长江故道湿地植被的数量分类与排序

采用双向指示种分析法（TWINSPAN）和除趋势对应分析法（DCA）对长江故道湿地植被做分类和排序研究。TWINSPAN分类将湿地植被234个样方分为28个群丛,论述了各群丛的群落学特征。DCA排序结果反映了植物群落类型与环境梯度之间的关系,表明影响群丛分布格局的主导生态因子为生境的水分条件。TWINSPAN数量分类在DCA排序图中有较为明确的分布范围和界限,两者的结合使用,能很好地反映群落与环境因子间的生态关系。     

汾河河口湿地植被数量分类与排序

在群落样方调查基础上,采用双向指示种分析（TWINSPAN）和除趋势对应分析（DCA）对汾河入河口湿地植被群落进行了数量分类和排序。TWINSPAN将78个样方分为18个群丛,并论述了各群丛的群落学特征。DCA排序结果反映了植物群落类型与环境梯度水分之间的关系,表明影响群丛分布格局的主导生态因子为土壤水分。     

呼伦贝尔草甸草原植被的数量分类和排序研究

在群落样方调查的基础上,研究了物种组成,采用TWINSPAN、DCA、DCCA对呼伦贝尔草甸草原植被进行了数量分类和排序.96个物种分属25科66属,物种丰富度在20.1种/m2.菊科(13种)、禾本科(11种)、豆科(10种)、百合科(8种)、蔷薇科(8种)等科所含物种数最多,分别占到13.4%、11.3%、10.3%、8.2%、8.2%.生活型以多年生草本占绝大多数.TWINSPAN将96个样方划分为13组,根据植被分类原则确定为13个群丛,并对群落学特征给予说明.96个样方的DCA排序结果反映了植物群落类型与环境梯度之间的关系,影响群丛分布格局的主导生态因子为坡位、土壤养分、土壤水分和pH值.优势种的DCA排序图与样方的DCA排序图有很大的相似性.排序结果与分类结果相吻合,反映出植物群落类型和物种分布随环境因子梯度变化的趋势.     

中条山中段植物群落数量分类与排序研究

在群落样方调查基础上,采用双向指示种分析法（TWINSPAN）和除趋势对应分析（DCA）对中条山中段植物群落进行了数量分类和排序。TWINSPAN将53个样方分为14组,根据植被分类的原则划分为14个群丛,论述了各群丛的群落学特征。53个样方的DCA排序结果反映了植物群落类型与环境梯度之间的关系,表明影响群丛分布格局的主导生态因子为海拔高度、水分和热量。DCA排序将65个种分为5个种组,各种组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。     

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。     

草海国家级自然保护区水生植物群落的数量分类与排序分析

在群落样方调查的基础之上,采用双向指示种分析法（TW INSPAN）和除趋势对应分析（DCA）对草海国家级自然保护区水生植物群落进行分类和排序。TW INSPAN将50个样方分为17组,根据植被分类的原则划分为17个群丛,论述了各个群丛的群落学特征。50个样方的DCA排序结果反映了植物群落类型与环境梯度之间的关系,表明影响群落分布格局的主导生态因子为水分条件,第一轴反映了各个群落类型所在的水分条件梯度。排序结果与分类结果较吻合,反映出植物群落类型和物种分布随环境因子梯度变化的趋势。     

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。     

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。     

丹江口库区湿地植被的数量分类和排序

采用双向指示种分析法(TW INSPAN)和除趋势对应分析法(DCA)对丹江口库区的湿地植被进行了数量分类和排序。TW INSPAN把30个样地划分为14个群丛,论述了各群丛的群落学特征。样地的DCA排序结果反映了植物群落类型与环境因子之间的关系,表明土壤类型和生境的水分条件变化是决定丹江口库区湿地植被分布的主导因子。目前的丹江口水库滩涂植被主要由以狗牙根(Cynodon dactylon)、长刺酸模(Rum ex maritimus)、通泉草(Mazus gracilis)和稗(Echinochloa crusgalli)等为优势种的偏旱生群落类型构成。     

博斯腾湖湖滨湿地植被数量分类与排序

应用双向指示种分析(TWINSPAN)方法对湿地植物群落进行分类,采用除趋势对应分析(DCA)、典范对应分析(CCA)对群落进行排序,以明确博斯腾湖湖滨湿地的主要植物群落类型及影响植被类型变化和分布的主要环境因子。结果表明,博斯腾湖湖滨湿地植被可分为7个主要群丛,分别为长苞香蒲(Ass.Typha angustata)、芦苇+长苞香蒲(Ass.Phragmites australis+Ty.angustata)、芦苇+水烛(Ass.P.australis+Ty.Angustifolia)、多枝柽柳-芦苇(Ass.Tamarix ramosissima-P.australis)、胡杨-多枝柽柳(Ass.Populus euphratica-Ta.ramosissima)、旱柳-多枝柽柳(Ass.Salix matsudana-Ta.ramosissima)和多枝柽柳(Ass.Ta.ramosissima),它们分布于湖滨浅水带、湖滨沼泽带、湖岸乔灌林带和旱生灌丛带;TWINSPAN分类产生的7个主要群丛在DCA排序图上被很好地反映出来。CCA排序与DCA排序结果基本一致,说明土壤含水量和土壤总含盐量是决定该地区植被分布格局的主要环境因子。博斯腾湖湖滨湿地植被种类单一,生态结构简单,水盐动态及其相互作用是影响该地区植被分布的主要因素之一。因此,在对博斯腾湖湖滨湿地进行植被保护与重建过程中,需重点考虑土壤含水量和土壤总含盐量这2个主要环境因子的影响,合理开发、利用水资源,防止土壤盐渍化的发生。     

