Zinnia_blog

（最近有点忙，更新速度略慢）群落生态学研究中，生物多样性往往是不可或缺的分析，通常包括alpha多样性与beta多样性。用来反映一个地区物种的丰富程度与均匀程度。比如通过观察记录北京市各个公园的鸟类，评估鸟类多样性最高的公园（种类多），或者评估鸟类个体分布的均匀程度（均匀度，eg灰喜鹊数量最多，其余物种仅有少数几只）。常用的指标包括Shannon-Wiener指数，Simpson优势度，Pielou均匀度指数，Richness丰富度，还有校正丰富度Margalef物种丰富度。

R语言|将多个tif文件批量提取到点并计算生长季长度想要基于日均温计算生长季长度时，步骤是以提取2000-2018年的日均温数据为例，得到的数据常常是年份命名的文件夹。每个文件夹内有365个tif数据，在arcgis中提取的话十分繁琐。首先加载所需包读取采样点数据。

我们常常需要将nc文件按照所需时间提取为.tif文件以便后续的处理，比如将气候数据提取到多个采样点。nc数据的提取可以在ArcGIS、MATLAB中完成，但对于多个nc文件来说，ArcGIS的提取过于繁琐

上一篇讲到如何构建系统发育树，这篇讲群落β多样性以及系统发育多样性的计算与分解。生态学|R语言-β多样性分解：物种周转和嵌套组分。

物种周转通常是生境过滤、竞争或历史事件影响的结果，而丰富度的差异则可能是由于物种自疏产生的群落嵌套性(Legendre, 2014)。将总beta多样性（β_total）分解为物种周转（β_turnover）和物种嵌套（β_nestedness），并以三元相图的形式展示，是在生态学beta多样性分析中常用的一种数据分析方法。在低版本的R中，ggtern包常常与ggplot包有冲突（我的就是），要注意。beta.sor： total beta（总beta）beta.sim：turnover（物种替换）

在生态学中，RDA常用来进行环境对物种变异贡献量的分析，与PCA可以并列为第一常用的生态学分析方法了。

在R语言中，根据物种名录构建系统发育树，并计算NTI与NRI

详细讲解如何在R中进行功能多样性的计算以及数据的格式整理

接上一篇单因素方差分析，这篇介绍TukeyHSD多重比较方法（Tukey Honest Significant Differences），并给出画图代码。控制实验中，对比多个物种在不同处理下的生长量，想要将所有物种的生长量组间差异都绘制在一张图上。R语言|单因素方差分析+TukeyHSD多重比较。

PCA基于欧氏距离，适用于连续型数值数据，且要求线性关系。NMDS基于秩次（rank-order）的非参数方法，适用于非连续数据（如分类数据、序数数据）或非线性关系的数据。NMDS（非度量多维尺度分析）和PCA（主成分分析）都是常用的降维技术，但在不同数据特征和研究目标下，选择的方法有所不同。若研究目标是比较样本间的相似性（如群落相似性排序），NMDS的二维/三维图通常更直观。行名为样地-小样方（plot1-subplot1），列名为物种，数值为多度。不同样地的NMDS图。

普通RDA是获取群落数据与环境因子之间的线性关系区别就在于，RDA是基于群落多度做的，dbRDA是先基于Bray-Curtis距离（或其他距离）进行主坐标分析（Principal Coordinates Analysis，PCoA），随后将特征值大于0的坐标轴与环境因子进行RDA分析，即dbRDA。Eigenvalues, and their contribution to the variance 部分的解释率是指RDA轴对总体（total）的解释率，因此在一些同学的分析中会出现这部分数值非常低的情况。

上一篇已经讲述了kriging插值的原理，最重要的就是构建半变异方差函数，并选择拟合效果最佳的函数，进而获得对应的这四个指标也是在R语言中构建半变异方差函数最关键的指标。这里以以500m*500m的样地海拔为例。样地建设之初在许多采样点（+）测定了海拔（小样方的交界处），现在我想要获取每个小样方中心点的海拔数据。当然，可以对四个角的海拔取平均=中心点海拔，这里我们使用kriging插值方法ArcGIS中kriging插值的步骤是：插值→将结果转为raster栅格→按小样方中心点坐标提取数值，

经过几周的摸索，终于把kriging插值原理弄懂了，并且通过对比ArcGIS与R语言的插值结果，我认为在R中可以更方便快捷的进行ordinary kriging ,因此想用两篇的内容详细讲解一下克里金插值。首先尝试的是在ArcGIS中进行普通克里金插值，在网上也可以搜到很多教程，作为一个地理小白，我起初并不太清楚怎么样在ArcGIS中调整插值的各种参数。函数的准则就是：距离近的物体比距离远的更相似，因此半变异方差函数是一个与距离相关的函数（如下图，即下图中的Y轴，X轴为距离。在实际应用中自行选择模型。

在R语言中，使用aov函数进行单因素方差分析， 使用agricolae包中的LSD.test函数进行Least significant difference检验。比如进行种源实验时，将样地A、B、C采集的物种带回后在气候箱中培养1周、2周、3周，记录其生长量，对比相同培养时间下，物种的生长率在不同样地间是否存在差异。当收集的数据有多个嵌套分组且有多个变量时，想要在某个组别内对比变量在另一分组间的差异 ，并进行LSD多重比较。下一篇介绍如何进行Tukey多重配对比较并绘制条形图。

R中绘制箱线图，并进行多组别间的差异显著性检验。

生物信息中常常会需要进行差异蛋白的分析，热图是一个直观展示样本或组间蛋白差异的工具

生态学分析中，相关性分析常常是探索数据的第一选择，有时也能够为论文提供支撑性的结果。本文给出了可视化相关性分析的R代码

群落生态学中物种重要值的快捷计算方法