多元回归树与双向指示种分析在群落分类中的应用比较

采用两种群落分类方法——以环境梯度为分类依据的多元回归树(MRT)和多年来广泛应用的双向指示种分析(TWINSPAN), 对吕梁山南段森林群落进行了数量分类, 同时依据植物群落分类和命名原则, 对分类后的各群系进行命名, 并用吻合系数比较两种分类结果的吻合程度, 分析MRT的优劣势, 为以后选择合适的植物群落数量分类方法提供参考。结果表明: (1) MRT将41个森林样方分为4个群系, 分别为侧柏(Platycladus orientalis)群系、青榨槭(Acer davidii)群系、辽东栎(Quercus wutaishanica)群系、柿(Diospyros kaki)群系, 群系类型与TWINSPAN的分类结果相同; (2)根据群系的样方组成, 两种分类结果的吻合度较高, 吻合系数达80.5%; (3)与TWINSPAN相比, MRT同时以物种和环境信息为依据, 对有过渡性质的样方划分更为可靠。因此, 单纯从植被分类的角度来看, 尽管TWINSPAN的分类结果更客观, 但当TWINSPAN分类遇到困难时, 如在划分大样地连续样方或具有过渡性质样方时, MRT更有优势。     

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.     

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。     

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。     

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。     

旅游干扰对云丘山景区内植被的影响

选择云丘山景区为研究区域,以该区域的主要植被为研究对象,采用样方法对旅游干扰对云丘山景区内植被的影响进行了研究,共设置了40个乔木样方,并利用TWINSPAN聚类分析以及旅游干扰程度（TDD）对所取样方进行分析。结果表明：TWINSPAN聚类分类将景区内的植物群落划分为5个群系,其中、群系Ⅱ中伴人植物的优势度明显高于其它。干扰程度分析表明,在景区的40个乔木样方中,只有4个样方基本没有受到干扰,有3个样方受到中度干扰,其余的33个样方均为轻度干扰。TWINSPAN聚类分析科学合理地对旅游活动作用下植被景观的类型特征进行了分析。旅游干扰程度（TDD）直观地反映出各个样方所在地植被被干扰的程度,该研究结果可为旅游管理者提供一定的理论依据。     

滹沱河流域湿地植被的数量分类和排序

应用TWINSPAN和DCA相结合的方法,对滹沱河流域湿地植被74个样方进行分类和排序,将湿地植被分为16个群丛。DCA排序第一轴反映土壤含水量梯度,第二轴反映土壤类型的变化。主要优势种的DCA排序图与样方的DCA排序图有很大的相似性,优势种的分布格局在很大程度上决定着植物群丛的分布格局。     

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。     

艾里克湖湿地植物群落特征指数与土壤因子的关系

应用双向指示种分类法(TWINSPAN)和典范对应分析法(CCA),对干旱区艾里克湖湿地植物群落特征指数与土壤环境因子的关系进行研究.结果表明,研究区的29种主要植物,隶属12科27属,分为4个种类组,大多数物种丰富度较低,其中胡杨、毛柽柳、芦苇和西伯利亚泡泡刺是最常见的种类.TWINSPAN分析表明,该区25个样地分为3个主要类型组,组1包括6个样地,组2包括18个样地,组3包括1个样地,分别代表不同土壤有机质、全氮、全磷含量的3种生境.CCA排序结果同TWINSPAN分类结果基本一致,反映出植物群落分布格局随土壤因子变化的趋势,确定了影响该区植物群落盖度的土壤因子为有机质、全氮、全磷.     

敦煌阳关自然保护区湿地植物群落数量分类和排序

研究敦煌阳关自然保护区内湿地植物群落的数量分类, 给保护区湿地生态恢复和植物多样性保护提供具有实践价值的参考依据。采用野外调查结合TWINSPAN 数量分类法和DCA 排序方法对阳关保护区湿地植物群落进行多元分析, 结果表明: TWINSPAN 分类将阳关保护区湿地的 29 种植物种划分为8 个主要植物群落, 且各群落内的植物种之间具有相似的生境; DCA 排序图第1 轴明显反映了土壤含水量梯度, 而植被群落类型在DCA 第2 轴上变化所指示的环境特征不如第1 轴明显; TWINSPAN 分类与DCA 排序结果基本吻合, 同时DCA 排序结果进一步验证了TWINSPAN 分类结果的合理性, 能够有效地解释阳关保护区湿地植物种分布的稀疏性。     

