Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Биохимия спиртового брожения: Основу технологии получения пива составляет спиртовое брожение, - при котором сахар превращается...
Топ:
Определение места расположения распределительного центра: Фирма реализует продукцию на рынках сбыта и имеет постоянных поставщиков в разных регионах. Увеличение объема продаж...
Характеристика АТП и сварочно-жестяницкого участка: Транспорт в настоящее время является одной из важнейших отраслей народного хозяйства...
Интересное:
Как мы говорим и как мы слушаем: общение можно сравнить с огромным зонтиком, под которым скрыто все...
Подходы к решению темы фильма: Существует три основных типа исторического фильма, имеющих между собой много общего...
Лечение прогрессирующих форм рака: Одним из наиболее важных достижений экспериментальной химиотерапии опухолей, начатой в 60-х и реализованной в 70-х годах, является...
Дисциплины:
2021-12-12 | 34 |
5.00
из
|
Заказать работу |
|
|
Рекомендации для анализа данных по бета-разнообразию
Резюмируя вышеизложенную информацию о способах и подходах к анализу бета-разнообразия, разнообразия между отдельными выборками, Песенко (1982) рекомендует следующую упрощенную схему применения различных показателей.
Качественные данные:
1) во всех случаях — индекс Чекановского — Съеренсена;
2) оценка степени производности сравниваемых списков — меры включения;
3) сравнение полных видовых списков с учетом отрицательных совпадений — индекс Сокала — Майченера;
4) определение относительного сходства, т. е. степени своеобразия сравнения, — коэффициент корреляции Василевича.
Количественные данные:
1) сравнение структур выборок — количественный коэффициент Чекановского — Съеренсена, основанный на пересечении структуры выборок;
2) сравнение выборок с учетом различий в их объеме (т. е. когда объем отражает плотность видов) — количественный коэффициент Чекановского — Съеренсена, основанный на пересечении выборок;
3) определение сходства как изменение гетерогенности выборок при их объединении — индекс соответствия, основанный на информационной мере разнообразия;
4) определение своеобразия сравнения или относительного
сходства — вероятностный индекс Гудалла.
ГРАФИЧЕСКИЙ АНАЛИЗ БЕТА-РАЗНООБРАЗИЯ
Вычисление степени соответствия между сравниваемыми выборками с использованием различных показателей сходства (или различия) — это только первый этап анализа бета-разнообразия. В результате проведения этой работы получается вторичная матрица размером МхМ (где М — число сравниваемых выборок), содержащая М(М -1)/2 оценок сходства каждой пары выборок. Из подобной вторичной матрицы часто нелегко прямо извлечь достаточно ясные представления о картине связей между анализируемыми выборками, поэтому группирование и классификация выборок являются следующими этапами в анализе бета-разнообразия. Эти процедуры выполняются на основе преобразования матриц, каждый элемент которой — это показатель сходства между двумя выборками.
|
ПРИМЕРЫ РАСЧЕТА ЗНАЧЕНИЙ ИНДЕКСОВ
В настоящем раздел е. рассматриваются особенности расчетов некоторых индексов, описанных выше. Предпочтение при этом отдано наиболее употребительным, расчет которых имеет определенные особенности.
В качестве рабочего примера рассмотрим серию описаний луговой растительности, сделанных в 2006—2007 гг. в окрестностях геобазы БГУ «Западная Березина» (Минская обл., Воложинский р-н).
На каждой из пробных площадей (ПП 1—ПП 10), заложенных в пойме реки Западная Березина, было сделано по 25 учетных площадок размером 10x10 см, на которых был учтен видовой состав и надземная фитомасса каждого вида. Усредненные данные по учетным площадкам представлены в табл. 3.
Расчет индекса Шеннона
Рассчитаем индекс Шеннона для ПП 1 и ПП 2 (табл. 4).
Для расчета индекса сначала определяются доли каждого вида. Для этого биомасса каждого вида делится на суммарную биомассу. Затем из значений долей извлекается натуральный логарифм. Так как доли каждого вида — числа меньше единицы, то логарифмы этих чисел являются отрицательными величинами. На последнем этапе расчета индекса Шеннона значение доли вида умножается на натуральный логарифм этого значения и полученные цифры суммируются.
В нашем примере для ПП 1 Н' = 2,387, а для ПП 2 Н' = 2,615.
