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。
r语言中bpinom函数的基本用法为：pbinom(x,size,,prob)，该函数为事件的累积概率，它用于表示概率的单个值。例如：抛掷硬币100次，正面向上不超过50次的概率，即pbinom(50,100,0.5)。
r语言有四个内置函数来生成二项分布。它们的描述分别如下：
dbinom(x,size,prob)函数，该函数表示每个点的概率密度分布。
pbinom(x,size,prob)函数，该函数为事件的累积概率，它表示概率的单个值。
qbinom(p,size,prob)函数，该函数采用概率值，并给出累积值与概率值匹配的数字。
rbinom(n,size,prob)函数，该函数从给定样本产生给定概率的所需数量的随机值。
其中，x是数字的向量，p是概率向量，n是观察的数量，size是试验的数量，prob是每个试验成功的概率。
R语言常用数学函数sum()、max()、min()、mean()、median()
prod(x) 对x中的元素都连乘
which.max(x) 返回x中最大元素的下标
which.min(x) 返回x中最小元素的下标
range(x) 值域
rev(x) 对x中的元素取逆序
sort(x) 将x中的元素将升序排列
pmin(x,y) 返回一个向量，它的第i个元素是x[i],y[i] 中最小值
pmax(x,y) 返回一个向量，它的第i个元素是x[i],y[i] 中最大值
cumsum(x) 求累积和，返回一个向量，第i个元素等于x[1]到x[i]的和
cumprod(x) 求累积（从左到右）乘积
cummin(x) 求累积最小值（从左到右）
cummax(x) 求累积最大值（从左到右）
match(x,y) 返回一个和x的长度相同的向量，第i个元素表示y中与x[i]相同的元素的位置（没有则返回NA）
na.omit(x) 函数忽略有缺失值（NA）的观察数据（如果x是矩阵或数据框则忽略相应的行）
na.fail(x) 如果x包含至少一个NA则返回一个错误消息
which() 返回符合条件的元素的下标
choose 组合数，二项式，例choose(4,2) 返回6
rep(x,y) 将x重复y次
unique(x) 去掉重复的元素，只取一个
table(x) 返回一个列表，给出y中重复元素的个数列表
subset(x,条件) 返回x中满足特定条件的子集
