《表1 常用的古生态指标特征及其环境指示意义》
基于上述的假设,“将今论古”的研究思路被古生态工作者广泛接受.借助于湖泊现代过程监测和空间调查,更多的现代生态学信息被用于古生态数据的解释和环境推导中.各种数值分析技术的应用,为分析物种和群落分布特征、揭示生物对环境的响应模式、定量重建环境变化提供了重要途径.数值分析包括各种统计和回归分析方法,目前古生态研究者普遍使用的CANOCO和R软件可以满足多种分析用途[43-45],如利用主成分分析(PCA)和降维对应分析(DCA)等,可以判识生物分布的主要特征及其对环境梯度响应的线性或非线性响应模式;利用冗余分析(RDA)和典型对应分析(CCA),可以揭示时间和空间尺度上环境对生物群落分布影响的重要性和显著性,同时可以对不同环境要素的影响程度进行量化.环境定量重建方法包括加权平均(WA)、回归树(Regression Tree)、贝叶斯函数(Bayesian)、神经网络(Neural Network)等方法[46-48],如基于回归树的多要素定量重建,其优势在于可以通过限制其他环境梯度,优化目标环境梯度,同时能对环境变量突变的阈值提供信息[49].
图表编号 | XD00146556200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.06 |
作者 | 羊向东、王荣、董旭辉、王倩、陈旭、徐敏、张科 |
绘制单位 | 中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室、中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室、广州大学地理科学与遥感学院、中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室、中国地质大学(武汉)地理与信息工程学院、中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室、中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |