第四章野生动物群落研究和种群空 间分布格局 第一节野生动物群落研究
第四章 野生动物群落研究和种群空 间分布格局 第一节 野生动物群落研究
物种间的联结与分离 种间联结: 假设Ho种鸟巢不存在正、负联结关系,则N个样方中同时出现两种鸟巢 的样方数作为一个随机变量服从超几何分布: m: n.r. s P Calm, r, N a! b! c! d!N! 草鹭巢合计 有 无 苍有 a a+b=m 鹭无 c+d=n 合计 a+c=r b+d=
物种间的联结与分离 • 种间联结: • 假设Ho种鸟巢不存在正、负联结关系,则N个样方中同时出现两种鸟巢 的样方数作为一个随机变量服从超几何分布: m!n!r!s! P(alm,r,N)=———————— a!b!c!d!N! 草鹭巢 合计 有 无 苍 鹭 有 a b a+b=m 无 c d c+d=n 合计 a+c=r b+d=s
物种间的联结与分离 超几何分布下: r m m s r n s a Ed 将它们视为理论观察频数,与实际值比较,可用x2检验得出结论: (rm/N-a)2 (mS/N-b)2 (rN/N-c)2 (ns/N-d) 2 (rm/N (ms/N) (rN/N) (nS/N) N(ad-bc) 2 (a+b)(c+d)(a+c)(b+d)
物种间的联结与分离 • 超几何分布下: r m m s r N n s Ea1= —— , Eb= —— ,Ec= —— ,Ed= ——; N N N N • 将它们视为理论观察频数,与实际值比较,可用x²检验得出结论: (rm/N-a)² (ms/N-b)² (rN/N-c )² (ns/N-d)² x²= ————— + ————— + —————— + ———— (rm/N) (ms/N) (rN/N) (ns/N) N(ad-bc) ² = ————————————— , (a+b)(c+d)(a+c)(b+d)
物种间的联结与分离 考虑连续性修正: (ad-bC-N/2)2N (m*kn*r*s)
物种间的联结与分离 考虑连续性修正: (ad-bc-N/2)²N x²=—————————— (m*n*r*s)
群落结构与排序 将一个小区域内组成群落的单位按相似程度排定次序为排序,排 序有可能在较低维的空间里表现出排序单位间的相互关系,进而 找出排列的主要因素 极点排序法: 计算每二水样间的相异性指数 a+b a、b:两个水样各自包函的物种数量; w:两个水样各自包函的公共物种数量; 全部15个相异性指数Dj的值列在D6X6的矩阵中
群落结构与排序 将一个小区域内组成群落的单位按相似程度排定次序为排序,排 序有可能在较低维的空间里表现出排序单位间的相互关系,进而 找出排列的主要因素。 极点排序法: • 2w D = 1- ——— , 计算每二水样间的相异性指数; a+b a、b:两个水样各自包函的物种数量; w:两个水样各自包函的公共物种数量; 全部15个相异性指数Dij的值列在D6X6的矩阵中
极点排序法: 找到最不相似的水样,D56=max,Dj=088 在图上以5、6号为圆心,每一点到它们的距离为半径作弧,得到交点, 得到6个点,即为极点排序图 00.570.780.270.360.81 00.580.610.660.27 00.640.510.56 00.140.86 0.88 种号 水样号 506 330 2 12 00 23456 640892 08IL070 10 680 430
极点排序法: • 找到最不相似的水样,D56=max,Dij =0.88: 在图上以5、6号为圆心,每一点到它们的距离为半径作弧,得到交点, 得到6个点,即为极点排序图 。 0 0.57 0.78 0.27 0.36 0.81 0 0.58 0.61 0.66 0.27 D= 0 0.64 0.51 0.56 0 0.14 0.86 0 0.88 0 种号 水样号 1 2 3 4 5 1 6 0 3 2 0 2 4 1 0 1 6 3 0 3 10 1 12 4 8 1 6 4 0 5 9 3 8 3 0 6 2 0 0 0
极点排序法: 主成分排序: 原始数薮据矩阵Ⅹ处理对称阵ⅪX→>求其特征根,特征向量=按特 征根大小排列=>由特征向量形成原始信息向量Ⅺ1、X2Xn的线 性组合y=B1x1+b2X2+….+bnⅪn=>将原数据矩阵中的数据代入, 得到二维坐标值=>主成分排序坐标 主坐标排序 从每两个样品之间的差异变量出发,为每一个样品确定相应的排 序坐标,在主坐标系中,任意两个样品之间的欧氏距离等于二个 样品之间的差异的度量值
