广义模型及分类回归树在物种分布模拟中的应用与比较

比较3个应用较广的模拟物种地理分布模型:广义线性模型(GLM)、广义加法模型(GAM)与分类回归树(CART)对中国树种地理分布模拟的优劣,以提出更为合适的模拟物种地理分布模型,并用于预测气候变化对物种地理分布的影响。3个模型对中国15种树种地理分布的模拟研究表明:除对油松、辽东栎分布的模拟精度稍差外,对其余树种分布的模拟精度均较高,其中以GAM模型最好。结合地理信息系统(GIS),比较分析了这3个模型对青冈、木荷、红松和油松4种树种的地理分布模拟效果,结果亦表明:这3个模型均能很好模拟青冈和木荷的地理分布,而GLM模型对红松分布的模拟结果不太理想,3个模型对油松分布的模拟结果均不甚理想,其中以GLM模型最差。基于3个模型对未来气候变化下青冈与蒙古栎地理分布的预测表明:GLM模型与GAM模型对青冈分布的预测结果较为接近,青冈在未来气候变化情景下向西和向北扩展,而CART模型预测青冈在未来气候变化情景下除有向西、向北扩展趋势外,广东和广西南部的青冈分布区将消失;3个模型均预测蒙古栎在未来气候变化情景下向西扩展,扩展面积的大小为:模型的模拟面积>模型>模型。     

汶川地震滑坡迹地植物群落与环境的关系

为了加快汶川地震滑坡迹地人工恢复植被的进程,探讨地震诱发的滑坡迹地植物群落与环境的关系。在5·12地震重灾区北川境内选取29个样地进行植被调查,采用10个环境指标刻画植物群落的地形、空间位置和土壤养分特征;利用TWINSPAN、CCA、DCA和DCCA,分析植物种、植物群落和植物生活型与环境的关系。结果显示:1)研究区的植物群落可划分为9个类型。2)研究区环境变量对植物种的解释量为21.96%,第一排序轴与pH值、海拔、土壤质地相关,反映的是植物种从次生植物群落向原生植物群落变化。通过DCCA分析得出,环境变量对植物群落的排序解释了25.7%,第一排序轴与pH值、海拔、土壤质地的相关较强,反映植物群落按照耐旱、耐贫瘠→人工或先锋植物→未受损的植被变化;第二排序轴与土壤有机质、全氮含量、坡向的相关,反映的是植物群落从草本植物→乔灌草或者灌草植物变化。3)滑坡迹地的植物群落与未受损林地的植物群落物种存在较大差异。     

基于广义线性模型和最大熵模型的黑龙江省林火空间分布模拟

林火分布模型是在较大区域上描述林火空间分布的强有力工具,并可以确定影响林火分布的控制因子.本研究基于黑龙江省1996-2006年的历史火烧记录数据,分别采用广义线性模型和最大熵模型分析了地形、人类活动和土地覆被类型等环境控制因子对黑龙江省林火空间分布的影响,并比较了模型预测精度、评价环境变量重要性及预测火点概率分布图等.结果表明:两个模型的预测精度达中等水平,而最大熵模型的预测精度要略高于广义线性模型.总体而言,与人类活动相关的变量是林火分布模型最佳的环境变量,地形变量次之.尽管两个模型在预测精度和环境变量重要性方面都有很大的相似性,但最大熵模型产生的火点概率图空间格局与广义线性模型产生的明显不同.本研究说明,为了更加精确地确定森林火灾发生的热点地区,应该采用不同模型进行比较,或者有选择性地进行组合以产生综合的预测结果,从而为森林防火工作提供更加合理高效的建议.     

基于GAM模型的延河流域主要草地物种空间分布及其与环境的关系

对延河流域145个样地的主要草地物种空间分布和以GIS空间分析获取的该区12种主要环境因子之间的关系进行了定量研究,同时应用广义可加模型（GAM）分析了单物种的地理分布与环境梯度的关系。结果表明：影响延河流域典型草地物种百里香（Thymus mongolicus）空间分布的主要环境因子包括年均降雨、年均温度、蒸发量,其次是温度季节比,再次是坡位与坡度;主要草地物种与环境的关系非常密切,每个物种都存在自己特定的环境梯度空间中,并以不同的方式在空间上响应不同的环境因子;在流域尺度上利用GAM模型进行单物种和环境关系研究是可行的,能较好地描述物种空间分布和环境因子之间的关系。     

环境因子对黄海南部春季帆张网小黄鱼和黄鮟鱇渔获分布的影响

帆张网渔业是黄海南部重要的渔业捕捞方式之一.本文根据2006-2009年春季黄海南部帆张网的渔获数据,利用广义线性模型(GLM)和广义加性模型(GAM)定量研究了年份、位置、水深和海水表层温度(SST)对小黄鱼和黄鮟鱇渔获量分布的影响.结果表明:GAM模型较GLM模型可以更好地解释小黄鱼和黄鮟鱇单位捕捞努力量渔获量(CPUE)时空分布与环境因子之间的关系.小黄鱼和黄鮟鱇CPUE呈显著负相关,小黄鱼CPUE呈现由北向南沿纬度方向逐渐减小的趋势,尤其在长江口周围较小;黄鮟鱇CPUE在长江口附近也较小.SST对小黄鱼和黄鮟鱇CPUE的影响显著,小黄鱼和黄鮟鱇适宜表温范围分别为9～11℃和9～14℃.     

