🧭 什么是RDA图？
RDA（Redundancy Analysis）图是典型的约束排序（constrained ordination）方法。它是在PCA的基础上加入环境变量，探索生物群落响应变量与环境因子的相关性。RDA图的核心目的是：
解释“哪些环境因子驱动了群落结构或功能的变化？”
🧩 RDA图包含哪些元素？
| 图像元素 | 含义 |
|---|---|
| 🔴 红色箭头 | 生物群落的响应变量，如：功能性状、物种、多样性指标 |
| 🔵 蓝色箭头 | 环境解释变量，如：温度（Temp）、DO、pH、金属污染等 |
| ⚫ 黑色点 | 群落样本点，如每个采样站位/时间点 |
| 坐标轴（RDA1, RDA2） | 主成分轴，代表被解释的最大方向的变化梯度 |
🎯 一步步教你怎么看懂RDA图
✅ 第一步：看坐标轴的解释率
-
例如：RDA1 (46.5%)，RDA2 (21.3%) → 说明前两个主轴能解释生物群落变异的总和为 67.8%。
-
解释率越高，图越可靠。
✅ 第二步：看箭头颜色与身份
- 🔵 蓝色箭头 = 环境因子，是自变量
- 🔴 红色箭头 = 响应变量（生物学指标、功能性状、群落特征），是因变量
✅ 第三步：分析箭头方向（象限位置）
RDA图为一个二维坐标系，可分为四个象限：
↑ RDA2+
Q2 | Q1
-------+--------→ RDA1+
Q3 | Q4
↓ RDA2−`➤ 变量的方向表示什么？
- 箭头所指方向 = 响应变量在该环境因子条件下数值高的位置
- 即箭头越“指向哪里”，越说明变量在那一类环境中数值偏高 📌 例：
- 红色箭头FRic朝着蓝色箭头DO的方向 → 表明FRic与DO呈正相关
- 若箭头方向相反，则表示负相关
✅ 第四步：分析箭头之间的夹角（变量相关性）
| 夹角大小 | 相关性解释 |
|---|---|
| < 90° | 正相关，越小越强 |
| ≈ 90° | 无相关性 |
| > 90°，趋近180° | 负相关，越接近180°越强 |
📌 示例：
- Temp ↔ F1 夹角约 30° → Temp 与 F1 强正相关
- Pb ↔ FRic 夹角≈ 150° → Pb 与 FRic 强负相关
- Depth ⊥ FEve → 几乎无显著关系
✅ 第五步：分析箭头长度（变量权重）
| 箭头长度 | 说明 |
|---|---|
| 越长 | 该变量对 RDA 空间解释力越强，影响越大 |
| 越短 | 变量对群落变化解释力弱或无意义 |
📌 示例：
- 蓝色箭头 DO 很长 → 表明 DO 是关键环境因子；
- 红色箭头 SR 很短 → 表明物种丰富度对该主成分影响弱
✅ 第六步：看黑点（样本点）相对位置
| 黑点代表什么？ | 含义 |
|---|---|
| 每一个黑点 = 一个采样单元 | 表示群落或功能结构在该站位/时间的“表达位置” |
| 靠近某红色箭头 | 说明该响应变量在这个样本中表达较高 |
| 靠近某蓝色箭头 | 说明这个样本所处的环境因子强度较高 |
📌 示例：
- 黑点样本靠近箭头“FRic” → 说明此样本具有高功能丰富度；
- 黑点靠近“Pb” → 该站位重金属污染水平较高
✅ 第七步（进阶）：比较不同样本之间的相对位置
- 样本间距离远 → 群落结构差异大
- 距离近 → 群落结构相似
- 分布集中在某方向 → 说明受某因子驱动明显
- 样本点集中但箭头分散 → 响应变量异质性低
✅ 快速总结成口诀：
长箭头主力因，方向代表增减因，夹角说明相关性，黑点靠谁谁受影响。
📊 一张RDA图怎么解读（案例范式）：
图中显示 DO 与 FRic 方向一致，说明溶解氧是提升功能丰富度的关键因子；而 Pb 与 FRic 方向相反，意味着重金属污染降低生态位空间。F3（肉食性）靠近 Pb 方向，表明其在污染环境中占据优势，形成支配型群落结构。同时，样本点 A1 和 A2 靠近 FRic，说明这两个站位的功能多样性较高。