极点排序法: • 主成分排序: 原始数据矩阵X处理=>对称阵XTX=>求其特征根,特征向量=>按特 征根大小排列=>由特征向量形成原始信息向量X1、X2……Xn的线 性组合y=B1x1 + b2X2 + … + bnXn=>将原数据矩阵中的数据代入, 得到二维坐标值=>主成分排序坐标。 • 主坐标排序: 从每两个样品之间的差异变量出发,为每一个样品确定相应的排 序坐标,在主坐标系中,任意两个样品之间的欧氏距离等于二个 样品之间的差异的度量值
森林鸟类取食集团结构 集团 以相似方式利用相同等级的生境资源的一个类群 观察方法 在鸟类繁殖期,每天早5-10时,取食行为数量化观察每隔30s记录一次 取食方式:拾取、探取、飞取、出击; 取食位置:远离树干,接近树干,灌丛,地面; 取食基质:树冠上层、中层、下层,小枝、粗枝,树干,地面,空中; 取食高度:0-1.5m,1.63.0m,3.14.5m,4.66.0m,6.1--7.5m, 7.6m以上。 将取食参数的百分比数据列成n*n的原始数据矩阵,标 准化处理,计算相关系数,主分量载荷量,以主分量 得分,依系统聚类法进行聚类分析
森林鸟类取食集团结构 • 集团 以相似方式利用相同等级的生境资源的一个类群 • 观察方法 在鸟类繁殖期,每天早5-10时,取食行为数量化观察每隔30s记录一次 ➢ 取食方式:拾取、探取、飞取、出击; ➢ 取食位置:远离树干,接近树干,灌丛,地面; ➢ 取食基质:树冠上层、中层、下层,小枝、粗枝,树干,地面,空中; ➢ 取食高度:0—1.5m,1.6—3.0m,3.1—4.5m,4.6—6.0m,6.1--7.5m, 7.6m以上。 • 将取食参数的百分比数据列成n*n的原始数据矩阵,标 准化处理,计算相关系数,主分量载荷量,以主分量 得分,依系统聚类法进行聚类分析
第二节动物种群空间分布格局 基本原理 生物种(鸟巢、洞穴)的分布格局分为:均匀分布、随机分布、集聚分布: 随机分布:动物个体以一个不变的平均密度分布于整个生境范围内,个体在 不同样方内出现数目X的各种可能值的概率 λi P(x=i) (i=0、1、2、3 1 λ:不同样方内出现(平均)个体数的平均数; 泊松分布:数学期望值=方差,Ex=Dx=λ 集聚分布:Dx>Ex,D/Ex1; 样方中个体数xi012 k 计 该种样方出现频f0f1f2 fk N 率fi ∑fi
第二节 动物种群空间分布格局 • 基本原理 ➢ 生物种(鸟巢、洞穴)的分布格局分为:均匀分布、随机分布、集聚分布; ➢ 随机分布:动物个体以一个不变的平均密度分布于整个生境范围内,个体在 不同样方内出现数目X的各种可能值的概率: e-λλi P(x=i)= ——————(i=0、1、2、3、……) i! λ:不同样方内出现(平均)个体数的平均数; ➢ 泊松分布:数学期望值=方差,Ex=Dx=λ; 集聚分布: Dx>Ex,D/Ex>1; 样方中个体数xi 0 1 2 … i … k 合计 该种样方出现频 率fi f0 f1 f2 … fi … fk N= Σfi
方法介绍 随机分布: 若是随机分布(泊松分布),则每样方内平均个体数在整个分布区内设为 λ,任一样方内个体为xi取值为i的概率 e-x i P(x=i) 样本平均数: ∑fixi ∑f 则每样方内有i个个体的概率相当于样方内有个个体的样方占全部n个样 方中的比例为: 入入 ; 此时np;:泊松分布条件下,理论上应出现的有i个个体的样方数fi 而实际有个个体的样方数为f;,可用x2检验来判断是否服从泊松分布;
方法介绍 • 随机分布: 若是随机分布(泊松分布),则每样方内平均个体数在整个分布区内设为 λ,任一样方内个体为xi取值为i的概率: e-λ^ λi P(x=i)= —————— ; i! 样本平均数: Σfixi X¯ = λ^ = ————— , Σfi 则每样方内有i个个体的概率相当于样方内有i个个体的样方占全部n个样 方中的比例为: e-λλi Pi = —————— ; i! 此时npi :泊松分布条件下,理论上应出现的有i个个体的样方数fi, 而实际有i个个体的样方数为f^i ,可用x2检验来判断是否服从泊松分布;