南京外秦淮河河岸带草本花卉群落分类与排序

探索南京外秦淮河河岸带草本花卉群落类型及其分布情况,确定影响草本花卉及群落分布的主要环境因子,为秦淮河生态恢复及河流生态廊道的构建提供科学依据。基于对外秦淮河草本植物群落的实际调查数据,采用平均聚合聚类(UPGMA)进行聚类分析,运用α多样性指数分析不同类型群落的多样性特征,运用除趋势对应分析(DCA)对样点分布进行分析,利用典范对应分析(CCA)对物种和样点进行排序,研究外秦淮河河岸带草本花卉群落组成与分布及其与环境因子的关系。结果表明：(1)利用UPGMA将外秦淮河河岸带调查的草本花卉划分为4种不同类型的群落,与样点DCA排序结果较为一致;(2)群落Ⅳ、群落Ⅲ和群落Ⅱ的物种丰富度指数、Simpson指数、Shannon指数、Pielou均匀度指数表现较好,而群落Ⅰ最差;(3)通过CCA排序可知,第一排序轴与枯落物厚度相关性最强,第二排序轴与坡度显著相关;(4)外秦淮河草本花卉分布与群落分布均受环境因子影响。     

拉萨河谷草地群落的数量分类与排序

采用TWINSPAN数量分类和DCA、CCA排序的方法,对拉萨河谷草地23个样点进行统计分析。结果显示:(1)TWINSPAN数量分类将拉萨河谷草地群落划分成8种类型,拉萨河谷的草地群落分布呈现明显的垂直地带性分布格局。(2)TWINSPAN分类所划分的各群落在DCA排序图上都有各自的分布范围和界限,说明DCA排序能较好的反应各群落与其环境资源之间的关系,同时,TWINSPAN的分类结果也在排序图上得到较好的印证。(3)样点DCA排序的第一轴基本反映了海拔高度的变化梯度,第二轴基本反映了坡向的变化。(4)样点CCA排序表明,影响群落分布的主要环境因子是海拔,其次是坡向。CCA排序进一步阐明了拉萨河谷草地群落分布决定于海拔和坡向等环境因子,并间接验证了TWINSPAN的分类结果。(5)物种CCA排序和TWINSPAN分类结果表明:植物群落中物种的分布格局与植物群落类型的分布格局存在一定的相似性,物种的分布格局在很大程度上影响着群落的分布格局。     

藏北高原草地群落的数量分类与排序

采用TWINSPAN数量分类和DCA、CCA排序的方法,对藏北高原草地29个样点进行统计分析。结果显示:(1)TWINSPAN数量分类将藏北高寒草地群落划分成10种类型。(2)样点DCA排序第一轴基本反映了水分环境梯度,第二轴基本反映了热量梯度。(3)TWINSPAN分类所划分的各群落在DCA排序图上都有各自的分布范围和界限,说明DCA排序能较好的反应各优势群落与其环境资源之间的关系。(4)样点CCA排序表明,影响群落分布的首要环境因子是水分因子(年均降水量)和空间因子(经度),其次是热量因子(年均温度),CCA排序进一步阐明了群落分布决定于水分和温度等环境因子,并间接验证了TWINSPAN的分类结果。(5)物种CCA排序和TWINSPAN分类结果表明:植物群落中物种的分布格局与植物群落类型的分布格局存在一定的相似性。     

科尔沁沙地植物群落分布与土壤特性关系的DCA、CCA及DCCA分析

基于科尔沁沙地流动沙丘、半固定沙丘、固定沙丘和草地群落类型24个样地的野外调查,选取11个土壤因子,应用除趋势对应分析法(DCA)、典范对应分析法(CCA)和除趋势典范对应分析法(DCCA)分析沙地植物群落分布与环境因子的关系。结果表明:DCA、CCA和DCCA的物种排序第1轴代表的土壤特性梯度一致,其解释总方差超过33%,即土壤碳氮含量、p H、电导率、容重、粘粉粒等共同的梯度决定了群落生境的变化,影响着沙地植物群落类型的分布格局;3种排序法的物种排序第2轴土壤因子的相关性有较大差异,DCA第2轴仅与土壤细沙含量显著正相关,CCA第2轴与土壤碳氮比和细沙含量显著负相关,DCCA第2轴与土壤碳氮比和细沙含量显著正相关,而与粗沙含量显著负相关。Shannon指数和Simpson指数分别与DCA、CCA和DCCA前2个排序轴存在显著二元线性关系,且Shannon指数的拟合程度好于Simpson指数。3种排序分析方法中,CCA物种排序前两轴的累计解释方差(58.6%)高于DCA和DCCA,因此CCA排序法更适合于沙地植被分布格局研究及其环境的解释。     

