“香农维纳指数”和“辛普森指数”的区别是什么？
香农-威纳指数和辛普森指数包括了测量群落的异质性。\x0d\x0a\x0d\x0a香农-威纳指数借用了信息论方法。信息论的主要测量对象是系统的序（ order）或无序(disorder)的含量。\x0d\x0a香农-威纳指数（Shannon-Weiner index），是用来描述种的个体出现的紊乱和不确定性，不确定性越高，多样性也就越高。\x0d\x0a\x0d\x0a在香农-威纳多样性指数中包含两个因素：\x0d\x0a①种类数目，即丰富度；\x0d\x0a②种类中个体分配上的平均性（equitability）或均匀性（evenness）。\x0d\x0a种类数目多，可增加多样性；同样，种类之间个体分配的均匀性增加也会使多样性提高。\x0d\x0a如果每一个体都属于不同的种，多样性指数就最大;如果每一个体都属于同一种，则其多样性指数就最小。\x0d\x0a均匀性指数的测定可以通过估计群落的理论上的最大多样性指数(Hmax)，然后以实际的多样性指数对Hmax的比率，从而获得均匀性指数，具体步骤如下:\x0d\x0aHmax=-S(1/S log21/S)=log2S，其中 Hmax=在最大均匀性条件下的种多样性值，S=群落中种数\x0d\x0a如果有S个种，在最大均匀性条件下，即每个种有1/S个体比例，所以在此条件下Pi=1/S，举例说，群落中只有两个种时，则:Hmax=log22=1\x0d\x0a这与前面的计算是一致的，因此，我们可以把均匀性指数定义为:E=H/ Hmax，其中 E=均匀性指数，H=实测多样性值，Hmax =最大多样性值= log2S\x0d\x0a\x0d\x0a辛普森多样性指数=随机取样的两个个体属于不同种的概率\x0d\x0a=1-随机取样的两个个体属于同种的概率\x0d\x0a=1-每个物种的物种个数除以总植株个数的平方的加和\x0d\x0a例如，甲群落中A、B两个种的个体数分别为99和1，而乙群落中A、B两个种的个体数均为50，按辛普森多样性指数计算，\x0d\x0a甲群落的辛普森指数:D甲=1-(0.99^2+0.01^2.)=0.0198\x0d\x0a乙群落的辛普森指数:D乙=1-(0.5^2+0.5^2)=0.5\x0d\x0a可以看到，群落中种数越多，各种个体分配越均匀，指数越高，指示群落多样性好。
香农维纳指数和辛普森指数的区别
香农-威纳指数和辛普森指数包括了测量群落的异质性。\x0d\x0a\x0d\x0a香农-威纳指数借用了信息论方法。信息论的主要测量对象是系统的序（ order）或无序(disorder)的含量。\x0d\x0a香农-威纳指数（Shannon-Weiner index），是用来描述种的个体出现的紊乱和不确定性，不确定性越高，多样性也就越高。\x0d\x0a\x0d\x0a在香农-威纳多样性指数中包含两个因素：\x0d\x0a①种类数目，即丰富度；\x0d\x0a②种类中个体分配上的平均性（equitability）或均匀性（evenness）。\x0d\x0a种类数目多，可增加多样性；同样，种类之间个体分配的均匀性增加也会使多样性提高。\x0d\x0a如果每一个体都属于不同的种，多样性指数就最大;如果每一个体都属于同一种，则其多样性指数就最小。\x0d\x0a均匀性指数的测定可以通过估计群落的理论上的最大多样性指数(Hmax)，然后以实际的多样性指数对Hmax的比率，从而获得均匀性指数，具体步骤如下:\x0d\x0aHmax=-S(1/S log21/S)=log2S，其中 Hmax=在最大均匀性条件下的种多样性值，S=群落中种数\x0d\x0a如果有S个种，在最大均匀性条件下，即每个种有1/S个体比例，所以在此条件下Pi=1/S，举例说，群落中只有两个种时，则:Hmax=log22=1\x0d\x0a这与前面的计算是一致的，因此，我们可以把均匀性指数定义为:E=H/ Hmax，其中 E=均匀性指数，H=实测多样性值，Hmax =最大多样性值= log2S\x0d\x0a\x0d\x0a辛普森多样性指数=随机取样的两个个体属于不同种的概率\x0d\x0a=1-随机取样的两个个体属于同种的概率\x0d\x0a=1-每个物种的物种个数除以总植株个数的平方的加和\x0d\x0a例如，甲群落中A、B两个种的个体数分别为99和1，而乙群落中A、B两个种的个体数均为50，按辛普森多样性指数计算，\x0d\x0a甲群落的辛普森指数:D甲=1-(0.99^2+0.01^2.)=0.0198\x0d\x0a乙群落的辛普森指数:D乙=1-(0.5^2+0.5^2)=0.5\x0d\x0a可以看到，群落中种数越多，各种个体分配越均匀，指数越高，指示群落多样性好。
