生態(tài)學(xué)專業(yè)R語言實(shí)踐課程教學(xué)探索

摘 要 生態(tài)學(xué)文明建設(shè)是我國重大戰(zhàn)略之一，生態(tài)學(xué)是生態(tài)文明建設(shè)的科學(xué)支撐。實(shí)現(xiàn)學(xué)生理論素養(yǎng)和創(chuàng)新實(shí)踐能力的綜合提升是生態(tài)學(xué)專業(yè)的重要培養(yǎng)目標(biāo)。R語言是涵蓋大部分統(tǒng)計(jì)分析方法，同時(shí)兼?zhèn)渫陚涞闹茍D功能的統(tǒng)計(jì)分析軟件。R語言實(shí)踐課程是生態(tài)學(xué)實(shí)現(xiàn)從數(shù)據(jù)到結(jié)果、從理論到實(shí)踐過程的重要支撐課程。針對這門專業(yè)課程目前在生態(tài)學(xué)專業(yè)教育教學(xué)過程中存在的問題，同時(shí)結(jié)合R語言本身的特點(diǎn)，提出適合生態(tài)學(xué)專業(yè)的R語言實(shí)踐課程的教學(xué)設(shè)計(jì)和課程應(yīng)用方法，以期為生態(tài)學(xué)專業(yè)教學(xué)改革提供有價(jià)值的參考。

關(guān)鍵詞 R語言實(shí)踐；生態(tài)學(xué)；生態(tài)文明培養(yǎng)；方差分析

中圖分類號(hào)：G642.0 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2024）19-0-05

0 引言

面向國家生態(tài)文明建設(shè)與發(fā)展需求，培養(yǎng)具有

生態(tài)學(xué)理論素養(yǎng)和創(chuàng)新實(shí)踐能力的高水平人才是生態(tài)學(xué)專業(yè)的人才培養(yǎng)目標(biāo)[1-2]。生態(tài)學(xué)專業(yè)是一個(gè)既強(qiáng)調(diào)理論教育過程，又注重實(shí)踐應(yīng)用的專業(yè)。而目前的生態(tài)學(xué)專業(yè)教育教學(xué)多偏重理論教學(xué)，學(xué)生很難將理論通過實(shí)踐進(jìn)行檢驗(yàn)?；?qū)W生對實(shí)驗(yàn)課得到的實(shí)驗(yàn)結(jié)果不會(huì)分析，不能理解其中的生態(tài)意義。銜接理論與實(shí)驗(yàn)過程是生態(tài)學(xué)專業(yè)教學(xué)的重點(diǎn)和難

點(diǎn)。應(yīng)用生物統(tǒng)計(jì)學(xué)可以分析生態(tài)學(xué)的實(shí)驗(yàn)結(jié)果、解釋相關(guān)生態(tài)學(xué)現(xiàn)象，闡釋生態(tài)學(xué)原理。因此，生物統(tǒng)計(jì)學(xué)的學(xué)習(xí)和應(yīng)用在生態(tài)學(xué)專業(yè)教學(xué)中顯得尤為重要。在傳統(tǒng)的生物統(tǒng)計(jì)學(xué)教學(xué)中，

往往需要包括Excel、SPSS、SAS、MATLAB和Origin

等在內(nèi)的多款軟件相結(jié)合，才能實(shí)現(xiàn)完整的統(tǒng)計(jì)分析過程，導(dǎo)致學(xué)生需要花費(fèi)大量時(shí)間去學(xué)習(xí)不同的軟件，而往往又沒有真正掌握某一種，也不能很好地完成整個(gè)統(tǒng)計(jì)和分析過程，嚴(yán)重影響了生態(tài)學(xué)專業(yè)的教學(xué)效果。因此，教授一款能夠囊括大部分生物統(tǒng)計(jì)學(xué)內(nèi)容的軟件，讓學(xué)生集中精力學(xué)習(xí)一款軟件，能夠節(jié)省學(xué)生學(xué)習(xí)精力，增強(qiáng)學(xué)習(xí)效果。R語言實(shí)踐課程的出現(xiàn)可以實(shí)現(xiàn)這一目的。通過R語言的學(xué)習(xí)，學(xué)生能夠完成實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)分析、結(jié)果處理等多方面生物統(tǒng)計(jì)學(xué)方法內(nèi)容。因此，它正在被越來越多的生態(tài)學(xué)專業(yè)所重視。

