Page 52 - 《广西植物》2025年第6期
P. 52
１ ０ ３ ８ 广 西 植 物 ４５ 卷
样方的贡献度( ｌｏｃａｌ ｃｏｎｔｒｉｂｕｔｉｏｎｓ ｔｏ ｂｅｔａ ｄｉｖｅｒｓｉｔｙꎬ 式中: ＴＲＡＳＰ 表示坡向指数ꎻ ａｓｐｅｃｔ 表示坡向
ＬＣＢＤ)和不同物种的贡献度(ｓｐｅｃｉｅｓ ｃｏｎｔｒｉｂｕｔｉｏｎ ｔｏ 方向角度ꎻ转换后 ＴＲＡＳＰ 值变化范围在 ０ 到 １ 之
ｂｅｔａ ｄｉｖｅｒｓｉｔｙꎬ ＳＣＢＤ)ꎬ采用 ＬＣＢＤ 反映空间 β 多样 间ꎻ０ 代表东北方ꎻ１ 代表西南方ꎮ
性组分的变化 ꎮ ＬＣＢＤ 反映了区域内样方相比于
其他样方的独特程度ꎬＬＣＢＤ 值越大表明样方具有 ３ 结果与分析
区别于区域内其他样方的显著独特性ꎻＬＣＢＤ 的计
算方式如下(Ｌｅｇｅｎｄｒｅ ＆ Ｄｅｃｃｅｒｅｓꎬ ２０１３): ３.１ 物种组成等基本特征的时间变化
ｎ ｎ ２０１２—２０２２ 年东京桐林样地重要值前 ２０ 的
２
∑∑ (ｙ － ｙ) 树种排序总体变化不大ꎬＷｉｌｃｏｘｏｎ 符号秩和检验的
ｉｊ
总 β 多样性: ＢＤ ＝ ｉ ＝ １ ｊ ＝ １ ꎻ
Ｔｏｔａｌ 结果表明两者的差异不显著( Ｐ ＝ ０.６９８)ꎮ 东京桐
ｎ － １
Ｓ Ｓ ｉ 和南方紫金牛 (Ａｒｄｉｓｉａ ｔｈｙｒｓｉｆｌｏｒａ)的重要值在所有
地点贡献度: ＬＣＢＤ ＝ ꎮ
ｎ ｐ 年 份 中 均 为 较 大ꎮ 广 西 澄 广 花 ( Ｏｒｏｐｈｅａ
２
∑∑ (ｙ － ｙ ｙ) ｐｏｌｙｃａｒｐａ)、细子龙( Ａｍｅｓｉｏｄｅｎｄｒｏｎ ｃｈｉｎｅｎｓｅ)、米扬
ｉｊ
ｉ ＝ １ ｊ ＝ １
式中 : 群落组成矩阵 Ｙ 由 ｎ 个样方( 行) 和 ｐ 噎、藤春(Ａｌｐｈｏｎｓｅａ ｍｏｎｏｇｙｎａ) 和弯管花( Ｃｈａｓｓａｌｉａ
个物种(列)构成 ꎬ 每个值用 ｙ 表示 ꎮ ｙ 表示第 ｊ ｃｕｒｖｉｆｌｏｒａ) 的 重 要 值 排 序 上 升ꎬ 日 本 五 月 茶
ｊ
ｉｊ
个物种的平均值ꎻ ＳＳ 为第 ｉ 个样方的方差ꎮ 采用 (Ａｎｔｉｄｅｓｍａ ｊａｐｏｎｉｃｕｍ)、假玉桂( Ｃｅｌｔｉｓ ｔｉｍｏｒｅｎｓｉｓ)、
ｉ
９９９ 次置换检验测试 ＬＣＢＤ 的显著性( Ｌｅｇｅｎｄｒｅ ＆ 棋 子 豆 ( Ａｒｃｈｉｄｅｎｄｒｏｎ ｒｏｂｉｎｓｏｎｉｉ )、 山 石 榴
Ｄｅｃｃｅｒｅｓꎬ ２０１３)ꎮ (Ｃａｔｕｎａｒｅｇａｍ ｓｐｉｎｏｓａ) 和秋枫( Ｂｉｓｃｈｏｆｉａ ｊａｖａｎｉｃａ)
２.２.４ 时间 β 多样性的空间变化及影响因素分析 的 排 名 下 降ꎮ 群 落 胸 高 断 面 积 总 体 增 加ꎬ 但
对区域内样方不同时间的数据统计所产生的结 Ｗｉｌｃｏｘｏｎ 符号秩和检验的结果表明总体排序的变
果被称为时间 β 多样性指数( ＴＢＩ)ꎮ ＴＢＩ 是将区 化不显著(Ｐ ＝ ０.６３９)ꎮ 胸高断面积绝对量增加较
