对于我们的物种数据，通常具有相同的刚量，通常是正值和零，对这样的数据几种简单的转化函数，可以降低极大值的影响：
简单转化只是对数值进行独立的处理，而标准化是数值之间的处理。
这些标准化过程是否正常运行？最好利用绘图函数或总结函数密切追踪。
注意：Hellinger转化等同于数据先开方后再进行弦转化。
多度数据首先除以该物种最大值后再除以该样方总和
若要展示物种多度数据转化或标准化前后的变化，也可以绘制物种沿河流的多度分布图
在某些情况下(通常是植被研究)，使用多度的等级来代表特别的属性：个体数量(多度等级)、盖度(优势程度)或者两者兼而有之(例如Braun-Blanquet 多度优势等级)。这些等级数据即是顺序数据，同时也是随意的数据，这样的数据不容易进行简单的转化。在这种情况下， 必须根据手头的原始数据来将等级数据还原为多度数据 。
对于离散等级数据可以通过 labdsv包的函数vegtrans() 来进行数据转换。
例如，假如我们要将鱼类多度等级数据(在我们的spe数据从0到5的等级数据)转为平均个体数，我们可以通过提供两个向量来实现，一个是当前等级数，一个是转换等级。
注意：这个转化对于具有物种特异性多度鱼类数据集来说没有意义。
这最后一部分不是很重要，最重要的就是前面的标准化和中心化的处理方法。《数量生态学：R语言的应用》的第二章到这里就全部结束了。
请期待下一期内容。
物种累积曲线( species accumulation curves)用于衡量和预测群落中物种丰富度随样本量扩大而增加的幅度，在生物多样性和群落调查中，被广泛用于判断样本量是否充分的并估计群落丰富度。
一般而言，在样本量较少的情况下，随着样本数量的增加，将有较大可能性发现大量新的物种，此时曲线呈急剧上升状态；当样本数量已经较大时，此时群落中的ASV/OTU总数将不再随着样本数量增加而显著增加，曲线将趋于平缓。
因此，通过物种累积曲线可以判断样本量是否充分：若曲线始终保持上升趋势，则表明样本量不足，反之，则表明样本量已足以反应群落的物种组成。在样本量充分的前提下，运用物种累积曲线还可以对物种丰富度进行预测。
下面我使用R脚本，vegan包对ASV/OTU丰度矩阵中每个样本所对应的SAV/OTU总数绘制specaccum物种累计曲线。
1.调用vegan包，读取物种数据；
2.使用 specaccum 函数用来计算物种的累计曲线；
3.作图展示。
如图，随着取样样本数量逐渐增加，所观测到的物种种类也不断增加。当曲线趋近平缓时，代表群落中的物种接近全部被观测到；反之不饱和，还需继续观测更多的样本数量。
前言： 仍然是三代测序数据的分析，宏基因组的文章中经常出现聚类热图和物种丰度图，用来直观地识别与某些疾病或者表型相关的菌群构成。
1.读取数据
一共有11个样本，每一个样本的测序reads都经过Nanopore官方的Epi2Me程序鉴定了物种，下表中第一列是被鉴定的菌种，第二列是该样本中每个物种产生的reads数目。
首先导入到R语言中，合并所有样本到一个数据框：
2.绘制热图
经过上一步，我们得到了列名为样本，行名为菌种的reads数据框，然后就可以绘制热图，进行聚类分析了：
绘制结果：
3.绘制物种丰度图
丰度图，其实就是堆积图，把每个样本的reads数目转换为百分数，然后作图就可以了：
绘制结果：
