生物群落的分类与排序.ppt

Chapter 8,Page 1,第八章 生物群落的分类与排序,第二节 生物群落的排序 群落排序的概念 间接梯度分析 直接梯度分析,第一节 生物群落的分类 中国的植物群落分类 法瑞学派的群落分类 美国的群落分类 群落的数量分类,Chapter 8,Page 2,中国的植物群落分类,中国植物群落分类原则 以群落本身的综合特征作为分类依据 中国植物分类系统单位 分类单位分三级：植被型（高级单位）、群系（中级单位）和群丛（基本单位）。 每一等级的上下再设一个辅助单位和补充单位。,Chapter 8,Page 3,中国的植物群落分类系统,植被型组：如草地 植被型：如温带草原 （植被亚型）：如典型草原 群系组：如根茎禾草草原 群系：如羊草草原 （亚群系）：如羊草丛生禾草草原 群丛组：如羊草大针茅草原 群丛：如羊草大针茅柴胡草原 亚群丛,Chapter 8,Page 4,植被分类单位,植被型组：最高的分类单位。建群种生活型相近因而群落外貌相似的植物群落联合。如草地 植被型：最主要的高级分类单位。建群种生活型相同或相似，同时对水热条件、生态关系一致的植物群落联合。如温带草原 植被亚型：辅助单位。根据优势层片或指示层片的差异划分(温带草原-草甸草原、典型草原、荒漠草原)。,Chapter 8,Page 5,群系组：根据建群种亲缘关系近似，生活型近似或生境相近而划分。如根茎禾草草原 群系：主要的中级分类单位。建群种或共建种相同的植物群落联合。如羊草草原 亚群系：辅助单位。根据次优势层片及其所反映的生境条件而划分。如羊草丛生禾草草原,Chapter 8,Page 6,群丛组：层片结构相似，而且优势层片与次优势层片的优势种或共优势种相同的植物群落联合。羊草大针茅草原 群丛：基本单位。层片结构相同，各层片优势种或共优势种相同的植物群落联合。如羊草大针茅柴胡草原 亚群丛：由生态条件差异或发育年龄上的差异引起群丛内部在区系成分、层片配置、动态变化等方面出现的若干微细变化。,Chapter 8,Page 7,10个植被型组为： 针叶林、阔叶林、灌丛和灌草丛、草原和稀树干草原、 荒漠（包括肉质刺灌丛）、冻原、高山稀疏植被、草甸、沼泽、 水生植被,29个植被型为： 寒温性针叶林、温性针叶林、温性针阔叶混交林、暖温性针叶林、热性针叶林 落叶阔叶林、常绿落叶阔叶混交林、常绿阔叶林、硬叶常绿阔叶林、季雨林、雨林、珊瑚岛常绿林、红树林、竹林 常绿针叶灌丛、常绿草叶灌丛、落叶阔叶灌丛、常绿阔叶灌丛、灌草丛 草原、稀树干草原、荒漠、肉质刺灌丛、高山冻原、高山垫状植被、高山流石滩稀疏植被、草甸、沼泽、水生植被,植物群落的命名,群丛的命名方法： 凡是已确定的群丛应正式命名，我国习惯于采用联名法， 即将各个层中的建群种或优势种和生态指示种的学名按顺序排列。 在前面冠以Ass.（Association的缩写），不同层之间的优势种 以“-”相连。 如Ass. Larix gmelini-Rhododendron dahurica-phyrola incarnata （即兴安落叶松-杜鹃-红花鹿蹄草群丛）。从该名称可知，该群 丛乔木层、灌木层和草本层的优势种分别是兴安落叶松、杜鹃和 红花鹿蹄草。,如果某一层具共优种，这时用“+”相连。 如Ass. Larix gmelini-Rhododendron dahurica- phyrola incarnata +Carex sp （即兴安落叶松-杜鹃-红花鹿蹄草+苔草群丛）,单优势种的群落，就直接用优势种命名，如以马尾松为单优势 种的群丛为马尾松群丛，即Ass. Pinus massoniana 或写 成Pinus massoniana Association。,Chapter 8,Page 9,当最上层的植物不是群落的建群种，而是伴生种或景观植物， 这时用“”来表示层间关系(或用“|”或“（）”)。 如 Ass. Caragana microphlla（或|）Stipa grandis-Cleistogenes squarrasa- Artemisia frigida 或Ass.(Caragana microphlla)Stipa grandis-Cleistogenes squarrosa。 小叶锦鸡儿 |大针茅 -糙隐子草-冷蒿,在对草本植物群落命名时，我们习惯上用“+”来连接各亚层的优 势种，而不用“-”。 如 Ass. Caragana microphllaStipa grandis+Cleistogenes squarrasa+Artemisia frigida。,Chapter 8,Page 11,小叶锦鸡儿,大针茅,糙隐子草,冷蒿,群系以上高级单位不是以优势种来命名，一般均以群落外 貌生态学的方法，如针叶乔木群落群系组，针叶木本群落群 系纲，木本植被型等。,群系（Formation）的命名依据是只取建群种的名称，如东北草原以羊草为建群种组成的群系，称为羊草群系。即Form. Aneurolepidium chinense。 