选择特殊符号
选择搜索类型
请输入搜索
本书是《植物群落分类》的姊妹篇,是现代生态学的一本重要著作。全书共分十一章,分别论述了直接梯度分析,逆行演替与群落生态群距离,苏联(Раменский)对群落系统化的研究,取样相似性与物种相关性,矩阵与丛技术,威斯康星比较排序,因子分析,相似性矩阵排序,排序技术的评价,连续多元技术的最新发展等,各章都是由各个领域的专家撰写的,反映了当代生态学研究的内容、方法及趋向,尤其是数学概念和技术在生态学上的运用及其最新发展。
本书可供生态学工作者、农林工作者、应用数学工作者以及大专院校有关专业师生参考。
目录
译者的话
序
第1章 引论 R.H.Whittaker
直接梯度分析
间接梯度分析
参考文献
索引
居住区绿地通过合理的植物配置,点缀园林,具有净化空气、降低噪音、调节温度、美化环境的作用;能有效地改善居住区的小气候,丰富人文生活,活跃住宅区的生活气氛;限制车辆通行,保护楼群内的市政设施,增加居民的...
击【分部整理】,会显示下方窗口,如图一: 钩选分部规则后点击“执行分部整理”即可。 点击【分部整理】,会显示下方窗口,如图二: 点击“执行子目排序”即可
《大设计》无所不在。在会议室和战场上;在工厂车间中也在超市货架上;在自家的汽车和厨房中;在广告牌和食品包装上;甚至还出现在电影道具和电脑图标中。然而,设计却并非只是我们日常生活环境中的一种常见现象,它...
园林植物群落经典案例分析 (2)
园林植物群落经典案例分析 (2)
探讨城市园林规划中的植物群落设计
随着经济的不断发展,城市化进程加快,城市建筑设计也相应的得到了改变。城市建筑不再是单一的楼房建设,人们生活水平提高的同时对城市建筑的追求也越来越高。城市的绿化面积越来越大,城市园林规划中的植物群设计落也逐渐被提上了日程。我国城市现代化建设的加快,城市园林规划也越来越重要,其中,城市园林规划中的植物群落的设计作为城市园林建设重要的一环,对城市生态环境有着很大的影响。不仅有利于城市整体美观和人们生活环境的提升,还对促进城市现代化建设有着必不可少的作用。但是,就目前来看,我国城市园林规划中的植物群落设计还存在着
是识别环境因子、种群和群落三个方面彼此之间相互联系的一类群落分析方法。排序的理论基础是在环境因子的梯度与植被的种群和群落属性的连续变化具有一定的秩序性。因而,可以将群落样地(样方)视为点,在以因子梯度为轴的坐标空间中分别把各个点的位置定出来,从而显示群落抽样及其属性(种群)的变化的抽象格局;明晰地反映群落类型物种分布,种群特征与主导环境因子的关系。
Л.Г.拉缅斯基(1924,1930),早在20世纪20年代就开始以环境因素如土壤肥力和土壤水分的梯度作为坐标轴,排列物种或群落的分布。之后,R.H.惠特克(1951,1967)的梯度分析则是从环境因子、种群、群落三方面的梯度来研究植物群落特征变化的规律。
梯度分析有二条途径。如果是在以已知的一个或多个环境梯度为轴的坐标空间中排列群落样地(样方抽样)的话,这叫做直接梯度分析。若是以从群落抽样(样方)的相似性或物种相关性的测定导出的抽象轴为坐标,排列出样地或种群的变化趋向,则叫做间接梯度分析。
直接梯度分析 是基于Л.Г.拉缅斯基(1924)对不同植物种的种群多度(密度)依从于环境条件的变化的统计学分析和表述。他认为群落生境通常随其不同环境因子的变化而呈现连续的变异。各个植物种在对环境的需求上具有多样性,因而,在生境的连续变化中会显示出不同物种各自的生态学的独特性。在以环境梯度为轴的空间里,直接表达种群、生态群组或群落分布模式的技术,就叫做直接梯度分析或排序。
直接梯度分析的程序是:①沿环境因子梯度间隔取样;②列出梯度群落表;③描绘环境梯度种群数量分布曲线;④划分生态组群,确定各生态组群的平均加权;⑤按以上步骤对另一环境因子进行分析,最后建立多维的复合梯度排列图解。
R.H.惠特克(1954,1960)建立了群落样地的比较定量法,用群落相似性百分率来表示各个群落样本(样地)的生态距离。PS=100-0.5∑|a-b|=∑min(a,b),a和b是某个种在二个样方中的重要性值。还可直接用海拔高度和地貌单元二组复合梯度为x和y轴,在图解上表述群落类型及种群分布格局与环境梯度的关系。
直接梯度分析技术,导致了种群独特性、种群连续统和植被复合连续统等新的群落学理论的产生。