历山自然保护区猪尾沟森林群落植被格局及环境解释

应用TWINSPAN、DCA和DCCA,从植物种,植物群落与环境的生态关系方面,研究历山自然保护区猪尾沟森林群落的植被分布格局,并给予合理的环境解释。结果如下：（1）采用TWINSPAN数量分类方法,将植被划分为9个群落类型。（2）对于特定的研究区域猪尾沟,制约森林群落类型,植物种分布格局的主要因素是海拔梯度,即水、热两个环境因子。（3）DCCA排序图明显反映出排序轴的生态意义,第一轴基本上突出反映了各植物群落所在环境的海拔梯度,即热量因素,沿第一轴从左到右,海拔逐渐升高,植物群落或植物种对热量要求降低;第二轴主要表现了各植物群落或植物种所在环境的坡度,坡向,即水分和光照因素,沿第二轴从下到上,坡度渐缓,坡向渐向阳。     

云南大山包黑颈鹤自然保护区草甸植被的数量分类和排序

在法瑞学派样地调查法的基础上,采用双向指示种分析（TWINSPAN）和趋势对应分析（DCA）对大山包黑颈鹤自然保护区草甸植被进行数量分类和排序研究。调查样地包含114个物种,分属31科72属,其中禾本科（14种）、菊科（13种）、蓼科（8种）、石竹科（6种）、玄参科（6种）等科所含物种较多。经TWINSPAN分类,106个样地分为20个聚组,根据其指示种确定为20个群丛。样地DCA和物种DCA排序结果反映了植物群丛与指示种之间的一致关系,排序轴的生态学意义说明水分和海拔两个环境因子同时影响该区草甸植被的分布。     

山西北部地区沙棘群落的数量分类和排序研究

采用双向指示种分析法对山西北部地区沙棘群落进行分类和排序研究,结果将山西北部地区沙棘群落划分为14个群系,并论述了各群系的特征。DCA排序进一步说明了群系的分布格局与水分和土壤的密切关系,结果表明组成沙棘灌丛的种群对群落生境具有指示作用,能客观反映群落的生境特征．     

锦屏水电站植被数量分类与排序

以锦屏梯级水电站大河湾段植被为研究对象,以河流流向为基础布置样方,将50个样方物种重要值及其环境因子进行TWINSPAN数量分类和DCA排序,结果显示:(1)由TWINSPAN数量分类将植被划分为7种类型,雅致雾水葛(Pouzolzia elegans)灌草群落为该区域的主要群落.(2)以TWINSPAN数量分类为基础的DCA二维排序图将样方分为6个生态类型,DCA 二维排序图横轴从左至右海拔高度逐渐降低;排序纵轴由下至上坡度逐渐升高.(3)以TWINSPAN数量分类在DCA排序图中有明确的分布范围和界限,DCA排序与TWINSPAN数量分类结合使用,能很好反映群落与环境因子间的生态关系.     

Quantitative Classification and Ordination of Meadow Vegetation in Dashanbao Black necked Crane Nature Reserve,Yunnan

Based on the Braun Blanquet method of Relev é synthesis, TWINSPAN quantitative classification and DCA ordination of meadow vegetation was studied in Dashanbao Black necked Crane Nature Reserve. Finally, samples contained 114 species which belong to 31 families and 72 genus. The most abundant families were Poaceae, Asteraceae, Polygonaceae, Caryophyllaceae, and Scrophulariaceae. One hundred and six samples were categorized into 20 groups and divided into 20 associations according to the indicator species. The result of samples and species DCA ordination inflected the consistent relationship between the associations and indicator species. The ecological explanation of ordination axis illustratted that both of the soil moisture and elevation affected the distribution of meadow vegetation in this area.     

河西走廊盐化草甸主要植物群落分布特点及其土壤环境特征

 采用系统网格法调查河西走廊盐化草甸典型地段的植被和土壤环境因素,用DCA排序技术进行定量分析,来划分该区植物群落的分布格局,并以土壤环境指标(有机质、全盐含量、pH值、潜水位埋深)解释其所形成的5个样方组,反映出内陆干旱次生盐渍化区土壤水盐分布的差别同潜水位的关系。     

Patterns in species associations in plant communities: the importance of scale

Abstract. Present discussions on competitive interactions and the occurrence of predictable patterns in species composition – including assembly rules – are likely to benefit from appropriate analyses of the spatial structure in plant communities. We suggest such an analysis when we specifically want to detect scale regions where fine-scale local processes may affect the spatial pattern of species composition. We combine indirect ordination in the form of Detrended Correspondence Analysis (DCA) and geostatistics in the form of variography. The species abundance data in the sampled quadrats are summarized as positions on the axes in the ordination. Each axis is used as a regionalized variable in the variography to obtain the spatial dependence of the quadrats. The spatial pattern found will suggest the relevant scale region in which to perform an analysis of species associations. A significant spatial dependence (the ‘range’ in geostatistical jargon) will define the size of a sampling plot that will minimize both the problem of being too small and thus having the risk of oversampling of e.g. clonal individuals and of being too large which will risk including individuals that do not interact. We also suggest that plots are spaced at least a ‘range’ apart to insure spatial and statistical independence. Comparisons of species compositions in such plots will reveal any positive or negative associations between species on a scale where these should reflect species-species interactions. To illustrate the method it is applied to three different data sets from two different plant communities.