《森林生态学实习指导书.doc生态与环境实验中心 南京林业大学.doc》由会员分享，可在线阅读，更多相关《森林生态学实习指导书.doc生态与环境实验中心 南京林业大学.doc（29页珍藏版）》请在三一办公上搜索。
1、森林生态学实习指导书南京林业大学2010年6月实习一 森林群落的组成结构调查一、目的：通过调查，初步掌握植物群落的调查方法及各统计指标的含义。二、工具备品：皮尺、钢卷尺、测绳、枝剪、粉笔、铅笔、标签、方格纸、调查表格、植物检索表等。三、调查方法：全面踏查和样方法相结合。其基本步骤是：1全面踏查：对所要进行调查的植被地全面踏查一遍，选定若干个具有代表性的区域作为（固定或）临时样地。2样地调查：（1）样地面积：森林：20*20平米，其中：灌木样方五个，2*2平米，草本样方五个，1*1平米。（2）每木调查（附表1）：具体按测树学方法进行。平均胸径大于8厘米者，2厘米一个径阶；小于8厘米者，1厘米一个
2、径阶。（3）植被及灌木调查：见附表2。植被调查在1*1平米小样方中进行，下木调查在2*2平米小样方中进行，乔木调查在实习中绘制树冠投影图。A植物名称：记录植物中名或学名，并采集有关植物标本（实习中只采集野外不能识别的标本。经鉴定后再将植物名称填入，但在鉴定前要填入代号）。由于标本不完整，鉴定有困难时可暂填入*科或*属的一种。如苔草属的一种。B层次：可根据植物高度划分为几个层次。若一种植物分布在几个层次中，按其分布情况记入分布最多的层次中。C层次盖度：即该层次植物投影面积占该样方面积的%比。D高度：按植物自然情况进行测定。范围指最低高度到最高高度。如果植物最低为0。3米，最高为1。5米，则记为0
3、。3-1。5米。E多度（表3）：指该植物投影面积占该样地面积的%比。用德鲁提的多度等级进行分级。F分布：指丛生、片状、稀疏、单株等。G物候相：种子植物分为：“” 营养期；“”花蕾期；“（”花前期； “”花盛期；“）”花后期；“”幼果期；“”果熟期；“=”果落期。蕨类植物用文字记载，分为营养期、孢囊期、孢囊成熟期和孢子散落期。H生活力：分三级： 生长发育良好，能开花结实，或进行正常的营养繁殖，叶的大小正常，色泽鲜艳。 生长中等，不能开花结实，或进行正常的营养繁殖。 生长衰弱，植株矮小，或弯曲，叶变小，色泽黄绿。（4）统计及报告：A按测树学统计林木组成和平均胸径。B植被统计频度和多度。C描述群落的
4、组成结构特征。表1 森林类型调查表标准地号： 标准地面积： 地 点： 调查日期： 地 形： 海 拔： 坡 向： 坡 度： 坡 位： 坡 形： 森林类型： 起 源： 表1 每 木 调 查 表径级树种1树种2树种3树种4树种5合计株数计株数计株数计株数计株数计表2 植被/下木 小样方调查表样地号： 小样方号： 样方面积： 平米 总盖度： 植物名称层次层次盖度高度（米）多度（株数）分布状况物候相生活力范围 平均调查者： 日期： 年 月 日表3 植物频度和多度统计表样地号： 样方面积： * 平米植物名称小样方号频度平均多度1 2 3 4 5 6 7 8计算者： 日期： 年 月 日 实习二 物种多样性指
5、数的测定一、实习目的：1了解各类物种多样性指数的特点、测度方法及其生态学意义。2熟悉并掌握常用物种多样性指数，如香农指数(Shannonindex)的计算方法。二、基本原理：物种多样性是群落生物组成结构的重要指标，它不仅可以反映群落组织化水平，而且可以通过结构与功能的关系间接反映群落功能的特征。从目前来看，生物群落的物种多样性指数可分为a多样性指数、多样性指数和多样性指数三类。其中，a多样性指数是反映群落中(群落内部)物种丰富度和个体在各物种中均匀程度的指标，J3多样性指数是反映随群落内环境异质性变化或随群落间环境变化而导致的物种丰富度和均匀程度变化的指标，多样性指数可以用来在更大的生态学尺度
