15案例分的析5.pdf

基于 CANOCO 的生态学数据的多元统计分析 Jan Leps, Petr Smilauer 著 黄天元 编译 15 案例分析5：析因实验中对物种构成重复观察的分析 15.1 引入 对实验单元的重复观察在生态学研究的众多领域中都经常使用。在实验中，单元（样地）在 进行处理前先进行一次采样。这样，你就获取了“基线”数据，也就是取样单元的差异仅仅 由随机过程引起。处理完成后，会对单元在进行一次或多次采样，以便发现发展中（动态变 化）的实验组与控制组的差别。这种设计有时候被称为重复BACI（before after control impact ） ——控制前后的影响。要在设计中分析单变量的响应（比如物种数量或者总生物量），你通 常可以重复量测变异系数分析来进行计算。 分析这种数据有两种方法，一种是根据时间来进行裂区方差分析，也就是重复测量的因素都 * 是“在样地内”的因素 ，另一种就是用多元方差分析。虽然两种分析在理论上的差别是很 复杂的，一般我们会选用第一个分析，因为它提供了一个更加有效的检验。尽管如此，它的 有效性却需要有一个更加有力的前提（参考Lindsey 1993;Von Ende 1993 ）。时间和处理方法 的相互关系反映了不同处理方法导致单元之间发展的差异性。CANOCO 可以像单变量重复测 量方差分析一样分析物种构成的反复观察。在ANOVA 中模型所有的项都同时得到检验，在 CANOCO 中你必须用一个单独的分析来检验每一个项。我们这次用一个对析因实验的分析来 展示这种方法，实验中的处理方法包括施肥、割草以及通过去除得到一片贫瘠湿润的草地。 关于实验的描述已经进行简化；如果对具体细节感兴趣可以参考Leps ˇ(1999)。 15.2 实验设计 实验中，我们尝试了解植被群落对各种管理方法及其组合的时候（除草、施肥）有什么响应， 并通过去除优势种来揭示优势种在其中的作用。我们感兴趣的方面在于各种处理方法下物种 丰度和物种构成的时间动态变化，也希望找到对这些响应有重要作用的物种特征。 这个实验是在1994 年进行的，每个处理方法的组合做了三个重复，构成一个析因设计。处 理方法有施肥、割草、去除优势种（Molinia caerulea ）。这一共有八种组合，每个有三个重 复，所以需要24 个2m*2m 的样方。施肥处理为每年施用65g/m2 的商业氮磷钾肥。割草处 理为每年六月底七月初用镰刀对样方进行除草，除草后会对割下来的草进行清理。对 Molinia caerulea 进行人工清除（用螺丝刀）时间是 1995 年四月，清除的时候尽量减少对土壤的干 扰，每年会对新生长的个体进行移除。 15.3 取样 从1994 年开始，每年在植物生长季节（六月或七月）对样地进行采样。需要记得最开始的 采样在第一次实验处理开始之前就已经进行了，这是为了得到每个样点的基准数据。每个样 方为一个中心点向外扩展1m2 的2m*2m 的样方，其中所有的维管植物和苔藓植物的盖度都 会通过目测记录下来。 15.4 数据分析 数据都是经过重复测定获得的；同一个样地要进行四次采样。鉴于单变量（物种数量）的特 点，这里采用对应于重复量测变异系数分析模型（Von Ende 1993 ）。对于物种构成这里使用 RDA 分析：RDA 分析是基于线性物种响应的，这是选用 RDA 分析是因为样地中的物种构成 是均匀的而解释变量是有一定范围的。因为Molinia 的盖度已经经过处理，所以这个物种在 * 这种方法被称为“单变量重复测量方差分析”。 基于 CANOCO 的生态学数据的多元统计分析 Jan Leps, Petr Smilauer 著 黄天元 编译 分析中设定为补充的物种。这是非常重要的，否则我们就会发现 Molinia 在没有移除的地方 具有更加大的盖度（相当显著）。通过在RDA 分析中使用各种解释变量（在CANOCO 中术语 为“环境的”）和协变量，并采用蒙特卡洛检验中合适的转换，我们可以构建与重复量测变 异系数分析模型（包括重复测量）各项显著性检验相似的检验。因为重复观察的数据中包含 了基线（处理前）的测定，我们最感兴趣的是处理方法与时间的相互关系，这对应着实验处 理的不同影响。当我们对相互关系进行检验时，样地标示符（以许多虚拟变量的形式）会作 为协变量。用这种方法我们消除了样地（多年）的平均值，只有每个样点内的变化得到分析。 1994 年、1995 年、1996 年和1997 年分别用数值0、1、2、3 表示。这