- 239.00 KB
- 42页
- 1、本文档共5页,可阅读全部内容。
- 2、本文档由网友投稿或网络整理,如有侵权请及时联系我们处理。
第八章群落的分类与排序第一节生物群落的分类第二节生物群落的排序\n群落分类:对实体(或属性)集合按其属性(或实体)数据所反映的相似关系把他们分成组,使同组内的成员尽量相似,而不同组的成员尽量相异。第一节生物群落的分类实体:样方、群落片断或植被地段等。属性:种类的观测值或环境因子等。\n目的:揭示群落类型形成、发展与其周围环境的关系,从而为植被管理、利用和改造以及农林牧的发展提供科学依据。依据:群落是自然单位、边界明确、可以象物种那样进行分类。\n一、中国植物群落分类原则、系统和单位2分类原则:采用“群落生态”原则,即以群落本身的综合特征作为依据,群落的种类组成、外貌和结构、地理分布、动态演替等特征及其生态环境,在不同的等级中均作了相应的反映。1分类方法:不重叠等级分类\n植被型:高级单位群系:中级单位群丛:基本单位植被型侧重外貌和结构、地理分布;群系、群丛侧重于种类组成。3主要分类单位\n植被型组(vegetationtypegroup)植被型(vegetationtype)植被亚型(vegetationsubtype)群系组(formationgroup)亚群系(subformation)群丛组(associationgroup)群丛(association)亚群丛(subassociation)群系(formation)\n植被型组:凡建群种生活型相近且群落外貌相似的植物群落联合。如针叶林、阔叶林、草地等。植被型:建群种生活型(一级或二级)相同或相似,同时对水热条件要求一致的植物群落联合为植被型。如寒温性针叶林、夏绿阔叶林等。\n群系:凡是建群种或共建种相同的植物群落联合为群系。如以大针茅为建群种的任何群落都可归为大针茅群系。群系组:根据建群种亲缘关系近似(同属或相近属)、生活型(三级和四级)近似或生境相近而划分的。如草甸草原亚型可分出:丛生禾草草甸草原,根茎禾草草甸草原和杂类草草甸草原。\n群丛组:凡是层片结构相似,而且优势层片与次优势层片的优势种或共优种相同的植物群落联合。如在羊草+丛生禾草亚群系中,羊草+大针茅草原和羊草+丛生小禾草。群丛:凡是层片结构相同,各层片的优势种或共优种相同的植物群落的联合。 如羊草+大针茅这一群丛组内,羊草+大针茅+黄囊苔草原和羊草+大针茅+柴胡草原。\n群系群系组植被型植被型组马尾松林暖性松林暖性针叶林针叶林油松林温性松林温性针叶林针叶林\n中国植被分为11个植被型组、29个植被型、560多个群系,群丛则不计其数。10个植被型组针叶林、阔叶林、灌草和灌草丛、草原和稀树干草原、荒漠(包括肉质刺灌丛)、冻原、高山稀树植被、草甸、沼泽、水生植被。\n29个植被型寒温性针叶林、温性针叶林、温性针阔叶混交林、暖温性针叶林、落叶阔叶林、常绿落叶阔叶混交林、常绿阔叶林、硬叶常绿阔叶林、季雨林、雨林、珊瑚岛常绿林、红树林、竹林、常绿针叶灌丛、常绿草叶灌丛、落叶阔叶灌丛、灌草丛、草原、稀树干草原、荒漠、肉质刺灌丛、高山冻原、高山垫状植被、高山流石滩稀疏植被、草甸、沼泽、水生植被。\n4植物群落的命名我国习惯采用联名法,即将各个层中的建群种或优势种和生态指示种的学名按顺序排列。同层优势种的联合用“+”,异层用“-”。如:Ass.Larixgmelini-Rhododendrondahurica-Phyrolaincarnata(即:兴安落叶松-杜鹃-红花鹿蹄草群丛)\n4群落分类简介(1)英美学派的群落分类原则:群落动态发生演替原则代表人物:Clements和Tansley。分类方法:双轨制分类系统分类单位:群系和群丛。\n美国国家地理数据委员会植被分类系统等级序列区域水平目order外貌水平纲class亚纲subclass群group亚群subgroup群系formation植物区系水平群属alliance群丛association\n(2)法瑞学派的群落分类分类原则:区别种分类方法:植物区系-结构分类系统(归并法)代表人物:Braun-Blanquet(1928)分类单位:以植物区系为基础,从基本分类单位到最高级单位,都是以群落种类组成为依据。\n四、群落的数量分类(一)数量分类的目标1用属性划分实体,揭示植被本身存在的自然间断;2用环境因素划分实体,揭示植被间断的环境原因;3种分类与环境因素分类结果比较,解释植被变化与环境变化的关系;4用实体划分属性,揭示种间相互作用的规律;5用实体划分环境因素,揭示不同环境因素之间的组合关系;6用实体划分种组和环境因素,揭示种组与环境因素的关系。