%A 邹怡 %T 样本量不一致时的β多样性计算 %0 Journal Article %D 2021 %J 生物多样性 %R 10.17520/biods.2021011 %P 790-797 %V 29 %N 6 %U {https://www.biodiversity-science.net/CN/abstract/article_71652.shtml} %8 2021-06-20 %X

度量样方间物种组成的差异, 即β多样性, 是生态学研究中的常用手段。在开展生态学研究的过程中, 不同样方获取的样本量通常不同。使用物种稀疏曲线可以计算不同样本量的α多样性, 但常用的β多样性指数的计算却没有考虑样本量的差异。本文主要介绍了从稀疏曲线演化而来的可以计算不同样本量的β多样性指数——预期共享物种数(expected species shared, ESS)及其标准化后的指数, 其中详细介绍了弦标准化的预期共享物种数(chord-normalized expected species shared, CNESS)。利用真实采集的数据集, 本文演示了在不同样本参数m下, CNESS经过主坐标分析(principal coordinates analysis, PCoA)的二维排序结果, 并比较了样本量变化后, CNESS与基于多度的Chao-Jaccard相异性指数之间的差异。模拟结果表明, CNESS指数与Chao-Jaccard指数的PCoA结果具有相关性, 该相关性不随m值的变化而变化。CNESS指数较Chao-Jaccard指数具有更多优势, 通过调节样本参数m, CNESS的结果可以分析优势种或者稀有种的物种组成差异, 同时CNESS指数对样本量不敏感。ESS系列相异指数是基于物种多度的计算, 适用于样本量不一致时的β多样性研究, 建议在开展昆虫等无脊椎动物的生态学研究中使用此指数。为了更加准确地获得样方之间的物种组成差异, 在数据分析的过程中应选取不同大小的m值计算CNESS。然而, 由于样本量小于特定m值的样方会在计算中被剔除, 因此, 在实际的取样工作中, 每个样方都应该尽量采集到足够多的个体, 才能保证在m值足够大的时候也不丢失样方信息。