间接梯度分析 也叫间接排序,是以自然群落样本(样方)的N×N相似矩阵或相异矩阵,导出抽象轴,将样本作为点,在轴坐标空间里定位,从而揭示群落与环境关系的一类数学方法。包括连续统分析或组成梯度分析,极点排序,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年代在植被分析中发展最快的领域。
曾对内蒙古呼盟羊草草原的40个样方、32个种的数据,进行PCA分析排序,得到二维排序图(图5)。在这个PCA排序中,根据13个种计算第一和第二主分量保留的信息,只占总信息44.3%,加上第三主分量可增大到50.7%。其中第一维y1占28.4%,第二维y2占15.9%。排序的结果,将样方分布构成3个点集,表征因生境的差异而存在三种群落类型。在y1轴的左面和右面是与土壤水分梯度有关的A与B两个群落;在y2的上面和下面的B和C两个群落是与土壤盐渍化梯度有关的两个群落。对y1作用最大的种为不太耐旱的日阴菅(负荷量2.6);对y2作用大的是只存在于半干旱生境的柴胡(1.9)和只分布在盐渍化土壤中的碱蒿(-1.81)。这3个种也就是划分羊草草原3个群丛组的临界种。
相互平均分析法 也称对应分析,是同时进行样地或物种(实体和属性)的交互排序技术。即对同一套原始数据,同时交互使用正分析(R分析)和逆分析(Q分析),所以也叫相互排序方法。它也是一种用迭代法求特征向量的算法,但由于同时可得到对属性的排序,比PCA法仅只是能获得属性负荷更为切合实用,更接近于梯度分析或极点排序,也更便于作出合理的生态学解释。相互平均法的一般程序是:
①计算物种与抽样的排序坐标间的相互平均关系。
②用迭代法求出第一轴上的y和z。
③求其他轴上的排序坐标。
④估计特征值(即相应轴的方差)λ。
⑤对物种和样本(样方)进行排序。
排序方法的发展,正面临一个如何真实反映生境、物种、群落三者间的非线性关系,及其连续、随机和不确定性等特征的问题。
数值分类,早期或现代发展的排序,都仅仅是研究植物群落生态学的一种数学技术,它只是手段而不是目的。重要的是如何应用生态学实际知识和理论思维,指导方法的应用并对方法的结果作出正确的判断和解释。
二叉排序树(Binary Sort Tree:BST)
1、二叉排序树的定义
二叉排序树(Binary Sort Tree)又称二叉查找(搜索)树(Binary Search Tree)。其定义为:二叉排序树或者是空树,或者是满足如下性质的二叉树:
①若它的左子树非空,则左子树上所有结点的值均小于根结点的值;
②若它的右子树非空,则右子树上所有结点的值均大于根结点的值;
③左、右子树本身又各是一棵二叉排序树。
上述性质简称二叉排序树性质(BST性质),故二叉排序树实际上是满足BST性质的二叉树。
2、二叉排序树的特点
由BST性质可得:
(1) 二叉排序树中任一结点x,其左(右)子树中任一结点y(若存在)的关键字必小(大)于x的关键字。
(2) 二叉排序树中,各结点关键字是惟一的。
注意:
实际应用中,不能保证被查找的数据集中各元素的关键字互不相同,所以可将二叉排序树定义中BST性质(1)里的"小于"改为"小于等于",或将BST性质(2)里的"大于"改为"大于等于",甚至可同时修改这两个性质。
(3) 按中序遍历该树所得到的中序序列是一个递增有序序列。
【例】下图所示的两棵树均是二叉排序树,它们的中序序列均为有序序列:2,3,4,5,7,8。
3、二叉排序树的存储结构
typedef int KeyType; //假定关键字类型为整数
typedef struct node { //结点类型
KeyType key; //关键字项
InfoType otherinfo; //其它数据域,InfoType视应用情况而定,下面不处理它
struct node *lchild,*rchild,*parent; //左右孩子指针
} BSTNode;
typedef BSTNode *BSTree; //BSTree是二叉排序树的类型
二叉排序树的基本操作(pascal):
1.中序遍历所有元素
procedure tree_walk(x:longint);
begin
if x<>0 then
begin