域总 β 多样性扩展到时间的尺度上ꎬ通过来自时 大的有东京桐、细子龙和人面子等ꎻ相对变化较大
间 １(Ｔ１)和时间 ２( Ｔ２) 处的样方数据ꎬ将总 β 多 的有细子龙、假玉桂、广西澄广花、米扬噎和枝花
样性投射到时间上的动态分析( Ｌｅｇｅｎｄｒｅꎬ ２０１９)ꎮ 李榄ꎬ其中枝花李榄降幅最大(附表 １)ꎮ
２
ＴＢＩ 由两部分组成:Ｂ ＝ 物种( 或丰度) 减少和 Ｃ ＝ 在 ２０１２—２０２２ 年间ꎬ１ ｈｍ 东京桐群落样地内
物种(或丰度)增加ꎬ以两者为基础生成的 Ｂ－Ｃ 图 总体物种多度由 ５ ８０８ 株变为 ４ ９６１ 株ꎬ呈降低趋
直观 展 示 了 群 落 随 时 间 的 变 化 ( Ｌｅｇｅｎｄｒｅ ＆ 势ꎬ总个体数共减少 ８４７ 株ꎬ占 ２０１２ 年总个体约
Ｃｏｎｄｉｔꎬ ２０１９)ꎮ 对研究样地中所有地点的 Ｃ 和 Ｂ １５％ꎬ其中共死亡 １ ６４７ 株ꎬ新增 ８００ 株ꎮ ９９９ 次置
统计数据可以通过配对 ｔ 检验来测试其显著性ꎮ 换的成对 ｔ 检验结果显示ꎬ物种多度显著减少的有
采用 Ｒ 语言 ａｄｅｓｐａｔｉａｌ 包中提供的 ＴＢＩ 函数进行 ２９ 种ꎬ显著增加的仅 １ 种ꎬ没有显著变化的 １００
分析ꎮ 种ꎮ 在重要值排名前 ２０ 的树种中物种多度显著
地形对 ＴＢＩ 变化的影响采用 ＧＬＭ( 广义线性 变化的有 １３ 种且均为显著减少ꎬ无显著变化的有
模型)进行分析ꎮ 使用 Ｒ 软件中的 ｇｌｍ( ) 函数来 ７ 种ꎻ多数物种的死亡率均大于补员率ꎬ其中枝花
构建 ＧＬＭ 模型ꎬ使用二项分布( ｂｉｎｏｍｉａｌ) 进行逻 李榄死亡率较大ꎬ１０ 年间共减少了 １２５ 株( 附表
辑回归分析ꎮ 在模型构建过程中ꎬ以 １０ ｍ × １０ ｍ ２)ꎮ 由图 ２ 可知ꎬ物种多度与死亡率之间无显著
样方在 ２０１２—２０２２ 年内的物种增加或减少为因 关系ꎻ平均胸径与死亡率回归系数为负ꎬ即胸径越
变量ꎬ以每个 １０ ｍ × １０ ｍ 样方的平均海拔、凹凸 大ꎬ死亡率相对较低ꎬ但回归系数极小且决定系数
度、坡度和坡向等 ４ 个地形因子作为自变量ꎮ 地 (Ｒ )值较低ꎬ回归系数在统计学上也不显著ꎮ
２
形因子参照 ＣＴＦＳ 样地常用方法进行计算ꎬ其中坡 从 ＮＭＤＳ 分析排序 图 可 见ꎬ ２０１７ 年 和 ２０２２
向采用公式进行转换ꎬ将 ０° ~ ３６０°的罗盘测量值 年的样本点几乎重合ꎬ表明这 ２ 个年份的群落物
转换成 ０ 至 １ 之间的值(Ｒｏｂｅｒｔｓ ＆ Ｃｏｏｐｅｒꎬ １９８９)ꎬ 种组成具有高度的相似性ꎮ ２０１２ 年与其他 ２ 个年
使东北方向为－１ꎬ西南方向为 １ꎬ公式如下: 份轻微分离ꎬ显示其与后续年份在物种组成上的
(
ＴＲＡＳＰ ＝ １－ｃｏｓ ([{ π / １８０) ａｓｐｅｃｔ－３０) ] } / ２ꎮ 差异ꎮ 总体而言ꎬ在 ２０１２—２０２２ 年间ꎬ东京桐林
