Fisher判别法在青海湖东地区不同草地类型中的应用

周立业，吴建军

(1.内蒙古民族大学农学院，内蒙古 通辽 028042；2.甘肃农业大学草业学院，甘肃 兰州 730070；3.甘肃省中医学院，甘肃 兰州 730000)

青海湖地区作为青藏高原的重要组成部分，属于全球变化的敏感区和生态系统典型脆弱区[1]，青海湖地区生态环境的变化对中国乃至全球的生态变化都有指示意义[2]，青海湖盆地与相邻的区域，已成为世界最濒危的有蹄类动物之一普氏原羚(Procapraprzewalskii)的唯一栖息地[3]，其中，青海湖东地区是普氏原羚主要栖息地[4]。近百年来，随着全球气候的变化，人口增长，人类活动加剧，使得青海湖地区生态环境不断恶化[5]，也使得普氏原羚种群数量不断减少。作为标志着自然环境变化重要指示意义的植被[6]，环境中比较敏锐的要素之一——植物中微量元素含量也在改变[7]。因此，开展普氏原羚生境地牧草的研究，对湿地和野生动物保护、生态环境建设和畜牧业发展具有十分重要的意义。从20世纪70年代后期，随着人们对畜禽微量元素营养的研究，许多科研工作者对环青海湖地区土壤、牧草及畜体中微量元素也展开了研究。康承伦等[8-9]研究表明，青海湖三角城和河卡种羊场绵羊因采食的牧草中缺乏Se、Cu而导致体内的Se、Cu等微量元素短缺；张才骏等[10]对青海省环湖绵羊放牧地牧草中的微量元素研究发现，牧草中Cu、Zn、Mn含量明显低于正常值，而Mo含量超过正常范围。焦婷等[11]于2005年对青海省三角羊场绵羊采食牧草进行检测，发现夏、秋、冬季采食牧草平均值中Zn处于临界缺乏状态。以上所有研究均是针对土壤、牧草、动物间微量元素的相互关系展开的。据报道[12]，普氏原羚在不同季节对不同草地类型选择不同，以选择芨芨草(Achnatherumsplendens)草地以及食物丰富度高、隐蔽条件好和人类干扰少的地方作为主要采食生境。

Fisher线性判别分析也称典则判别，其基本思想是投影降维，即将原来高维的自变量组合通过投影进行降维[13]。在判别函数中，通过找到最大的判别系数，来说明判别函数对某一指数值的敏感程度，可以根据判别准则(如函数值大于某值)判断未知分类的个体应属于已知分类中哪一类[14]。吴启勋等[15]对青海土族、藏族和回族青年头发中微量元素进行判别分析，指出3个民族的人发中7 种元素含量的综合水平存在着较显著的差别；马威和管竞环[16]对植物类中药42种元素检测后判别分析，结束了几千年来依靠使用“口尝”及“推论”药味的历史，对中药味提出了一个新的定量方法。近年来，随着青海湖地区生态因子的变化，各草地类型的比例也发生了变化，在普氏原羚生境地，原来占很小比例的狼毒草(Stellerachamaejas)逐年增加[17]。而不同草地类型(按优势种划分)牧草，因优势种和建群种不同，根系深浅不一及对微量元素需求不同，存在着长期对环境的一种适应性。本研究通过Fisher法对青海湖东普氏原羚生境地不同草地类型所测定的微量元素进行线性判别，来确定表述草地类型变化的主要微量元素，并在该地区建立不同季节不同草地类型数学模型，为进一步研究湖东地区不同草地类型微量元素变化奠定科学基础。

1 材料与方法

于2007年6月至2008年1月分3季[分别为2007年的夏季(6月20日)、秋季(9月20日)、冬季(12月20日)]在青海湖东地区对普氏原羚生境地牧草类型进行取样，采样时分草地类型分别采集狼毒草地、沙蒿灌丛(Artmisiadesertorum)、冷蒿草地(A.frigida)、马蔺草地(Irislacteal)、芨芨草草地、疏花针茅草地(Stipapenicillata)和沙生针茅草地(S.glareosa)的混合牧草样本，每个草地类型设样方10个，每个样方面积为100 m2，每个样方取5个点，每个点采集草样200 g，每5个点草样混合(约1 000 g)，共70个混合牧草样本。为了减少土壤污染及模拟动物采食，采集离地面1～2 cm以上的部分，捡出杂质，采集草样装袋标记带回试验室后，自然风干备用。采回草样自然风干后，微型高速万能粉碎机粉碎，过0.175 mm细筛，装袋备用，试验时取草样0.5 g左右放入消化管内，加6 mL HNO3和1 mL H2O2(均为优级纯)，消化管壁用少量去离子水冲洗，摇匀,静置10 min，上盖,旋紧，插上导管放入微波炉转盘中。用程序消解，冷却，旋松盖帽，将溶液移入100 mL容量瓶中，并稀释至刻度，做好标记，同时做空白对照，在选定的工作条件下进行测定。用原子荧光光谱法测定Se的含量，用ICP-AES法测定Cu、Fe、Mn、Zn、Mo的含量。对测定结果用费歇尔线性判别分析[18]。