6、上如景观水平上测量物种多样性变化或差异。在比较不同群落的物种多样性时，可以按照研究者的不同需要采用不同指数。1a多样性指数它包括两方面的含义：群落所含物种的多寡，即物种丰富度；群落中各个种的相对密度，即物种均匀度。 (1)物种丰富度指数(species richness index)a Gleason(1922) 指数 式中，A为单位面积，S为群落中的物种数目。b Margalef(1951，1957，1958)指数D=（S-1）/InN 式中，S为群落中物种的总数目，N为观察到的所有个体总数。 (2)Simpson指数(又称Yule指数)D=1- 式中，Pi种的个体数占群落中总个体数的比例。
7、 (3)种间相遇机率(PIE)指数(又称Gini指数，Simpson相遇指数)D=N(N-1)/ 式中，Ni为种i的个体数，N为所在群落的所有物种的个体数之和。 (4)Shannon指数(又称Shannon-Wiener指数) 式中，PiNiN， (5)Shannon均匀度(均衡度)指数 式中，s为群落中的总物种数。 (6)Pielou均匀度指数式中，H为实际观察的物种多样性指数，为最大的物种多样性指数，S为群落中的总物种数。此外，还有Berger-Parker指数、Brillouin指数、Brillouin均匀度(均衡度)指 数、Fisher a指数、McIntosh指数、McIntosh均
8、匀度(均衡度)指数、Menhinick指 数、Q统计指数、倒数Simpson指数等等。 应用实例： 例如，设有A，B，C三个群落，各有两个物种组成，其中各种个体数组成如下： 物种甲 物种乙 群落A 群落B 群落C 100(1.O) 50(0.5) 99(0.99) O(O) 50(0.5) 1(0.01)请计算它的物种多样性指数。Shannon指数： Simpson指数：Pielou均匀度指数： 从上面的计算可以看出，群落的物种多样性指数与以下两个因素有关：种类数目，即丰富度；种类中个体分配上的均匀性。 2多样性指数 多样性可以定义为，沿着环境梯度的变化，物种替代的程度。不同群落或某环境梯度上
9、不同点之间的共有种越少，多样性越大。所以，利用多样性指数可以对两群落的相似性程度进行估计。 精确地测定多样性具有重要的意义。这是因为：它可以指示生境被物种隔离的程度；多样性的测定值可以用来比较不同地段的生境多样性；多样性与a多样性一起构成了总体多样性或一定地段的生物异质性。(1) Whittaker指数()式中，s为所研究群落中记录的物种总数；ma为各样方或样本的平均物种数。(2) Cody指数()式中，g(H)是沿生境梯度H增加的物种数目； (H)是沿生境梯度H失去的物种数目，即在上一个梯度中存在而在下一个梯度中没有的物种数目。(3) Wilson Shmida指数()该式是将Cody指数与
10、Whittaker指数结合形成的。式中变量含义与上述两式相同。(4) Jaccard指数Cj=j/(a+b-j)式中，j是两环境共有种数；以是环境A的物种数；b是环境B的物种数。三、实习器材：样地 选取自然生物群落(森林、灌丛、草地、河流、池塘等)进行野外实地调查。 仪器设备（同实习一） 计算机、计算器。四、实习步骤： 1野外调查，与实习一的方法相同。 2数据统计整理。 3多样性指数计算。4计算结果的分析比较。五、实习报告1 物种多样性在生物群落中有哪些功能和作用?哪些因素影响群落的物种多样性?2以自然界任何2个或3个环境中的任何一类生物的调查资料计算Simpson指数、Shannon指数、P
11、ielou均匀度指数，并进行不同环境中的物种多样性指数的差异显著性检验。实习三 群落的相似性与聚类分析一、实习目的：通过本试验，在了解群落的种类组成、密度、盖度、优势度及重要值等群落特征的基础上，引导学生探讨群落相似性与聚类分析的基本方法，并掌握相似性及聚类分析的技术要点，培养学生灵活运用所学理论的能力。二、基本原理群落的相似性分析与聚类分析是群落排序和分类的基础。群落的相似性分析是通过对样地调查所得原始数据进行处理，并根据所处理的数据结果判断两个群落(或样方、样地)之间的相似程度。群落相似程度的指标有两类：一类是相似系数，其数值的大小直接反映两群落间的相似程度，数值越大表示越相似；另一类是相