黄土丘陵区延河流域潜在植被分布预测与制图

潜在植被的分布预测与制图对植被恢复规划具有重要的指导价值.利用广义相加模型（generalized additive model,GAM）,结合GIS空间分析技术和环境梯度分层采样技术,为延河流域24个地带性物种建立了分布模型,并在考虑群落内部物种种间关系及其分布概率的基础上,对物种分布进行运算,模拟预测了延河流域37种植物群落的分布状况和延河流域的潜在植被分布.结果表明: 研究区植被分布预测值与实际调查值间的差异不显著,预测的植被空间分布较好地反映了延河流域潜在的植被分布状况,表明该模型具有较好的预测能力,对于区域植被恢复的目标设定和恢复规划具有重要意义.     

采用广义加法模型整合数字高程模型和遥感数据进行植被分布预测

为了采用广义加法模型整合数字高程模型和遥感数据进行植被分布的预测, 并探索耦合环境变量和遥感数据作为预测变量是否能够有效地提高植被分布预测的精度, 选择海拔、坡度、至黄河最近距离、至海岸线最近距离, 以及从SPOT5遥感影像中提取的光谱变量作为预测变量, 采用广义加法模型整合环境变量和光谱变量, 建立植被分布预测模型。研究设置3种建模情景(以环境变量作为预测变量, 以光谱变量作为预测变量, 综合使用环境变量与光谱变量作为预测变量)对黄河三角洲的优势植被类型的分布进行了预测, 并对预测结果采用偏差分析、受试者工作特征曲线和野外采样点对比等3种方法进行了验证。结果表明: (1)基于广义加法模型的植被分布预测方法具有一定的实用性, 可以较为准确地预测植被的分布; 盖度较高的植被类型预测精度较高, 盖度较低的植被类型预测精度较低, 植物群落结构的特点是出现这些差异的主要原因; 综合使用环境变量和光谱变量作为预测变量的模型, 预测精度高于单独以环境变量或者光谱变量作为预测变量的模型。(2)环境变量、光谱变量大多被选入模型, 二者均对植被分布预测有重要的作用; 同一预测变量在不同植被类型的预测模型中的贡献不同, 这与植被的光谱、环境特征差异有关; 同一预测变量在不同的建模情景下对模型的贡献不同, 环境变量与光谱变量的耦合效应可能是导致预测变量对模型的贡献出现变化的原因。     

延河流域本氏针茅(Stipa bungeana)分布预测——广义相加模型及其应用

物种分布预测,对于物种的保护、利用和恢复具有重要意义.利用广义相加模型(GAM,Generalized Additive Model),对延河流域典型地带性物种本氏针茅(Stipa bungeana)的空间分布预测进行研究,以期为该流域本氏针茅草地的保护、恢复等提供依据.结果表明,本氏针茅分布的环境梯度较广,在坡度、坡向、温度与降雨的各个梯度上都有分布,除高平地和侵蚀剧烈的沟道外,各种地形部位上亦可以存在.建立的广义相加模型表明,本氏针茅的分布主要取决于年均蒸发量和温度季节变化两个因子,而非单纯的降雨、温度因素.从其分布概率看,本氏针茅在延河流域大部分地区都有可能分布,但其分布集中区主要在中北部,与实际观测相符.模型检验表明,建立的模型满足统计要求.     

卧龙自然保护区亚高山草甸的数量分类与排序

在野外植被调查的基础上,采用植被数量分析方法对岷江流域卧龙自然保护区亚高山草甸进行TWINSPAN分类和DCA排序,研究了植物种、植物群落与环境之间的关系.结果表明,该地区亚高山草甸共有植物139种,隶属于31科88属.应用数量分类方法将114个样方分为12个群落类型.在分析不同环境因子间的关系基础上,从定量的角度揭示了影响群落分布的主要因素是海拔梯度和土壤含水量.DCA排序图反映出排序轴的生态意义,第1轴反映了各群落类型所在环境的海拔梯度,从上到下,随着海拔的升高,植物群落或植物种的耐寒性越来越强;第2轴基本上反映了各群落类型所在环境的土壤含水量.排序结果与分类结果比较吻合,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.     

