布雷-柯蒂斯相异性:定义和示例
布雷-柯蒂斯相异性以J. Roger Bray和John Thomas Curtis的名字命名,是一种测量两个不同站点之间相异性的方法。
它经常用于生态学和生物学中,以量化两个地点之间发现的物种之间的差异。
Bray-Curtis 相异度计算如下:
BC ij = 1 – (2*C ij ) / (S i + S j )
金子:
- C ij :每个地点发现的物种最低值的总和。
- Si :在第 i 个地点计数的样本总数
- S j :在j点计数的样本总数
Bray-Curtis 相异度始终介于 0 和 1 之间,其中:
- 0表示两个站点没有差异。换句话说,它们每种物种的数量完全相同。
- 1表示两个站点完全不同。换句话说,它们不共享任何同一类型的物种。
以下示例显示如何计算两个站点的 Bray-Curtis 相异度。
示例:Bray-Curtis 相异度的计算
假设一位植物学家出去统计两个不同地点的五种不同植物物种(A、B、C、D 和 E)的数量。
下表总结了她收集的数据:
使用这些数据,她可以计算 Bray-Curtis 相异度,如下所示:
通过将这些数字积分到 Bray-Curtis 相异度公式中,我们得到:
- BC ij = 1 – (2*C ij ) / (S i + S j )
- BC ij = 1 – (2*15) / (21 + 24)
- BCij = 0.33
这两个位点之间的 Bray-Curtis 差异为0.33 。
Bray-Curtis 相异性的关键假设
布雷-柯蒂斯相异性假设两个站点大小相等。
这是一个至关重要的假设,因为如果一个地点比另一个地点大四倍,那么大地点自然会比小地点拥有更多的物种,仅仅是因为需要覆盖的面积要大得多。
为了说明这一点,假设植物学家收集数据的一个站点比另一个站点大四倍:
我们预计站点 1 的物种出现频率要高得多,因为它比站点 2 大得多。
所以当我们计算Bray-Curtis相异时,它会非常大。然而,这可能会产生误导,因为两个站点之间的差异不在于其组成,而在于其大小。