戴云山黄山松群落与环境的关联

基于戴云山黄山松群落类型31个样地(20 m×20 m)野外调查,筛选4个地形因子和11个土壤环境因子,采用除趋势典范对应分析法(DCCA)探讨黄山松群落分布格局与环境之间的关联,定量分析环境因子间相互关系及其对黄山松群落格局的影响。结果表明:(1)DCCA第一排序轴主要反映黄山松群落的海拔变化,第二轴主要反映坡向变化,即沿第二轴从上到下,坡向越朝向阳坡,黄山松群落分布越明显。(2)DCCA表明第一轴与海拔的相关系数达0.5570,即海拔是黄山松群落分布起着决定性作用的环境因子,呈现海拔越高,黄山松优势种群越显著,在海拔1400-1600 m表现突出。(3)黄山松群落主要物种在DCCA排序图的相对位置,反映坡向、坡位、有机质、人为干扰因素是影响黄山松群落分布的重要因素。(4)DCCA排序图中黄山松群落种类排序轴与环境排序轴的相关系数高于DCA,且消除CCA的 "弓形效应",更能凸显海拔、有机质等环境因子对黄山松群落的影响,即黄山松群落与环境因子之间关联以DCCA排序方法为最佳。     

西双版纳20公顷样地热带森林植被数量分类与排序

为了区分热带森林的群落特征并了解其群落特征与地形因子之间的相互关系,以西双版纳20 hm2森林动态监测样地为研究对象,对样地内500个森林群落样方采用Cluster聚类分析方法进行分类和采用除趋势对应分析(DCA)、典范对应分析(CCA)方法进行排序。结果表明:(1)西双版纳热带森林动态监测样地森林群落分为2个类型:热带季节雨林和热带山地常绿阔叶林;(2)植被类型的划分与CCA排序的结果相吻合,CCA排序轴第一、二轴呈现了海拔和凹凸度的梯度变化,并且两者总体上可以对83.9%的植被分布格局进行解释,表明海拔和凹凸度因子对该地区植被类型的分布起着决定性作用;(3)对优势物种的DCA和CCA排序表明不同物种对地形的要求存在差异,其分布格局同样主要受海拔和凹凸度的影响;(4)聚类分析与DCA和CCA排序的结果,同时表明了该地区森林植被的垂直分布格局。此方法可有效解释植被分布格局与地形之间的内在联系,为热带森林的管理和保护提供科学依据。     

松山自然保护区森林群落的数量分类和排序

根据68个森林群落样方数据,采用双向指示种分析(TW INSPAN)方法,对松山自然保护区的森林群落进行分类和采用除趋势对应分析(DCA)、典范对应分析(CCA)方法进行排序。结果表明:(1)TW INSPAN将该区的森林群落分为13类型;(2)样方的DCA排序及样方和优势种的CCA排序较好地揭示了该区森林群落的分布格局与环境梯度的关系;CCA第一轴明显地反映出森林群落的海拔梯度、枯枝落叶层厚度和土壤深度变化,沿CCA第一轴从左到右,海拔逐渐升高,枯枝落叶层越厚和土壤越深;第二轴与海拔高度和坡度成正相关,而与土壤紧实度成负相关。其中海拔梯度是环境因子中对森林群落起决定性作用的因子。(3)与DCA相比,CCA的排序轴更有利于生态意义的解释,后者能同时反映样方间在种类组成上及环境因子组成上的相似性,表现在排序图中样方较集中,群落间的界线变得较模糊,因此如果排序同分类结合使用,DCA的效果要好于CCA。(4)TW INSPAN分类与DCA和CCA排序的结果,同时表明了该地区森林群落的垂直分布格局。     

