Guten Morgen Kashiwa.

いいんじゃない。いいんじゃないの。

生物の群集構造の解析の為に統計解析ソフトのRでNMDSを行う話(個人のメモ用)

最近は、先輩や助教先生の調査に同行したりしていてなかなか忙しい日々を送っています。

その限られた時間の中でも着々と修論を書いております。しかしながら、我々生態学者にとって関門であるのはどのような統計解析を用いるかという事。

そこで、今回は、非計量多次元尺度法(NMDS)を用いた解析をコード付きでご紹介します。(ほとんど自分のメモ代わりなので、あくまでも参考程度になさってください)

 

1.NMDSとは

お互いに類似した点同士は近く、類似していない点同士は遠くなるように、群集データを2次元平面上に、”生態学的に最適”とされているBray-Curtis指数に基づいて座標付けをし、類似度を比較する検定です。

群集構造が近いものは近く、遠いものは遠いように2次元の座標にプロットされます。

NMDSだけではなく、PERMANOVA検定なども併せて行います。この解析を行うと以下のような図を表示することが可能です。

 

2.どういった場面で使うの?

 ・「場所」や「種類」といった数値化が難しい”要因”の違いと群集の類似度の関係を見たい時

 

 

3.データセットの作成

・群集データ

f:id:ysrkotori:20181201221031p:plain

左端には調査地名・最上部には種名・そして、出現頻度を入力します。 

 

・環境データ

 今回は用いません。また追記で別の解析を行うときに用いますので、今後の更新をお待ちください。

 

4.コードとその意味

①:群集データを読み込みます 


com = read.csv=("community.csv", row.names=1)

②:群集データを読み込みます 


group = read.csv(“group.csv”, row.names=1)

③:群集データを行列データに変換


com.hel = decostand(com. “hell”)

 ここで、群集データをヘリンガー距離に変換します。 

④:NMDSの実行


mds = metaMDS(com.hel, distance =”bray”, k=2, trymax=100)

 mdsというのはcom.helをBray-Curtis 指数を用いて100回計算したものを2次元で表現したものです。

④:結果を2次元に投影


plot(mds)

f:id:ysrkotori:20181201220228p:plain

このような結果になりました。では、この図に調査地を入力してみましょう。


text(mds,display = “site”)	

f:id:ysrkotori:20181201220400p:plain

 調査地が図表の中に表示されました。

 

※今後もどんどん追加していこうと思います。質問等がございましたらコメントにて承ります。