``` #bibliography: [../References/BILab.bib, packages.bib] ``` # 网络分析 ## 物种共现网络 共生网络分析在社区生态学领域正逐渐受到热捧，特别是在探究物种间或群落间的生态交互作用时。其核心理念是，依据物种在生态大群落或多营养层级物种集合中的共生关系，深入剖析它们之间的关联性。通过观察共生网络的拓扑结构，我们能够识别并定义出不同的物种社群，这些被称为“模块”。网络结构的特性主要体现在两个方面：“模块化”程度，即物种如何组织成紧密连接且不重叠的子集；以及“嵌套性”，这描述了网络中一种常见的模式，即小群落的物种构成通常是更大群落的子集（详见8.4.3节）。一个物种在生态网络中的角色，是通过比较它在其所在模块中与其他物种的相对位置来界定的。具体来说，我们通过“标准化模块内度”（指某一节点与同模块内其他节点的连接数，该数值会经过模块内各节点连接数的均值与标准差进行标准化处理）来衡量，同时还会考察该物种与其他模块物种的“连通性”。 构建网络的基础是邻接矩阵，这种矩阵可以是二进制的（表示物种是否显著共生），也可以是数值型的（表示物种间连接的权重）。为了计算这个邻接矩阵，我们会用到多种指标来衡量物种间的正向、中性或负向关联，比如斯皮尔曼相关性系数、雅卡尔相似度系数，或是之前章节中提到的p值。这些指标都可以从物种的存在与否或丰度矩阵中推导出来。为了构建无向网络，我们通常会设定一个阈值，以确保只有最重要的正向关联被纳入考虑。在绘制网络时，我们会运用算法，确保在图中频繁共生的物种被安排得更为接近。 在R语言环境中，有多个包专门用于网络分析。为了简洁起见，我们将主要使用igraph包来处理网络，以及picante包来计算共生距离（参考Hardy 2008）。