以稻田無脊椎動物群集結構與功能性動態初探分類解析度於生物監測的適用性--材料與方法-2 - 農業知識入口網

三、功能群分類解析度之動態分析
採樣之樣本鑑定至種之層級，如遇分類地位不明確之分類樣本，則以形態進行區分（Morpho-taxon units），統計包含綱、目、科、屬、種之不同分類階層之數量。自野外取得調查之群集資料後（資料矩陣）需將這些群集資料建檔，並依分類解析度（矩陣直欄欄位表特定分類群）的粗細區分成不同的分類階層群集資料及對應各樣本（矩陣橫列列位為各採樣單一資料點，Sampling unit as Sites），分類解析度包括從粗糙的綱階層到最細緻的種以及依照功能性所區分的功能群動態與各樣本形成生物群集資料（圖一）。進行多變量分析前，生物資料統一進行開平方之處理（Lasiak 2003），以Primer 6（Clarke and Gorley, 2006）軟體透過Bray-Curtis similarity的計算與轉換形成群集相似性矩陣（圖二）。並以RELATE程序呈現不同分類解析度所形成之生物相似性矩陣間的斯彼爾曼相關性（Spearman），並透過NMDS呈現樣本動態，再以ANOSIM檢測期作、農法等兩因子是否造成群集結構顯著分群（圖三），樣本間平均相似性距離（Average Dissimilarity）則以SIMPER程序進行計算。
四、功能群之優勢集中性指數計算
優勢集中性指數（Dominant Intensity），其值介於0到1之間，值越高代表優勢物種在群集內所佔比例越高（Simpson, 1949; Odum, 1983），本研究計各功能群內各分類單位之所佔比例並計算優勢集中性指數（I），計算方式為I =Σ(ni/N)²；ni為該功能群內特定分類單元所占之豐量，N為該功能群內所有分類群之總豐量。利用優勢集中性指標觀察同功群內總豐量於不同分類群間的分布。
圖一、流程一需將不同分類解析度的生物群集資料建檔，分類階層越高，分類解析度越低（資料來源：本研究繪製）
圖二、流程二以不同分類階層生物群集資料形成相似性矩陣（資料來源：本研究繪製）
圖三、流程三以多變量工具計算不同分類解析度：3-1.相似性矩陣間的相關性；3-2.環境影響因子之分群檢測（資料來源：本研究繪製）