文档介绍：基于 CANOCO 的生态学数据的多元统计分析  Jan Leps, Petr Smilauer  著  赖江山  编译 
10 排序图解读 Visualizing multivariate data
展示排序分析结果最好的工具就是排序图。排序图能够用来近似模拟物种分布数
据、样方之间距离的矩阵、物种之间的相异或相似矩阵。在带有环境因子的排序分析中,
我们可以也用排序图来近似模拟环境因子数据内容、物种与环境因子之间的关系、环境
因子之间的关系等等。下面两节将总结出如何从线性排序和单峰排序两种排序图获得有
用的信息。
在讨论如何解读排序图之前,我们必须强调的是:排序对象(样方,物种和环境因子)
在排序空间的坐标值(scores)一般来讲,只有相对意义,没有绝对意义。在解读排序
图的,我们使用的是相对距离,相对方向和投影点的相对次序来解释对象之间的关系。
线性排序图的解读(What we can infer from ordination
diagrams: linear methods)
在线性排序图(PCA或RDA)中物种和数量型环境因子(quantitative environmental
variables)用箭头表示,定性环境因子(nominal)和样方用符号(Symbols)表示(质
心)。表10-1总结我们能够得到的从线性排序图得到的信息(Ter Braak 1994)。
在线性排序图中(如 PCA 排序图),如果我们从代表每个样方的点(sample points)
投影到某一物种的箭头,投影点的相对位置可以代表该物种这些样方中多度值排序情况
(见图 10-1)。如果是在 RDA 图中,投影点代表的是拟合的多度值(即能够被排序模型
所解释的部分,非观测值)的排序情况。在 PCA 图中,物种箭头的起始点的位置表示
物种多度平均值位置,如果样方的投影点在箭头的反向延长线上,则表示该物种在此样
方内多度小于平均值;反之,则大于平均值。
如果排序图是以样方的距离为标准(Focus on sample distance),在排序图内样方点
之间的距离远近(欧几里得距离)可以代表样方之间的相异程度(dissimilarity)(见图
10-2)
在线性排序图内,我们可以通过物种箭头之间的夹角来表示物种之间的相关性(见
图 10-3)。夹角越小,表示相关性越高,如果箭头同向,表示正相关;如果反向,表示
负相关;如果夹角接近直角,表示相关性很小。用同样的规则,我们可以解读线性排序
图内物种与数量型的环境因子关系(见图 10-4)。比如,一个环境的因子的箭头方向与
某一物种的箭头方向相同,可以预测该物种的多度是随着该环境因子的增加而递增。
在线性排序图内,从样方的点向数量环境因子的箭头做投影,投影点的位置可以近似表
示该环境因子数值在这些样方内的排序。由于在进行排序模型拟合的时候,环境因子均已经
标准化,所以环境因子箭头的起始点也可以认为是平均值的位点(见图 10-5)。
数量型环境因子箭头之间的解读,跟物种箭头之间关系的解读是相似的(见图
10-6)。但需要注意的是,这种关系不及直接拿环境因子作为原始数据进行 PCA 分析来
得准确。也就是说,如果是简单考察环境因子之间的关系,可以直接将环境因子进行 PCA
分析。另外,在 RDA 排序图中,数量型的环境因子箭头的长短可以代表环境因子对于
物种数据的影响程度(解释量)的大小,因为在环境因子进行分析之前,都已经被标准
化。并且,约束排序图中环境因子的箭头长短不是来拟合环境因子在样方内值的排序,
而是拟合环境因子与物种分布之间的关系。
在 CANOCO 的排序图中,对于哑变量(dummy environmental variables)的解读有很多
     
 
  1
基于 CANOCO 的生态学数据的多元统计分析  Jan Leps, Petr Smilauer  著  赖江山  编译 
方法。由于哑变量在样方内数据是 0-1 数据,而在排序图中是以点来表示,这个点是该
哑变量中所有为 1 的样方点的质心点(Centroid)。正如第一、三章所提及那样,我们可
以视每个哑变量为某一因子不同的水平(等级)。关于哑变量与物种、样方、数量性环
境变量之间的排序图关系,图 10-7、图 10-8、图 10-9 的解释基本可以说明清楚
图10-1. 在线性排序图,从样方的点在物种箭头及其延长线的投影点可以表示他们之间的
关系。在图中,我们可以预测,物种Spc_2的多度最大的样方