nB nAB
DCB
例：对下列样方进行聚类分析
2 5 2 1 0 3
X 0
1
4
3
1
2

3 4 1 0 0 2
① 计算个样方间的欧氏距离矩阵：
12 3 4 5 6
0 3.317 4.472 4.359 3.742 2.449

0
5.196 6.000 6.403 3.000
用样方数据去分割环境因素的集合，结果会分成若干 环境梯度，反映不同环境之间的组合关系。
以样方数据分割出的种组与环境梯度进行比较，可能 找到种组与环境因素的关系，这样的种组被称为生态 种组。
群落的数量分类－方法
多元分析技术的一般特点 不需要随机取样，不涉及显著性检验。
多元分析方法是施于原始数据集合的一套处理规则， 从而揭示属性之间、实体之间以及属性和实体之间 的复杂关系。方法本身不依赖于对实体和属性具体 内容的解释，因而可用于多学科。
()
Δ()
,
△() △()＝ 最大，故可将种或种做为临界种。若按种来分， 可分成(Ⅰ){}和（）＝ {}两个组。
由于()> （） >(Ⅰ) ，故应分化组() ＝ {} 。
(i 1,2,, p)
对个种求和得到样方组对所有种的信息量：
p
p
I(A )Ii(A ) pln n n [a ila n i (n a i)ln a ( i)]
1
i 1
① 若中只有一个样方，()
② 若中有两个样方， 即＝，对于两个样方同时存在的个种，有 ＝，＝；对于只在其中一样方存在的个种，有 ＝， ＝；对于 两样方均不存在的个种．有 ＝， ，于是有：
(4.4162.72)53.571 2
同理可算
D51" 3.742D21" 3.159
得到新的距离矩阵：
1" 2 3' 5
0 3.159 3.571 3.742

0
5.598 6.403

0 2.989

0

④ 最小距离‘，故第三次将样方组’和样方合并为包含 三个样方的组'"。
同理可按其他种分别计算信息减量，结果列出下表：
第一次分划预算表 总信息量 临界种 ()组样方号 ()组样方号 ()
()
Δ()
△()最大，故种是临界种，第二次将个样方分成(Ⅵ){}和（） ＝ {}两个组。
由于(Ⅵ)>（）＝ ，故应分化组(Ⅵ) 。 第二次分划预算表 总信息量
临界种 ()组样方号 ()组样方号 ()
群系：主要的中级分类单位。建群种或共建种相同的 植物群落联合。如兴安落叶松群系、羊草群系等。
群丛：基本单位。层片结构相同，各层片优势种或共 优势种相同的植物群落联合。
植被分类单位
植被型组：最高的分类单位。建群种生活型相近因而 群落外貌相似的植物群落联合。如：针叶林、阔叶林、 草地、荒漠等。
DAB

1 nAnB
Djk
jA
kB
假设与合并成组，为另一样方组，则与组之间的
距离（＋）为：
DC(AB)
1 nCnAB
jC
Djk

1 nCnAB
[
jC
njl

jC
Djk]
kAB
lA
kB

1 nCnAB
(nCnADCA
nCnBDCB)

nA nAB
DCA
竹林、常绿针叶灌丛、常绿草叶灌丛、落叶阔叶灌丛、
灌草丛、草原、稀树干草原、荒漠、肉质刺灌丛、高
山冻原、高山垫状植被、高山流石滩稀疏植被、草甸、
法瑞学派的群落分类
植物区系－结构分类系统，被称为群落分类中的归并 法，以植物区系为基础。
群丛门 群丛纲 群丛目 群丛属 群丛 亚群丛 群丛变型 亚群丛变型 群丛相
多状态数据
()＝()＝ ()＝()
＝× ×
样方 种
＝
()? ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝ ()＝× × ×
＝
△()＝＝
数量分类方法介绍
（）组平均法（平均联结法）

