Page 21 - 《广西植物》2024年第5期

５ 期 刘金亮等: 浙江龙王山森林群落物种多度分布特征及其与海拔的关系 ８ ０ ９

等(２０２０)对植被类型划分方法ꎬ利用样方内调查到 (３)和(４)获得ꎬＳ 为样方中的总物种数ꎬＮ 为样方
物种的重要值大小和生活型ꎬ将调查到的森林植被 中总个体数ꎮ
类 型 划 分 为 常 绿 阔 叶 林 ( ｅｖｅｒｇｒｅｅｎ ｂｒｏａｄ￣ｌｅａｖｅｄ 为分析物种多度分布数据对对数级数和对数
ｆｏｒｅｓｔꎬ ＥＢＬＦ )、 常 绿 与 落 叶 阔 叶 混 交 林 ( ｍｉｘｅｄ 正态分布的拟合效果ꎬ采用对小样本进行修正的
ｅｖｅｒｇｒｅｅｎ ａｎｄ ｄｅｃｉｄｕｏｕｓ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔꎬ 赤池 信 息 量 准 则 ( Ｃｏｒｒｅｃｔｅｄ Ａｋａｉｋｅ’ ｓ Ｉｎｆｏｒｍａｔｉｏｎ
ＥＤＢＬＦ)、 常 绿 针 叶 林 ( ｅｖｅｒｇｒｅｅｎ ｃｏｎｉｆｅｒｏｕｓ ｆｏｒｅｓｔꎬ Ｃｒｉｔｅｒｉａꎬ ＡＩＣｃ) 选 择 最 优 拟 合 模 型 ( Ｂｕｒｎｈａｍ ＆
ＥＣＦ)、 常 绿 针 叶 与 阔 叶 混 交 林 ( ｍｉｘｅｄ ｅｖｅｒｇｒｅｅｎ Ａｎｄｅｒｓｏｎꎬ ２００２)ꎮ 当两个模型进行比较时ꎬ具有
ｃｏｎｉｆｅｒｏｕｓ ａｎｄ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔꎬ ＥＣＢＬＦ)、常绿针 最小 ＡＩＣｃ 值的模型为该多度数据分布的最优拟

叶与落叶阔叶混交林(ｍｉｘｅｄ ｅｖｅｒｇｒｅｅｎ ｃｏｎｉｆｅｒｏｕｓ ａｎｄ 合模型ꎮ
ｄｅｃｉｄｕｏｕｓ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔꎬ ＥＣＤＢＬＦ)、落叶阔叶 本研究中为了解决 ＳＡＤ 形状变化(曲线的偏斜
林(ｄｅｃｉｄｕｏｕｓ ｂｒｏａｄ￣ｌｅａｖｅｄ ｆｏｒｅｓｔꎬＤＢＦ)、落叶针叶林 度)与海拔高度之间的关系ꎬ通过采用模型拟合的
(ｄｅｃｉｄｕｏｕｓ ｃｏｎｉｆｅｒｏｕｓ ｆｏｒｅｓｔꎬ ＤＣＦ)ꎬ其中各植被类型 方法ꎬ利用 Ｇａｍｂｉｎ 模型和 Ｗｅｉｂｕｌｌ 模型中可以反映
分别包含 １、５、６、２、１、１２、１ 个样方(附表 １)ꎮ ＳＡＤ 曲线的偏斜度和物种多度差异程度的参数表
１.３ 环境因子测量 示 ＳＡＤ 的形状ꎮ 利用 Ｒ 软件“ｇａｍｂｉｎ” 包中的“ｆｉｔ＿
利用手持 ＧＰＳ 仪在样方的中心位置处测量每 ａｂｕｎｄａｎｃｅｓ( )” 命 令 对 每 个 样 方 中 的 ＳＡＤ 拟 合
个样 方 所 在 经 纬 度、 海 拔 高 度、 坡 位 和 坡 向 等 Ｇａｍｂｉｎ 模型(Ｍａｔｔｈｅｗｓ ｅｔ ａｌ.ꎬ ２０１４)ꎬ并计算该模型
信息ꎮ 中可以反映曲线偏斜度的参数 α 值ꎮ Ｇａｍｂｉｎ 模型
１.４ 统计分析 结合了伽马分布中的二项取样方法(Ｕｇｌａｎｄ ｅｔ ａｌ.ꎬ
利用非参数检验( Ｍａｎｎ￣Ｗｈｉｔｎｅｙ 检验) 方法ꎬ ２００７)ꎬ该模型对不同的数据均有很好的拟合效果ꎬ
分析不同植被类型间物种数的差异ꎮ 并且该模型提供的 α 参数ꎬ可以很好地反映所拟合
对样方内所有调查到的 ＤＢＨ≥１ ｃｍ 的木本植 曲线的形状(Ｍａｔｔｈｅｗｓ ｅｔ ａｌ.ꎬ ２０１４ꎬ ２０１９ａ)ꎮ 一般
物进行计数ꎬ获得每个物种的多度ꎬ并对样方内的 而言ꎬα 值越大ꎬＳＡＤ 越趋向于对数正态分布ꎻ而 α
物种按照多度水平从高到低排序ꎬ可获得物种－多 值越小ꎬ ＳＡＤ 曲线越趋向于对数级数分布ꎬ 此时
度曲线图ꎬ即 Ｗｈｉｔｔａｋｅｒ 图( Ｗｈｉｔｔａｋｅｒꎬ １９６５)ꎮ 结 ＳＡＤ 曲线的偏斜程度越大ꎬ偶见种(样地内个体相
合物种 － 多度曲线可用于后续 ＳＡＤ 模 型 的 拟 合 对多度和出现频率较低的物种) 比例较大ꎬ常见种
分析ꎮ (样地内个体相对多度高且出现频率较高的物种)
为解决不同的森林植被类型中 ＳＡＤ 的模型拟 比例较小(Ｕｇｌａｎｄ ｅｔ ａｌ.ꎬ ２００７)ꎮ 另外ꎬ我们也同时
合是否一致这一科学问题ꎬ在 Ｗｈｉｔｔａｋｅｒ 图中ꎬ已有 使用另一个常用于 ＳＡＤ 研究的 Ｗｅｉｂｕｌｌ 模型中的参
多个模型可以用来拟合物种多度分布ꎬ本研究中 数( η 和 λ) 反映 ＳＡＤ 形状ꎮ 利用 “ ｓａｄｓ” 包中的
选 取 最 常 用 的 两 个 模 型ꎬ 即 对 数 正 态 模 型 “ｆｉｔｓａｄ( )”命令拟合 Ｗｅｉｂｕｌｌ 模型并计算该模型中