Как видно из полученных результатов, абсолютные значения индекса Шеннона для сравниваемых пробных площадей различаются, но неизвестно, насколько достоверны эти различия. Для того чтобы это выяснить, необходимо рассчитать дисперсию индекса Шеннона (VarH').
|
В нашем примере для ПП 1 VarH'=0,01326, а для ПП 2 VarH'= 0,01369.
Исходя из этих данных, можно рассчитать значение t-критерия Стьюдента. t = 10,96, что при числе степеней свободы df = 149 говорит о высокой достоверности различий в значениях индексов Шеннона для ПП 1 и ПП 2 несмотря на малые различия абсолютных величин индексов.
4.2. Расчет α лог-ряда
Рассчитаем α лог-ряда для ПП 1 и ПП 2.
Первый этап расчета заключается в итерационном решении уравнения
и нахождении входящей в это уравнение константы х. Удобнее
всего уравнения такого типа решать, используя электронные
таблицы, например программу Excel.
При использовании этой программы в первую из ячеек вносится значение , во вторую – число, которое будет являться значением x. На практике х не превышает 1,0. Если > 20, х > 0,99. В третьей ячейке записывается правая часть формулы, причем значения х даются как ссылка на вторую ячейку. Затем, изменяя число во второй ячейке, необходимо добиться такого его значения, при котором числа в первой и третьей ячейках совпадут до третьего знака после запятой. Получившееся число во второй ячейке и будет искомым х.
В нашем случае для ПП 1 х = 0,707, а для ПП 2 х = 0,6795.
После расчета х можно рассчитать α лог-ряда:
.
В нашем случае для ПП 1 α = 31,96, а для ПП 2 α = 34,15.
Чтобы определить достоверность различий между полученными значениями, необходимо вначале рассчитать дисперсию полученных значений α лог-ряда.
В нашем случае для ПП 1 Var(α) = 26,03, а для ПП 2 Var(α) =30,01.
Такие высокие значения дисперсии говорят о том, что различия между полученными значениями α лог-ряда для ПП 1 и ПП 2 недостоверны и сравниваемые сообщества по значению этого индекса не различаются между собой.
Таблица 6
Расчет мер включения
Рекомендации для анализа данных по бета-разнообразию
Резюмируя вышеизложенную информацию о способах и подходах к анализу бета-разнообразия, разнообразия между отдельными выборками, Песенко (1982) рекомендует следующую упрощенную схему применения различных показателей.
|
Качественные данные:
1) во всех случаях — индекс Чекановского — Съеренсена;
2) оценка степени производности сравниваемых списков — меры включения;
3) сравнение полных видовых списков с учетом отрицательных совпадений — индекс Сокала — Майченера;
4) определение относительного сходства, т. е. степени своеобразия сравнения, — коэффициент корреляции Василевича.
Количественные данные:
1) сравнение структур выборок — количественный коэффициент Чекановского — Съеренсена, основанный на пересечении структуры выборок;
2) сравнение выборок с учетом различий в их объеме (т. е. когда объем отражает плотность видов) — количественный коэффициент Чекановского — Съеренсена, основанный на пересечении выборок;
3) определение сходства как изменение гетерогенности выборок при их объединении — индекс соответствия, основанный на информационной мере разнообразия;
4) определение своеобразия сравнения или относительного
сходства — вероятностный индекс Гудалла.
ГРАФИЧЕСКИЙ АНАЛИЗ БЕТА-РАЗНООБРАЗИЯ
Вычисление степени соответствия между сравниваемыми выборками с использованием различных показателей сходства (или различия) — это только первый этап анализа бета-разнообразия. В результате проведения этой работы получается вторичная матрица размером МхМ (где М — число сравниваемых выборок), содержащая М(М -1)/2 оценок сходства каждой пары выборок. Из подобной вторичной матрицы часто нелегко прямо извлечь достаточно ясные представления о картине связей между анализируемыми выборками, поэтому группирование и классификация выборок являются следующими этапами в анализе бета-разнообразия. Эти процедуры выполняются на основе преобразования матриц, каждый элемент которой — это показатель сходства между двумя выборками.
|
|
История создания датчика движения: Первый прибор для обнаружения движения был изобретен немецким физиком Генрихом Герцем...
Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...
Общие условия выбора системы дренажа: Система дренажа выбирается в зависимости от характера защищаемого...
Таксономические единицы (категории) растений: Каждая система классификации состоит из определённых соподчиненных друг другу...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!