样方组与之间的距离定义为：
植被型、多个群系，群丛则不计其数。个植被型组为：
针叶林、阔叶林、灌草和灌草丛、草原和稀树干草原、
荒漠（包括肉质刺灌丛）、冻原、高山稀树植被、草
甸、沼泽、水生植被。个植被型为：寒温性针叶林、
温性针叶林、温性针阔叶混交林、暖温性针叶林、落
叶阔叶林、常绿落叶阔叶混交林、常绿阔叶林、硬叶
常绿阔叶林、季雨林、雨林、珊瑚岛常绿林、红树林、
中国的植物群落分类系统
植被型组：如草地 植被型：如温带草原 （植被亚型）：如典型草原 群系组：如根茎禾草草原 群系：如羊草草原 （亚群系）：如羊草＋丛生禾草草原 群丛组：如羊草＋大针茅草原 群丛：如羊草＋大针茅＋柴胡草原 亚群丛
植被分类单位
植被型：最主要的高级分类单位。建群种生活型相同 或相似，同时对水热条件的生态关系一致的植物群落 联合。如寒温性针叶林、夏绿阔叶林、温带草原、热 带荒漠等。
D 1'' 3 '''

2 3
D 1''3 '

1 3
D1''5
2 3.571 1 3.742 3.628
3
3
D 23 '''

2 3
D 23'
1 3
D 25
2 5.598 1 6.403 5.866
3
3
得到新的距离矩阵：
1" 2 3'"
0 3.159 3.628
d12 637.937 同理可 d13得 37 .： 82;d92336
（）相关系数
N
rhi
(XhjXh)(Xij Xi)
j1

SShi
N
(XhjXh)2(Xij Xi)2
SShhSSii
j1
样方 种
① 离差标准化，得到如下矩阵：
0 3 0 1 2 1.8 0.8 2.2 1.2 0.8 1.4 2.4 0.6 1.6 1.6
群丛组：片层结构相似，而且优势层片与次优势层片 的优势种及共优势种相同的植物群落联合。如在羊草 丛生禾草亚群系中，羊草大针茅草原和羊草丛生小禾 草（糙隐子草、草）就是两个不同的群丛组。
植被分类单位
亚群丛：反映群丛内部在区系成分、层片配置、动态 变化等方面出现的若干微细变化。

根据上述系统，中国植被分为个植被型组、个
生物群落的分类 生物群落的排序
中国的植物群落分类 法瑞学派的群落分类 美国的群落分类 群落的数量分类 群落排序的概念 间接梯度分析 直接梯度分析
中国的植物群落分类
中国植物群落分类原则 以群落本身的综合 特征作为分类依据
中国植物分类系统单位 分类单位分三级： 植被型（高级单位）、群系（中级单位）和 群丛（基本单位）。每一等级的上下再设一 个辅助单位和补充单位。
（）信息系数
p
I N qi loga qi i1
可取和，对应单位分别为，和。为概率。
二元数据
样方 种
种在样方中的信息量：
Ii
(A)
n(ai n
lnai n
nai n
lnnai n
)
ai(lnnlnai)(nai)[lnnln(nai)]
nlnnai lnai (nai)ln(nai)
得到新的距离矩阵：
1 2 3' 5 6
0 3.317 4.416 3.742 2.449

0
5.598 6.403 3.000

0 2.989 2.725

0
3.742


0
③最小距离，故第二次将样方和合并为包含两个样方 的组"。
11 1
D3'1'
2D3'12D3'6

0 1.732 3.742 2.449

0
2.236
3.000


0 3.742



0
② 最小距离，将样方和合并为包含两个样方的组'。
D13' 12D1312D1412(4.4724.35)94.416 同理可算
D23' 5.598D53' 2.989D63' 2.725
② 求内积：
14 2 12 2 10.8 6.4 12 6.4 13.2
③ 求相关系数
r12SS12/ SS11SS222/ 1410.80.163 r1312/ 1413.20.883 r23(6.4)/ 10.813.20.536
I(i j) p 2 ln 2 a (2 ln 2 ) (b c ) 0 d (2 ln 2 ) (p a d )2 ln 2 2 (b c )ln 2
I(A)I(12)23ln24.1589
样方
I(B)I(34)23ln24.158种9

0
5.866


0
⑤ 最小距离“，故第四次将样方组”和样方合并为包含 个样方的组''"。
2
1
D3'''1''" 3D3'''1'' 3D3'''2