||
在群落生态学中,计算群落取样点之间的相异(距离)系数矩阵是很多多元统计(比如聚类分析)的基础。很多学者创造出很多的具有生态学意义的方法度量群落相异系数,比如二元数据的Jaccard,Sørensen,还有数量数据的Bray-Curtis,欧式距离等等。很多人在做这个分析的时候会产生一种困惑,到底应该选哪种指数?其实每种指数都各有优缺点,无法确定哪个最好? 当然,这个仅仅是对一个原始数据(比如群落数据)而言,真的很难你说哪个指数最好,但如果同时具有两个数据,一个是群落数据,另外一个是环境数据。这个时候,就可以来比较哪种指数更好,这个就得用到vegan包里的rankindex函数,这个函数的计算原则,在不同的指数条件下,去计算通过群落数据算出来的距离矩阵,跟通过环境数据算出了的距离矩阵进行spearman秩相关分析,看那个相关系数高,就选哪个指数。也就是说,群落数据算出距离,如果与环境数据算出的距离相关性越高,说明该指数越好!
library(vegan)
data(varespec)
data(varechem)
## The variables are automatically scaled
rankindex(varechem, varespec)
euc man gow bra kul
0.2396330 0.2735087 0.2288358 0.2837910 0.2839834
结果显示kul最优,但是其实bra指数也挺好。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-12-23 19:13
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社