2 数据分析

采用one-way ANOVA比较各草地3个季节6种微量元素，采用SPSS软件逐步多类Fisher判别方法，对各草地3个季节6种微量元素进行分析求得不同季节的线性判别函数，并用SPSS软件做散点分布图。

表1 不同草地微量元素均值(F)的差异显著性检验

3 结果与分析

3.1狼毒草地 狼毒草地上不同元素含量间均表现出显著差异(P<0.05)(表1)。

不同季节的线性判别函数为：

G夏季=284.62XCu+2.039XFe+27.94XMn+6.30XZn+406.13XMo-2 346.19；

G秋季=174.53XCu+0.97XFe+32.45XMn+3.43XZn+288.83XMo-1 660.80；

G冬季=200.50XCu+0.67XFe+14.88XMn+0.49XZn+176.94XMo-748.43。

引入水准为0.10，Se没有被引入判别函数中，若提高引入水准至0.05，则函数中Mo不被引入。

未见散点落入错判区域，而且类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对疏花针茅草地3个季节判断较好，而且尚未见错判，误判率接近0(图1)。

图1 狼毒草地Fisher判别函数值散点图

3.2沙蒿灌丛草地 沙蒿灌丛草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=394.59XCu+4.19XFe+43.78XZn+778.75XMo-2 166.63；

G秋季=403.54XCu+3.15XFe+34.93XZn+553.18XMo-1 652.19；

G冬季=313.98XCu+1.22XFe+19.96XZn+477.22XMo-737.88。

引入水准为0.10，Mn、Se未被引入判别函数。

未见散点落入错判区域，而且类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对疏花针茅草地3个季节判断较好，而且尚未见错判，误判率接近0(图2)。

图2 沙蒿灌丛Fisher判别函数值散点图

3.3冷蒿草地 冷蒿草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=1 895.43XCu+2.64XFe+8.85XMn+7.81XZn-4 834.71；

G秋季=1 997.82XCu+2.02XFe+8.36XMn+1.82XZn-4 881.52；

G冬季=1 664.02XCu+0.83XFe+4.39XMn-4.21XZn-3 068.15。

引入水准为0.10，Mo、 Se未被引入判别函数。

图3 冷蒿草地Fisher判别函数值散点图

夏季有一散点落入秋季错判区域，其余类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对冷蒿草地3个季节判断较好(图3)。

3.4马蔺草地 马蔺草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=659.77XCu+53.89XFe+35.58XMn+23.29XZn+6 336.64XMo-7 327.26；

G秋季=439.69XCu+30.10XFe+27.05XMn+22.22XZn+5 728.30XMo-3 408.84；

G冬季=349.22XCu+22.41XFe+17.34XMn+16.18XZn+4 841.58XMo-1 957.96。

引入水准为0.10， Se未被引入判别函数中。

未见散点落入错判区域，而且类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对马蔺草地3个季节判断较好，而且尚未见错判，误判率接近0(图4)。

图4 马蔺草地Fisher判别函数值散点图

3.5芨芨草草地 芨芨草草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=2 800.14XCu+52.37XFe+51.28XZn+3 486.31XMo-2 508.82XSe-11 529.86；

G秋季=2 441.87XCu+39.76XFe+57.54XZn+8 733.14XMo+119.10XSe-10 163.81；

G冬季=887.27XCu+10.37XFe+19.45XZn+9 188.69XMo+10 326.43XSe-2 870.58。

引入水准为0.10，Mn未被引入判别函数中。

未见散点落入错判区域，而且类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对芨芨草草地3个季节判断较好，而且尚未见错判，误判率接近0(图5)。

图5 芨芨草草地Fisher判别函数值散点图

3.6疏花针茅草地 疏花针茅草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=112.31XCu+17.24XFe+20.99XMn+68.29XZn+16 142.04XMo-5 744.27；