12、异性系数，其数值大小反映两群落间的相异程度，数值越小表示越相似。表征两个群落间相似程度的指标虽多，但在数据处理上基本上都考虑两个因素：计算两群落(样方)种类组成的相似性，如关联系数；计算两群落(样方)共有种的数量数据的相似或相异程度，如距离系数。群落的聚类分析是根据各群落(样方)间的相似关系，将群落归纳为若干组，使组内的群落尽量相似，而组间群落尽量相异，从而在客观上达到对群落分类的目的。在聚类分析中，一般把一些实体作为基本单位，就群落生态学来说，实体可以是样方、标地、地段、群落等，而把描述实体的各种特征作为属性，如种的存在度、种的频度、个体数量等。常见的聚类分析方法有等级聚合分类法、等级分划分
13、类法等，这些分类方法只不过是实现分类过程的手段。三、实习器材：样绳、皮尺、钢卷尺、野外试验用纸、记录本、记录笔等。四、实习步骤（一）样地设置与调查按照“均匀性、代表性、典型性”的原则在野外不同的自然生境中选择样地，根据实际需要在样地中作面积适当的样方若干个，如20m20m、10m10m、5 m5m等。如果设立样方面积较大，可在大样方中沿纵横两个方向分别拉平行线，把大样方分为若干个面积相同的小样方，以利于样方内各种特征的调查。对作好的样方进行植物调查，样方调查前详细记录样地所在地的环境因子特征，如海拔高度、坡度、坡向等，记录样方内出现植株的种类、每种植株的个体数量、盖度、高度、胸径等属性特征。（
14、二）群落相似性分析1相似百分数(1)计算所调查各样方内植株的重要值，公式如下： 重要值(IV)=(相对多度+相对频度+相对盖度)3(2)计算两个样方的相似百分数，公式如下：其中，SI为所比较两个群落的相似百分数，a为两个群落共有种的重要值之和bc分别为两个群落中非共有种植物的重要值之和。2 关联系数关联系数是较早提出的相似系数，适合于处理二元数据，因此其计算需要22列联表。（1）22列联表 X y + a b c d a+b c+d A+c b+d A+b+c+d=n表中x、y为两个实体(样方)，a为两个实体(样方)的共有物种数，b为y样方具有而x样方不具有的种数，c为x样方具有而y样方不具有
15、的种数，d为x、y样方均不具有的种数，n为总种数。(2) 利用公式计算均方关联系数并进行卡方检验式中，均方关联系数俨的取值范围在(0,+1)之间，N为实体数。作统计检验时可先测得两样方之间的关联性质V，V=O为无关联，VO为正关联，V0为负关联，再根据22列联表计算x2值，查Z2表。因22列联表的自由度为1，可以查得其在不同水平上的显著度。应用实例：现对两个样方中13个种进行调查，获得二元数据如表1一35。 表135两个样方的调杳结罢种样方 l 2 3 4 5 6 7 8 9 lO 1l 12 13 1 2 1 l 0 l 1 O O l O l l O O O l l O 1 l O O 1
16、 O 1 l O根据以上数据得下列22列表： 样方2 样方1 + 3 4 4 2 7 6 7 6 13利用公式计算均方关联系数并进行卡方检验：因此上例中样方1与样方2呈正相关，但相关不显著。3距离系数以属性数据为坐标，以坐标空间的点表示每个样方，或将每个属性表示成样方空间的点，这样两实体的相异性可以通过点间距离表示，距离越大，相异性越大。所有的距离系数均适用于数量数据，同时也可以处理二元数据。常用的有欧氏距离系数和Bray-Curtis距离系数。(1) Bray-Curtis离系数 式中，j,k，忌代表不同的样方；i代表种。 应用实例： 现对5个样方中3个种的调查结果如表136，试计算其距离系
17、数。 表136五个样方的调杏结果样方种 l 2 3 4 5 1 2 3 3 8 5 10 4 30 5 7 9 6 15 42 40 6 11 7 6 70 48 21 25 23 25 142 同样的方法可以求得其他样方间的距离系数。(2)欧氏距离系数也可以用其平方的形式： 上述两式均可以计算两实体之间的相异系数，式中有关符号含义同Bray_Cur-tis距离系数。 如上例计算方法如下： 同样的方法可以获得其他任两个样方之间的欧氏距离系数。 群落的相似性分析还可以借助于其他相关系数，如匹配系数、内积系数、信息系数等，这些系数的计算方法可以查阅有关资料，在此不作介绍。 三、群落的聚类分析 1关
