生态学研究方法 3取样技术

生态
第二章取样技术
福建农林大学林学院
陈灿
重点
2.无样地取样
1.有样地取样
难点
第一章群落的取样
各取样方法及优缺点无样地取样方法
取样需设置一定数量的样地取样无需设置特定形状的样地
第一节有样地取样
一、样方的选取方法
二、样方的形状和大小的确定
三、样方的数目的确定
1.主观取样取样方法
2.客观取样
人为地选择取样地段通过某种统计学方法来设置样方
一、样方的选取方法
1.主观取样
选代表性样地（selective sampling）：样地的选择是凭主观判断，使它能够代表所研究的植物群落。

优
这一方法在植被研究实践中曾广泛地使用，它迅速、简便，对有经验的工作者能够取得较好的结果
缺
非统计学方法，不能进行显著性检验
2.客观取样
每一样品单位被抽样的机会是相等的。

随机取样系统取样
分层取样
限定随机取样
几种常见的客观取样
是根据某一规则系统地设置样方，也叫规则取样（regular sampling ）。

是系统取样和随机取样的结合
是将研究地段分成一些小的地段，再在小地段内进行随机或规则取样
环境因子取样
2.客观取样
A
B
10
20
30
40
50
10
20
30
40
100
1000
坐标
样方A=（4，4）样方B=（55，25）
图3.1随机取样图示，由随机数确定样方位置
2.1客观取样
比如说从山麓到山顶沿西北方向，每隔海拔50m 设置一个样方。

在大多数情况下，系统取样是先用地形等因素确定第一个样方位置，比如山顶等。

2.2 系统取样
优点
取样简单，样品分布普遍，代表性强，在植被变差较小的情况下，效果很好。

缺点
取样效果的好坏不能客观地评价，只能凭经验判断，其数据也不能进行统计分析
分标题一
2.3限定随机取样
·X1
Y1
X2
Y2
·
X3
Y3
·
X4
Y4
·
X5
Y5
·
·
X6
Y6
X7
Y7
·
X8
Y8
·
X9
Y9
·
图3.2 限定随机取样图示
这种方法每个区组
内每个样品被抽取
的机会更大，而且
这样抽取的数据可
以进行统计分析
但是该方法在野外
可能更费时间
2.4 分层取样
优缺点
简便易做，也是应用最多的方法。

缺点是小地段的大小一般是很难知道的，所以难以进行统计分析。

分地段二者合定规则随机难
分层取样
限定随机取样
系统取样
随机取样
2.客观取样
（6）环境因子取样（sampling for environment） 以上讲的取样主要是样方位置的设置，在样方位置确定后，种的观测值可以直接测量记录。

但对环境因素，某
些因子的值只与样方位置有关，比如海拔高度、坡度、
坡向、小地形变化等，可以直接测量记录。

有些因子由
于变化甚大，还需在样方内进行再取样，才能有较强的
代表性，比如土壤样品。

样方内再取样可以用随机取样
法，也可以根据某一规则进行系统取样，后者用得较多。

比如，在土壤取样时可以取5个点，即样方的中心点和
中心点到样方每个角连线的中点，得到5个样品，我们
可以对这5个样品充分地混合，然后再从中取一部分作
为所在样方土壤类型的代表样品而进行化学分析；也可
以将5个样品作为5个重复都进行化学分析，对其结果去平均值，还可以进行统计分析检验。

二、样方的形状和大小
1、样方的形状
植物群落学中的取样单位有多种形式，包括样方、样圆、样点、样线、样带等。

最常用的是方形样
方，因为方形样方易于应用。

从统计学角度讲，
方形的边和面积的比较小，因而边际影响的误差
较小；圆形的周长与面积比更小，但是应用圆形
必须使用特制的样圆，在森林和灌丛研究中困难
很大。

长方形一般长与宽的比越大，边长就越长，边际影响误差也愈大，在设置长方形样方时，还
需考虑环境梯度的方向，如长边是否与坡向保持
一致等。

使用不同形状的样方所引起的差异一般
是不显著的。

样点和样线是在一些特殊研究中使用，前者用于草地的研究中，后者用于灌丛和森林群落中。

但在生态学文献中，它们的使用频率非常低
样带则常常与系统取样结合使用，研究者可先设置样带，然后再沿样带规则地取样。

在格局分析中，样带是最常用的方法，其中的样带是由连续的样方组成。

表1.1 不同群落类型最小面积经验值
群落类型群落最小面积
地衣群落0.1~0.4 m2
苔藓群落1~4 m2
沙丘草原1~10 m2
干草原1~25 m2
草甸1~50 m2
高草地5~50 m2
灌丛10~50 m2
温带森林200~500 m2
热带雨林500~4000 m2
2、样方的大小
决定样方的大小时，首先要考虑研究的群落类型、优势种的生活型及植被的均匀性等。

从统计学上讲，使用面积小而数目多或者面积大数目少的样方可以达到同样的精确度，但样方小，取样工作量增加，计算也麻烦，同时许多样方的观测值可能很接近，给数量分析带来一定困难。

所以，样方大小要适当，一般用群落的最小面积作为样方的大小。

群落最小面积定义为群落中大多数种类都能出现的最小样方面积，通常用种数面积曲线来确定，即种数面积曲线的转折点所对应的样方面积。

表
1.1是一些植被类型群落最小面积的经验值，由群落最
小面积决定的样方大小适合于多元分析方法，但不适合于格局分析。

图1.4 种群分布的三种类型
在格局分析研究中，样方要适当小，使得所研究的种在样方内不形成格局规模。

在低矮草地研究中一般用
25~100cm2的样方，高草地用100~625 cm2，灌丛0.5~4㎡，森林2~25㎡，这些都是经验值。

图1.4是三种主要的种群分布类型，图1.5可以说明样方大小与调查结果的关系，用样方A和样方B所测得频度结果显然是不同的，说明样方大小对种群分布格局的研究有重要影响，如果样方大小选择不当，研究结果均匀分布、随机分布和集群分布就分辨不出来，结果它们可能都是随机分布或均匀分布。