G秋季=93.90XCu+119.09XFe+21.79XMn+59.25XZn+13 709.45XMo-4 890.29；

G冬季=38.90XCu+8.84XFe+11.26XMn+25.55XZn+11 891.52XMo-2 064.18。

引入水准为0.10，Se未被引入判别函数中。

未见散点落入错判区域，而且类均数在判别区域较为集中，表明用5种微量元素建立的判别函数对疏花针茅草地3个季节判断较好，而且尚未见错判，误判率接近0(图6)。

图6 疏花针茅Fisher判别函数值散点图

3.7沙生针茅草地 沙生针茅草地不同元素含量间均表现出显著差异(P<0.05)(表1)。不同季节的线性判别函数为：

G夏季=861.88XCu+41.16XFe+30.95XZn+10 993.37XMo-9 614.30；

G秋季=612.90XCu+37.08XFe+24.40XZn+8 247.89XMo-5 986.52；

G冬季=263.38XCu+24.99XFe+9.89XZn+4 230.29XMo-1 828.97。

引入水准为0.10，Mn、Se未被引入判别函数中。

未见散点落入错判区域，而且类均数在判别区域较为集中，提示用4种微量元素建立的判别函数对沙生针茅草地3个季节判断较好，而且尚未见错判，误判率为0(图7)。

图7 沙生针茅Fisher判别函数值散点图

4 讨论

4.1判别分析方法的选择 对于复杂的多类总体的判别与预报，可供选择的方法有Fisher、Bayes、距离、逻辑判别等方法，Fisher判别是多元逻辑概率判别的典型代表。本研究中的误判率基本为0，主要原因是样本为多元正态分布，分类间存在等协方差，符合Fisher分析法对数据分布、协方差齐次性检验等要求较高之故[19]。

4.2不同草地类型的定量判别 任何草地类型中各物种的种类和存在比例都是对环境变化长期适应的结果。总体上讲，不同草地类型间判别函数中Cu、Fe、Mn、Zn、Mo、Se判别系数存在差异，草地类型在自然和社会等多种因素的影响下，其种类发生着变化，其中影响到草地群落中牧草微量元素的种类及分布。从本研究看，除了冷蒿草地外，判别系数中Mo占的比例最大，从Mo的富集基本可以推测草地类型的变化。从地理、自然生态环境即地域分布来看，植物种群生活史中的数量动态是植物种群生态学研究的基本内容之一[20]，可以设想，随着普氏原羚栖息地生物群落的不断变化，现在确定的判别函数也会改变，可以根据不同草地类型中Mo的改变来断定生物群落的变化。

5 结论

通过Fisher法对不同季节不同草地类型牧草中的6种微量元素进行了定量的判别分析，判别方法准确可靠，可作为与其他地区相同草地类型比较的依据；Mo是该地区主要草地类型(除冷蒿草地外)变化的敏感因素。根据普氏原羚对生境的的选择，可以在退化草地补播芨芨草以增加普氏原羚基本食物和隐蔽场所；在夏季牧草生长季节施用Mo肥，根据试验测定结果在对土壤施Mo时，应注意Cu、Mo之间的比例保持在(6～10)∶1。

[1]俞文正.青海湖地区土地资源可持续利用研究[D].杨凌：西北农林科技大学,2005:24-26.

[2]赵晓玲.青海湖生态现状及影响[J].青海农林科技,2005(3):46-47.

[3]郑杰. 普氏原羚种群现状与保护[J].青海环境,2004,15(2):53-56.

[4]叶润蓉,蔡平,彭敏.普氏原羚的分布和种群数量调查[J].兽类学报,2006(4):373-379.

[5]Wilcox D S,Mclellan C H,Dobson A P.Habitat fragmentation in the temperate zone[J].International Environmental Agreements，2005,5:23-34.

[6]许嘉琳,杨居荣.陆地生态系统中的重金属[M].北京:中国环境科学出版社,1995:238-245.

[7]陈桂琛,彭敏.青海湖地区植被及其分布规律[J].植物生态学与地植物学学报,1993,17(1):71-81.

[8]康承伦,孙维宏,宋瑛.青海省河卡种羊场绵羊体内的矿物元素检测[J].中国兽医科技,1997,27(8):13-14.

[9]康承伦,孙维宏,戴凤菊.青海省三角城种羊场绵羊提内的矿物元素检测[J].中国兽医科技,1997,22(12):13-14.

[10]张才骏,尚海忠,郑喜帮.青海省环湖地区牧草和土壤微量元素含量测定[J].青海畜牧兽医杂志,1997,27(3):2-4.

[11]焦婷,张力,郑中朝. 草场绵羊放牧系统锌的季节变化及盈缺分析[J].家畜生态学报,2005,26(3):37-40.

[12]刘丙万,蒋志刚.普氏原羚生境选择的数量化分析[J].兽类学报,2002,22(1):15-21.

[13]葛和平.Fisher判别在上市公司财务困境中的应用[J].市场周刊,2003,7:27-28.

[14]袁志发,周静芋.多元统计分析[M].北京:科学出版社,2002:216-230.

[15]吴启勋,龙启萍,赵旭升.青海世居土族藏族和回族人发中微量元素的判别分析研究[J].微量元素与健康研究,2008,25(4):6-9.

[16]马威,管竞环.植物类中药辛甘苦味的定量判别研究[J].微量元素与健康研究,2004,21(1):22-24.

[17]王秀磊,李迪强,吴波.青海湖东-克图地区普氏原羚生境适宜性评价[J].生物多样性,2005,13(3):213-220.

[18]胡健颖,冯泰.实用统计学[M].北京:北京大学出版社,2004:210-298.

[19]钟冲，郭强.费歇尔判别法及其应用[J].西南交通大学学报,2008,43(2):136-141.

[20]Harper J L.Population Biology of plants[M].London：Academic press，1977:13-68.