\n(二)群落的数量分类1单元分析和多元分析2相似系数(similarity)的运算(1)欧氏距离(EuclideanDistance,ED)i=1,2,…,p种数;j=k=1,2,…,N样方数\n3相关系数计算相关系数(correlationefficient):是一种内积系数,是离差标准化后的内积。\n种样方12345125210201431334100(1)中心化\n(2)求内积\n(3)相关系数\n举例计算种样方123456789黄刺玫999583826864624946沙棘10422133526213637(1)中心化(2)求内积(3)求相关系数(r=-0.89)\n4信息系数信息系数(informationefficient):用样方与样方、样方与样方组合并引起信息增量作为样方间的相异(相似)性指标。一般适用二元数据。\n种样方12345sp111100sp210000sp301011sp411111sp500011sp610000\n(1)假设A中有1个样方,则(2)假设A中有样方1和2(n=2),则有sp1、sp4的样方各2个;(a1=a4=2;n-a1=n-a4=0)有sp2、sp3和sp6的样方各1个;(a2=a3=a6=1;n-a2=n-a3=n-a6=1)有sp5的样方0个;a5=0,n-a5=2\n(3)假设A中有样方1、2、3和4(n=4),则有sp1的样方各3个;(a1=3;n-a1=1)有sp2、sp5和sp6的样方各1个;(a2=a5=a6=1;n-a2=n-a5=n-a6=3)有sp3的样方2个;a3=2,n-a3=2有sp4的样方4个;a4=4,n-a4=0\n信息增量信息增量越大,两样方(组)之间的距离越远,相似性越小。\n(三)群落的数量分类步骤1计算样方间的相异系数矩阵,以欧式距离为常用;2选相异系数最小两样方A和B,首先合并为一组;3再计算样方A+B与其他样方或样方组间的距离;Lance和Williams(1967)模型:\n4回到第二步,选距离最小的两个样方或一个样方与样方组合并,重复计算,直到所有样方合并为一组。spp样方12345125530203421320102举例说明\n12345104.695.103.002.24201.412.245.74303.005.92403.745012,345105.773.002.242,302.936.94403.742,341,57.393.662,32.932,3,41,56.18D=D1D2D3\nDistancematrixABCDEA0.000B4.6900.000C5.0991.4140.000D3.0002.2363.0000.000E2.2365.7455.9163.7420.000ObjectsNodeGroup1Group2Dissimil.ingroup1BC1.41422AE2.23623Node1D2.61834Node3Node24.6995Distancematrixsp1sp2sp3sp10.000sp23.3170.000sp37.3485.1960.000ObjectsNodeGroup1Group2Dissimil.ingroup1sp2sp13.31722Node1sp36.2723\n\nUPGMAEuclideansp2sp1sp37.264.83.62.41.20\n计算举例种(i)样方(j、k)1231234554406651212\n种(i)样方(j、k)1231232015010001700试计算\n第二节群落的排序(一)排序的概念群落排序:就是把一个地区内所调查的群落样地,按照相似度来排定各样地的位序,从而分析各样地之间及其与生境之间的相互关系。\n直接排序: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。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),排定样地生境的位序。\n排序的目的:就是把实体作为点在以属性为坐标轴的P维空间中(P个属性)按其相似关系把它们排列出来。也就是要把P维空间压缩成低维空间,让人可以理解。\n按属性排列实体,称为正分析或Q分析。按实体排列属性,称为逆分析或R分析。主要采用主成分分析法(PCA)。\n\n作业:一、名词解释植被型;群系;群丛;群落分类;群落排序;直接排序;间接排序;二、问答1、为什么对群落进行分类?2、简述中国群落分类原则、系统和单位。