所以样方大小在格局分析中非常重要。

在小格局和微局分析中，样方更小，其中的取样称作微取样（micro—sampling）。

微取样法作为小格局分析方法的组成部分，将在各自的方法中讲述.
图1.5 样方大小与调查结果关系图示
三、样方的数目
在样方大小确定后，就要考虑样方的数目。

理论上讲样方数目“越多越好”，但样方太多，费时费工；样方太少，可能代表性较差，会导致错误的研究结果，一般需要客观的标准来确定取样的数目。

下面介绍几种常见的方法。

样方数——平均数曲线法
从统计学知识，我们知道每个样方中的平均个体数是随样方数目而变化的，当样方数较少时，平均数变化幅度较大，随着样方数目的增加，它的变化幅度逐渐减小，当达到某一样方数目时，它的变化幅度小于允许的范围（比如说5%变化幅度），此时对应的样方数目可以认为是我们所需要取的样方数。

图1.6是一个样方数——平均数曲线的例子，从图
中可知当样方数为25时，平均值基本稳定，因此，应该取25个样方。

这一方法比较简单，在取样过程中逐步绘样方数——平均数曲线，如果平均数基本稳定，则可以停止取样，如果变幅尚大，取样继续进行。

2、方差法
方差法是根据所研究的总体的方差来决定取样
数目，一般方差大，取样数目就要多；若方差
小，取样数目则可以少。

在随机分布的情况下，取样数目
式中
t=1.96
方差法要求取样不能少于
1980
3、面积比法
面积比法是在知道研究地段总面积的情况下，
事先决定要选择研究面积的百分之几作为样地，比如说5%或10%的研究面积作为样地。

这样在样方大小已经确定的情况下，样方数目是不难
算出来的。

比如我们研究地面积为1000㎡，样
方大小为5×5㎡，要求抽取研究面积的5%作为样地，即样方总面积应为500㎡，则样方数为
500/25=20。

图1.6 样方数与每个样方中平均个体数的关系曲线
以上三种方法一般认为是决定取样数的客观方法，前两种方法由于都基于随机分布假设之上，在实际应用中有不少困难，研究中用得较少。

面积比法对研究者有重要参考价值，但实际工作中也很少有人完全用面积比法决定样方数。

在决定样方数时，研究者的经验往往起着重要作用。

四、无样地取样
无样地取样（plotless sampling）主要用于森林群落的研究，它是Wisconsin学派所创造的取样方法。

无样地取样一般用于测定树种的
密度，但在样树选定之后，也可得到基面积、
频度等数据。

无样地取样主要是测两株树之间
的平均距离，由距离可以得到每个树所占的平
均面积，因而换算出密度值。

当然距离本身也
可以作为一种数据进行数量分析。

根据距离定
义的不同，无样地取样可有四种做法。

1最近个体法（Closest individual method ） 距离定义为随机样点与最近一株个体间的距离（图1.7（a ））。

2最近邻体法（Nearst neighbor method ） 距离定义为最近个体（方法1中的个体）与距它最近的邻株之间的距离（图1.7（b ））。

3随机对法（Random pairs method ）
该法要求先通过随机样点划分界线，使得该线与最近个体和随机样点间的连线垂直。

距离定
义为最近个体（同方法1）与位于分界线另一侧最近一株间的距离。

（图1.7（c ））图1.7 无样地取样法图示最近个体法；(b) 最近邻体法；(c) 随机对法；(d) 中点四分法(引自Greig-Smith 1983)
4、中点四分法（Point—centred quarter method）
距离定义为随机样点与每一象限中最近一株间距离的平均值。

对于一个样点要测定四个距离（图1.7（d）），该法要求事先确定好坐标系的方向。

中点四分法被认为是较理想的方法，在每个样点可测得4个距离，这样总的取样点数可以减少，比较省时。

Cottam和Curtis（1956）经过与样方取样法比较研究认为，中点四分法的结果与实际吻合，而其它三种方法一般都有偏差。

Cottam（1955）提出前三个方法的结果需要进行矫正；即测得的距离须乘以矫正系数，他提出的矫正系数分别为：最近个体法为2，最近邻体法为1.67，随机对法为0.8，这些都是经验值。

图1.7 无样地取样法图示
最近个体法；(b) 最近邻体法；(c) 随机对法；(d) 中点四分法
(引自Greig-Smith 1983)
图1.7 无样地取样法图示
最近个体法；(b) 最近邻体法；(c) 随机对法；(d) 中点四分法
(引自Greig-Smith 1983)
森林群落无样地取样方法的改进
朱之张金屯2008
上述各种无样地取样方法中,中点四分法虽然
最为理想,但仍有一点不足:它是用样点到植株的距离来估算植株的平均间距,而样点是人为规定的,并非真实的植株。

用真实的植株间距离来估算
平均间距应该更为合理。

所以,本文提出以下改进方法,旨在不增加工作量的前提下,提高无样地取样的精度。

四分邻体法(quartered neighbor method):如图2,距离定义为每一象限中离随机样点最近的个体与同一象限内距该个体最近的邻株之间的距离(m1,m2,m3,m4)的平均值m,即m=(m1+m2+m3+m4)/4。

该方法实际上是中点四分法与最近邻体法的结合。