摘要
湿地保护规划依赖于栖息地和物种的实地分布情况，以及物种对这些栖息地的偏好。为了研究这些分布模式，生态学家经常使用多变量方法，主要是对应分析（CA）和层次聚类，这些方法基于物种在栖息地中的原始或转换后的数量。然而，这些方法常常受到数量较多的广布物种的严重影响，从而掩盖了数量较少的物种（包括一些指示性分类单元）的作用，导致对结果的生态解释存在不确定性。在这项研究中，我们建议通过根据物种的偏好程度（DP）对原始数量进行加权来减轻这种偏差。由于该指数的取值范围在0到1之间，加权操作可以减少广布物种（DP较低）的影响，从而有利于选择性物种（DP较高），并重新分配物种在各个因素轴上的贡献。同时，K-medoids算法能够将物种和栖息地聚类到生态上连贯的组中，这些组的组成会随着数据加权的变化而变化。这些方法在一个包含109种水鸟和166个湿地栖息地的真实数据集上进行了测试，该数据集采用了CA与混合K-medoids聚类方法的结合。除了在生态学上的基础作用（即提高了湿地和群落类型的生态相关性）外，这种方法介于使用原始数量和基于物种存在与否的分类方法之间，避免了主观的数据编码，为保护评估和决策提供了一个可靠的工具。
