Методы сравнительного анализа видового состава насекомых различных местообитаний с использованием программной среды R

  • Геннадий Геннадьевич Сушко Витебский государственный университет имени П. М. Машерова

Аннотация

Анализ публикаций по экологии сообществ, включающих насекомых, доступных в международной базе данных PubMed Central, свидетельствует, что наиболее распространенной схемой оценки видового состава различных местообитаний является сравнение с помощью многофакторного дисперсионного анализа (PERMANOVA) и теста ANOSIM, визуализация выявленных различий с применением ординации (NMDS). Завершает схему выявления видов, в наибольшей мере обусловливающих различия в выборках, способ с использованием процедур IndVal и SIMPER. Данные приемы анализа возможно реализовать в программной среде R, которая в настоящее время является общепризнанным стандартом в научных публикациях в мире. Дан краткий обзор методов сравнительного анализа видового состава на примере насекомых за последние пять лет. Приведена последовательность команд для их реализации в программной среде R с использованием результатов собственных исследований.

Биография автора

Геннадий Геннадьевич Сушко, Витебский государственный университет имени П. М. Машерова

доктор биологических наук, доцент; заведующий кафедрой экологии и географии

Литература

1. Песенко ЮА. Принципы и методы количественного анализа в фаунистических исследованиях. Минск: Наука; 1982.
2. Сушко ГГ. Методы многомерного анализа данных в синэкологии насекомых. Журнал Белорусского государственного университета. Экология. 2020; 1:38–45.
3. Сушко ГГ. Использование методов анализа данных в энтомологических исследованиях. В: Сборник статей III Международной научно-практической конференции, памяти В. А. Цинкевича. Минск: ГНПО «НПЦ НАН Беларуси по биоресурсам»; 2019. с. 381–383.
4. Шитиков ВК, Зинченко ТД, Розенберг ГС. Макроэкология речных сообществ: концепции, методы, модели. Тольятти: Кассандра; 2012.
5. Шитиков ВК, Розенберг ГС. Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R. Тольятти: Кассандра; 2013. 6. Clarke KR. Non-parametric multivariate analysis of changes in community structure. Australian Journal of Ecology. 1993;18:117–143. 7. Legendre P, Legendre L. Numerical Ecology. 2nd edition. Amsterdam: Elsevier; 1998.
8. Кабаков РИ. R в действии. Анализ и визуализация данных в программе R. Москва: ДМК Пресс; 2014.
9. Мастицкий СЭ, Шитиков ВК. Статистический анализ и визуализацияданных с помощью R. Москва: ДМК Пресс; 2015.
10. Джеймс Г, Уиттон Д, Хасти Т, Тибширани Р. Введение в статистическое обучение с примерами на языке R.Москва: ДМК Пресс; 2016.
11. Borcard D, Gillet F, Legendre P. Numerical Ecology with R. Wien: Springer Nature; 2018.
12. Herve M. Aide-mémoire de statistique appliquée à la biologie. Construire son étude et analyser les résultats à l’aide du logiciel R. 2016.
13. PubMed Central (PMC) [Internet]. [Cited 2020 August 15]. Available from: https://www.ncbi.nlm.nih.gov/pmc/
14. R Development Core Team (2010) R: A language and environment for statistical computing. R Foundation for Statistical Com- puting. [Internet]. Vienna: Austria. Available from: https://www.R-project.org/
15. Anderson MJ, Walsh DC. PERMANOVA, ANOSIM, and the Mantel test in the face of heterogeneous dispersions: what null hypothesis are you testing? Ecological monographs. 2013;83(4):557–574.
16. McCune B, Grace JB. Analysis of ecological communities. Gleneden Beach: MjMSoftware Design; 2002.
17. Ramette A. Multivariate analyses in microbial ecology. FEMS. Microbiological Ecology. 2007; 62(2):142–160.
18. Oksanen J. Multivariate Analysis in Ecology. Lecture Notes. Finland: University of Oulu; 2004.
19. Warton DI, Wright TW, Wang Y. Distance-based multivariate analyses confound location and dispersion effects. Methods in Ecology and Evolution. 2012;3:89–101.
20. Dufrene M, Legendre P. Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecolical Monographs. 1997;67:345–366.
21. De Caceres M, Legendre P. Associations between species and groups of sites: indices and statistical inference. Ecology. 2009;90(12):66–74.
Опубликован
2021-07-02
Ключевые слова: видовой состав, сравнительный анализ, насекомые, экология сообществ, программная среда R
Как цитировать
Сушко, Г. Г. (2021). Методы сравнительного анализа видового состава насекомых различных местообитаний с использованием программной среды R. Журнал Белорусского государственного университета. Экология, 2, 21-28. Доступно по https://journals.bsu.by/index.php/ecology/article/view/4063
Раздел
Изучение и реабилитация экосистем