安太堡矿区植被恢复过程主要种生态位梯度变化研究

通过生态位宽度与生态位重叠指数 ,结合 TWINSPAN分类与 DCA排序 ,研究植被恢复过程中优势种生态位的梯度变化 ,以及这些种在不同群落类型中的地位、各群落之间的关系 .结果表明 :TWINSPAN结合 DCA对生态位宽度进行分析 ,可以很好地反应种的生态位梯度和以这些种为优势种的群落的结构梯度和环境梯度 ,同时还可以看出光因子和水分是决定优势种生态位梯度变化的主要因子 .各优势种的生态位在不同群落中又随种类组成的变化而变化 ,这种变化反映了森林群落的植被恢复效果最好 ,灌丛群落植被恢复效果普遍好于草地群落 ,而森林群落中刺槐和油松混交恢复效果最好     

安太堡矿区植被恢复过程主要种生态位梯度变化研究

通过生态位宽度与生态位重叠指数,结合TWINSPAN分类与DCA排序,研究植被恢复过程中优势种生态位的梯度变化,以及这些种在不同群落类型中的地位、各群落之间的关系。结果表明：TWINSPAN结合DCA对生态位宽度进行分析,可以很好地反应种的生态位梯度和以这些种为优势种的群落的结构梯度和环境梯度,同时还可以看出光因子和水分是决定优势种生态位梯度变化的主要因子。各优势种的生态位在不同群落中又随种类组成的变化而变化,这种变化反映了森林群落的植被恢复效果最好,灌丛群落植被恢复效果普遍好于草地群落,而森林群落中刺槐和油松混交恢复效果最好。     

高黎贡山北段植物群落TWINSPAN 数量分类研究

采用TWINSPAN 数量分类方法对高黎贡山北段植物群落进行研究, 将研究区68 个样地归并为18 个聚组, 并参照《云南植被》和《中国植被》的分类原则和系统将研究区植物群落划归为6 个植被型、7 个植被亚型、7 个群系组、10 个群系和18 个群落; TWINSPAN 数量分类反映了群落分布随海拔和干扰变化的规律。     

黄土丘陵沟壑区退耕地自然恢复植物群落的分类与排序

采用TWINSPAN分类和CA排序方法,对黄土高原皇随便沟壑区安塞33个退耕地自然恢复植被样方进行了分类与排序。结果表明,在40a的演替过程中,退耕地植被大体上经历了猪毛蒿（Ａrtemisia scoparia）为优势种的群落、达乌里胡枝子（Ｌespedeza davnrica）和长芒草（Ｓtipa bungeana）为优势种的群落、铁杆蒿（Ａrtemisia gmelinii）为优势种的群落和白羊草（Ｂothriochloa ischaemum）为优势种的群落,４个群落的物种组成表现出较强的延续性和递进性。排序轴与环境因子的相关分析表明,土壤养分、土壤水分以及地形因子或强或弱地影响着退耕地自然植物群落的变化,其中土壤有机质、氮磷钾、土壤水分以及坡度与植物群落变化之间的关系密切。     

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.     

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。     

晋西黄土丘陵与土石山区交错地带灌木种的数量分类与排序

应用TWINSPAN和DCA多元分析的方法,对晋西中阳县黄土丘陵与土石山区交错地带森林及灌丛群落中灌木种的数量特征进行了统计分析,分别对样方和物种进行了数量分类和排序。调查样方包括了该地区主要的次生森林及灌丛植被类型,共计31个样方。样方TWINSPAN分类结果表明,第一级分类可以将林下灌丛及阴坡灌丛与阳坡(或半阳坡)喜光耐旱灌丛区分开来。进一步的分类,可将各样方划分为8个组。根据各样方中灌木种的二元属性数据分析,TWINSPAN分类可将29个常见灌木种划分为4个组,这种分类可以比较明确的区分物种的空间分布特征,主要分布在土石山区的灌木种和土石山区及黄土丘陵区均有分布的物种被准确的区分开来。DCA排序结果与TWINSPAN分类结果较为一致。样方DCA排序第1轴反映了生境的水分环境条件,第2轴反应了样方海拔梯度的变化,即热量条件的差异。对角线上各样方的排列顺序综合反映了水分、热量、土壤等环境条件的差异。灌木种DCA排序图第1轴反映了各物种分布生境的水分条件,最左边多为分布在林下阴湿环境中的植物种,如美蔷薇(Rosa bella)、红瑞木(Cornus alba)等;而最右边则多为典型的干旱阳坡指示种,如对结木(Sageretia paucicostata)、山桃(Amygdalus davidiana)等。对角线上物种的排序综合反映了各物种的空间分布特征,左上方各物种多数只分布在水分条件相对优越的土石山地区,而右下方各物种不仅在土石山区有分布,而且在干旱的黄土丘陵区也多有分布。     

