?

Log in

No account? Create an account

Previous Entry Share Next Entry
Podani et al., 2018
covtoc
basil_yakimov
Podani J., Ódor P., Fattorini S., Strona G., Heino J., Schmera D., 2018. Exploring multiple presence-absence data structures in ecology // Ecological Modelling. 383: 41–51.
В этой работе развивается направление анализа матриц присутствия-отсутствия видов, основанное на концепции SDR-симплекса (Podani, Schmera, 2011). Базовая идея заключается в декомпозиции индекса несходства Жаккара (это просто дополнение классического индекса Жаккара S = a/(a+b+c) до единицы) на две компоненты, соответствующие различию в видовом богатстве (richness difference, D = |b–c|/(a+b+c)) и замене видов (species replacement, R = 2min(b, c)/(a+b+c)). В итоге структура сходства/несходства описывается тремя компонентами, которые в сумме дают единицу. Каждой паре проб будет соответствовать точка на симплексе – равностороннем треугольнике, вершины которого соответствуют трем компонентам декомпозиции S, D и R. После осуществления декомпозиции для каждой пары проб вся матрица может быть представлена в виде облака точек внутри симплексного треугольника. В настоящей работе предложен алгоритм, позволяющий сравнивать множество матриц присутствия-отсутствия видов по их SDR-симплексным портретам.
Разработано два метода сравнения: прямой и непрямой. Прямое сравнение возможно, когда в двух матрицах содержатся описания одних и тех же объектов, например, описания разных таксоценозов в одних и тех же местообитаниях, либо разные временные срезы. Тогда для разных матриц попарные сравнения проб внутри матрицы будут соответствовать друг другу. В этом случае для расчета расстояния между матрицами просто берется нормированная сумма абсолютных разностей по всем трем компонентам для всех пар проб. Непрямое сравнение проводится, когда сопоставить пары проб в сравниваемых матрицах невозможно (например, когда в разных матрицах описаны разные наборы местообитаний, это наиболее распространенный случай). Тогда полный симплексный треугольник разбивается на 100 маленьких треугольников, для каждого из которых рассчитывается частота попавших туда точек из облака. Расстояние между матрицами рассчитывается как нормированная сумма абсолютных разностей относительных частот точек в ста маленьких треугольниках.
При работе с множеством матриц предлагается использовать кластерный анализ на основе полученной матрицы расстояний, а также ординацию на основе метода главных координат.
Предложенный метод проиллюстрирован на примере анализа нескольких наборов данных: распределение 12 таксономических групп животных по Эгейским островам, распределение макробеспозвоночных по рекам в 8 регионах Финляндии, распределение 11 групп растений, животных и грибов по 35 участкам лесов в западной Венгрии, динамика восстановления сообщества беспозвоночных на 6 островках во Флориде после уничтожения инсектицидом. Последний пример представляет особый интерес, поскольку в нем по сути проанализирован вариант своеобразной восстановительной сукцессии. Показано, что на ранних этапах заселения доминировало отсутствие сходства вследствие случайного расселения, затем сходство S начало расти, при этом в структуре матрицы усилилось влияние компоненты замены видов R, поздние же этапы характеризуются ростом сходства и сильной ролью различий в видовом богатстве D. На ординационной диаграмме траектория движения сообщества в ходе этой сукцессии сформировала характерную подковообразную кривую.
Техническая сторона предлагаемого метода расчета расстояний между матрицами присутствия/отсутствия видов реализована авторами в виде скомпилированной программы, которая должна быть выложена на сайте первого автора (однако же на момент написания обзора я ее там не нашел), а также в виде R-скрипта с двумя функциями. Метод на мой вкус довольно перспективный, надо пробовать на наших данных.