R語言實(shí)踐作為一門數(shù)據(jù)應(yīng)用課程，已在開設(shè)生態(tài)學(xué)專業(yè)的部分高校開設(shè)，然而開設(shè)該課程的相關(guān)院校數(shù)量較少。大部分院校對該課程的教學(xué)內(nèi)容和教學(xué)實(shí)踐過程仍處在探索中[3]。雖然，R語言實(shí)踐是一門強(qiáng)調(diào)實(shí)踐應(yīng)用的課程，但教師大多仍是注重講授基本理論和函數(shù)，且相關(guān)參考資料多為非生態(tài)學(xué)專業(yè)案例，與生態(tài)學(xué)專業(yè)的關(guān)聯(lián)性較小，學(xué)生缺少對R語言重要性及其在生態(tài)學(xué)領(lǐng)域應(yīng)用的認(rèn)識(shí)，不能將R語言與生態(tài)學(xué)實(shí)際應(yīng)用結(jié)合起來，不能激發(fā)學(xué)習(xí)動(dòng)力和熱情，學(xué)習(xí)效果不理想。同時(shí)，由于缺乏足夠的實(shí)踐操作訓(xùn)練，學(xué)生在后期科研實(shí)驗(yàn)中難以利用R語言進(jìn)行數(shù)據(jù)處理和分析，導(dǎo)致R語言這一強(qiáng)大的數(shù)據(jù)分析工具的應(yīng)用持續(xù)性不足，未能充分發(fā)揮其在實(shí)際應(yīng)用中的作用。因此，針對生態(tài)學(xué)專業(yè)特點(diǎn)，建設(shè)適合生態(tài)學(xué)專業(yè)的R語言實(shí)踐課程顯得尤為重要，不僅有助于更好地完成生態(tài)學(xué)專業(yè)培養(yǎng)目標(biāo)，也有助于學(xué)生未來向更高層次發(fā)展，更是為國家的生態(tài)文明建設(shè)人才培養(yǎng)作出貢獻(xiàn)。

1 R語言特點(diǎn)

R語言是由S語言發(fā)展而來的一種高級(jí)編程語言，由Ross Ihaka和Robert Gentleman兩位統(tǒng)計(jì)學(xué)家在1995年開發(fā)完成。R語言在GNU協(xié)議下免費(fèi)和開放源代碼使用，并由R Development Core Team維護(hù)和更新[4]。R語言以其特有的開放、完整的統(tǒng)計(jì)分析以及頂尖的制圖功能被包括醫(yī)學(xué)、社會(huì)科學(xué)、生態(tài)學(xué)等在內(nèi)的多學(xué)科所應(yīng)用，成為當(dāng)今世界最受歡迎的數(shù)據(jù)挖掘開發(fā)語言之一。隨著大數(shù)據(jù)時(shí)代的到來，先進(jìn)的數(shù)據(jù)分析技術(shù)和統(tǒng)計(jì)模型成為生態(tài)研究的必備條件，而R語言成為大數(shù)據(jù)整合、生態(tài)學(xué)規(guī)律發(fā)掘等生態(tài)學(xué)研究的重要工具。R語言有如下特點(diǎn)。

1）R語言集合了數(shù)據(jù)存儲(chǔ)、統(tǒng)計(jì)分析、圖形繪制等一整套數(shù)據(jù)分析所涵蓋的內(nèi)容，它不是簡單的統(tǒng)計(jì)軟件，而是一種統(tǒng)計(jì)分析與輸出的環(huán)境，為生態(tài)學(xué)專業(yè)學(xué)生從數(shù)據(jù)整理、統(tǒng)計(jì)分析到最后結(jié)果輸出提供了一整套完整方案。

2）R語言能夠提供完整的源代碼，且在CRAN上可以提供各種統(tǒng)計(jì)函數(shù)代碼，在每個(gè)包（package）都有完整的幫助信息，包括函數(shù)的描述、每個(gè)函數(shù)代表的意義和使用、舉例和參考文獻(xiàn)等，即使不熟悉相關(guān)函數(shù)的人也可以快速入門和使用。

3）除了可以使用既有函數(shù)外，使用者還可以根據(jù)自己的需求編寫代碼。例如，數(shù)量生態(tài)學(xué)領(lǐng)域的賴江山教授[5]就基于生態(tài)學(xué)研究的特點(diǎn)發(fā)表了典范分析相關(guān)的rdacca.hp包，此包一經(jīng)發(fā)表就受到生態(tài)學(xué)領(lǐng)域的廣泛關(guān)注，相關(guān)文章也成為1%高被引論文和0.1%熱點(diǎn)論文。

