生物群落多样性测度方法学习
- 格式：ppt
- 大小：884.00 KB
- 文档页数：31
当前位置：文档之家 › 生物群落多样性测度方法学习
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
是种类和数量分布的函数。根据研究目的不同，有不同的表 示方法。
1. Simpson多样性指数：-优势度指数 从包含N个个体S个种的集合中随机抽取2个个体且不放回， 这两个个体属于同一物种的概率为：
Ni/N为第i物种第一次被抽中的的概率； (Ni-1)/(N-1)为第i物种第二次被抽中的概率
λ为集中性的测度，Greenberg(1956)提出多样性测度
• 物种多度分布(而非多度)——理论分布拟合 对数正态分布；几何级数分布； 对数级数分布；分割线段模型
Log normal model
• Preston1948 美国纽约某山谷鸟类群落分布：很稀疏的 种类似乎不多于富集的种类，最多的物种属于个体数量 中等状态的物种
S
log2N
Geometric Model -niche pre-emption model
Nj为第j个物种的个体数；N为各物种个体数之和；S为调查到的物 种总数
• 在物种多度近于相等的群落中拟合效果较好
各种理论分布模型拟合效果的评价和比较
• λ2检验 • 物种重要性顺序-相对多度曲线 • MLD(Wilson, 1991) • New multiple reange test(Duncan) • 方差分析 • Hotelling T2检验评价模型
S
H' Pi*log2Pi
i1
H’ =样品的信息含量 =群落的多样性指数 H’在P=1/S时有极大值
S =种数 Pi =样品中属于第i种的个体的比
Shannon和Wiener提出的信息不确定性测度公式。
生态学家称之为Shannon-Wiener指数，如果从群落中随机 抽取一个个体，它将属于哪个种是不定的，而且物种数目 越多，其不定性也就越大。 不定形=多样性。
物种多样性指数
• 物种多度分布模型中的拟合参数可作为多样性 指标来描述群落的多样化程度
• 但是
某些理论分布的参数与样本大小无关，不宜做多样性指 数； 观察数据不能很好的与理论分布拟合； 某些群落在做多样性测度时尚不清楚其多度分布格局。
• 所以 产生了众多与分布格局独立的多样性测度方法。
物种多样性指数 (diversity index or biodiversity index)
D=1- λ
当两个个体从无限大的群落中随机抽取时，得到多样性 测度为：
S
因此： D1 (Pi)2 =也称Gini指数
i1
• 种间相遇指数PIE (Hurlbert, 1917)
该指数表示不同物种的个体在随机活动情况下相遇 的概率，可证明PIE=D
Leabharlann Baidu
2. Shannon-Wiener多样性指数
假设可以把一个个体无限的总体分成S类，即A1, A2,…As, 每一个 个体属于且仅属于其中一类。随机抽取一个个体属于Ai(i=1,2,…,S) 类的概率为Pi,因此有∑Pi=1,我们希望找到一个Pi的函数，使之成 为总体多样性的一个度量。
令: N= α X/(1-X)
则得到：
• 适用于一个或少数几个环境因子占主导地位的群落，形成富集种 很少，稀疏种很多的格局。
Broken-stick Model -Random niche boundary hypothesis
• MacArthur 1957提出，群落中生活在一起的物种必然分享生境资源， 其中至少有一种资源是有限的，那么某个物种个体数多了，其他物 种的个体数就会相应的减少。设想其为一棒状物，各个物种生态位 的边界就标记在这根棒状物上。
• Motomura 1932 首先应用几何级数(等比级数)拟合
E-总资源量；P-最重要物种占有资源的比例 • 适用于物种贫乏的环境或群落演替的早期阶段
Logarithmic series distribution
• Fisher 1943 鳞翅目昆虫的物种多度分布时应用
级数分布形式：f(x) = α Xn/n 为具n个个体的物种数目 求和得到： S= α[-ln (1-x)]
