基于廣義線性模型的森林植物多樣性估測的研究.pdf

1、本文在系統(tǒng)分析國內外生物多樣性理論發(fā)展的基礎上，總結了具有代表性的生物多樣性度量模型和預測模型，評述了生物多樣性的概念和多種生物多樣性指數的適用性，并詳細地論述了廣義線性模型建模的基本原理以及實現(xiàn)的方法，結合我國東北林區(qū)的實際情況，構造了關于森林植物多樣性的聯(lián)立方程組模型。以下是本文的一些主要觀點和結論:
　　首先，探索生物物種的豐富度和多樣性是近幾十年來生態(tài)學的核心問題，生物多樣性的度量，仍將是今后生物多樣性研究中一個非常重要的

2、研究領域。由于生物多樣性的定義有多達12種以上的不同解釋，產生了眾多的概念和評價方法，這勢必造成諸多混亂和不便。從研究的實際出發(fā)，一個好的定義，不僅要包含物種數目，而且還要包括絕對多度或相對多度，加強在這方面的理解對今后生物多樣性的度量和估測尤為必要。
　　其次，本文綜述了生物多樣性及其度量方面的大量研究資料，經綜合分析認為，生物多樣性研究一般分為四個層次或水平。其中包括基因多樣性、物種多樣性、生態(tài)系統(tǒng)多樣性和景觀多樣性。在尺度研

3、究上，多樣性指數可分為三個大類:α多樣性指數、β多樣性指數和γ多樣性指數。α多樣性指數是指一定區(qū)域內生物群落的物種豐富度，是以物種數目的多寡進行測量的。本文主要集中研究生物物種多樣性，它通常用作一個群落的多樣性指數，有著豐富的內涵，其中包括物種豐富度、均勻度、優(yōu)勢度、稀有度、相對物種多度等。一定區(qū)域生物群落多樣性的測定是從物種豐富度開始，這也構成了許多生態(tài)模型的研究基礎。
　　第三，本研究數據來自我國東北林區(qū)幾個林業(yè)局調查的標準地

4、資料。為了模型的有效性驗證（本文采用交叉驗證），把一個大的樣本數據集分成幾個數據子集:①一個數據子集(205塊)用作數據分析與建模，②其它的子集(98+64=162塊)被保留下來，稱為驗證或檢驗子集，隨后作為模型的有效性驗證和檢驗用。
　　調查因子主要包括優(yōu)勢樹種或樹種組、起源、胸徑、樹高及株數，此外還在每個標準地中又設置了1個5m×5m樣方調查灌木層、4個2m×2m樣方調查草本層。本文用不同的方法對森林群落水平的調查數據進行了研

5、究。用各種多樣性指數公式計算了主要群落內喬木層、灌木層和草本層的物種多樣性，特別地分析了相對物種多度分布。在相對多度研究上選用了九種概率分布模型，這九種概率密度分布函數依次為:貝塔分布、Weibull分布、對數正態(tài)分布、泊松分布、二項分布、負二項分布、幾何分布、對數分布和奈曼A型分布，并進行了嚴格的卡方檢驗，結果表明:其它八種分布均被遭到拒絕，只有貝塔分布獲得了通過，且擬合的結果非常理想。因此在這套數據集中用它來描述森林群落的相對多度非

6、常合適。
　　第四，本文定義了擬最大物種數的概念。估計物種豐富度是生物多樣性研究領域中的一個基本目標，由于物種豐富度作為對生物多樣性十分敏感的指數，它通常是總體物種數的偏小估計，從而造成生物多樣性指數是一個偏序集。在一個有限的樣本中，如何能夠估計最大物種數，這是一個有待解決的問題。在一些可獲得的方法中，刀切法和自助估計法可以彌補物種數估計偏小的問題，原因在于刀切法和自助估計法比其它估計方法在估計變量時能夠最大程度地減少偏差。此法利

7、用模擬和再抽樣技術可獲得最接近總體的物種數。
　　最后，也是本文的重點，主要集中在生物多樣性廣義線性模型的建模研究上。雖然回歸分析及模型預測技術在生物多樣性度量模型中獲得了越來越多的應用，但是系統(tǒng)性地應用新的統(tǒng)計技術仍十分有限。應用現(xiàn)代回歸分析方法研究物種或群落的生物多樣性模型是非常有益的。以下是模型實現(xiàn)的一般過程。
　　廣義線性模型是線性模型的擴展，對數據的要求不必局限于服從正態(tài)分布，同時放松了對“方差一致性”的要求，這在

8、傳統(tǒng)的一般線性模型假設檢驗中是必不可少的，而在廣義線性模型假設檢驗中，響應變量也可以服從其它分布（如:泊松分布，二項分布及多項分布等）。例如:一些不服從正態(tài)分布的計算數據卻在廣義線性模型的背景下，作為服從泊松分布的隨機變量，卻能夠獲得合適的分析結果。
　　本文通過實例由淺入深地描述了森林群落多樣性廣義線性模型的建模過程。在似乎不相關模型的基礎上，分析了森林植物多樣性模型方程中相互依賴關系，引入三個內生變量Y1（喬木層多樣性指數）、

9、Y2（灌木層多樣性指數）、Y3（草本層多樣性指數），同時引入三個外生變量X1（優(yōu)勢林分）、X2（起源）和X3（齡組），則聯(lián)立方程組模型用矩陣方程表示為:YB+xΓ=ε（其中，B和Γ是兩個結構參數矩陣，ε是一個不可觀察的殘差矩陣）。根據方程中隱含的參數間約束條件，生成線性限制方程HA=L，這是多樣性聯(lián)立方程組模型求解必不可少的條件。雖然，普通最小二乘法(OLS)在單個方程參數的估計中被廣泛應用，但是，如果用普通最小二乘法單獨去估計每一個方

10、程的參數而不考慮方程組中的其他方程時，勢必忽略方程組間的相關關系，用此方法估計的參數不但有偏，而且是非一致的。在大多數情況下，生物多樣性指數聯(lián)立方程組模型間存在著相互依存關系，結構方程中的誤差項也存在著依賴關系，這就要求探索其它的途徑，選擇合適的估計方法對聯(lián)立方程組模型參數進行估計，比較實用的有廣義最小二乘法、二步最小二乘法和三步最小二乘法。特別是，三步最小二乘法綜合了各種限制因子和結構方程估計的優(yōu)點，或將成為一種很有前途的估計方法。最