4）數(shù)據(jù)可視化是統(tǒng)計(jì)分析的重要內(nèi)容，R語言的基礎(chǔ)制圖函數(shù)plot就可以制出包括散點(diǎn)圖、箱圖、柱形圖等在內(nèi)的多種圖形。特別是專門的制圖包ggplot2更是包含了生態(tài)統(tǒng)計(jì)分析所需的幾乎所有圖形，且可根據(jù)自己的數(shù)據(jù)特點(diǎn)和需求制定個(gè)性化圖形[6]。

2 結(jié)合生態(tài)學(xué)專業(yè)培養(yǎng)目標(biāo)的R語言實(shí)踐

課程教學(xué)設(shè)計(jì)

從生態(tài)學(xué)專業(yè)培養(yǎng)的目標(biāo)出發(fā)，分析R語言實(shí)踐課程與生態(tài)學(xué)專業(yè)的關(guān)系，明確R語言實(shí)踐課程的整體目標(biāo)，結(jié)合R語言實(shí)踐課程對生物統(tǒng)計(jì)知識(shí)和生態(tài)學(xué)理論背景的需求，引導(dǎo)學(xué)生自主設(shè)計(jì)和實(shí)踐，通過課程的學(xué)習(xí)，提升學(xué)生從理論到實(shí)踐的認(rèn)識(shí)，培養(yǎng)學(xué)生的生態(tài)學(xué)實(shí)踐和拓展能力，以期服務(wù)國家生態(tài)文明建設(shè)與發(fā)展。

2.1 構(gòu)建課程框架

結(jié)合教學(xué)大綱的整體要求，以學(xué)生為核心，深入探索生態(tài)學(xué)與R語言之間的內(nèi)在聯(lián)系；圍繞理論—科研—實(shí)踐主題，結(jié)合生態(tài)文明建設(shè)熱點(diǎn)問題，構(gòu)建整個(gè)教學(xué)思路和體系。具體思路為：首先，學(xué)習(xí)R語言軟件使用的基本方法，理解編程語言的編程思路；其次，基于生物統(tǒng)計(jì)學(xué)課程基礎(chǔ)知識(shí)，實(shí)踐練習(xí)生物統(tǒng)計(jì)學(xué)相關(guān)分析方法在R語言中的實(shí)現(xiàn)；最后，結(jié)合種群與群落生態(tài)學(xué)、基礎(chǔ)生態(tài)學(xué)等生態(tài)學(xué)核心課程所學(xué)理論，列舉生態(tài)學(xué)相關(guān)研究內(nèi)容探討分析方法，并實(shí)操如何在R語言中使用。

2.2 完善教學(xué)內(nèi)容

有機(jī)融合生物統(tǒng)計(jì)與R語言實(shí)踐，合理分配教學(xué)內(nèi)容，緊跟理論和學(xué)科前沿，結(jié)合與生態(tài)學(xué)熱點(diǎn)相關(guān)問題，設(shè)計(jì)典型案例；豐富課前—課中—課后整體教學(xué)過程，形成良好的教學(xué)運(yùn)行機(jī)制，促進(jìn)學(xué)生從理論到實(shí)踐的探索過程。

2.3 改革教學(xué)方法

通過線上慕課等教學(xué)資源，引導(dǎo)學(xué)生自主學(xué)習(xí)；利用QQ和微信等即時(shí)通信軟件對學(xué)生提出的問題進(jìn)行實(shí)時(shí)答疑。同時(shí)，線下教學(xué)圍繞提出問題、設(shè)計(jì)實(shí)驗(yàn)、完成分析等方面出發(fā)，通過問題導(dǎo)向—任務(wù)驅(qū)動(dòng)—實(shí)踐探索等教學(xué)手段，達(dá)到交互式教學(xué)和研究性教學(xué)的目的。

2.4 調(diào)查教學(xué)效果

通過課堂探討效果反饋、課程考核結(jié)果分析、學(xué)生問卷調(diào)查、同行探討等手段，厘清教學(xué)過程中存在的問題，不斷優(yōu)化教學(xué)方案，總結(jié)教學(xué)案例，形成研究成果。