18、联分析法 关联分析法一般只适用于二元数据，由GOOdall最先提出，该法须考察种与种之间的关联系数矩阵，从中找出与其他种关联最大者为分划临界种，常用的关联系数为均方关联系数和卡方系数。现以实例说明其过程如下： 表137是对9个样方中的6个物种的调查结果，试利用关联分析法进行群落的聚类分析。表137 9个样方的调查结果样方 种 1 2 3 4 5 6 7 8 9 l 2 3 4 5 6 1 O 0 l 1 1 1 1 1 1 1 1 1 O O 1 l l O 1 1 0 0 1 1 0 O 1 1 1 O 1 l O O O 0 O O 1 O 1 1 l l 1 O O 1 1 1 O l
19、O (1)求出种间关联系数矩阵CP 处理原始数据，选定某种关联系数计算P个种两两之间的关联系数，列出系数矩阵CP= (Chj)(h，i=1，2，3，P)。关联系数矩阵设列时要根据显著性水平来确定，22列联表中算出x2值遵从自由度为l的x2分布，可用一定的显著性水平来检验，如O.1、O.05、O.02等。当算得的x2值大于或等于上述水平所对应的临界值时，才认为在该水平下两个种h，j显著相关，才把x2值记入Chj，否则令Chj=0。另外，一个种自身关联系数均定义为零；某个种在所考虑的全部样方中数值全为1或0时，也规定为零，或不考虑该种。以均方关联系数为相似系数，显著水平确定为0.1(此时x2=2.
20、706)。分别计算9个样方中每两个种的关联系数(同上述关联系数的计算)。列成种间关联系数矩阵。 种 (2)确定临界种并进行第一次划分 在CP中对每行(列也可)求和，从这些和值中选出最大者，记为，为本次划分的临界值，种为临界种。据此把全部样方分为含的组N1和不含的组N2。 计算上述矩阵各列关联系数之和分别为：C(1)一1.0718 最大，所以种1被确定为临界种。 C(2)=O C(3)=O.659 6 C(4)=O.64 C(5)=0.997 1 C(6)=0.659 6 因此，9个样方可分为两类：N，组为含物种l的样方，包括l、4、5、6、7、8、9样方；Nz组为不含物种1的2、3样方。 (3
21、)再分划对已分划两个组N1，和N2分别重复以上过程进行再分划，直至该组在选定的显著性水平上是不能再分的同质组。 首先对N1组进行再分划： N，组数据列表如下；样方 种 1 4 5 6 7 8 9 1 2 3 4 5 6 l 1 1 1 1 1 1 1 1 O O 1 l 1 O O O 1 1 O O 1 O 1 1 O O O O 1 O l l l 1 l 1 l l O 1 O因种1在N1组样方中的数值全为1，是故该种可不必考虑。按前述方法计算种间关联系数，可得关联系数矩阵如下：种23456 同第二步计算上矩阵各列之和如下： C(2)=O533 3；C(3)=0；C(4)=1066 6；
22、C(5)=0533 3；C(6)=0。 C(4)=1.066 6最大，故再将物种4定为临界种，将N，组分为含物种4的M 组(样方l、5、6)和不含物种4的N4组(样方4、7、8、9)。 对含物种4的N3组进行再分划，N3组数据列表如下：样方 种 1 5 6 2 3 5 6 1 00 0 0 1 0 0 1 1 1 1因种4在N3组样方中的数值全为1，因此该种可不必考虑。按前述方法计算种间关联系数，可得关联系数矩阵如下： 种 2 3 5 6可见，矩阵中C(3)最大，故可将N3分为含种3的N5组和不含物种3的M6组。用同样的方法可以发现，前面分出的N2、N4、M5、N6组均为不可再分的同质组，所以