tree_walk(left[x]);
write(key[x]);
tree_walk(right[x]);
end;
2.查找给定的元素
function tree_search(x,k:longint):longint;
begin
if (x=0) or (k=key[x]) then exit(x);
if k end; 非递归版本 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. 求后继 function tree_successor(x:longint):longint; var y:longint; begin if right[x]<>0 then exit(tree_minimum(right[x]));//若右子树不空,则返回右子树中的最小值 y:=p[x];//若右子树为空,则后继y为x的最低祖先节点,且y的左儿子也是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为0,则x无后继 end; //注意,函数返回值为节点编号,并不是节点本身的值 5.插入 procedure tree_insert(z:longint);//注意z为节点编号,并非树中的值 var x,y:longint; begin y:=0; x:=root; while x<>0 do//查找z的父节点,y记录 begin y:=x; if key[z] end; p[x]:=y; if y=0 then root:=z//若z为根节点 else begin if key[z] end; end; 6.删除 删除操作是最麻烦的,分3种情况: (1)若z无子树,则就删除z节点,更新p[z]的值为空 (2)若z有一个子树,删除z节点,更新p[z]的值为z的儿子节点,更新left[p[z]] 或 right[p[z]] (3)若z有两棵子树,先找到z的后继y(后继节点无左子树,可证),删除y节点,更新p[y]与left[p[y]] 或 right[p[y]],最后用节点y的数据覆盖z节点 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.查找数中第k大元素 需要对每个节点新开一个域v[x],记录该节点的有多少子节点, 查找时分三种情况: (1)k=v[left[x]] 1 则当前x节点为所求 (2)k<=v[left[x]] 则在左子树中继续查找 (3)k>v[left[x]] 1 则在右子树中继续查找,k更新为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;
一类生态学方法,即对植物群落(及其环境)的观测数据进行数学分析以求揭示其内在的生态学规律。植物群落,不同于生物群落,只包括一定地区内的植物,不包括动物和微生物,而在具体研究时更常集中于某些重点考察的生活型。但在植物群落分析中,特别是在排序研究中,环境因子也是主要研究内容,这所谓的环境因子也可以包括动物和微生物在内。植物群落分析方法,以从自然植物群落的统计学样本中测取得的群落属性与环境变化的定量数据为基础,应用数学原理和计算技术,对大量数据进行两种方法途径的综合:一种是把每个群落抽样单元,按其属性的相似性或相异性,聚合或划分为许多组群(分类单元),这称为群落的数值分类。另一种是把每个群落抽样实体视为点,在生境梯度或群落属性梯度的□维坐标空间中,序化地标记出来,这称为群落排序。数值分类和排序是定量地客观地对群落进行分类,揭示植物群落类型及其组成种群与环境相互关系的新技术。由于电子计算机的普遍应用,这些数值方法正在迅速发展,不断完善。
1、植物群落抽样:考察植物群落,选择出可代表该群落整体并具有一致性的一定区限,叫做群落样地。在样地内,为测计群落各项属性,如种类组成、生活型、种群数量特征、及环境因子特征可设置一定面积、形状或数量的小区(样方),这是常用的一种群落抽样方法。为了进行植物群落分析,要采取客观抽样法,即概率抽样。可以按具体情况在随机抽样、系统(规则)抽样、或分层抽样三者中择取一种。
