渤海灣浮游動物調查數據分析

楊東

摘 要：通過對渤海灣調查區域所得數據的處理和分析，最后做出最經濟、最有效的捕撈策略，以期對漁業資源的健康發展提供理論依據。按照粒度理論，將浮游動物分成中小型浮游動物和大型浮游動物兩部分。主要針對中小型浮游動物數據進行平面分布分析，采用同樣分析方法可以得出大型浮游動物分析結論。

關鍵詞：浮游動物；因子分析；層次聚類分析

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.16723198.2019.31.094

1 調查范圍及數據

1.1 調查范圍

本研究共選擇了9個站位，分別為A11（N118°00′，E38°50′）、A5（N117°48′，E38°55′）、A10（N117°45′，E38°50′）、A15（N117°44′，E38°45′）、A21（N117°46′，E38°36′）、A20（N117°37′，E38°36′）、A14（N117°37′，E38°45′）、A9（N117°40′，E38°50′）、A4（N117°42′，E38°55′）。

1.2 調查數據

數據項次依次為站位，總種數（個），豐度（inds./m3），生物量（mg/m3），生產量（mgAFDW/m3a），種數（S），香農-威納指數（H），均勻度（J）：A11，13，855，1262.57，972.18，13，1.57，0.61；A5，10，5278，5523.97，4253.46，10，1.25，0.54；A10，12，1858，665.33，512.3，12，1.55，0.63；A15，18，4838，5037.25，3878.65，18，1.82，0.88；A21，11，5235，5277.41，4063.61，11，1.28，0.54；A20，9，1533，1242.59，956.79，9，1.58，0.72；A14，7，683，731.58，563.32，7，0.92，0.47；A9，12，3080，2695.42，2075.47，12，1.53，0.62；A4，8，340，237.5，182.88，8，1.51，0.73；平均，11，2633，2519.29，1939.85，11，1.45，0.64。

2 因子分析

2.1 因子分析法

因子分析方法可以用較少的指標代替原來較多的指標，但依然能反映原有的全部信息。

2.2 站位因子分析

首先根據調查數據創建SPSS數據文件，然后選用統計分析→數據縮減→因子分析。引入上述因子分析的7個變量（總種數、豐度、生物量、生產量、豐富度、香農-威納指數和均勻度）。在彈出的對話框中做如下選擇：提取公因子的方法（Method）：主成分分析法；提取（Extract）可選：提取特征值大于1的因子；旋轉（Rotation）的方法：方差最大正交旋轉；因子得分（FactorScores）：作為新變量存入；統計量：初始解；相關矩陣：系數矩陣；提取分析：相關矩陣、因子未旋轉時的解、碎石圖；檢驗的假設是，總體中與該單元對應的變量間的相關系數為0。然后開始分析。

表1是各成分的公因子總方差分解。Components列為各主成分的序號，Initial Eigenvalues列為相關矩陣的特征值。這些因子是用于確定那些因子應該保留。Total列為各成分的特征值。第一主成分的特征值為Total=3.835，第二主成分特征值為Total=2.564。% of Variance列為各成分所解釋的方差占總方差百分比的累積百分比，也就是各因子特征值占特征值總和的百分比。Cumulative %列為自上而下各因子方差占總方差百分比的累積百分比。前兩個因子的特征值之和占總方差的91.414%。Extraction Sums of Squared Loadings列為因子提取結果，是未經旋轉的因子載荷的平方和。它給出的是每個因子的特征值說明的方差占總方差的百分比和累積百分比。從初始分析的統計量可以看出按系統默認值給出的分析原則，提取特征值大于1，那么應該取前兩個因子。而前兩個因子已經對于大多數數據給出了充分的概括，可以看出前兩個成分所解釋的方差占總方差的91.414%。因此，確定提取兩個主成分。

3 站位間層次聚類分析

聚類分析是根據事物本身特性來研究個體分類的統計方法，是按照物以類聚的原則來研究的事物分類。依據上述各類數據，對各站位進行層次聚類分析，其中包括：Dendrogram圖譜分析、Vertical Icicle冰柱圖分析、Cluster Membership層次歸類分析。