兴安落叶松地理分布对气候变化响应的模拟

以温暖指数、寒冷指数、湿润指数、1月最低温度、7月最高温度和年降水量等环境变量为因子,比较分析了广义线性模型（GLM）、逐步回归广义线性模型（SGLM）、广义加法模型（GAM）和分类回归树模型（CART）对兴安落叶松地理分布的模拟效果,其中GAM模型的模拟效果最好.在此基础上,应用GAM模型,结合未来气候变化情景模拟了兴安落叶松分布.结果表明,在SRES-A₂排放方案下,2020年兴安落叶松适宜分布面积将减少58.1%,2050年将减少99.7％;在SRES-B₂排放方案下,2020年兴安落叶松适宜分布面积将减少66.4%,2050年将减少97.9％.两种排放方案下,到2100年,兴安落叶松适宜分布区将从我国完全消失.     

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。     

秦岭山地天然次生林群落MRT数量分类、CCA排序及多样性垂直格局

采用多元回归树(MRT)对秦岭山地天然次生林群落进行数量分类,采用典范对应分析(CCA)进行排序,分析了秦岭山地天然次生林群落物种多样性沿海拔梯度的变化规律。结果表明:(1) 275个样方共有种子植物195种,隶属61科128属。乔、灌、草3个层次物种多样性变化沿海拔梯度的变化趋势基本一致,呈单峰模型;(2)经交叉验证认为秦岭山地天然次生林群落可分为2类,Ⅰ冬瓜杨(Populus purdomii)+陇东海棠(Malus kansuensis)+蛇莓(Duchesnea indica)群落,Ⅱ锐齿槲栎(Quercus aliena var. acuteserrata)+黄栌(Cotinus coggygria)+茜草(Rubia cordifolia)群落;(3) CCA排序结果揭示了群落生境的分布范围,反映出生态轴的排序意义,较好地反映秦岭山地天然次生林群落与环境因子的关系,其结果表明,海拔、坡向、凋落层厚度和干扰情况4个变量对该地区次生林群落的分布有较大的影响。     

嵊州市公益林群落数量分类、排序及环境解析

为探讨群落分布和环境间的内在关系,采用二元指示种分析(TWINSPAN)和典范对应分析(CCA)法对嵊州市公益林植物群落94 块固定监测样地(20 m×20 m)进行数量分类与排序.结果表明,采用TWINSPAN 可将94 个公益林监测样地分成14 组,其中以马尾松为建群种的群丛最多,是该区域主要的优势群落类型.CCA 排序结果较好地反映了植物群落与环境因子的关系,其中坡向和坡位是植物群落分布的主导环境因子.此方法可有效解释植物群落分布格局与环境之间的内在联系,为区域公益林分类经营管理提供科学依据.     

河北小五台山国家级自然保护区森林群落与环境的关系

植物与环境之间的关系是一个复杂的演变过程,运用数量生态学方法探讨森林群落的物种组成、种群的生态特征、不同植物群落与环境之间的关系,有助于保护该区森林群落的稳定性和生物多样性。根据148个森林群落样方数据,选用双向指示种分析(TWINSPAN)和典范对应分析(CCA)方法,对河北小五台山国家级自然保护区森林群落进行分类和排序研究。结果表明:(1)TWINSPAN将该区的森林群落分为20个类型;(2)CCA排序结果较好地反映出群落分布格局与环境梯度的关系,各个森林群落类型在前两轴分异明显,在11个环境因子中,海拔、坡位、凋落层厚度、土壤导电率、土壤温度、土壤湿度、土壤厚度和干扰程度这8个环境因子对森林群落的分布起较大的作用,影响森林群落的分布格局,形成不同的植被类型。(3)乔木层优势种的CCA二维排序图所揭示的环境梯度与群落类型的分布有很大的相似性;t值双序图阐明了海拔、凋落层厚度、土壤温度、干扰程度等环境因子对森林群落乔木层优势种有着重要影响。采用TWINSPAN分类与CCA排序的方法,较好地解释了森林群落与环境因子的关系,为小五台山地区森林生态系统的科学管理和保护提供了理论依据,研究结果也为同类地区森林生态系统研究及保护提供参考和借鉴。     

Scale‐dependence of vegetation‐environment relationships in semi‐natural grasslands

Questions: Which environmental and management factors determine plant species composition in semi‐natural grasslands within a local study area? Are vegetation and explanatory factors scale‐dependent? Location: Semi‐natural grasslands in Lærdal, Sognog Fjordane County, western Norway. Methods: We recorded plant species composition and explanatory variables in six grassland sites using a hierarchically nested sampling design with three levels: plots randomly placed within blocks selected within sites. We evaluated vegetation‐environment relationships at all three levels by means of DCA ordination and split‐plot GLM analyses. Results: The most important complex gradient determining variation in grassland species composition showed a broad‐scale relationship with management. Soil moisture conditions were related to vegetation variation on block scale, whereas element concentrations in the soil were significantly related to variation in species composition on all spatial scales. Our results show that vegetation‐environment relationships are dependent on the scale of observation. We suggest that scale‐related (and therefore methodological) issues may explain the wide range of vegetation‐environment relationships reported in the literature, for semi‐natural grassland in particular but also for other ecosystems. Conclusions: Interpretation of the variation in species composition of semi‐natural grasslands requires consideration of the spatial scales on which important environmental variables vary.     