(Ｓｕｋｈａｎｏｖꎬ １９９１)和对数级数模型( Ｆｉｓｈｅｒ ｅｔ ａｌ.ꎬ 的参数 η 和 λ(Ｕｌｒｉｃｈ ｅｔ ａｌ.ꎬ ２０１８ꎬ ２０２２)ꎮ Ｗｅｉｂｕｌｌ
１９４３)ꎬ分别拟合每个样方中的物种－多度分布曲 模型 中 的 参 数 η 表 示 模 型 拟 合 曲 线 的 形 状ꎬ 与

线(程佳佳等ꎬ ２０１１)ꎮ 具体模型如下ꎮ Ｇａｍｂｉｎ 模型中的 α 值具有相同的生态学意义ꎮ η
ｌｏｇ ｕ ) ＋ｌｏｇ (δ)Ｎ
(
对数正态模型:Ａ ＝ ｅ ( ｉ ＝ １ꎬ ２ꎬ 值越小ꎬＳＡＤ 曲线的偏斜度增加ꎻ当 η ＝ ２ 时ꎬ被认为
ｉ
３ꎬ ) (１) 更接近对数正态分布ꎻ当 η ＝ １ 时ꎬ接近对数级数分
ｎ
对数级数模型:Ｅ ＝ αＸ / ｎ ( ｎ ＝ １ꎬ ２ꎬ ３ꎬ 布ꎮ Ｗｅｉｂｕｌｌ 模型中的参数 λ 表示物种多度的变化
ｎ
) (２) 尺度范围ꎬλ 值越大ꎬ表示群落中物种多度的差异程
Ｓ / Ｎ ＝ [ －ｌｎ(１－Ｘ)] [(１－Ｘ) / Ｘ] (３) 度越大ꎬ可以衡量一个群落中物种多度的变化范
α ＝ Ｎ(１－Ｘ) / Ｘ (４) 围ꎮ 当前ꎬＷｅｉｂｕｌｌ 模型中的这两个参数可以作为模
式中: 对数正态模型中ꎬμ 和 δ 分别表示正态 拟物种多度分布模型的通用工具ꎬ对于不同植物群
分布的均值和方差ꎬＮ 表示正态偏差ꎬＡ 表示样方 落的物种多度分布形状有很好的拟合能力( Ｕｌｒｉｃｈ
ｉ
中第 ｉ 个种的多度 Ａ ꎻ对数级数模型中ꎬＥ 表示样 ｅｔ ａｌ.ꎬ ２０１８ꎬ ２０２２)ꎮ
ｉ
ｎ
方中第 ｎ 个物种的多度 Ｅ ꎬα 和 Ｘ 为参数ꎬ分别有 为了使模型的拟合结果更加准确ꎬ物种数应
ｎ