分析步驟：首先打開因子分析后得到的新數據“中小型2.sav”選用統計分析→層次聚類分析，得到的2個公因子，即facter1_1的值：A11為0.65063，A5為-0.95904，A10為0.33831，A15為1.90480，A21為-0.64008，A20為0.03608，A14為-1.57284，A9為0.11707，A4為0.12507和facter2_2的值A11為-0.64966，A5為1.40853，A10為-0.67706，A15為1.00440，A21為1.32929，A20為-0.67038，A14為-0.69720，A9為-0.13754，A4為-1.18547。

然后選擇分類變量：按站位分類；聚類的數目（NumberofClusters）：選擇范圍為4-6類；聚類方法（Method）：僅分類；儲存新變量（SaveNewVariables）：聚類成員；然后確定分析，結果顯示如圖1。

圖2是冰柱圖。從白色的類似冰柱處分界，可以看成5類的劃分。如果做出全觀測量圖，可以清楚地看到所有觀測量最后聚為一類的全過程。圖中顯示了從聚為一類到聚為8類的過程。從圖中可以清楚地看到哪幾個站位被歸為一類。綜合聚類分析結果，將所有站位分為5類。

4 均值比較

4.1 均值比較原理

雖然上面的結論已經確定各站位可以分為幾類，以及哪些站位被分到哪個類中都可以明顯的看出來，但并沒有具體的分析，沒有說明在該季節里哪些站位所在區域比較適合捕撈，哪些站位所在區域不適合捕撈。因此，有必要對各站位的各變量的均值進行比較。

4.2 各類間均值多重比較

下面采用均值比較的方法進行更深層次分析。操作步驟：首先打開“統計分析”→“均值比較”→“一維方差分析”對話框。然后將2個因子（facter1_1、facter2_1）移入因變量，分成的5個類移入“固定因子”。第三多重比較方法（MultipleComparisons）：選擇鄧肯法Duncan ，最后點擊確定分析。

從分析結果中可以清楚的看到站位被分為5類的綜合指標的均值比較。由于所測試的指標總種數、豐度a、生物量b、生產量p、豐富度d、香威指h和均勻度j等都是越高越適合捕撈，因此，綜合起來也就是各類的均值越大越好。將分析結果中的均值數據整理匯總得以下結果。類別1：因子1為0.287522，因子2為-0.79564，總和為-0.50812；類別2：因子1為-0.79957，因子2為1.36891，總和為0.569342；類別3：因子1為1.904905，因子2為1.004402，總和為2.909307；類別4：因子1為-1.57284，因子2為-0.6972，總和為-2.27004；類別5：因子1為0.117069，因子2為0.134571，總和為0.25164。

把因子均值總和按照從大到小順序排列為：類3、類2、類5、類1、類4，然后對照圖2冰柱圖的分類結果，上述排序可轉化為：A15、（A5，A21、A9）、（A11，A10，A20，A4）、A14。

5 結論

本文利用SPSS軟件系統地分析了9個站位進行的采樣和生態調查數據，描述了統計分析過程，通過對輸出圖表和圖形的綜合分析，將各站位進行了具體分類，可以得出以下結論：

對于中小型浮游動物而言，秋季在渤海灣A15站位所在區域捕撈最合適，其次是A5、A21和A9這一類的站位所在區域，最不適合捕撈的是A14站位所在區域，具體排序為：A15、（A5，A21、A9）、（A11，A10，A20，A4）、A14。

參考文獻

[1]李少菁，許振祖.海洋浮游動物學研究[J].廈門大學學報（自然科學版），2001，40（2）：576585.

[2]盧紋岱. SPSS for Windows統計分析[M].北京：電子工業出版社，2002.

[3]劉蓉剩.試驗數據及圖像計算機處理[M].北京：清華大學出版社，2005.