3 生態(tài)學(xué)專業(yè)R語言實(shí)踐課程教學(xué)探索

統(tǒng)計(jì)學(xué)中的方差分析是比較組間樣本平均數(shù)是否有差異的分析，即分析實(shí)驗(yàn)處理的差異是否顯著。方差分析需要滿足獨(dú)立性、正態(tài)性和方差齊性三個(gè)基本假設(shè)，如果不滿足相關(guān)假設(shè)，需要對數(shù)據(jù)進(jìn)行轉(zhuǎn)換。方差統(tǒng)計(jì)結(jié)果如果表現(xiàn)為差異不顯著，說明處理間是相同的，實(shí)驗(yàn)處理沒有對相關(guān)研究產(chǎn)生明顯的效果；如果表現(xiàn)為差異顯著，可再進(jìn)一步分析哪組數(shù)據(jù)與其他數(shù)據(jù)不同，即多重比較，從而最終確定實(shí)驗(yàn)處理組中起明顯效果的處理。此外，方差分析后，結(jié)果可以用圖或表的形式表現(xiàn)出來，特別是柱狀圖或箱線圖，其中不僅囊括了方差分析的結(jié)果，還會(huì)展示平均值和實(shí)驗(yàn)處理的整體趨勢。基于這些特點(diǎn)，它成為生態(tài)學(xué)研究中最常用的統(tǒng)計(jì)學(xué)方法之一。

然而，傳統(tǒng)的統(tǒng)計(jì)學(xué)相關(guān)課程教學(xué)往往只關(guān)注其原理和復(fù)雜的算法，忽略了如何在實(shí)際的生態(tài)學(xué)研究中使用。即使有的課程涉及使用，卻需要學(xué)生通過復(fù)雜的計(jì)算，耗費(fèi)漫長時(shí)間甚至需要多種軟件相結(jié)合實(shí)現(xiàn)。這些在實(shí)際生態(tài)學(xué)研究中其實(shí)是不需要的，實(shí)際的教學(xué)過程更關(guān)注是否使用了正確的統(tǒng)計(jì)分析過程，且簡潔高效地完成統(tǒng)計(jì)分析。因此，統(tǒng)計(jì)學(xué)相關(guān)知識(shí)和理論應(yīng)與相關(guān)統(tǒng)計(jì)軟件有機(jī)結(jié)合，特別是對于初步接觸統(tǒng)計(jì)學(xué)分析的學(xué)生來說，學(xué)會(huì)如何將所學(xué)的統(tǒng)計(jì)知識(shí)運(yùn)用到實(shí)際的生態(tài)學(xué)研究中，顯得尤為重要。

基于以上原因，R語言實(shí)踐課程教學(xué)除了有關(guān)軟件的使用外，更應(yīng)強(qiáng)調(diào)與理論（統(tǒng)計(jì)學(xué)知識(shí)）和實(shí)踐（生態(tài)學(xué)研究）的結(jié)合，同時(shí)利用R語言以方差分析為例演示可視化在實(shí)踐教學(xué)中的重要性。下面介紹一個(gè)R語言實(shí)踐課程的具體應(yīng)用課例。

某學(xué)科團(tuán)隊(duì)研究生長年限變化對大豆生長的影響，連續(xù)三年測量了大豆單株的地上生物量，數(shù)據(jù)見表1。請根據(jù)該數(shù)據(jù)分析生長年限對大豆的地上生物量的影響，并繪制生物量隨生長年限變化的箱線圖。

1）導(dǎo)入數(shù)據(jù)。

代碼：

setwd（“C：/Users/Desktop/R”）

R1<-read.csv（“R1.csv”）

View（R1）

輸入R后的表格如圖1所示。

2）方差分析前提檢驗(yàn)。根據(jù)方差分析原理，數(shù)據(jù)需滿足獨(dú)立性、正態(tài)性和方差齊性三個(gè)假設(shè)前提，因此，在進(jìn)行方差分析之前需先進(jìn)行相關(guān)檢驗(yàn)。

①方差獨(dú)立性檢驗(yàn)。采用卡方檢驗(yàn)，其原理為參數(shù)P假設(shè)所有概率都相等，是獨(dú)立的。因此，檢驗(yàn)的假設(shè)是總體概率是否等于P中的概率。P值小于0.05，表明不是獨(dú)立的；P值大于0.05，是獨(dú)立不相關(guān)的。代碼及輸出結(jié)果如下。

