Análisis Multivariados Revisión

Hirst C.N. y D.A. Jackson. 2007. Reconstructing community relationships: the impact of sampling error, ordination approach, and gradient length. Diversity and Distributions 13: 361-371.
- Importanteresumir efectivamente las relaciones complejas entre comunidades.
- La confiabilidad de estos resúmenes depende del grado de variabilidad en el muestreo presente en los datos, la estructura, y elmétodo de ordenación elegido.
- Se comparó la validez de resultados de diferentes métodos de ordenación aplicando cinco niveles de error de muestreo en un modelo coenoplano simulado a dos longitudes degradientes usando datos de abundancia y presencia-ausencia.
- Métodos comparados: CA, DCA, NMDS, PCA, PCoA
- CA y DCA fueron los métodos, usando presencia-ausencia, más exitosos sin importar elerror y longitud de gradiente.
- Con datos de abundancia, los más exitosos fueron PCA y CA con gradientes cortos y largos respectivamente.
- PCoA y NMDS usando abundancia no se desempeñaron bienindependientemente de la medida de distancia usada en el análisis.
- PCoA, NMDS y PCA con datos de abundancia fueron afectados por el gradiente largo llevando a resultados más distorsionados.
Ejrnaes R. yH.H. Bruun. 2000. Gradient analysis of dry grassland vegetation in Denmark. Journal of Vegetation Science 11: 573-584.
- Análisis de gradientes de 620 muestras de vegetación de pastizal.
- Datos defrecuencia
- Variables ambientales: inclinación superficial, exposición, pH, coordenadas geográficas y tipos de suelos.
- DCA reveló cuatro gradientes florísticos que pueden ser interpretados entérminos ecológicos por variables medidas suplementadas con calibración de sitios, basada en promedios ponderados de valores indicadores de Ellenberg.
- Los cuatro gradientes fueron interpretados usandoestadísticas de correlación de rangos, y regresión lineal y no-lineal múltiple sobre las variables ambientales.
- Primer gradiente va de pastizales secos calcáreos a húmedos y ácidos.
- Segundo...