森林群落相似性系数计算的一种新方法探究

丁增发

（安徽省林业科学研究院，合肥 230031）

在森林群落学研究中，常采用设置固定样地的方法，调查森林群落的乔木、灌木、草本及地被物等因子，进而研究植被类型及生物多样性等。为了避免样地选择的偏差，经常是在设置大量调查样地的基础上，将相近或相似的森林群落类型归并，得出比较接近于客观事实的研究结果。

本文要讨论的，就是相似群落类型归并的问题，目前国内、国际上使用最为广泛的便是Jaccard相似系数，具体计算方式为：

式中：a表示两样地共有种；b表示一个样地有，而另一个样地没有的种；c表示一个样地没有，而另一个样地有的种，与b相对立。

但是，笔者在实际运用过程中，却发现这种计算方式所得的结果，难以将客观上很相似的群落归并，这就迫切需要我们采用一种更加符合客观实际的计算方法来优化它。

1 研究方法

Jaccard相似系数，只考虑到不同群落或样地中物种的重合程度，却忽略了群落中不同物种的数量多少问题，即森林群落中普遍存在的“优势种”与“稀有种”的差别。所以，亟待重建一种全新的计算方法，来解决相似森林群落类型的归并问题。

众所周知，某种群落类型或者某块样地中，最能够反映物种数量差异的便是“相对多度”，有时也称作“相对密度”，其计算方法如下：

因此，如果能够采用一种建立在“物种相对多度”基础上的全新计算方法，将可能更加客观地反映真实的森林群落相似程度。

2 研究结果

建立在物种“相对多度”基础上的计算方法：

式中：RDai为a样地中第i种的相对多度，RDbi为b样地中第i种的相对多度，第i种为a、b样地中的共有种，s为a、b样地中的共有物种数。

如果将第i种的相对多度以符号形式表达如下：

式中：ni为第i种的个体数，N为样地中的总个体数。

然后再将以上两个公式合并，并采用“相似性系数”的英文表达“Similarity Index”的首字母为公式命名，便可以得出更为直观的计算方式：

此式中：ni为a样地中第i种的个体数，N为a样地中总的个体数；mi为b样地中第i种的个体数，M为b样地中总的个体数；第i种为a、b样地中的共有种，s为a、b样地中的共有物种数。

公式本身，不仅考虑到了不同样地中的相同物种数，而且还细化到了相同物种的个体数量，其计算过程可以很自然地弱化群落中的“稀有种类”，计算结果的数值在0～1，可比性、实用性极强。初步确定，计算结果在0.75以上，即可认为两种群落类型相似；达到0.80以上，即可认为两种群落类型高度相似。

3 实践检验

笔者在最近一段时间撰写的论文《皖南山区部分森林植被类型及群落物种多样性研究》一文中，采用了Jaccard相似性系数计算了10块天然次生林样地的群落相似性，结果却发现：不但数值普遍偏低，而且根本无法据此将本来很相似的群落类型归并，即使是相距不远、立地条件很相似、主要树种几乎相同的两块样地，也无法归并。迫不得已，笔者才引入了“最主要组成种的相似程度”的概念进行定性描述，才勉强将部分群落类型归并。后来，经过一段时间的思考，试着将相同物种的个体数量引入Jaccard公式，但是仍觉得不够完美，不能摆脱现状，便不能够有创新。

再后来，便大胆尝试，只考虑a、b样地中相同物种的个体数总和，然后取平均值，是否可行？为此，笔者应用这种计算方式，将安徽省九龙峰自然保护区的那10块天然次生林样地的调查数据重新计算一遍，得到了非常良好的结果，个人认为其区分度和可信度要远远高于“Jaccard相似性系数”，计算结果见表1。

表1 九龙峰10块天然次生林样地群落相似性计算结果

结果表明，不同样地的群落相似程度，与其生境的相似程度几乎完全吻合，尤其是与海拔高度的相关性几乎是达到了极显著水平。比如，9号样地与4号、7号的群落相似度较高，但4号与7号的群落相似度却较低，初步判断可能是由于9号的立地条件位于4号与7号之间，再对比原始记录数据，果然发现9号样地的海拔高度正好位于4号与7号的中间位置。

同时，群落的相似程度与样地间距离的远近也具有一定的相关性。比如，位于山脊或海拔较高处的10、11、12号样地，与其他样地的群落相似性值均低，距离较近的11、12号具有较高的相似度，10号与11号相似度居中，距离较远的10号与12号的相似性就要低得多。

另外，综合来看，处于立地条件中等位置的9号样地与几乎所有的样地相似度都较高，而孤立于远处的13号样地与其他所有样地的相似度都低。样地分布见图1。

图1 用于检验公式的10块天然次生林样地分布图（4～13号）

表1和图1还可以准确地反映出森林生境条件的复杂性。决定森林群落树种组成的因子，不仅有海拔高度，还包括水分条件、坡向等。立地条件的细微差别，都能够从这张数据表中很准确地反映出来，更加有力地证明了这种“群落相似性比较方法”的科学性。

4 结论与讨论

4.1 公式的适用范围及使用规则

该公式适用于天然林或天然次生林，却不适用于树种高度单一的人工林；需要在同等条件下才能比较，即a、b样地的面积要相等，避免出现“包含”与“被包含”的关系；计算结果的数值要保留到小数点后三位，以精确比较不同样地间的细微差异；在归并森林群落类型时，建议将相似系数标准定为0.75以上。

4.2 公式的区分度和可信度

从以上表格中的数值分布可以看出：除13号样地外，比较集中的9块样地，其相似性系数值在0.226～0.867均匀分布，呈现出了良好的区分度；其数值与立地条件，尤其是与海拔高度呈现出了极大的相关性，这与森林群落的“垂直地带性”分布规律完全吻合。

4.3 天然林群落渐变特征

天然条件下形成的森林群落，其种类组成随着环境梯度的变化，是“渐变”的，而不是“突变”的。我们在人为划分或归并群落类型时，总不免带有或多或少的主观因素，这取决于我们的自身需求。这种计算方式的提出，是为了客观地反映自然规律，是否可应用于其他领域，还有待于时间验证。

（致谢：感谢所有参与安徽省黄山森林生态系统定位研究站九龙峰自然保护区标准样地外业调查的工作人员！）

[1]阳含熙.相似系数的探讨[J]．资源科学（原自然资源）[J].1980(1)：20-31.

[2]王兴华.关于群落的相似系数[J]．杭州大学学报，1987，14（3）：259-264.

[3]张磊，谢双喜，吴志文，等．贵州习水国家级自然保护区森林群落相似性与聚类分析[J].贵州农业科学，2011,39（6）：170-172.

[4]艾训儒，马友平．洪家河流域植物群落相似性与与聚类分析[J].湖北民族学院学报（自然科学版），2006，24(4)：339-342.

[5]丁增发．安徽肖坑森林植物群落与生物量及生产力研究[D].合肥：安徽农业大学，2005.