我们获得了较高的相关度,并且高次项(3、4次)系数很小 (105-104量级)。因此可以认为,L1-i关系中以低次成分为 系数的有序数列(2c1Co是由标本几何参数决定的量,因此 是可以作为标本的几何形态指标。在系数空间c2-c1-c0中,我们 发现代表三大类群的数据点有明显的不同分布(见图二)。 图三AL-A1分析的系数空间 (a)c2-c1-co系数子空间:(b)c3-c2-c1系数子空 间。仍然沿用前图的颜色方案。可以看到,三大类群 的分离更加明显 A1-A1分析 图二ΔL1-i分析的c2-C1-c0系数空间 我们尝试将自变量换作入1来研究△1的变化规律,用三次多 其中红色点表示石松类,黄色点表示木贼类,蓝 项式函数f(x)=cx3+x2+qx+0拟合左右合并的数据。我 色点表示真蕨类。可以看到,三个类群的数据点具有 们获得了更高的相关度(见附录四)。 明显不同的分布 更为可喜的是,在系数空间c3-c2-c1-c0中,我们发现三大 另一个值得注意的特点是所有数据点具有极显著的相关性类群出现了更显著的分离(见图三) (见表二)。换句话说,数据点在系数空间排列在一直线周围 三大类群散点分布的相关度并不太高,尤其是次数相隔较远 表二L1-i分析诸系数的偏相关系数 的系数之间(见表三),这说明由此中方法得到的信息量更大。 表三A-分析诸系数的偏相关系数 0.9369 由此线性拟合所有数据点,得方程 0.9148* 0018003600291 G1-1分析 以上的两种方法都没有使用次级茎轴长度数据,而这种分析 方法将探究次级茎轴的长度1与其着生位置λ1的关系的规律性。 由于我们采集了木贼的营养枝,生于其主茎轴上的次级形态单位 退化,因而无法得到σ1,故此方法仅分析石松类和真蕨类 由于次级茎轴随着着生位置向顶端接近而逐渐减小,并且到 顶端处缩为一点。因此我们可以确信,G-λ曲线必定过点 (1,0)。所以我们用来拟合Gr1-1数据的函数为 f(x)=c4(x-1)+c(x-1)+c2(x-1)+c1(x-1) 所有的数据都相当好的配合了这族曲线(见附录五)。但从 系数空间看,两大类群并没有非常显著的分离。然而,在c4-C3-c2 c1系数空间中的所有点却非常好的呈线性相关关系(见图四) 表四G-A分析诸系数的偏相关系数 0.9445 0.9792 0.8347 0.8931 0.9601 线性拟合所有数据点,得到方程我们获得了较高的相关度，并且高次项（3、4 次）系数很小 （10-5 – 10-4量级）。因此可以认为， 关系中以低次成分为 主。 系数的有序数列(c2, c1, c0)是由标本几何参数决定的量，因此 是可以作为标本的几何形态指标。在系数空间 c2 - c1 - c0中，我们 发现代表三大类群的数据点有明显的不同分布（见图二）。 图二 分析的 c2 - c1 - c0系数空间 其中红色点表示石松类，黄色点表示木贼类，蓝 色点表示真蕨类。可以看到，三个类群的数据点具有 明显不同的分布 另一个值得注意的特点是所有数据点具有极显著的相关性 （见表二）。换句话说，数据点在系数空间排列在一直线周围。 表二 分析诸系数的偏相关系数 r c2 c1 c1 0.9556** c0 0.8306** 0.9371** 由此线性拟合所有数据点，得方程 (2) 图三 分析的系数空间 (a) c2 - c1 - c0系数子空间;(b) c3 – c2 – c1系数子空 间。仍然沿用前图的颜色方案。可以看到，三大类群 的分离更加明显。 分析 我们尝试将自变量换作 来研究 的变化规律，用三次多 项式函数 拟合左右合并的数据。我 们获得了更高的相关度（见附录四）。 更为可喜的是，在系数空间 c3 - c2 - c1 - c0中，我们发现三大 类群出现了更显著的分离（见图三）。 三大类群散点分布的相关度并不太高，尤其是次数相隔较远 的系数之间（见表三），这说明由此中方法得到的信息量更大。 表三 分析诸系数的偏相关系数 r c3 c2 c 1 c2 0.9369** c1 0.7968** 0.9148** c0 0.2917 0.3666* 0.6646** 分析 以上的两种方法都没有使用次级茎轴长度数据，而这种分析 方法将探究次级茎轴的长度 与其着生位置 的关系的规律性。 由于我们采集了木贼的营养枝，生于其主茎轴上的次级形态单位 退化，因而无法得到 ，故此方法仅分析石松类和真蕨类。 由于次级茎轴随着着生位置向顶端接近而逐渐减小，并且到 顶端处缩为一点。因此我们可以确信， 曲线必定过点 。所以我们用来拟合 数据的函数为 所有的数据都相当好的配合了这族曲线（见附录五）。但从 系数空间看，两大类群并没有非常显著的分离。然而，在 c4 - c3 - c2 - c1系数空间中的所有点却非常好的呈线性相关关系（见图四）。 表四 分析诸系数的偏相关系数 r c4 c3 c1 c3 0.9909** c2 0.9445** 0.9792** c1 0.8347** 0.8931** 0.9601** 线性拟合所有数据点，得到方程