23、分划结束。 (4)图形表示把上述的分划结果用树状图表示(如图l一23)，图中每次分划都要表明临界种，包含该种的组用“+”号注明，不含该种的组用“一”号注明；各组中的样方数在方块内用数字表示；纵坐标为关联系数的标度，横坐标表示出显著性水平和各组样方号。图123 9个样方关联分析树状图2组平均聚合法组平均聚合法是按照平均性质的一种聚合方法。设两个样方组A和B各有Ma、Nb个样方，从两样方组中各任取一样方，计算两者的距离Djk，共有MaNb个，其平均距离定义为组A和组B之间的距离DAB。即：现将A、B组合并，设有样方M+N6个，c为另一样方组，内含M个样方，则根据上式得：现以实例的形式说明其聚合分类
24、过程：组平均法在计算样方距离中可以用任何一种相异系数，本实例中选用欧氏距离系数。对6个样方中的4个物种进行调查，结果如表138。 表138 6个样方4个物种的调查结果表样方种 l 2 3 4 5 6 1 2 3 4 O 4 3 5 1 2 2 1 3 O 2 4 5 0 4 3 O 1 4 l 5 1 4 O(1)根据式计算任两个样方的欧氏距离，最终得欧氏距离矩阵： 其中最小者为,第一次合并样方2和样方4，记为。(2)根据式,计算其他系数不变。列新的距离矩阵：可见，D133.464 1最小，第二次合并样方1和样方3，记为。同上，根据公式计算D12、D15、D16，其他系数不变。列新的距离矩阵如
25、下：可见，矩阵中D最小，第三次合并样方和6记为，包括2、4、6三个样方，根据公式再计算、，列出新的矩阵：由上可见，矩阵中最小，第四次合并和5，记为l0，包括1、3、5三个样方。到此已将全部样方聚合完成。(3)图形表示如图124：图124 6个样方组平均法聚合树状图五、实习注意事项：1关联分析时因每次只用一个种，在种数太少时有可能夸大一些偶见种的作用，建议在样方中去除存在度在95%以上和5%以下的种，并去除一些种数过少的样方。2群落相似性分析与聚类分析，在样方数较多的情况下，数据处理会相当繁琐，建议用一些相关软件数据处理，如EXCEL、SPSS等。六、实习报告：1 群落相似性分析。2 群落聚类分
26、析。实习四 群落的分类与排序一、实习目的 1通过群落的分类和排序，认识生物群落既有连续的一面，又有间断的一面。2了解在研究过程中，使用哪一种分类方法，要根据研究对象和研究目标来确定。二、基本原理 长期以来，存在两种认识群落的观点：一种认为群落就如同一个有机体，具有明确的界限，群落之间是间断的、可分的，称为“机体论学派”。另一种观点认为群落是连续的，不是可以分离的、有边界的实体，而种群是独立的。他们认为应采取生境梯度分析的方法即排序来研究群落变化，这些观点被称为“个体论学派”。通过聚类分析来认识生物群落的存在既有连续的一面，又有间断的一面。在研究过程中，使用哪一种分类方法，要根据研究对象和研究目
27、标确定。 聚类分析是群落分类的一种，通过对样本的分类，使群落集合按照其属性数据所反映的相似关系把它们分成组，使同组内的成员尽量相似，不同组的成员尽量相异。不同的分类方法只是实现此目的的不同过程。聚类分析是一种把相似的实体放入组或“聚类”内的分类技术。根据样方间的欧氏距离，做出分类的树状图。聚类分析是逐渐减少组对的过程，如果有N个取样单位，要做N一1轮的距离计算。首先要计算样区间的欧氏距离。欧氏距离是距离系数中的一种，是一种相异系数。可以表示为：应用实例： 样方种l 2 3 l 2 3 4 2 5 5 3 4 40 4 6 6 5 12 12其结果表明，样方l和样方2的相异性小于样方1和样方3的
28、相异性，也小于样方2与样方3的相异性，所以，样方1和样方2被合并为一组。 欧氏距离没有确定的上界，若各属性数据的量纲不同，大小相差悬殊，则可先对每个属性用极差、离差或标准差等方法标准化，然后再求实体问的距离。 如果是多个样区，首先计算出每两个之间的欧式距离。，列成对称矩阵，再计算样区间的欧氏距离矩阵，写出新的欧氏距离矩阵，重复多次，将全部样区合并成一组，最后绘制出树状图。 应用实例： 有8个样区，计算出样方间的欧氏距离后，其聚类过程如下： (1)列出矩阵(Dc)如下： 1 2 3 4 5 6 7 8 0 15.427 30.578 53.805 46.454 52.868 55.091 52.