代碼：

chisq.test（R1）

輸出結(jié)果：

Pearson’s Chi-squared test

data： R1

X-squared=1.1813， df=17， p-value=1

輸出結(jié)果表明，P值大于0.05，說明數(shù)據(jù)滿足獨(dú)立性檢驗(yàn)要求，可進(jìn)行進(jìn)一步統(tǒng)計(jì)分析。

②方差正態(tài)性檢驗(yàn)。采用Shapiro-Wilk檢驗(yàn)，其原理為原假設(shè)樣本所來自的總體分布服從正態(tài)分布，備擇假設(shè)為樣本所來自的總體分布不服從正態(tài)分布。當(dāng)P值大于0.05時(shí)，接受原假設(shè)，認(rèn)為樣本所來自的總體分布服從正態(tài)分布。當(dāng)P值小于等于0.05時(shí)，拒絕原假設(shè)，認(rèn)為樣本所來自的總體分布不服從正態(tài)分布。代碼及輸出結(jié)果如下。

代碼：

shapiro.test（R1$Biomass）

輸出結(jié)果：

Shapiro-Wilk normality test

data： R1$Biomass

W=0.959 4， p-value=0.5901

輸出結(jié)果表明，P值大于0.05，說明數(shù)據(jù)滿足正態(tài)分布要求，可進(jìn)行進(jìn)一步統(tǒng)計(jì)分析。

③方差齊性檢驗(yàn)。采用bartlett檢驗(yàn)，是對樣本方差是否相同進(jìn)行的檢驗(yàn)。當(dāng)P值大于0.05時(shí)，接受原假設(shè)，認(rèn)為樣本方差相同。當(dāng)P值小于等于0.05時(shí)，拒絕原假設(shè)，認(rèn)為樣本方差不相同。代碼及輸出結(jié)果如下。

代碼：

bartlett.test（Biomass～Year，R1）

輸出結(jié)果：

Bartlett test of homogeneity of variances

data： Biomass by Year

Bartlett’s K-squared=1.3179， df=2， p-value= 0.5174.

輸出結(jié)果表明，P值大于0.05，說明數(shù)據(jù)滿足方差齊性要求，可進(jìn)行進(jìn)一步統(tǒng)計(jì)分析。

綜上所述，該數(shù)據(jù)滿足方差分析的三大前提假設(shè)，后續(xù)可進(jìn)行方差分析。

3）方差分析。方差分析是利用對因變量數(shù)值誤差的分析來檢驗(yàn)自變量對因變量的影響是否顯著。原假設(shè)為處理組之間均值相等，備擇假設(shè)為處理組間至少有一組均值與其他組不同。本實(shí)驗(yàn)為分析不同生長年限對生物量的影響，因此，只有一個(gè)實(shí)驗(yàn)指標(biāo)，即生長年限，可進(jìn)行單因素方差分析。代碼及輸出結(jié)果如下。

代碼：

R1.aov<-aov（Biomass～factor（Year），data=R1）

R1.aov

輸出結(jié)果：

Call：

aov（formula = Biomass ～ factor（Year）， data = R1）

Terms：

factor（Year） Residuals

Sum of Squares 17.57671 5.88165

Deg. of Freedom 2 15

Residual standard error： 0.626 1869

Estimated effects may be unbalanced

代碼：

summary（R1.aov）

輸出結(jié)果：

Df Sum Sq Mean Sq F value Pr（>F）

factor（Year） 2 17.577 8.788 22.41 3.12e-05 ***

Residuals 15 5.882 0.392

---

Signif. codes： 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

輸出結(jié)果表明，單因素方差分析的F值為22.41，P（R中展示為Pr）值為3.12e-5，小于0.05，拒絕原假設(shè)，接受備擇假設(shè)，說明生長年限對大豆的生物量有顯著性影響。

4）多重比較。經(jīng)過方差分析，表明實(shí)驗(yàn)的變異主要是來自處理間的變異，即實(shí)驗(yàn)處理對觀測變量有顯著性影響，但僅說明了幾個(gè)處理組間均值有顯著差異，并不能說明哪些處理均值有顯著性差異，因此需要比較兩兩之間的差異顯著性，即多重

比較。

以Turkey檢驗(yàn)為例，首先計(jì)算數(shù)據(jù)的終結(jié)計(jì)數(shù)，再與終結(jié)計(jì)數(shù)的臨界值比較，若計(jì)算的終結(jié)計(jì)數(shù)值大于95%置信水平下的終結(jié)計(jì)數(shù)臨界值，則認(rèn)為在該置信水平下存在顯著差異，否則不能確定在該置信水平下存在差異。代碼及輸出結(jié)果如下。

