4. Построила кривую доминирования. Для этого выбрала команду Alpha → Abundance Plot → k-Dominance

5. Данную таблицу наполнила в редакторе ms Excel и получила следующую картину

6. Ранжировала наши значения в порядке убывания

7.Добавила столбец между столбцами f и g появляется столбец g и в ячейку g «Накопленное 1», а ячейку j1 назвала «Накопленное 2».

8. В ячейки Е9 и G9 вставила «N». Теперь, для появления и расчѐта частот в ячейку F9 вставила формулу =СУММ(F2:F8), а в ячейку G9 – формулу =СУММ(I2:I8). Появляется число всех особей всех видов в этом местообитании. Теперь в ячейку G2 вставила формулу =(F2/$F$9)*100 и получила цифру. В ячейку G3 вставила формулу =(F3/$F$9)*100+G2, и далее выделив эту ячейку протянула вниз до последнего вида. Получила накопленные частоты. То же самое проделала и с Sample 2.

9. Построили график разрежения. Для построения этого графика выбрала команды Alpha → Rarefaction

10. Расчитаем индекс Бергера-Паркера. Для расчѐта данного индекса вызвала команды Alpha → Diversity Indices → Berger-Parker

11. Рассчитаем индекс Маргалефа. Для расчѐта данного индекса вызвала команды Alpha → Diversity Indices → Margalef.

12. Расчитала индекс Симпсона. Для расчѐта данного индекса вызвала команды Alpha → Diversity Indices → Simpson.

13. Расчитала индекс Макинтоша. Для расчѐта данного индекса вызвала команды Alpha → Diversity Indices → McIntosh.

14. Расчитала индекс Шеннона. Для расчѐта данного индекса вызвала команды Alpha → Diversity Indices → Shannon

15. В настройках программы можно поменять эту опцию, и программа в формуле Шеннона будет использовать натуральный логарифм. Для этого закрыла окно с расчѐтом индекса Шеннона и вызвала команду Tools → Options. После этого открывается диалоговое окно, где выбрала вкладку Indices и отметила маркером Calculate diversity indices using natural logs (base e). и теперь получаем другие значения

16. Для информативности картины кластерного анализа добавила еще две выборки в таблицу данных и заполнила еѐ. Подписала выборки как Sample 3 и Sample 4. Для этого выбрала и выделила последний столбец, нажав правую кнопку мыши и выполнила команды Insert → Samples. заполнила еѐ данными

17. Вывела на экран результаты кластерного анализа. Для этого выполнила команды Multivariate → Cluster Analysis

18. Для того чтобы увидеть матрицу расстояний, по которому программа строила дендрограмму, свернула график и в окне Distance Matrix содержится вся необходимая информация

19. рассчитаем коэффициенты вариации, чтобы установить, какая из выборок варьирует сильнее. Для этого удалила Samples 3 и Samples 4, выделив их, нажав правую кнопку мыши и выполнив команду Delete → Samples.

20. Выбрала команды Comparisons → Descriptive Statistics. Сразу появляется окно результатов Data Description

Домашнее задание

1.

Уиттекер предложил понятия альфа-, бета- и гамма-разнообразия и разделил эти типа разнообразия на две формы:

1) Инвентаризационное разнообразие – оценка разнообразия экосистем разного масштаба как единого целого;

2) Дифференцирующее биоразнообразие – оценка разнообразия между экосистемами

2.

Анализ α-разнообразия может быть проведѐн графически или путѐм вычисления информационных индексов биологического разнообразия.

1)График ранг/обилие

2)График «разломанный стержень»

3)Кривые разрежения (rarefaction).

3.

1. Индекс видового разнообразия Маргалефа

2. Индекс доминирования Бергера-Паркера

3. Индекс Симпсона

4. Индекс разнообразия Макинтоша

5. Индекс Шеннона

4.

Бета разнообразие характеризует степень различий или сходства ряда местообитаний или выборок с точки зрения их видового состава, иногда и обилия видов. Один из общих подходов к установлению β-разнообразия – оценка видоизменений видового разнообразия вдоль средового градиента. Другой путь его определения – сравнение видового состава различных сообществ. Чем меньше общих видов в сообществах или в разных точках градиента, тем выше бета-разнообразие.

5.

Процедуры такого оценивания выполняются на основе преобразования матриц, каждый элемент которой – это показатель сходства между двумя выборками.

Меры сходства между двумя взятыми из одной экосистемы площадок с определѐнным видовым обилием.

6.

Обилие вида относится к общему количеству особей данного вида в сообществе или экосистеме. Оно может быть измерено как количество особей на единицу площади или объема, или как биомасса вида. Обилие вида указывает на его численность и распространенность в данной среде обитания.