2、样方抽样:样方面积与形状,原则上希望取最小表观面积,最适的形状。温带乔木群落最小面积一般为100~400平方米,热带森林更大些约1000~2000平方米;灌木群落约4~16平方米,草本群落1~4平方米,形状多采用正方,也可视具体需要和种的分布格局、微地貌不同,取圆形或长条。样方数目多少,从统计学的要求,要有30~50个为好,如是分层抽样,则每个层区中要有6~10个。群落性态变异大时,数目要多些,反之可以减少。
3、无样方抽样:也叫威斯康星学派的点样法。是在群落样地内按随机或规则抽样,配置一定数目(通常是50~100个)样点。再以点为中心,按最近单株法、最近邻体法,随机对法、或中点四分法,记录每株乔木学名,测量株距(□)、胸径(图1无样方的点样抽样示意),集合□次测定的株距□,计算出乔木的平均株距:□。由□可算出每株乔木占有地表的平均面积:□,□是校正系数,上述4种无样方抽样方法的校正系数□,依次为□=2,□=1.87,□=0.8,□=1。从乔木单株平均面积□,可计算单位样地面积的乔木密度:□=1/(□□)□=1/□。同时,在每个样点上做灌木和草本记名小样方,根据乔木、灌木、草本种类的分布,可计算各个种的频度。
样方抽样和中心点抽样,分别适合于不同的对象、地区和目的。平坦地区的大面积森林适合用中心点取样,陡峭的山区森林适合用样方抽样。森林草地与荒漠植被则两种抽样都可适用。
4、原始数据的处理:抽样调查取得的各项群落属性的观测数据,由于属性的数据类型不同,量纲不一,数值大小悬殊,而各种分析方法对原始数据又各有一定要求,所以对原始数据要进行适当处理。首先要求类型统一,即把二元数据转化成数量数据,或者反之,因多数方法只适合于分析同一类型的数据。其次,要对原始数据的数值进行转换,即将原来数值□,转换成□(只取正根),或其对数、倒数,或角度、概率等,以求更合理地体现它们的数量关系,使其具有一定的分布形式(如正态分布),或一定的数据结构(如线性结构)。第三,将原始数据标准化或中心化。原始数据的标准化,即用属性或实体的总和、或最大值、或极差、或模来除该属性的某个数据,实际上是把某个数值标准化为属性总和的比值,取值在0与1之间。例如群落分析中将种群绝对多度换算为相对多度。
样方数据经标准化后,其几何意义是各样方点都从原来位置沿径向投影到单位弦上,成为线性序列(图2对样方用总和标准化的二维图形)。中心化主要是用平均值或离差来标准化各个原始数据。例如,平均值中心化是从属性或样方的各个原始数据中分别减去其平均值。中心化的几何意义在使坐标原点移到样方点的形心,由此给数值运算带来很大方便,第四,原始数据的缩减,指去掉一些代表性不好或数据不完整的样方,或者删去各样方中仅出现一次的孤种、或罕见种、或者生态学意义不大的常见种。缩减种数应当适当,不应影响研究结果。
5、原始数据综合表和数据矩阵:一般的群落调查,包括□个样方,□个种的数据,可列成□列,□行的数据表:样方1去掉表头,将表中数据用大括号括起来,就成了原始数据矩阵□,其中□□(□=1,2,3,…,□;□=1,2,3,…,□)表示第□个样方、第□个种的原始数据。矩阵有□行,□列,第一行是同一物种。在□个样方中的数据,称为行向量。矩阵中每个数据,称为元素,其值可以是二元(定性)的,或数量(定量)的,但通常只取一种形式。
6、数值分类技术:是直接以样地内种的分布或种类组成的相对相似性数据为基础的群落分类方法。两个样地的相对相似性数值,叫做相似系数,相似与相异在数学上是互补的概念,两者都同样可表述两个样地相似的程度。相似系数的计算方法虽很多,但基本上可归为2大类:一类是计算两个样地的群落种类组成成分的相似或相异程度,如匹配系数,关联系数等;另一类是计算两个样地中共有种的数量数据的相似或相异程度,如各种距离系数。
7、匹配系数与关联系数:依据数据矩阵中两个列(样地)的属性(种)的二元数据“存在”与“不存在”,可构成2×2列联表:样方2
□是两个样地都存在的共有种的数目;□是都不存在的种数;□是样方1存在、样方2不存在的种数;□是样方2存在、样方1不存在的种数。据2×2列联表,可选以下任一公式,计算两个样地群落的相似性。
匹配系数的常用计算公式,有P.雅卡德(1901)的公式(1.1)和J.切卡诺夫斯基(1913)的公式(1.2),这两个公式取值均在[0,1]的区间内。当□=0时,取值为0,表示完全相异;当□=□(总的种数)时,取值为1,表示完全相似。1-相似系数=相异系数。