代碼：

Tuk.R1.aov<-TukeyHSD（R1.aov）

Tuk.R1.aov

輸出結(jié)果：

Tukey multiple comparisons of means 95% family-wise confidence level

Fit： aov（formula = Biomass ～ factor（Year）， data = R1）

$`factor（Year）`

diff &nbsp; lwr upr p adj

2-1 1.253 333 0.314 272 1 2.192 395 0.009 098 5

3-1 2.420 000 1.480 938 8 3.359 061 0.000 020 3

3-2 1.166 667 0.227 605 4 2.105 728 0.014 678 4

結(jié)果表明第二年與第一年P(guān)值小于0.05，表明二者有顯著性差異；第三年與第一年P(guān)值小于0.05，表明二者有顯著性差異；第三年與第二年P(guān)值小于0.05，表明二者有顯著性差異，即三個(gè)生長年限之間生物量均有顯著性差異。

5）作圖。使用R語言中的ggplot2包作圖，代碼及輸出結(jié)果如下。

代碼：

library（ggplot2）

R1.aov.plot<- ggplot（R1，aes（x =Year， y=Biomass， group=Year， fill=factor（Year））） +

geom_boxplot（） +

theme_bw（） +

labs（x=”時(shí)間”，y=”地上生物量”）+

theme（axis.text.x=element_text（size = 11））+

scale_fill_manual（values= c（“white”，”grey”，”black”））

R1.aov.plot

輸出結(jié)果見圖2。

4 結(jié)束語

隨著山水林田湖草沙一體化保護(hù)和治理的提出，生態(tài)學(xué)日益成為推進(jìn)美麗中國建設(shè)的重要專業(yè)。R語言以其開源，具有完整統(tǒng)計(jì)分析、強(qiáng)大運(yùn)算和繪圖能力等特點(diǎn)，受到越來越多的生態(tài)學(xué)者的青睞。

本文從R語言的優(yōu)點(diǎn)出發(fā)，結(jié)合生態(tài)學(xué)科特點(diǎn)，闡述開展R語言實(shí)踐課程的必要性，設(shè)計(jì)了適合生態(tài)學(xué)專業(yè)的教學(xué)方法和過程，列舉教學(xué)案例，將R語言融入理論知識(shí)，重點(diǎn)培養(yǎng)學(xué)生運(yùn)用軟件解決實(shí)際問題的能力，以期更好地服務(wù)生態(tài)學(xué)科建設(shè)和

發(fā)展。

5 參考文獻(xiàn)

[1] 王曉宇，徐澤，王喆，等.新時(shí)代高?！渡鷳B(tài)學(xué)基礎(chǔ)》“課程思政”建設(shè)路徑研究[J].高教學(xué)刊，2019（26）：79-80，84.

[2] 劉鞠善，巴雷，李海燕，等.生態(tài)學(xué)課程思政教學(xué)改革探索[J].長春師范大學(xué)學(xué)報(bào)，2022，41（2）：89-92.

[3] 李耀明，蘇德榮，紀(jì)寶明.“R語言數(shù)理統(tǒng)計(jì)”課程開展思想政治教育教學(xué)的探索：以北京林業(yè)大學(xué)為例[J].中國林業(yè)教育，2022，40（2）：20-23.

[4] 方匡南，朱建平，姜葉飛. R數(shù)據(jù)分析：方法與案例詳解[M]. 北京：電子工業(yè)出版社，2015.

[5] LAI Jiangshan， ZOU Yi， ZHANG Jinlong， et al.Generalizing hierarchical and variation parti-tioning in multiple regression and canonical analyses using the rdacca.hp R package[J].Methodsin Ecology and Evolution， 2022，13（4）：782-788.

[6] Wickham H. ggplot2： Elegant Graphics for Data Analysis[M].New York： Springer-Verlag，2016.

DOI：10.3969/j.issn.1671-489X.2024.19.

*項(xiàng)目來源：吉林省科學(xué)技術(shù)協(xié)會(huì)第六批吉林省青年科技人才托舉工程（QT202230）；吉林省教育廳吉林省產(chǎn)學(xué)合作

協(xié)同育人項(xiàng)目（2024O802SMR000G）；東北師范大學(xué)環(huán)境學(xué)院教育教學(xué)改革研究課題（HJ-JYKT22A04）。

作者簡介：管平婷，通信作者，副教授，博士。