假期前往了几个自然保护区做植物调查，拿到了不少植物群落的数据。之前都懒得写，最近老板突然让交一篇论文，大家都手忙脚乱的处理数据QWQ！之前学习R语言，还有处理遥感数据的时候都查了不少博客里的攻略，让项目顺利完成，但是这次就没有查到处理植物群落的攻略，想着自己的R语言也写了挺久了，索性自己写一下吧！ 关于数据清洗的部分，我会另外写，这篇就只写我是如何计算群落的重要值的。 那么，首先给大家看一下我们在论文中写的Method： “按照《植物群落学实验手册》（王伯荪等，1996），计算群落中各种群的相对显著度（RD）、相对多度（RA）、相对频度（RF）和重要值（IV）等，其中,乔木层重要值=相对显著度+相对频度+相对多度，灌木层重要值=相对盖度+相对频度+相对多度。其中，

乔木显著度用胸高断面积计算，

灌木和草本显著度用盖度计算

（叶万辉等，2008）。”这里提一下， 频度就是每个物种出现的次数，比如一个大样方（40X40的大样方）中，乐昌含笑在12个样方（10X10的样方，一个大样方有16个样方）中出现，那么乐昌含笑的频度就是12。 然后，再喵一眼我们清洗完的数据。其中，plot就是样方编号，num是样方内个体的编号（这里不会用到），spe是种名，p是胸围（cm），h是高（m），a是冠幅（mXm）。然后，就开始甩代码了。

# 1. 读取数据处理包，并设置工作目录 library(xlsx) #这个包是用来读取excel表格和分析结果写入excel中的 setwd("D:\\out of class\\2017年暑假") #设置工作目录，也就是数据所在的文件夹

# 2. 读取数据 sh <- read.xlsx("cbshm.xlsx", 1, encoding = 'UTF-8') #其中，“cbshm.xlsx”就是数据文件啦，“1”是excel中的sheet，在这里写1就是乔木工作表，写2的话就是草本 head(sh) # 查看数据前6行

# 3. 计算各物种相对多度 num.spe <- table(unlist(sh$spe)) # 计算物种多度，物种多度就是大样方内某一物种的所有个体数 plot(num.spe) # 画出多度分布图，可以省略 RA <- num.spe/sum(num.spe) #计算相对多度（RA，relative abundance）

# 4. 计算相对显著度 sh$p <- as.numeric(sh$p) #将胸围数据转化成数值型，从excel中导入，数字应该还是字符型，所以需要转化成数值型 sh$area.c <- (sh$p/pi/2)^2*pi #计算个体的胸截面积，翻译：(胸围/π/2)^2*π spe.area.c <- tapply(sh$area.c, sh$spe, sum) #计算各物种的总胸截面积 r.dominance <- spe.area.c/sum(area.c.all) #相对显著度（RD，relative dominance）

# 5. 计算相对频度（这里仅为我的提取方法，应该还有更好得方法） library(stringr) #读取一个文字处理包 freq_table <- table(sh$plot, sh$spe) #提取出物种在样方中的分布 freq_TF <- summary(freq_table >0)[3,] #判断物种在样方中是否有分部 freq <- as.numeric(str_extract(freq_TF, '[0-9]+')) #用正则提取出物种的频数 r.freq <- freq/sum(freq) #计算相对频度（RF，relative frequence）

# 6. 构建重要值数据框 sh.IV <- data.frame(num.spe, RA, r.dominence, r.freq)  head(sh.IV) #查看一下前6行

从这里就可一看到，Var1.1就是相对多度，rdominance就是相对显著度，r.freq就是相对频度 # 7. 计算重要值IV，就把这些加起来 sh.IV$IV <- sh.IV$Freq.1 + sh.IV$r.dominence + sh.IV$r.freq 

#好了，搞定，现在导出数据就行。 write.xlsx(sh.IV, 'sh.IV.xlsx', sheetName = "乔木") 

OK啦，这样就计算完乔木的计算啦，草本层的话就是显著度的计算不用胸截面积而是换成盖度就行啦，在这里就不挂出来了。。。

抱歉的是，由于数据暂时不能公开， 所以没有办法把数据放上来，大家只能拿自己的数据来试了（反正看到这个贴的应该也都是要分析植物群落的吧，应该都有自己的数据）