样方大小对丰富度的影响？？？
Rarefaction technique(Sanders, 1968)
E(S)-样方物种数目的期望值； N-样方中记录的个体总数； Ni-样方中第i物种的个体数目； n-样方大小
(Hurlbert, 1971)
物种丰富度的d测度
• 物种丰富度-样方内的物种数目；？物种数目与样方 大小/个体总数的数学关系
生物群落多样性的测度方法学习
• 群落多样性-生物群落在组成、结构、功 能和动态方面表现出的丰富多彩的差异。
• 几个概念区分：
• 多度 丰富度
• 丰度 分异度
• 物种丰富度(species richness)—指群落所包含的物种数目。------分异度 • 多度(abundance)—群落内各物种的个体数量。-----丰度
α多样性测度方式
1. 物种丰富度指数Species richness index 2. 物种相对多度模型 3. 物种多样性指数/生态多样性指数 4. 物种均匀度指数
物种丰富度指数
• 物种密度(Hurlbert, 1971)-植物多样性研究 • 数量丰度(一定数量个体中的物种数)-水域物种
多样性研究
信息度量指数的引入： b b b b b b b这样的信息流，都属于同一个字母，要预测下一个字 母是什么，没有任何不定性，其信息的不定性含量等于零。如果 是a，b，c，d，e，f，g，每个字母都不相同。那么其信息的不定 性含量就大。 在群落多样性的测度上，就借用了这个信息论中不定性测量方法， 就是预测下一个采集的个体属于什么种，如果群落的多样性程度 越高，其不定性也就越大。
• d-物种数目随样方增大而增大的速率(Whittaker,1972)
S-物种数目；N-所有物种的个体数目；A-样方面积
物种的相对多度模型
• 相对多度-物种对群落总多度的贡献 • 物种多度分布研究方法
物种重要性顺序-多度表Ranked-abundance list 物种多度分布表 Species-abundance distribution
H’唯一满足下述条件：
• 保证了对种数一定的总体，各种间数量分布均匀时，多样性最高；
不
• 两个物种个体数量分布均匀的个体，物种数越多，多样性越高； • 多样性具有可加性
1. Simpson多样性指数：-优势度指数 从包含N个个体S个种的集合中随机抽取2个个体且不放回， 这两个个体属于同一物种的概率为：
Ni/N为第i物种第一次被抽中的的概率； (Ni-1)/(N-1)为第i物种第二次被抽中的概率
λ为集中性的测度，Greenberg(1956)提出多样性测度
• 物种多度分布(而非多度)——理论分布拟合 对数正态分布；几何级数分布； 对数级数分布；分割线段模型
Log normal model
• Preston1948 美国纽约某山谷鸟类群落分布：很稀疏的 种类似乎不多于富集的种类，最多的物种属于个体数量 中等状态的物种
S
log2N
Geometric Model -niche pre-emption model
Nj为第j个物种的个体数；N为各物种个体数之和；S为调查到的物 种总数
• 在物种多度近于相等的群落中拟合效果较好
各种理论分布模型拟合效果的评价和比较
• λ2检验 • 物种重要性顺序-相对多度曲线 • MLD(Wilson, 1991) • New multiple reange test(Duncan) • 方差分析 • Hotelling T2检验评价模型
S
H' Pi*log2Pi
i1
H’ =样品的信息含量 =群落的多样性指数 H’在P=1/S时有极大值
S =种数 Pi =样品中属于第i种的个体的比
Shannon和Wiener提出的信息不确定性测度公式。
生态学家称之为Shannon-Wiener指数，如果从群落中随机 抽取一个个体，它将属于哪个种是不定的，而且物种数目 越多，其不定性也就越大。 不定形=多样性。
物种多样性指数
• 物种多度分布模型中的拟合参数可作为多样性 指标来描述群落的多样化程度
• 但是
某些理论分布的参数与样本大小无关，不宜做多样性指 数； 观察数据不能很好的与理论分布拟合； 某些群落在做多样性测度时尚不清楚其多度分布格局。
