植被的數量分析

孫卿 馬艷杰 孫婷婷/五大連池市林業局

植被的數量分析

孫卿 馬艷杰 孫婷婷/五大連池市林業局

本文主要介紹了植被排序的一些概況，著重評述近年來較常用的排序方法及其應用，如主分量分析（PCA）、對應分析（CA或RA）、典范對應分析（CCA）、非度量多維度測度等，并對我國植被排序的發展前景及目前所存在的問題進行了分析.

植被數量分析；主分量分析；對應分析；非度量多維度測度

一、排序

1.直接排序。直接排序又稱直接梯度分析是指沿著已知的環境梯度，按一定的取樣方法對植被進行取樣，分析植物種的分布以及者被變化與環境因子之間的關系。環境梯度可以理解為單因子的，也可以理解為含多個環境因子的梯度的復合梯度，例如沿著山坡海拔高度的梯度，它將隨著海拔的升高，許多環境因子如溫度、濕度、降水、風速以及土壤特性等都同時發生變化，所以海拔高度是一個復合梯度。從生態學觀點看，一切環境因子都是相互聯系的，任何環境因子的變動都會引起相關因子的變化，土壤濕度改變會不會影響土壤溫度，PH值改變也會影響土壤的其他化學性質變化，因此梯度分析在多數情況下都是復合梯度分析。

模糊數學排序法是以植物群落種類數據和環境因子數據為基礎，通過模糊集的運算，得出排序坐標值，從而實現排序的方法。由于模糊數學排序是以模糊集合理論為基礎，因而它適用于以研究植被連續性為特點的排序分析。最早的模糊數學排序用一個環境因子，后來可以將兩個或三個環境因子結合在一個排序圖上。但當環境因子多于三個是，就難以完成。這就限制了該方法的實際應用，因為植被研究所得到的環境數據往往是一個龐大的矩陣。先用DCA綜合環境因子信息，然后再進行模糊數學排序，這樣環境因子的數目理論上講就沒有限制，模糊數學排序的功能就得以擴展。張金屯采用該方法對英國北威爾士山地草甸的植被數據和環境因子數據進行了分析，結果較好地描述了草甸植被和環境之間的關系，生態意義明確。

2.間接排序。間接排序是根據群落本身的屬性，如種的出現與否，種的頻度，蓋度等定量的數據，通過相關性計算導出抽象軸，這些抽象軸是否就是環境梯度是未知的，通過在這些抽象軸上的排序，力求找出群落變化的環境解釋。

（1）主分量分析：

主分量分析是近代用的較廣的一種，它既適用于數量數據，也可以用于二元數據。基本思想就是把N個樣方表示成n維空間中的m個點，排序目的就是在較低維空間中，特別是在更直觀的二維或三維空間中，排列m個樣方點，而是原始數據損失的最少。

典范主分量分析是PCA與多元回歸結合而成的一種新的排序方法。CPCA保留了PCA的特點，即理論嚴密、結果客觀，且將PCA的一般排序分析功能擴展到能夠結合環境因子矩陣。CPCA在完成排序之后，一切生態關系都已很明顯，因此它大大簡化了植被與環境關系的分析過程。但CPCA和PCA一樣，是以線性模型為基礎的。張金屯采用該方法研究了山西植被與氣候之間的關系，從結果很好地反映了植被與氣候的關系，從而驗證了它是研究植被與環境關系的有效方法。

（2）對應分析。對應分析又稱相互平均法。他可以同時對實體和屬性進行排列，也就是說，在一次分析過程中同時進行正分析和逆分析。它一方面用迭代法求特征向量，對樣方（實體）進行排序，這一點與PCA相似，同時也得到了對屬性（物種）的排序，很接近于梯度分析。在對應分析中，物種坐標值是樣方坐標值的加權平均，相應的，樣方坐標是物種坐標的加權平均，他們之間構成不可分割的整體，對應分析可以提供較客觀的分析結果，無須主觀選擇端點和權重，結果的解釋與計算無關，它的計算隨著數據的增加只呈線性增長，可以分析大量的數據。此法對數量數據和二元數據同樣適用。

二、非線性排序

所有排序方法都是建立在一定的模型上，這種模型反映植物種和環境之間的關系，以及某一環境梯度上的種間關系。最常用的模型有：線性模型：基于線性模型的排序方法稱線性排序。非線性模型：基于非線性模型的排序方法稱非線性排序。由于非線性排序能更好的反映種與環境以及種與種間的關系，排序結果一般好于線性排序。常規的排序方法主要適合用于具有線性結構的數據分析，在2-3維排序圖上難以充分反映這些實體的生態關系，造成大量生態數據信息的損失。

排序作為重要的植被分析手段，在未來的植被研究中，將會比分類顯得更為重要。在方法上，PCA、CA或RA、DCA仍是主要使用方法，同時，CCA、DCCA、CPCA、FSO等會被更廣泛地應用，而直接梯度分析和PO在教學中依然會有重要意義。在實際應用中，由于排序能夠綜合生態信息，因而可作為其它方法的基礎。如TW IN SPAN、模糊c-均值聚類、排序軸分類法等均是基于排序之上的分類方法，而對于結合多個環境因子的模糊w數學排序是排序方法之間的結合。同時又由于排序能很好地反映植被與環境的關系，因而其又可很好地應用于植被與氣候、土壤等環境因子之間的生態關系分析。可以預期，排序仍是重要的、具有很大發展潛力的生態學技術。

三、分析軟件

大多數植被數量分析方法必須借助計算機方能完成，因而計算機軟件顯得尤為重要，它已成為數量方法能否廣泛應用的內在決定因素。目前，在我國植被分析領域廣為流行的軟件有 SAS、SPSS、MINITAB等統計學軟件，以及CANOCO、ECO等生態學軟件。此外，我國的生態學者在應用通用軟件時，也根據需要編一些自用軟件，如郎奎健、唐守正的《IBMPC BA SlC程序集》、鐘揚的《數量分類的方法和程序》、高瓊的數量分析軟件包FUZPAK以及余世孝的GINGK OV1.0等，但其影響范圍很小。總的來說，我國尚缺乏自行編制的國際通用軟件包。

四、展望

數量排序方法的應用領域不斷擴大，由原來山地、森林、草地、濕地等群落的應用研究領域到植被群落演替階段的劃分、植被區劃、景觀生態學、植被與環境關系的分析、森林立地、生態型劃分以及植被生活型譜的劃分等領域，將進一步擴大到全球氣候變化、荒（沙）漠化等領域。由于各種方法均有自己的優點和缺陷，多種方法結合使用可以更加客觀、準確的揭示植物種或植物種與環境之間的生態關系，在今后的發展中，多種方法的結合使用將會是植被數量排序方法發展的又一個趨勢。

地理信息系統具有對空間數據的存儲和管理功能，可以提供強大的空間分析手段，利用地理信息系統技術和數量生態學方法研究植物種間或植物種與環境的關系，可以滿足現代生態學研究中大量的龐雜的空間信息的要求。二者的結合在景觀或更大尺度的生態系統的研究中有重要的意義。

[1]張金屯.植被數量分析方法的發展.當代生態學博論[M].北京：中國科學技術出版社，1992.

[2]張金屯.1992.植被數量分析方法的發展[A].見：劉建國.當代生態學博論[C].北京：中國科學技術出版社.

[3]宋永昌.植被生態學[M].華東師范大學出版社，2001.