Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
композиции видов S1-S6 на рис. 5.16 существенно превышает разнообразие для S7-S10.
194
Рис. 5.16. Сравнение функционального разнообразия двух сообществ, оцениваемое как сумма
длин ветвей, показанных жирными линиями
Нам не удалось подобрать необходимое количество фенотипических признаков,
характерных для донных организмов. Поэтому введем понятие факториального
разнообразия RD, оценивающего степень дивергенции между видами, сосуществующими
в сообществе, по отношению к многомерному комплексу внешних факторов. Элементы
матрицы T размерностью 277´12 рассчитаем как средневзвешенные значения параметров
окружающей среды (m = 12 – см. табл. 5.7) для каждого из видов макрозообентоса (s =
9
277), встретившихся в р. Сок:
T
ij
последовательность станций, на которых выполнялся комплекс наблюдений.
at
ik
ijk
a
ik
=
=
1
, k = 1, 2, …,
9 –
å
å
1
=
1
=
;
9
k
k
По результатам расчетов установлена статистически значимая корреляция
факториального разнообразия от числа видов (r = 0.71, p = 0.032 – см. рис. 5.17а), что
является обычным явлением в случае функционального разнообразия, но требует
дополнительного осмысления для нашего примера. Более прост для интерпретации тот
факт, что сообщества в истоках (С-1 и С-2) и в устьевом участке C-14 имеет более
компактную локализацию на дереве и, соответственно, узкий диапазон толерантности к
комплексу факторов среды, чем на участках среднего течения реки.
a)
б)
Рис. 5.17. Регрессионная связь функционального разнообразия FD с чисом видов (а) и
распределение FD по профилю р. Сок в географических координатах (б)
195
К разделу 5.7:
## Расчет функционального разнообразия по (Petchey, Gaston 2002)
## Подробности см. http://www.ieu.uzh.ch/petchey/Code/code.html
source("Xtree.r") ## Загрузка скрипта функций, вычисляющих длину ветвей дерева
## ---------------- Выполнение расчетов
library(xlsReadWrite); library(vegan)
SP <- read.xls("Сок Функц.xls",sheet = 3, rowNames=TRUE) # Частоты встречаемости видов
TS <- read.xls("Сок Функц.xls",sheet = 2, rowNames=TRUE) # Факторы среды на участках
# Расчет толерантности каждого вида к каждому из факторов
TS_norm <- decostand(TS,"standardize")
species.traits <- as.matrix(SP)%*%as.matrix(TS_norm)
# Загрузка списков видов для каждого участка
community.composition <- read.xls("Сок Функц.xls",sheet = 1, rowNames=FALSE)
Distance.method <- "euclidean" ; Cluster.method <- "average"
distances <- dist(species.traits)
tree <- hclust(distances) ; xtree <- Xtree(tree)
FD_2 <- Getlength(xtree, community.composition)
rownames(FD_2)<- c("С_01","С_02","С_03","С_04","С_05","С_08","С_10","С_12","С_14")
# Построение графика линейной регрессии с доверительными интервалами
attach(FD_2); fit <- lm(FD.new ~ S); summary(fit) ; x <- seq(0.9*min(S), 1.1*max(S), len=100)
pre <- predict(fit, data.frame(S=x), interval="confidence")
plot(FD_2,xlab="Число видов", ylab="Функциональное разнообразие")
text(FD_2, row.names(FD_2), cex=1, pos=3) ; matplot(x, pre, type="l", lty=c(1,2,2), add=TRUE)
# Построение графика распределения FD по профилю реки в относительных геокоординатах
TTB.Coor <- data.frame(c(9789,9397,9068,8385,7734,4347,2715,1429,500),
c(3207,3324,3023,2778,2777,2193,1628,694,300))