高黎贡山北段植物群落TWINSPAN数量分类研究

采用TWINSPAN数量分类方法对高黎贡山北段植物群落进行研究,将研究区68个样地归并为18个聚组,并参照《云南植被》和《中国植被》的分类原则和系统将研究区植物群落划归为6个植被型、7个植被亚型、7个群系组、10个群系和18个群落;TWINSPAN数量分类反映了群落分布随海拔和干扰变化的规律。     

生物土壤结皮对照相法测量植被覆盖度结果的影响

植被覆盖度测度的准确性很大程度上影响着研究结论是否科学合理。在干旱半干旱退化草原区,尤其是受采矿剧烈扰动的矿区,发育的生物土壤结皮(Biological soil crust,BSC)由于其颜色和光谱同绿色植被具有相似性,导致对植被覆盖度的测量存在一定的影响。以伊敏露天矿区为研究区,在西排土场和内排土场采集了含苔藓结皮、地衣结皮和藻结皮的样方相片各四组(每组中包含样方喷水前和喷水后的相片各一张),并采集了一组不含结皮的样方相片作为对照组,运用数码照相法提取植被覆盖度,通过不同的数据处理方法(最大似然分类法及RGB阈值法)进行植被覆盖度提取,设立对比试验,分析BSC对于植被覆盖度测度是否有影响,其影响大小如何,影响程度是否受BSC含水量大小的影响,并对比各常规处理方法的优劣,研究能否通过结合纹理特征与色彩信息剔除BSC对植被覆盖度提取值的影响。研究结论:1)基于照相法的常规数据处理方法提取植被覆盖度时,BSC的存在导致测得的植被覆盖度值偏高,且苔藓结皮、地衣结皮吸水后比吸水前影响更显著,藻结皮相反;2)3个演替阶段的BSC中,尤以含苔藓结皮的样方植被覆盖度高估最为明显,其次为地衣,而含藻结皮样方规律不明显;3)样方内BSC覆盖度越高,植被覆盖度越低,其植被覆盖度测度越不准确,因此在研究草原矿区这类草本植物覆盖度较低、结皮发育的区域时,应当注意BSC的影响;4)试通过应用纹理信息提出改进的提取方法,发现单纯的纹理分类精度极低,而结合了纹理信息与RGB色彩信息的分类精度较高;5)对两种常规分类方法的精度进行比较,RGB阈值法较最大似然分类法更为不准确,对植被覆盖度的高估接近最大似然分类法的2倍。对两种改进的提取方法的精度进行比较,二者都可以有效提高测量精度,基于波段合成的纹理分类方法最佳。四种方法精度由高到低的顺序为:纹理结合RGB法考虑生物土壤结皮的最大似然分类法普通最大似然分类法RGB阈值法。     

不同稀有种处理对双向指示种分析分类结果影响的比较

为探讨不同稀有种处理对TWINSPAN分类结果的影响,以北京小龙门林场华北落叶松林调查数据为例,采用2×2列联表比较了剔除频度＜5%、盖度＜5%的稀有种前后TWINSPAN分类结果的异同,同时结合引入的DBI重点对比了最佳分类等级的吻合性。结果表明：(1)在相同的分类终止原则下,剔除稀有种前后的最大分类结果分别分为12、11个群落类型;(2)基于结合系数r,剔除稀有种前后TWINSPAN在低分类等级的结果差异较大,随着分类等级的增加,二者的吻合度增大,表明稀有种对低分类等级的结果影响较为明显;(3)引入的DBI适用于确定TWINSPAN分类的最佳分类等级,尽管剔除稀有种前后的最佳分类等级不同,但分类结果的吻合度较高。因此,在TWINSPAN分类应用中,建议引入DBI指数辅助确定最佳分类等级,同时取低分类等级结果时必须做删除稀有种处理。