• 所以 产生了众多与分布格局独立的多样性测度方法。
物种多样性指数 (diversity index or biodiversity index)
D=1- λ
当两个个体从无限大的群落中随机抽取时，得到多样性 测度为：
S
因此： D1 (Pi)2 =也称Gini指数
i1
• 种间相遇指数PIE (Hurlbert, 1917)
该指数表示不同物种的个体在随机活动情况下相遇 的概率，可证明PIE=D
Leabharlann Baidu
2. Shannon-Wiener多样性指数
假设可以把一个个体无限的总体分成S类，即A1, A2,…As, 每一个 个体属于且仅属于其中一类。随机抽取一个个体属于Ai(i=1,2,…,S) 类的概率为Pi,因此有∑Pi=1,我们希望找到一个Pi的函数，使之成 为总体多样性的一个度量。
令: N= α X/(1-X)
则得到：
• 适用于一个或少数几个环境因子占主导地位的群落，形成富集种 很少，稀疏种很多的格局。
Broken-stick Model -Random niche boundary hypothesis
• MacArthur 1957提出，群落中生活在一起的物种必然分享生境资源， 其中至少有一种资源是有限的，那么某个物种个体数多了，其他物 种的个体数就会相应的减少。设想其为一棒状物，各个物种生态位 的边界就标记在这根棒状物上。
• Motomura 1932 首先应用几何级数(等比级数)拟合
E-总资源量；P-最重要物种占有资源的比例 • 适用于物种贫乏的环境或群落演替的早期阶段
Logarithmic series distribution
• Fisher 1943 鳞翅目昆虫的物种多度分布时应用
级数分布形式：f(x) = α Xn/n 为具n个个体的物种数目 求和得到： S= α[-ln (1-x)]
样方大小对丰富度的影响？？？
Rarefaction technique(Sanders, 1968)
E(S)-样方物种数目的期望值； N-样方中记录的个体总数； Ni-样方中第i物种的个体数目； n-样方大小
(Hurlbert, 1971)
物种丰富度的d测度
• 物种丰富度-样方内的物种数目；？物种数目与样方 大小/个体总数的数学关系
生物群落多样性的测度方法学习
• 群落多样性-生物群落在组成、结构、功 能和动态方面表现出的丰富多彩的差异。
• 几个概念区分：
• 多度 丰富度
• 丰度 分异度
• 物种丰富度(species richness)—指群落所包含的物种数目。------分异度 • 多度(abundance)—群落内各物种的个体数量。-----丰度
α多样性测度方式
1. 物种丰富度指数Species richness index 2. 物种相对多度模型 3. 物种多样性指数/生态多样性指数 4. 物种均匀度指数
物种丰富度指数
• 物种密度(Hurlbert, 1971)-植物多样性研究 • 数量丰度(一定数量个体中的物种数)-水域物种
多样性研究
信息度量指数的引入： b b b b b b b这样的信息流，都属于同一个字母，要预测下一个字 母是什么，没有任何不定性，其信息的不定性含量等于零。如果 是a，b，c，d，e，f，g，每个字母都不相同。那么其信息的不定 性含量就大。 在群落多样性的测度上，就借用了这个信息论中不定性测量方法， 就是预测下一个采集的个体属于什么种，如果群落的多样性程度 越高，其不定性也就越大。
• d-物种数目随样方增大而增大的速率(Whittaker,1972)
S-物种数目；N-所有物种的个体数目；A-样方面积
物种的相对多度模型
• 相对多度-物种对群落总多度的贡献 • 物种多度分布研究方法
物种重要性顺序-多度表Ranked-abundance list 物种多度分布表 Species-abundance distribution
H’唯一满足下述条件：
• 保证了对种数一定的总体，各种间数量分布均匀时，多样性最高；
不
• 两个物种个体数量分布均匀的个体，物种数越多，多样性越高； • 多样性具有可加性