油松人工林林下植物群落变化及其环境解释

通过对山西太岳山宋家沟油松(Pinus tabuliformis)人工林林下植物群落进行调查,采用典范对应分析(CCA),探讨油松人工林林下物种分布与环境因子之间的关系。结果表明:1)在调查的42个样地中,油松林下共出现植物物种83种,隶属26个科72属,其中草本层物种种类较灌木层物种种类丰富,多达64种。2)CCA排序较好地揭示了该区油松人工林林下植物的分布格局与环境梯度的关系:林龄、坡度、坡向、林冠郁闭度、全氮、全钾对油松人工林林下草本层物种分布格局有重要影响;林龄、坡向、坡度、全氮对油松人工林林下灌木层物种分布格局有重要的影响。3)影响林下草本层和灌木层物种分布格局的变量中,生境因子与生物因子共同分别解释了40.3%和42.7%,其中,纯粹的生境变量(即未与生物变量共有的空间变量)对林下植物群落的变异解释能力较生物变量高,表明生境因子在决定油松人工林林下植物分布格局变异中起着举足轻重的作用。     

山西太岳山脱皮榆群落的生态梯度分析及环境解释

为了解释山西太岳山脱皮榆(Ulmus lamellosa)群落中物种的分布情况与该群落环境因子之间的相互关系,采用TWINSPAN数量分类和典范对应分析(CCA)与环境因子的变量分离进行讨论。结果表明,TWINSPAN将60个调查样方划分为7种群丛类型,体现了该脱皮榆群落主要以乔木脱皮榆和草本披针叶苔草(Carex lanceolata)为优势种。7种群丛类型与CCA排序结果一致,CCA排序第1轴主要体现了坡位和海拔;坡向与第2排序轴存在显著相关性。Monte Carlo检验结果表明,影响脱皮榆群落物种分布最主要的环境因子是海拔。在环境分离变量解释方面,环境因子解释了39.60%,空间因子解释了7.95%,空间因子与环境因子交互作用解释部分占10.89%。而其中不能解释的部分占41.56%。在该研究区,海拔对植物的分布有较好的解释力,其次是坡位和坡向。     

东灵山濒危植物刺五加生存群落的数量分析

在样方调查的基础上,分别采用双向指示种分类法(TWINSPAN)、除趋势对应分析法(DCA)和典范对应分析(CCA)对东灵山地区濒危植物刺五加的生存群落进行数量分析。TWINSPAN分类将刺五加生存群落分为9类,分类结果在DCA二维排序图上得到了较好的验证,其中第一轴反映的是海拔梯度,第二轴反映了坡向、坡度的变化。刺五加多分布在位于海拔较高、光照较少的杂木林中,除在少数群落中成为灌木层的优势种外,相对分布较少。CCA排序结果与DCA的排序结果基本一致,反映出植物群落分布随环境因子梯度变化的趋势,揭示了海拔和光照是限制刺五加生长的主要环境因子。     

西湖风景名胜区不同类型森林群落的空间分布及β多样性

通过样地调查方法、TWINSPAN、β多样性指数和DCA、CCA排序分析,研究了杭州西湖风景名胜区不同森林群落的空间分布及物种多样性沿距离梯度的分布规律.结果表明:(1)TWINSPAN和DCA分析显示,43个调查样方可分为6种群落类型,不同群落类型的生境条件和群落组成均有一定的差异.(2)随着样地间距离的增大,群落间的Sorensen指数有逐渐变小的趋势,但不一定呈规律性的减少.(3)对43个样地不同种群的生境因子(包括坡向、坡度、坡位、海拔、郁闭度等)和物种优势度的CCA分析结果显示,影响光照和水分分布的主要生境因子海拔、郁闭度和坡位对西湖山区植物群落的分布以及种群的数量特征等具有重要影响.总体而言,物种扩散限制和生境条件变化是影响森林群落β多样性的主要因子.     

桂林岩溶石山青冈栎群落的数量分析

应用双向指示种分析(TWINSPAN)和除趋势对应分析(DCA)方法对桂林岩溶石山青冈栎群落进行数量分类与排序。通过TWINSPAN分类,将青冈栎群落60个样方划分为8个群丛类型,探讨了各群丛类型的基本特征。结果表明:DCA排序与TWINSPAN分类结果较一致,DCA排序较好地体现了各群丛类型与环境因子的相互关系,DCA第一排序轴主要反映了坡度的变化梯度;DCA排序图的对角线基本体现了坡向的变化梯度。坡度的变化是影响岩溶石山青冈栎群落物种组成与分布的重要生态因子。     

