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。