29、460 O 23.324 45.695 39.120 44.911 46.508 43.669 0 33.615 31.209 34.986 35.805 32.573 0 26.646 25.119 22.113 24.083 O 25.159 21.331 19.339 0 27.532 27.221 0 17.521 (2)选出最小者D12=15.427，将样区1和2合并为包含两个样区的组1I。 用Dc=12(a+b)的公式，分别计算出D31I，41I，D51I，D61I，D71I，D81I。 D31 I=12 D31+12 D32=12(30.578+23.324)=26.951 D4
30、1 I=49.750，D51I=42.778，D61 I=48.895，D71I=50.850，D81 I=48.065 按照新的Dc值写出新的欧氏距离矩阵： 1 3 4 5 6 7 8 0 26.951 49.750 42.778 48.895 50.850 48.065 O 33.615 31.209 34.986 35.805 32.573 O 26.646 25.119 22.113 24.083 0 25.159 21.331 19.339 O 27.532 27.2210 17.521 (3)选出新矩阵的最小值，其中D78=17.521，第二次合并样区7与8形成包含两个样区的组7，
31、再用Dc=12(a+b)的公式，分别计算出D1I7，D37， D47，D57，D67。 D1I 7=12(50.850+48.065)=49.435 D37=12(35.805+32.573)=34.189，D47=23.098，D57=20.335， D67=27.377 按照新的Dc值，写出新矩阵为： 1I 3 4 5 6 7 0 26.951 49.750 42.778 48.895 49.435 0 33.615 31.209 34.986 34.189 0 26.646 25.119 23.098 O 25.159 20.335 0 27.377 (4)再选出最小值D57=20.33
32、5，第三次合并样区5和7，得到包含3个样区的5。因为5包含了3个样区，计算D1I5取其中的样区5的欧氏距离的13，取7样区的23，算出D1I 5=13(42.778)+23(49.435)=47.216， D35=33.200，D45=24.281，D6=26.638，得到新的矩阵： 1I 3 4 5 6 0 26.951 49.750 47.216 48.895 O 33.615 33.200 34.986 0 24.281 25.119 O 26.638 (5)再选出最小值D45=24.897，第四次合并样区4和5，得到包含4个样区的新组4，算出D1I4=l4(49.750)+34(47.
33、216)=47.850，D34IV= 33.304，D64Iv=26.258，得到新的矩阵： 1I 3 4 6 0 26.951 47.850 48.895 0 33.304 34.986 O 26.258 (6)再选出D64=26.258，第五次合并样区4和样区6，得到包含5个样区的新组4V，算出D1I4v=l5(48.895)+45(47.850)=48.059和D34v=33.640，得到新矩阵：1I34VO26.95148.059O33.640 其中，D1i3=26.051最小，第六次合并组lI和样区3，得到3个样区的新组1，计算得到包含3个样区的Dlvi4v，Dlvi4v=26(33.64)十46(48.059)=43.253 到此为止，将全部样区合并成一组。根据各次的最小值，绘制树状图。从图1-25中可以看出，所有样区可以分为3个类型：样区1和2为一类，样区3为一类，样区4、5、6、7和8为一类。图125数量分类树状图三、实习器材 GPS、样方框、测绳、皮尺、钢卷尺、枝剪和普通剪刀、野外用秤、样方记录表、铅笔、方格计算纸。四、实习步骤 1_取样调查 选取生境条件变化明显的自然植被群落进行野外实地调查。 2获取原始数据 用群落结构调查方法，填写群落登记表，计算出每个取样单位每个种的优势度。
