黑河市五大连池生态环保局环境监测站（黑龙江五大连池）164100
摘要：本文主要介绍了植被排序的一些概况, 着重评述近年来较常用的排序方法及其应用, 如主分量分析(PCA )、对应分析(CA 或 RA)、典范对应分析(CCA)、非度量多维度测度等，并对我国植被排序的发展前景及目前所存在的问题进行了分析。
关键词：植被数量分析; 主分量分析; 对应分析;非度量多维度测度
1.排序
1.1直接排序
直接排序又称直接梯度分析是指沿着已知的环境梯度，按一定的取样方法对植被进行取样，分析植物种的分布以及者被变化与环境因子之间的关系。环境梯度可以理解为单因子的，也可以理解为含多个环境因子的梯度的复合梯度，例如沿着山坡海拔高度的梯度，它将随着海拔的升高，许多环境因子如温度、湿度、降水、风速以及土壤特性等都同时发生变化，所以海拔高度是一个复合梯度。从生态学观点看，一切环境因子都是相互联系的，任何环境因子的变动都会引起相关因子的变化，土壤湿度改变会不会影响土壤温度，PH值改变也会影响土壤的其他化学性质变化，因此梯度分析在多数情况下都是复合梯度分析。
模糊数学排序法是以植物群落种类数据和环境因子数据为基础, 通过模糊集的运算, 得出排序坐标值, 从而实现排序的方法。由于模糊数学排序是以模糊集合理论为基础, 因而它适用于以研究植被连续性为特点的排序分析。最早的模糊数学排序用一个环境因子，后来可以将两个或三个环境因子结合在一个排序图上。但当环境因子多于三个是，就难以完成。这就限制了该方法的实际应用，因为植被研究所得到的环境数据往往是一个庞大的矩阵。先用DCA综合环境因子信息，然后再进行模糊数学排序，这样环境因子的数目理论上讲就没有限制，模糊数学排序的功能就得以扩展。张金屯采用该方法对英国北威尔士山地草甸的植被数据和环境因子数据进行了分析, 结果较好地描述了草甸植被和环境之间的关系, 生态意义明确。
1.2 间接排序
间接排序是根据群落本身的属性，如种的出现与否，种的频度，盖度等定量的数据，通过相关性计算导出抽象轴，这些抽象轴是否就是环境梯度是未知的，通过在这些抽象轴上的排序，力求找出群落变化的环境解释。
1.2.1主分量分析：
主分量分析是近代用的较广的一种， 它既适用于数量数据，也可以用于二元数据。基本思想就是把N个样方表示成n维空间中的m个点，排序目的就是在较低维空间中，特别是在更直观的二维或三维空间中，排列m个样方点，而是原始数据损失的最少。
典范主分量分析是PCA与多元回归结合而成的一种新的排序方法。CPCA保留了PCA的特点, 即理论严密、结果客观, 且将PCA 的一般排序分析功能扩展到能够结合环境因子矩阵。CPCA在完成排序之后, 一切生态关系都已很明显, 因此它大大简化了植被与环境关系的分析过程。但CPCA和PCA一样, 是以线性模型为基础的。张金屯采用该方法研究了山西植被与气候之间的关系, 从结果很好地反映了植被与气候的关系, 从而验证了它是研究植被与环境关系的有效方法。
1.2.3 对应分析
对应分析又称相互平均法。他可以同时对实体和属性进行排列，也就是说，在一次分析过程中同时进行正分析和逆分析。它一方面用迭代法求特征向量，对样方（实体）进行排序，这一点与PCA相似，同时也得到了对属性（物种）的排序，很接近于梯度分析。
期刊文章分类查询,尽在期刊图书馆在对应分析中，物种坐标值是样方坐标值的加权平均，相应的，样方坐标是物种坐标的加权平均，他们之间构成不可分割的整体，对应分析可以提供较客观的分析结果，无须主观选择端点和权重，结果的解释与计算无关，它的计算随着数据的增加只呈线性增长，可以分析大量的数据。此法对数量数据和二元数据同样适用。
2 非线性排序
所有排序方法都是建立在一定的模型上，这种模型反映植物种和环境之间的关系，以及某一环境梯度上的种间关系。最常用的模型有：线性模型：基于线性模型的排序方法称线性排序。非线性模型：基于非线性模型的排序方法称非线性排序。由于非线性排序能更好的反映种与环境以及种与种间的关系，排序结果一般好于线性排序。常规的排序方法主要适合用于具有线性结构的数据分析，在2-3维排序图上难以充分反映这些实体的生态关系，造成大量生态数据信息的损失。
排序作为重要的植被分析手段, 在未来的植被研究中, 将会比分类显得更为重要。在方法上, PCA、CA 或 RA、DCA 仍是主要使用方法, 同时, CCA、DCCA、CPCA、FSO 等会被更广泛地应用, 而直接梯度分析和PO在教学中依然会有重要意义。在实际应用中, 由于排序能够综合生态信息, 因而可作为其它方法的基础。如TW IN SPAN、模糊c—均值聚类、排序轴分类法等均是基于排序之上的分类方法, 而对于结合多个环境因子的模糊数学排序是排序方法之间的结合。同时又由于排序能很好地反映植被与环境的关系, 因而其又可很好地应用于植被与气候、土壤等环境因子之间的生态关系分析。可以预期, 排序仍是重要的、具有很大发展潜力的生态学技术。
3分析软件
大多数植被数量分析方法必须借助计算机方能完成, 因而计算机软件显得尤为重要, 它已成为数量方法能否广泛应用的内在决定因素。目前, 在我国植被分析领域广为流行的软件有SAS、SPSS、MINITAB 等统计学软件, 以及CANOCO、ECO 等生态学软件。此外, 我国的生态学者在应用通用软件时, 也根据需要编一些自用软件, 如郎奎健、唐守正的《IBM PC BA SlC 程序集》[8]、钟扬的《数量分类的方法和程序》[9]、高琼的数量分析软件包FUZPAK 以及余世孝的GINGKOV1.0[10]等, 但其影响范围很小。总的来说, 我国尚缺乏自行编制的国际通用软件包。
4 展望
数量排序方法的应用领域不断扩大，由原来山地、森林、草地、湿地等群落的应用研究领域到植被群落演替阶段的划分、植被区划、景观生态学、植被与环境关系的分析、森林立地、生态型划分以及植被生活型谱的划分等领域,将进一步扩大到全球气候变化、荒(沙) 漠化等领域。由于各种方法均有自己的优点和缺陷,多种方法结合使用可以更加客观、准确的揭示植物种或植物种与环境之间的生态关系,在今后的发展中,多种方法的结合使用将会是植被数量排序方法发展的又一个趋势。
地理信息系统具有对空间数据的存储和管理功能,可以提供强大的空间分析手段,利用地理信息系统技术和数量生态学方法研究植物种间或植物种与环境的关系,可以满足现代生态学研究中大量的庞杂的空间信息的要求。二者的结合在景观或更大尺度的生态系统的研究中有重要的意义。
参考文献
[1] 张金屯. 植被数量分析方法的发展. 当代生态学博论[M]. 北京: 中国科学技术出版社, 1992.
[2] 刘建国. 当代生态学博论[C] . 北京:中国科学技术出版社.
[3] 宋永昌.植被生态学[M].华东师范大学出版社，2001.
论文作者:孙卿
论文发表刊物:《工程管理前沿》2019年11期
论文发表时间:2019/9/30
标签：植被论文; 环境论文; 方法论文; 因子论文; 梯度论文; 关系论文; 生态学论文; 《工程管理前沿》2019年11期论文;