庞泉沟国家自然保护区森林群落的数量分类和排序

根据84块样方资料,对庞泉沟国家自然保护区的森林群落进行TWINSPAN分类和DCA、DCCA排序.结果表明：（1）TWINSPAN将该区的森林群落分为7个类型;（2）样方与物种的DCA排序及样方的DCCA排序较好地揭示了该区森林群落的分布格局与环境梯度的关系：DCCA第一轴明显地反映出森林群落的海拔梯度,即热量因子,沿DCCA第一轴从左到右,海拔逐渐升高,森林群落对热量的要求降低;DCCA第二轴主要表现出森林群落的坡向、坡度变化趋势,即水分和光照因子,沿DCCA第二轴,从下到上,坡向由阴坡向阳坡变化,坡度由平缓变陡峭.其中海拔梯度是环境因子中对森林群落分布起决定性作用的因子.（3）与DCA相比,DCCA的排序轴更有利于生态意义的解释,后者能同时反映样方间在种类组成上及环境因子组成上的相似性,表现在排序图中样方较集中,群落间的界线变得较模糊,因此如果同分类结合使用,DCA的效果要好于DCCA.（4）TWINSPAN分类与DCA和DCCA排序的结果,同时表明了该地区森林群落的垂直分布格局.     

山西灵空山小蛇沟林下草本层植物群落梯度分析及环境解释

通过对山西灵空山小蛇沟集水区的林下草本层植物群落进行调查和多元分析——TWINSPAN分类、典范对应分析(CCA)与生境、生物因素变量分离, 探讨林分水平上草本层物种分布与环境因子之间的关系。结果如下: 1) TWINSPAN将26个调查样方划分为6种群落类型: 以辽东栎(Quercus wutaishanica)为主的辽东栎-油松(Pinus tabulaeformis)林型、辽东栎杂木林型、辽东栎林型、华北落叶松(Larix principis-rupprechtii)林型、油松林和阔叶油松林型、油松-辽东栎均匀混交林型, 体现了该地区地带性植被类型为暖温带森林的特点。2)群落类型的划分与CCA的结果相吻合, 主要反映了CCA排序第一、二轴的环境梯度, CCA排序轴第一轴突出反映了林分类型与土壤养分梯度, 第二排序轴与坡度、坡位显著相关。Monte Carlo检验结果表明, 林分类型、土壤养分和坡度是影响小蛇沟集水区内林下草本物种分异的最主要的环境因子。3)生境因子与生物因子解释了物种格局变化的42.9%, 其中生境因子占31.8%, 生物因子占7.9%, 生境因子与生物因子交互作用解释部分占3.2%。良好的环境解释反映了调查取样和环境因子选取的合理性。对于50%以上未能被解释的变异部分, 可能归咎于未被选取的因子如干扰或者随机过程。4)在海拔梯度较小的山区, 坡向等小地形因子能较好地指示局部生境的小气候条件, 对林下植物的分布有较好的解释力。     

太宽河自然保护区板栗群落数量分类与排序

根据野外调查数据,对太宽河自然保护区野生板栗群落进行TWINSPAN等级分类和DCA排序。结果表明:TWINSPAN将群落42个样方划分为11个群丛,分类结果很好地反映了群落类型与环境梯度的关系;DCA排序揭示了群落在该区的分布格局与环境梯度的关系;DCA样方排序图第一轴反映了群落生境中坡度与坡向的变化,从左至右坡度逐渐增大,而坡向由阴坡逐渐向半阴坡、半阳坡、阳坡转变;第一轴同时反映了群落受人为干扰情况;第二轴反映的群落与环境关系不太明显,但对角线较好地反映了植物群落与死地被层厚度的变化情况;37个优势种的DCA物种排序图第一轴从左至右,坡度逐渐增大,坡向由阴坡、半阴坡向半阳坡、阳坡转变,排序图从左下方到右上方反映出群落死地被层盖度逐渐减小。     

大源溪流域马尾松林群落类型划分及物种多样性

采用可变聚合法、除趋势对应分析(DCA)及典范对应分析(CCA)对楠溪江上游大源溪流域马尾松林群落类型进行划分,并探讨马尾松林群落的物种多样性。结果表明:(1)通过可变聚合法数量分类,将27个含有马尾松的样地划分为8种群落类型,8种群落类型在DCA排序图上具有明确边界,乔木层优势种是理想的森林群落数量分类依据;(2)由于研究区内森林资源受人为经营干扰严重,蒙特卡罗置换检验表明,CCA排序结果无法接受自然环境因子对物种样方的分布解释,不过结合排序轴特征值可以推测土壤有效氮含量与物种分布具有较强的相关性;(3)马尾松重要值与海拔、有效氮及有效磷均呈边缘显著性相关,与乔木层和草本层多样性呈显著负相关;(4)方差分析表明,与针阔混交林和常绿阔叶林相比,马尾松林的乔木层物种多样性明显较低,其灌木层和草本层多样性虽然较低,但与其他群落类型相比均未表现出显著性差异。     

