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--結果與討論-2 - 農業知識入口網

隨著分類解析度越粗糙（較高分類階層），較低分類單元將受到整併，而喪失較細分類解析度所能詮釋的訊息（Marshall et al., 2006; Jones, 2008）。Marshall等人（2006）提出，在強調解析度的適用性時，須注意（1）試驗地點的代表性。（2）能真實反映生物樣本間的相似性關係。（3）採用種以上層級進行研究時，必須避免忽略瀕危分類群滅絕的風險評估。Jones（2008）歸納溪流群集研究提出實務上進行生物評估選取分類解析度的七點建議：（1）盡可能預設為種之層級。（2）盡可能將分類未明確之分類群以形態種作區分。（3）若存在已知分類解析度的適用極限或其他需求限制，則應以之作為取捨時的最優先考量。（4）跨解析度混合資料時，應避免低估內含高度物種變異之分類群。（5）整合不同研究者資料時，應避免鑑定誤差。（6）持續累積基礎生物研究，避免例如幼齡個體被誤判等。（7）採用流通性高的分類檢索表。相較於指出一最佳的分類解析度，多數研究盡可能的去找出隨著議題的特殊性，生物群集資料所能詮釋的分類解析度適用性極限。儘管如此，已有許多研究環節被證實可能會影響不同解析度資料的表現變化（Lasiak, 2003; Jones, 2008）。Jones（2008）認為分類解析度的變化與適用性取決於許多彼此交互相關的因子，包含：（1）定域內所能供養的物種數。（2）物種在不同分類階層的分布情形（3）近緣物種之功能組成相似性（4）研究的涵蓋範圍。（5）採樣的方式（6）生態影響因子的類型與衝擊程度。研究者進行這些資料判讀時應避免過度不必要之詮釋。
圖五、各功能群的優勢集中性指數（I）於不同分類解析度之變化
表一、功能群優勢集中指數與平均每一分類單元所具之功能數