如果该群系的优势种是两个以上，那么优势种中间用+号连接。 如两广地区常见的中华栲+厚壳桂群系。 即 Form. Castanopsis chinensis+Cryptocary chinensis,Chapter 8,Page 13,法瑞学派的群落分类,植物区系结构分类系统，被称为群落分类中的归并法，以植物区系为基础。 群丛门 群丛纲 群丛目 群丛属 群丛 亚群丛 群丛变型 亚群丛变型 群丛相,Chapter 8,Page 14,美国的群落分类,双轨制分类系统根据群落动态发生演替原则的概念来进行群落分类的。,群系型 群系 群丛 单优种群丛 群丛相 组合 集团 季相 层,顶极群落系统,演替系列群丛 演替系列单优种群丛 演替系列 演替系列组合 集群 季相 层,演替系列系统,Chapter 8,Page 15,群落的数量分类目标,用植物种的数据（属性）去划分样方（实体），可以较客观地揭示出植被本身可能存在的自然间断。 用土壤、气候等环境因素的数据去划分样方，可能揭示植被间断的环境原因。 以植物种的分类与用土壤、气候等环境因素分类的结果进行比较，可以反映出植被变化与环境变化的关系。,Chapter 8,Page 16,用样方数据去划分植物种的集合，结果会分成若干种组，它本身可能反映出种间相互作用的规律。 用样方数据去分割环境因素的集合，结果会分成若干环境梯度，反映不同环境之间的组合关系。 以样方数据分割出的种组与环境梯度进行比较，可能找到种组与环境因素的关系，这样的种组被称为生态种组。,Chapter 8,Page 17,群落的数量分类方法,多元分析技术的一般特点 多元分析方法是施于原始数据集合的一套处理规则，从而揭示属性之间、实体之间以及属性和实体之间的复杂关系。方法本身不依赖于对实体和属性具体内容的解释，因些可用于多学科。 多元分析的基本单位叫实体，描述实体数量特征的各种数据项目称为属性，在群落生态学研究中，实体可以是样方、林分或群落等。 相似系数 距离系数、相关系数、信息系数,Chapter 8,Page 18,N个样方p个物种数,Chapter 8,Page 19,绝对值距离 D| xA xB| | yA yB| Djk | xij xik| 欧氏距离 D2 ( xA xB) 2 ( yA yB )2 Djk2 (xij xik ) 2 Djk = ( (xij xik ) 2 )1/2 (i为属性，jk为实体),y,x,A(xA,yA),B(xB,yB),A,B-实体；x,y-属性,距离系数,Chapter 8,Page 20,聚类分析,分类样方 计算实体间的距离矩阵C6 找出最相似的两个样方进行一次合并 重算（61） （61）的距离距阵 重复合并过程直到全部样方并成一组 平均距离计算方法：,Chapter 8,Page 21,样方间的66欧氏距离距阵,Chapter 8,Page 22,第一次合并后的55欧氏距离距阵,Chapter 8,Page 23,第二次合并后的44欧氏距离距阵,Chapter 8,Page 24,第三次合并后的33欧氏距离距阵,Chapter 8,Page 25,2.449,3.159,4.374,2.989,1.732,1,6,2,3,4,5,6个样方组平均法的聚合树状图,Chapter 8,Page 26,第二节 生物群落的排序,排序是把一个地区内所调查的群落样地，按照相似度来排定各样地的位序，从而分析各样地之间及其与生境之间相互关系。,Chapter 8,Page 27,排序类型,直接梯度分析：利用环境因素的排序，即以群落生境或其中某一生态因子的变化，排定样地生境的序位，又称直接排序，或梯度分析 间接梯度分析：用植物群落本身属性排定群落样地的位序，称间接排序，又称组成分析,Chapter 8,Page 28,直接梯度分析,直接梯度分析用来展示有机体沿主要的环境因子梯度的分布，是群落学中的主要研究方法之一。用来测度的变量可以是直丰富度、生长型 、第一性生产力以及抽象的数学度量；环境因子可以是水分、热量、高度、盐分，以及几个环境度量的综合指数等。,Chapter 8,Page 29,另外还有如：用与坡向垂直设置的样带，将坡向从深谷到南坡分为多个级，将样带中的树种分多等，计算样带的湿度指标，然后在高度对湿度的二维空间中排序。,Chapter 8,Page 30,间接梯度分析主成份量分析（PCA法）,主成份量分析 将一个综合考虑许多性状的问题，在尽量少损失原有信息的前提下，找出少量几个（个）主成份量，然后将各个实体在一个23维的空间中表示出来，从而达到直观明了地排序实体的目的。,a,b,c,d,e,f,B,A,D,C,0,0, D,A,B,C,y,x,a、b、c、d、e、f为属性，A、B、C、D为实体；x、y为代表综合信息的2维，即主成份维。（右图为示意图）,Chapter 8,Page 31,主成分分析,Chapter 8,Page 32,Chapter 8,Page 33,Chapter 8,Page 34,Chapter 8,Page 35,根据Y1结果，样方