亚热带峰丛洼地恢复演替植物群落的数量分类和排序——以广西马山弄拉峰丛洼地为例

采用双向指示种分析法(TWINSPAN)和除趋势对应分析(DCA)对弄拉峰丛洼地恢复演替植物群落进行数量分类和排序。TWINSPAN将20个样方分为10个组,根据植被分类的原则划分为10个群丛,论述了各群丛的群落学特征。20个样方的DCA排序结果反映了恢复演替群落与环境梯度的关系,表明影响群丛分布格局的主导生态因子为恢复时间、人为干扰及露石率。DCA排序将53个种分为4个种组,影响峰丛洼地恢复演替群落及其物种分布格局的主导生态因子为恢复时间、岩性和水分等。各物种在排序轴上的位置反映了种组成员的生态适应性及其在群落中的重要性和更新生态位。     

环境因子对北京低山区低效林林下植被物种组成和丰富度的影响

本文探讨了北京低山区油松、刺槐、侧柏3种典型低效林林下植物组成和物种丰富度与环境因子之间的关系,以揭示不同层次物种组成对环境因子的响应,确定影响灌草2层物种丰富度的主要环境因子。在北京低山区设置34个样地进行群落学调查的基础上,运用CCA排序法分析灌木和草本2层的物种组成与海拔、坡向、坡位、坡度、郁闭度共5个环境因子之间的关系,偏CCA测算各环境因子的重要程度,灰色关联度评估各环境因子对物种丰富度的作用大小。结果表明:海拔和坡度对灌木层物种组成的净效应达到显著水平(P0.05),郁闭度对草本层物种组成的净效应达到显著水平(P0.05)。坡度与灌木层物种丰富度的灰色关联度值为0.734,海拔与草本层物种丰富度的灰色关联度值为0.700。灌草2层的物种组成和物种丰富度对环境因子的响应存在差异,海拔和坡度是影响灌木层物种组成最主要的环境因子,郁闭度是影响草本层物种组成最主要的环境因子;坡度和海拔分别是影响灌木层和草本层物种丰富度最主要的环境因子。     

东辽河河岸带草本植物物种多样性及群落数量分析

采用样线法调查了东辽河河岸带草本植物群落,分析了物种多样性特征,利用组平均聚类法和除趋势对应分析(DCA)分别对植物群落进行了分类和排序,探讨了影响东辽河河岸带草本植物群落分布的主要环境因子。结果表明:东辽河河岸带共有草本植物118种,属36科70属,草本植物的物种多样性自上游向下游呈现先增加后降低的变化趋势,而丰富度指数变化规律不显著,这与河流水文特征、河岸土壤基质类型、土壤含水量和人为干扰有关。聚类分析结果显示,东辽河河岸带草本群落可划分为11种类型,其中湿生植物群落占据优势。DCA排序轴与环境因子的相关性分析表明,海拔和河流等级是东辽河河岸带草本植物群落分布的重要影响因子。     

北京地区黄檗分布与环境因子的关系

黄檗（Phellodendron amurense Rupr.）为我国二级重点保护野生植物,在北京地区黄檗多散生于阔叶林中,数量稀少。为了解北京地区黄檗分布与环境因子的关系,促进种群扩繁,在北京百花山、松山和雾灵山自然保护区共设置了12个20 m×20 m的样地,利用CCA分析方法对不同地点黄檗的生长分布状况与海拔、坡度、坡向、郁闭度、土壤pH值、碱解氮和土壤有机质等11个环境因子的关系进行了分析。结果显示,CCA排序第一轴主要反映了海拔、郁闭度和坡度的变化,第二轴主要反映了有机质含量、碱解氮含量、pH值和坡向的变化,其中海拔、碱解氮和土壤有机质是影响黄檗生长分布的重要环境因子,低海拔、低碱解氮含量以及土壤有机质高的地段适宜黄檗分布。对影响黄檗分布的环境因子进行定量分离,结果发现环境因子对黄檗样地物种分布的解释能力为84.5%,显示出较好的排序效果,黄檗分布点受人为干扰较少,其所在植物群落与环境保持了良好的对应关系;环境因子与物种分布呈显著相关（P=0.03）,表明CCA排序结果可以解释环境因子对物种分布的影响程度。