Page 10 - 《广西植物》2024年第5期
P. 10

7 9 8                                  广  西  植  物                                         44 卷
            指数ꎮ 其中ꎬPD 反映了群落内分类单元谱系分支                           的物种组成的差异性ꎬ其包含两个组分ꎬ即物种散
            长度 占 谱 系 中 所 有 分 支 长 度 的 比 例 ( Faithꎬ              失(species loss)和物种获得(species gain)ꎬ 这两个
            1992)ꎻMPD 反映了群落内物种之间的平均系统                          组分将进一步用于生成变化趋势图ꎮ 该方法可以
            发育距离ꎻMNTD 反映群落内最近邻体系统发育距                           用于比较这两个组分在每个样地或者整体样方的
            离 (Webb et al.ꎬ 2002)ꎮ 本研究将 3 个系统发育                差异性检验ꎮ 我们分别比较 2004、2008 和 2013 年 3
            指数进行标准化处理ꎬ即将每个群落内的系统发                              个时间点的差异ꎬ该方法用 adespatial 包中的 TBI 函
            育多样性指标与零模型进行比较ꎮ 本研究零模型                             数和 plot.TBI 函数完成 (Dray et al.ꎬ 2019)ꎮ 上述
            采用 系 统 发 育 树 末 端 的 物 种 随 机 置 换 999 次               所有分析均在 R 3. 6. 3 ( The R Development Core

            (Gotelliꎬ 2000 )ꎬ 获 得 SES. PD、 SES. MPD、 SES.      Teamꎬ 2019)中完成ꎮ
            MNTDꎬ当 SES 大于 0 时表示离散ꎬ小于 0 时表示

            聚集 (Webb et al.ꎬ 2002)ꎮ 计算公式如下:                    2  结果与分析
                           PD  ̄mean(PD       )
                 SES.PD =     obs        random  ꎻ
                               sd(PD     )                     2.1 乔木层物种多样性和系统发育多样性的海拔
                                     random
                             MPD  ̄mean(MPD        )            梯度格局
                 SES.MPD =       obs          random  ꎻ
                                 sd(MPD  random  )                 在样方内共调查到 DBH≥5 cm 的乔木物种
                              MNTD  obs   ̄mean(MNTD random )   83 种ꎬ依据 APG IV 系统ꎬ隶属于 54 属 30 个科ꎮ
                 SES.MNTD =                             ꎮ
                                   sd(MNTD   random )          沿海 拔 梯 度 物 种 多 样 性 ( 物 种 丰 富 度、 Shannon ̄
                 式中: obs 表示实际观测的值ꎻ mean 表示随机                   Wiener 指数和 Simpson 指数) 呈现单峰分布格局ꎬ
            模拟的平均值ꎻ sd 表示随机模拟的标准方差ꎮ                            中海拔多样性最大( 图 2)ꎮ 通过与物种的亲缘关
            1.5 数据分析                                           系随机化的零模型进行比较ꎬ发现标准化的系统
                 为了分析沿海拔梯度物种多样性和系统发育                           发育多样性( SES.PD、SES.MPD、SES.MNTD) 沿海
            多样性的分布格局ꎬ本研究按 3 个调查时间点分别                           拔梯度呈上升的趋势ꎬ低海拔系统发育呈聚集的
            进行分析ꎬ基于响应变量的数据分布特点ꎬ研究采                             结构ꎬ高海拔呈随机或离散的结构(图 3)ꎮ
            用广 义 线 性 混 合 模 型 ( generalized linear mixed        2.2 物种和系统发育多样性随时间尺度的变化
            modelꎬ GLME) 分析海拔对物种和系统发育多样性                           时间尺度上ꎬ配对的 t 检验结果表明ꎬ2004—
            的影响ꎮ 其中ꎬ物种丰富度采用 Poisson 分布ꎬ其余                      2008—2013 年整体的森林群落乔木层在物种多样
            响应变量采用 Gaussian 分布 ( Luo et al.ꎬ 2023)ꎮ            性和系统发育多样性上并未发生显著性变化( 图
            将海拔梯度设置为固定效应ꎬ随机效应为海拔 | 坡                           4)ꎮ 但是ꎬ系统发育结构随着时间的推移呈现更
                                                     2  2
            向ꎬ计算模型参数和解释度ꎬ其中 marginal R (R )                    加聚集的趋势(图 4)ꎮ
                                                        m
            仅包含固定效应的 R ꎬconditional R 包含固定效应                   2.3 海拔梯度上不同坡向物种组成的变化
                               2
                                             2
                            2                                      2004 年共调查到 71 个物种 1 205 个植株个
            和随机效应的 R ( Nakagawa & Schielzethꎬ 2013)ꎮ
            因海拔梯度生物多样性的变化可能是非线性变化ꎬ                             体ꎬ2008 年调查到 76 个物种 1 190 个植株个体ꎬ
            我们同时用一次项和二次项分别进行拟合ꎬ然后将                             2013 年调查到 76 个物种 1 164 个植株个体ꎮ 不
            AICc 越小的模型定义为更优的模型ꎮ                                同坡向和不同海拔在物种组成上差异较大ꎮ 海拔
                 为了分析时间尺度上高黎贡山森林群落乔木                           梯度上ꎬ东坡低海拔(960 ~ 1 381 m)区域内的 4 个
            层物种多样性和系统发育多样性的变化趋势ꎬ本研                             样方呈现显著的物种完全丧失( 图 5)ꎬ其植被完
            究采用配对的 t 检验分别比较 3 个时间点物种多样                         全 被 耕 地 所 替 代ꎮ 其 中ꎬ 麻 栎 ( Quercus
            性和系统发育多样性的差异性ꎮ 为了探讨空间尺                             acutissima)、清香木(Pistacia weinmanniifolia)、枳椇
            度上不同海拔和坡向的森林群落在物种组成上的                              (Hovenia acerba)和假香冬青(Ilex wattii) 等为主要
            变 化 趋 势 及 有 主 要 贡 献 的 物 种ꎬ 本 研 究 采 用               的丧失物种(表 2)ꎮ 相反ꎬ基于多度的 β 多样性

            Legendre 和 Condit (2019) 的方法ꎬ基于 Temporal           分析表 明ꎬ 物 种 获 得 主 要 集 中 在 西 坡 低 海 拔 的
            Beta Indices (TBI)指数ꎬ然后检验其显著性ꎮ 具体                  3 个样方( 图 5) ꎬ群落中丰富度显著增加的物种
            而言ꎬ该方法可以比较每个样方在 T1 和 T2 时间点                        主要为曼青冈 ( Cyclobalanopsis oxyodon) 、 华山矾
   5   6   7   8   9   10   11   12   13   14   15