(1)丰富度指数R=s;
(2)Gini多样性指数D1=1-∑(Pi×Pi);
(3)Shannon-Wiener多样性指数HP=-∑(Pi×lnPi);
(4)Simpson多样性指数D=1-∑Ni(Ni-1)/〔N(N-1)〕;
(5)生态优势度C=Ni(Ni-1)/〔N(N-1)〕;
(6)Pielou均匀度指数JSW=-∑(PilnPi)/lns,式中s为样方中观察的物种数;Pi=Ni/N,N为样方中各物种多度指标总和,Ni为第i个种的多度指标。
物种丰富度和均匀度的函数,是用来描述一个群落的多样性的统计量。物种多样性指数分析在比较不同群落的物种多样性时,可依照研究者的不同需要采用不同指数。物种多样性指数是分析群落物种多样性特征的简单方法。
扩展资料:
物种丰富度和均匀度的函数,是用来描述一个群落的多样性的统计量。物种多样性指数分析在比较不同群落的物种多样性时,可依照研究者的不同需要采用不同指数。物种多样性指数是分析群落物种多样性特征的简单方法。
在比较两个群落的物种多样性特征时,最简单的方法是比较两群落中的某类群物种的数量,即物种丰富度指数或种数。但由于物种多样性的二元特征,使用物种丰富度比较可能存在误导。
计算物种多样性指数的公式有很多,形式各异,而实质是差不多的。大部分多样性指数中,组成群落的生物种类越多,其多样性指值越大。
参考资料来源:百度百科--物种多样性指数
物种多样性可用一定空间范围内的物种数量的分布频率来衡量,常用物种丰富度表示。物种丰富度指数就是物种多样性指数,即辛普森多样性指数计算
公式是D=1-Σ(ni/N)^2(Σ上面是S,Σ下面是i=1)
其中D是多样性指数,N是所有物种的个体总数,ni表示第i个物种的个体数,S是物种的数目(种数)
操作之前安装好ggplot2、vegan、ggpubr包。如下:
install.packages("ggplot2")
install.packages("ggpubr")
install.packages("vegan")
计算Shannon-香农指数和Simpson-辛普森指数的命令在vegan包中,计算各组显著性的命令在ggpubr包中;画图使用ggplot命令,在行使每个命令之前一定要加载相应的包,如下:
library(ggplot2)
library(ggpubr)
library(vegan)
拿到一个otu表格,要先计算香农指数和辛普森指数,操作如下:
otu=read.table('D:/r-working/feature-table.taxonomy.txt',row.names = 1,skip=1,header=T,comment.char ='',sep='\t')
#读取out表格
#'D:/feature table.taxonomy.txt'为文件路径,注意斜线方向
#row.names = 1指定第一列为行名
#skip=1跳过第一行不读
#header=T指定第一个有效行为列名
#sep='\t'表示指定制表符为分隔符
#comment.char=''表示设置注释符号为空字符‘’,这样#后面的内容就不会被省略
otu=otu[,-ncol(otu)]
#去除表格的最后一列,无用信息
otu=t(otu)
#表格转置,必须将样品名作为行名
shannon=diversity(otu,"shannon")
#计算香农指数,先加载vegan包
shannon
#查看香农指数
simpson=diversity(otu,"simpson")
#计算辛普森指数,先加载vegan包
simpson
#查看辛普森指数
alpha=data.frame(shannon,simpson,check.names=T)
#合并两个指数
write.table(alpha,"D:/r-working/alpha-summary.xls",sep='\t',quote=F)
#存储数据,注意路径使用反斜杠
将各样本进行分组,并进行画图,操作如下:
map<-read.table('D:/r-working/mapping_file.txt',row.names = 1,header=T,comment.char ='',sep='\t',check.names=F)
#读取分组表格
group<-map["Group1"]
#提取需要的分组,'Group1'是表中的分组列名,包括A,B,C三组
alpha<-alpha[match(rownames(group),rownames(alpha)),]
#重排alpha的行的顺序,使其与group的样本id(行名)一致
data<-data.frame(group,alpha,check.rows=T)
#合并两个表格.'<-'与'='同属赋值的含义.
p=ggplot(data=data,aes(x=Group1,y=shannon))+geom_boxplot(fill=rainbow(7)[2])
#data = data指定数据表格
#x=Group1指定作为x轴的数据列名
#y=shannon指定作为y轴的数据列名
#geom_boxplot()表示画箱线图
#fill=rainbow(7)[2]指定填充色
此处用到ggplot2包画箱线图,将画图函数赋值给p后,可以用‘+’不断进行图层叠加,给图片p增加新的特性
p
#查看p
mycompare=list(c('A','B'),c('A','C'),c('B','C'))
#指定多重比较的分组对
mycompare
p<-p+stat_compare_means(comparisons=mycompare,label = "p.signif",method = 'wilcox')
#添加显著性标记的第一种方法,在此之前先加载ggpubr包
p<-p+ylim(2,5.5)
#调整图像的外观