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。     

GLM versus CCA spatial modeling of plant species distribution

Despite the variety of statistical methods available for static modeling of plant distribution, few studies directly compare methods on a common data set. In this paper, the predictive power of Generalized Linear Models (GLM) versus Canonical Correspondence Analysis (CCA) models of plant distribution in the Spring Mountains of Nevada, USA, are compared. Results show that GLM models give better predictions than CCA models because a species-specific subset of explanatory variables can be selected in GLM, while in CCA, all species are modeled using the same set of composite environmental variables (axes). Although both techniques can be readily ported to a Geographical Information System (GIS), CCA models are more readily implemented for many species at once. Predictions from both techniques rank the species models in the same order of quality; i.e. a species whose distribution is well modeled by GLM is also well modeled by CCA and vice-versa. In both cases, species for which model predictions have the poorest accuracy are either disturbance or fire related, or species for which too few observations were available to calibrate and evaluate the model. Each technique has its advantages and drawbacks. In general GLM will provide better species specific-models, but CCA will provide a broader overview of multiple species, diversity, and plant communities.     

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。     

Spatial distribution pattern of the riparian vegetation in a basin in the NW Spain

The riparian vegetation of a basin in the NW Spain was studied to establish its spatial variation pattern and to relate floristic and structural differences in the community to environmental factors. Eighty-seven sampling units in 43 sampling stations were used. Samples were classified in 5 groups using Two Way Indicator Species Analysis (TWINSPAN). Three groups represented reaches with riparian wood along their banks: Mediterranean alderwoods and shrubby willow woods. The remaining two corresponded to floodplains with vegetation colonizing moderately eutrophicated deposits of gravel. Structural characteristics of richness and diversity differentiated the alder woods. In these, the shaded environment created by the woody species limited herbaceous vegetation development. This was dominated by Carex acuta subsp. broteriana. Classification and CCA ordination results were compared. The TWINSPAN groups could be recognized in the CCA graph. The ordination was related to a pollution gradient associated with altitude. This pollution gradient involved bank ruderalization, incorporation of nitrophilous species and a decrease in the vegetation quality. The influence of the lithological features on vegetation was also evident.     

Metacommunity analysis of Mexican bats: environmentally mediated structure in an area of high geographic and environmental complexity

Aim We tested the hypothesis that distributions of Mexican bats are defined by shared responses to environmental gradients for the entire Mexican bat metacommunity and for each of four metaensembles (frugivores, nectarivores, gleaning insectivores, and aerial insectivores). Further, we identified the main environmental factors to which bats respond for multiple spatial extents. Location Mexico. Methods Using bat presence–absence data, as well as vegetation composition for each of 31 sites, we analysed metacommunity structure via a comprehensive, hierarchical approach that uses reciprocal averaging (RA) to detect latent environmental gradients corresponding to each metacommunity structure (e.g. Clementsian, Gleasonian, nested, random). Canonical correspondence analysis (CCA) was used to relate such gradients to variation in vegetation composition. Results For all bat species and for each ensemble, the primary gradient of ordination from RA, which is based on species data only, recovered an axis of humidity that matched that obtained for the first axis of the CCA ordination, which is based both on vegetation attributes and on species composition of sites. For the complete assemblage as well as for aerial and gleaning insectivores, analyses revealed Clementsian or quasi‐Clementsian structures with discrete compartments (distinctive groups of species along portions of an environmental gradient) coincident with the humidity gradient and with the Nearctic–Neotropical divide. Within‐compartment analysis further revealed Clementsian or quasi‐Clementsian structures corresponding to a gradient of elevational complexity that matched the second ordination axis in CCA. Frugivores had quasi‐nested structure, whereas nectarivores had Gleasonian structure. Main conclusions Our hierarchical approach to metacommunity analysis detected complex metacommunity structures associated with multiple environmental gradients at different spatial extents. More importantly, the resulting structures and their extent along environmental gradients are determined by ensemble‐specific characteristics and not by arbitrarily circumscribed study areas. This property renders compartment‐level analyses particularly useful for large‐scale ecological analyses in areas where more than one gradient may exist and species sorting may occur at multiple scales.