2.2. Определение конечного числа видов по выборке - тупик

Попытки определить конечное число видов в коллекции из местообитания

или региона связаны с двумя методами. Наиболее популярно было использование логнормальной модели видового разнообразия, применимость которой в оценках локального разнообразия вообще сомнительна. Хьюз отмечает, что многие примеры такого ее использования были неправомерны из-за отсутствия моды в вычисленных распределениях. Он показал, что данные должны содержать не менее 85% от окончательного числа видов

для корректного расчета. Иллюстрацией могут послужить результаты Песенко: можно ли допустить, что 25% видов, в основном из классов средних обилий, не попало в коллекцию, включающую свыше 22000 особей диких пчел, собранных в течение 7 лет? В качестве альтернативы применялась также регрессия. Были тестированы: выражение Кленча

y=ax/(1+bx),

логарифмическая регрессия

y=1/z*ln(1+zax), где z=1 e(b),

и экспонента

y=ab(1e(bx)) .

где: y - число видов, x - продолжительность отбора проб или объем выборки, a и b - коэффициенты.

Предполагается, что адекватность модели зависит от однородности место_

обитания и особенностей фауны. Соответственно, модели подбираются для точной аппроксимации и прогноза на ее основе. При этом все четыре моделировавшиеся кривые не имели явного плато.

Зависимость "число видов - продолжительность сбора", или "число видов -число образцов", аналогична хорошо известной зависимости "число видов -площадь". Суханов и Немченко (1989) оценивали привычную мультипликативную зависимость в форме

y=a*xb,

линейную логарифмическую

y=a+b*ln(x),

нелинейную логарифмическую модель Фишера

y=b*ln(1+x/a)

и гиперболу

y=abx/(1+bx)

Гипербола идентична модели Кленча, так как любой коэффициент "a" последней модели может быть выведена путем подбора "a" гиперболы к любому значению "b". Гипербола также известна, как логистическое выражение. Тестируя данные по растительности, Суханов и Немченко признали лучшей модельФишера. Заметим, что только исследование кривой с хорошо выраженным плато может выявить лучшую модель. Поэтому для тестирования использована кривая накопления видов малочисленного таксона - шмелей. Здесь прирост видов прекратился приблизительно к середине коллекции; для сравнения использовалась коллекция тлей, без плато. Оказалось, что даже данные, где плато кривой уже появилось, не дают возможности определить лучшую модель; для этого необходимо достаточно длинное плечо плато по отношению ко всей кривой ! Соответственно, прогноз оказывается весьма далеким от реальности. Таким образом, оба метода не имеют приемлемой прогнозной силы. В то же время, абсолютным чемпионом по близости аппроксимации всех реальных использованных данных о кривых накопления видов является степенная модель, _ уровень объяснения кривой (R2) редко бывает ниже 90%.

2.3. Индексы видового богатства и индекс концентрации видового богатства

Зависимость "виды - площадь" предоставляет две замечательные возмож_

ности для оценки видового богатства. Первая из них - индекс концентрации видового богатства:

Icr = S / lg(A),

где S -число видов, А - площадь местообитания. Эта мера, адекватно отражающая повышенное видовое разнообразие, была использована для выделения центров флористического разнообразия Восточной Европы (Кожаринов & Морозова, 1997) и существенно подняла ранг степных

резерватов Молдовы (таблица 7). Более высокая флористическая насыщенность степных резерватов очевидна по индексу (Icr).

Известны два собственно индекса видового богатства:

Маргалефа -DMg = (S _ 1)/ln(N)

и Менхиника -DMn = S/√N,

где S - число видов, а N - число особей в образце.

Нетрудно заметить, что они полностью зависимы от объема выборки, и по-тому в контексте условий мониторинга и быстрой оценки местообитаний мало пригодны, особенно при работе с насекомыми. В том, что касается других групп, если видов немного и/или они хорошо обнаруживаются, то может быть быстро достигнута близкая к абсолютной оценка S, и вес N будет продолжать расти, несмотря на логарифмирование или извлечение из корня.

Как мы только что увидели, в качестве индекса видового богатства можно использовать параметр "b" степенной зависимости. Очевидно, что он менее зависим от объема выборки и не очень меняется от момента определения наклона кривой до появления плато кривой. В пределах разумного объема выборки плато быстро выявляется при особо низком видовом богатстве.

Тем не менее, совершенно очевидно, что видовое богатство - показатель,

который трудно использовать в том, что касается беспозвоночных, в частности насекомых.