数量生态学 R语言的应用PDF|Epub|txt|kindle电子书版本网盘下载

数量生态学 R语言的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　绪论1

1.1 为什么需要数量生态学？1

1.2　为什么用R？2

1.3　本书的读者群和结构2

1.4　如何使用本书3

1.5　数据集4

1.5.1 Doubs鱼类数据集4

1.5.2　甲螨数据集5

1.6　关于R帮助资源的提醒6

1.7　现在是时候了7

第2章　探索性数据分析8

2.1 目标8

2.2　数据探索8

2.2.1　数据提取8

2.2.2　物种数据：第一次接触9

2.2.3　物种数据：进一步分析10

2.2.4　物种数据转化16

2.2.5　环境数据22

2.3　小结27

第3章　关联测度与矩阵28

3.1 目标28

3.2　关联测度的主要类别（简短概述）28

3.2.1　Q模式和R模式29

3.2.2　Q模式下对称或非对称的系数：双零问题29

3.2.3　定性或定量数据的关联测度30

3.2.4　概括30

3.3 Q模式：计算对象之间的距离矩阵30

3.3.1 Q模式：定量的物种数据31

3.3.2　Q模式：二元（有-无）物种数据33

3.3.3　Q模式：定量数据（除物种多度数据外的数据）37

3.3.4　Q模式：二元数据（除物种有-无数据外的数据）39

3.3.5 Q模式：混合类型、包括分类（定性多级）变量40

3.4　R模式：计算变量之间的依赖矩阵42

3.4.1 R模式：物种多度数据42

3.4.2　R模式：物种有-无数据43

3.4.3 R模式：定量和序数数据（除物种多度外的数据）43

3.4.4　R模式：二元数据（除物种多度外的数据）45

3.5　物种数据的预转化45

3.6　小结46

第4章　聚类分析48

4.1 目标48

4.2　聚类概述48

4.3　基于连接的层次聚类50

4.3.1　单连接聚合聚类50

4.3.2　完全连接聚合聚类52

4.4　平均聚合聚类53

4.5　Ward最小方差聚类55

4.6　灵活聚类56

4.7　解读和比较层次聚类结果56

4.7.1 引言56

4.7.2　同表型相关57

4.7.3 寻找可解读的聚类簇60

4.8　非层次聚类73

4.8.1　k-均值划分74

4.8.2　围绕中心点划分（PAM）76

4.9　用环境数据进行比较80

4.9.1 用外部数据进行类型比较（方差分析途径）80

4.9.2　双类型比较（列联表分析）82

4.10　物种集合83

4.10.1　组内数据简单统计83

4.10.2 Kendall共性系数（W）84

4.10.3　基于有-无数据的物种集合87

4.10.4　IndVal：物种指示值88

4.11 多元回归树：约束聚类90

4.11.1 引言90

4.11.2　计算（原理）90

4.11.3 使用mvpart和MVPARTwrap程序包运行MRT92

4.11.4 组合MRT和IndVal96

4.11.5　作为时序型（chronological）聚类方法的MRT97

4.12　另类途径：模糊聚类99

4.12.1 使用cluster程序包内fanny（）函数进行c-均值模糊聚类99

4.13　小结103

第5章　非约束排序104

5.1 目标104

5.2　排序概述104

5.2.1 多维空间104

5.2.2　降维空间内的排序105

5.3 主成分分析（PCA）106

5.3.1　概述106

5.3.2　使用rda（）函数对Doubs环境数据进行PCA分析107

5.3.3　转化后的物种数据PCA分析116

5.3.4　PCA应用领域117

5.3.5 使用 PCA（）函数进行PCA分析118

5.4　对应分析（CA）118

5.4.1 引言118

5.4 2 使用vegan包里的cca（）函数进行CA分析119

5.4.3　使用CA（）函数进行对应分析123

5.4.4　弓形效应和去趋势对应分析（DCA）124

5.4.5 多重对应分析（MCA）125

5.5 主坐标分析（PCoA）125

5.5.1 引言125

5.5.2 利用cmdscale包和vegan包对Doubs数据进行PCoA分析126

5.5.3 使用 pcoa（）函数对Doubs数据进行PCoA分析128

5.6 非度量多维尺度分析（NMDS）130

5.6.1 引言130

5.6.2 鱼类数据NMDS分析131

5.7　手写排序函数134

第6章　典范排序137

6.1 目标137

6.2　典范排序概述137

6.3　冗余分析（RDA）138

6.3.1 引言138

6.3.2　Doubs数据集RDA分析139

6.3.3　手写RDA函数174

6.4　典范对应分析（CCA）177

6.4.1 引言177

6.4.2　Doubs数据集CCA分析178

6.5　线性判别式分析（LDA）185

6.5.1　引言185

6.5.2　使用lda（）函数进行判别式分析185

6.6　其他非对称分析188

6.7　两个（或多个）数据集的对称分析188

6.8　典范相关分析（CCorA）189

6.8.1 引言189

6.8.2　使用CCorA函数进行典范相关分析189

6.9　协惯量分析（CoIA）191

6.9.1 引言191

6.9.2　使用ade4包进行协惯量分析192

6.10 多元因子分析（MFA）195

6.10.1 引言195

6.10.2　使用FactoMineR进行多元因子分析196

6.11 小结200

第7章　生态学数据空间分析202

7.1 目标202

7.2　空间结构和空间分析：简短概述202

7.2.1 引言202

7.2.2　诱导性空间依赖和空间自相关203

7.2.3　空间尺度204

7.2.4　空间异质性205

7.2.5　空间相关或自相关函数和空间相关图206

7.2.6　空间相关检验的条件210

7.2.7　模拟空间结构211

7.3　多元趋势面分析211

7.3.1　引言211

7.3.2　练习趋势面分析212

7.4　基于特征根的空间变量和空间建模216

7.4.1 引言216

7.4.2　基于距离的经典MEM（之前被称为PCNM）216

7.4.3　更广泛的MEM：除地理距离外的权重234

7.4.4　应该使用正空间相关还是负空间相关？248

7.4.5　具有方向性的非对称特征向量图（AEM）248

7.5 另外一种了解空间结构的途径：多尺度排序254

7.5.1 原理254

7.5.2　甲螨数据多尺度排序：探索性方法254

7.5.3　去趋势甲螨物种和环境数据多尺度排序257

7.6　小结260

参考文献261

索引270