Видовое богатство относится к количеству различных видов в сообществе или экосистеме. Оно отражает разнообразие видов и может быть измерено как общее количество видов, присутствующих в данной области. Видовое богатство дает представление о разнообразии и устойчивости сообщества.

Разница между обилием вида и видовым богатством:

Единицы измерения: Обилие измеряется в количестве особей или биомассе, тогда как видовое богатство измеряется в количестве видов. Масштаб: Обилие может варьироваться в зависимости от времени и пространства, тогда как видовое богатство обычно рассматривается как более стабильная характеристика сообщества.

Экологическое значение: Высокое обилие вида может указывать на его успешность и адаптацию к среде обитания, в то время как высокое видовое богатство указывает на здоровую и устойчивую экосистему.

Для понимания состояния сообщества важно учитывать как обилие видов, так и видовое богатство. Например, сообщество с высоким видовым богатством, но низким обилием видов может быть уязвимым для изменений в окружающей среде, а сообщество с высоким обилием доминирующих видов может иметь сниженную устойчивость.

7.

Отзыв на статью Г.С. Розенберга «Информационный индекс и разнообразие: Больцман, Котельников, Шеннон, Уивер…»

В своей статье Г.С. Розенберг рассматривает взаимосвязь между информационным индексом и понятием биологического разнообразия. Автор исследует историческую связь между работами Л. Больцмана, А.Н. Котельникова, К. Шеннона и У. Уивера, которые внесли значительный вклад в развитие теории информации и ее применение к биологическим системам.

Розенберг демонстрирует, как информационный индекс, разработанный Шенноном, может быть использован для количественной оценки разнообразия видов в сообществе. Индекс Шеннона учитывает как богатство видов, так и равномерность их распределения, что позволяет получить более полное представление о сложности экосистемы.

Статья Розенберга хорошо написана и предоставляет подробный обзор истории и применения информационного индекса в экологии. Она подчеркивает важность количественных методов для понимания биологического разнообразия и его сохранения.Единственным незначительным недостатком статьи является ее узкая направленность, поскольку она в основном сосредоточена на информационном индексе Шеннона и не рассматривает другие индексы разнообразия, которые также были разработаны и используются в экологии.

В целом, статья Г.С. Розенберга «Информационный индекс и разнообразие: Больцман, Котельников, Шеннон, Уивер…» является ценным вкладом в литературу по экологии и информатике. Она проливает свет на историческое развитие информационного индекса и его значение для количественной оценки биологического разнообразия.

8.

А)

Mentha piperita - мята перечная

Trifolium pratense - Клевер луговой

Fragaria vesca -Земляника лесная

Thlaspi arvense - Ярутка полевая

Dryopteris filix–mas - Щито́вник мужско́й

Оxalis acetosella - Кислица обыкновенная

Stellaria graminea - Звездча́тка зла́ковая

Viola tricolor - Фиа́лка трёхцве́тная, или Аню́тины гла́зки

Vicia cracca - Горо́шек мыши́ный

Urtica dioic - Крапива двудомная

Б)

• кривая разнообразия

выравненность видов больше в 2, так как график не так изломан, как у остальных.

• кривая доминирования

Доминирует 5

• график разрежения

По графику видно, что выборка 1 лежит выше, а значит еѐ видовое богатство, а значит и биоразнообразие, больше.

• Индекс Бергера-Паркера

количество доминирующих видов во втором местообитании больше, что и говорит о меньшем биоразнообразии по сравнению с другими.

• Индекс Маргалефа

Показатель индекса Маргалефа выше у 5, что говорит о том, что видовое разнообразие там больше.

• Индекс Симпсона

видовое разнообразие больше у 2, так как индекс D у неѐ меньше (и наоборот, индекс 1/D у неѐ больше).

• Индекс Макинтоша

индекс разнообразия (D) Макинтоша больше у 5, биоразнообразие больше.

• Индекс Шеннона

Она больше у 2, поэтому биоразнообразие и выравненность больше у нее.

В)

Результаты кластеризации показывают, что наиболее близкими между собой по параметру биоразнообразия являются выборки 2 и 6, так как они объединены в один кластер на параметре похожести > 50. И наоборот, самым отдалѐнным является 4, который находится на параметре похожести около 35 (визуально).

Г) рассчитаем коэффициенты вариации, чтобы установить, какая из выборок варьирует сильнее.

Подсчитав этот показатель, выясним, что для 7 он составляет 700,267%, а для второй – 19,778%.То, что вариация у 7 выборки больше говорит о том, что выравненность и разнообразие у неѐ меньше, чем у 2. Таким образом, оценивать видовое разнообразие можно грубо с помощью классических статистических методов, однако более уверенные данные дают именно индексы разнообразия.