Луговой ландшафт

Луговые ландшафты богаты растительностью — травами, злаками, что способствует накоплению гумуса. Почвы степей в разы богаче органическими веществами, чем лесные и горные.

Горный ландшафт

Природа гор сурова. Растения вынуждены приспосабливаться к местным условиям: колючему ветру, жестокому холоду и яркому свету. Поэтому чаще всего на высоте можно встретить низкорослых представителей флоры. У них хорошо развита корневая система, которая помогает добывать воду и удерживаться в почве.

Сравнение количества особей в горном и луговом ландшафтах

library(readxl)
library(tidyr)
library(tidyverse)
library(vegan)
m <- read_excel("СМОД2.xlsx", 
                sheet = "Лист1")
l <- read_excel("СМОД2.xlsx", 
                sheet = "Лист2")
d <- read_excel("СМОД2.xlsx", 
                sheet = "Лист3")

m %>% 
  pivot_longer(names_to = "Вид", values_to = "num", -ПП) %>%
  filter(num > 0) %>% 
  left_join(l, by = "ПП") %>% 
  group_by(`Местообитание`) %>% 
  summarise(num = sum(num), .groups = "drop")
## # A tibble: 2 × 2
##   Местообитание        num
##   <chr>              <dbl>
## 1 Горный ландшафт      177
## 2 Луговое сообщество   242

Сравнение количества видов в горном и луговом ландшафтах

m1<-m %>% 
  pivot_longer(names_to = "Вид", values_to = "num", -ПП) %>%
  left_join(l, by = "ПП") %>%
  filter(num > 0) %>%
  filter(Местообитание=="Горный ландшафт") %>% 
  distinct(`Вид`, .keep_all=TRUE) %>% 
  count()

m2<-m %>% 
  pivot_longer(names_to = "Вид", values_to = "num", -ПП) %>%
  left_join(l, by = "ПП") %>%
  filter(num > 0) %>%
  filter(Местообитание=="Луговое сообщество") %>% 
  distinct(`Вид`, .keep_all=TRUE) %>% 
  count()

rbind(m1,m2)%>% 
  transmute(
    "Количество видов" = n, 
    Местообитание = c('Горный ландшафт', 'Луговое сообщество'))
## # A tibble: 2 × 2
##   `Количество видов` Местообитание     
##                <int> <chr>             
## 1                 34 Горный ландшафт   
## 2                 39 Луговое сообщество

Сравнение родовой структуры травянистых растений в двух ландшафтах методом главных компонент

d <- m %>% 
  pivot_longer(names_to = "Вид", values_to = "num", -ПП) %>%
  filter(num > 0) %>% 
  separate(`Вид`, into = c("Gen", "iii"), extra = "merge", sep = " ")%>%
  group_by(`Gen`, `ПП`) %>% 
  summarise(num = sum(num), .groups = "drop") %>% 
  pivot_wider(names_from = Gen, values_from = num, values_fill = 0)

g <- d %>% 
  column_to_rownames("ПП") %>% 
  vegan::vegdist( binary = TRUE) 

p <- ape::pcoa(g)

p1 <- p$vectors %>% 
  as.data.frame() %>% 
  rownames_to_column("ПП") %>% 
  select(ПП, "Axis.1", "Axis.2")

p1 %>% 
  left_join(l, by = "ПП") %>% 
  ggplot(., aes(x=Axis.1, y=Axis.2, color = `Местообитание`, label = ПП)) +
  geom_label(color = "grey", alpha = 0.5)+
  geom_point(size = 2) + 
  theme_light()+
  stat_ellipse() +
  theme(legend.position = "bottom")

Экологические группы растений по отношению ко влаге в горном и луговом ландшафтах

x <- read_excel("СМОД2.xlsx", 
                sheet = "Лист1")
y <- read_excel("СМОД2.xlsx", 
                sheet = "Лист2")
z <- read_excel("СМОД2.xlsx", 
                sheet = "Лист3")
m3 <- x %>% 
  pivot_longer(names_to = "Вид", values_to = "num", -ПП) %>%
  filter(num > 0) %>% 
  left_join(y, by = "ПП") %>% 
  left_join(z, by = "Вид") %>%
  group_by(`Местообитание`, `Экологическая группа`) %>% 
  summarise(num = sum(num), .groups = "drop", n=n())

as_tibble(m3)
## # A tibble: 10 × 4
##    Местообитание      `Экологическая группа`   num     n
##    <chr>              <chr>                  <dbl> <int>
##  1 Горный ландшафт    ксеромезофит              77    60
##  2 Горный ландшафт    мезогигорофит              4     4
##  3 Горный ландшафт    мезоксерофит               6     6
##  4 Горный ландшафт    мезофит                   85    68
##  5 Горный ландшафт    рудерал                    5     4
##  6 Луговое сообщество ксеромезофит              90    56
##  7 Луговое сообщество мезогигорофит              3     2
##  8 Луговое сообщество мезоксерофит               7     3
##  9 Луговое сообщество мезофит                  138    89
## 10 Луговое сообщество рудерал                    4     3

Визуализируем полученную таблицу

m3 %>%   
  ggplot(., aes(x=n, y=num, color = `Местообитание`, label = `Экологическая группа`)) +
  geom_point(size = 2)+
  geom_label(color = "green", alpha = 1)+
  theme_light()+
  facet_wrap(~`Местообитание`) +
  theme(legend.position = "bottom")

Выводы: