香农指数算法

❶ 生态学中，香农多样性指数的以2，e，10为底计算，哪个好一点，why，那种方法发文章好些

用2吧，孙儒泳编着的《动物生态学原理》群落生态学部分关于多样性的香农-威纳指数就是用2做底。可能用2做底从数学角度得到的结果准确一些。多样性指数测定的方法有香农-威纳指数、辛普森指数，用香农-威纳指数比较好一些。

❷ 请问你会计算香农多样性指数吗

当然可以大于一啦，H大于3才是物种丰富级别的啊

❸ 香农维纳指数和辛普森指数的区别

香农-威纳指数和辛普森指数包括了测量群落的异质性。

香农-威纳指数借用了信息论方法。信息论的主要测量对象是系统的序（ order）或无序(disorder)的含量。
香农-威纳指数（Shannon-Weiner index），是用来描述种的个体出现的紊乱和不确定性，不确定性越高，多样性也就越高。

在香农-威纳多样性指数中包含两个因素：
①种类数目，即丰富度；
②种类中个体分配上的平均性（equitability）或均匀性（evenness）。
种类数目多，可增加多样性；同样，种类之间个体分配的均匀性增加也会使多样性提高。
如果每一个体都属于不同的种，多样性指数就最大;如果每一个体都属于同一种，则其多样性指数就最小。
均匀性指数的测定可以通过估计群落的理论上的最大多样性指数(Hmax)，然后以实际的多样性指数对Hmax的比率，从而获得均匀性指数，具体步骤如下:
Hmax=-S(1/S log21/S)=log2S，其中 Hmax=在最大均匀性条件下的种多样性值，S=群落中种数
如果有S个种，在最大均匀性条件下，即每个种有1/S个体比例，所以在此条件下Pi=1/S，举例说，群落中只有两个种时，则:Hmax=log22=1
这与前面的计算是一致的，因此，我们可以把均匀性指数定义为:E=H/ Hmax，其中 E=均匀性指数，H=实测多样性值，Hmax =最大多样性值= log2S

辛普森多样性指数=随机取样的两个个体属于不同种的概率
=1-随机取样的两个个体属于同种的概率
=1-每个物种的物种个数除以总植株个数的平方的加和
例如，甲群落中A、B两个种的个体数分别为99和1，而乙群落中A、B两个种的个体数均为50，按辛普森多样性指数计算，
甲群落的辛普森指数:D甲=1-(0.99^2+0.01^2.)=0.0198
乙群落的辛普森指数:D乙=1-(0.5^2+0.5^2)=0.5
可以看到，群落中种数越多，各种个体分配越均匀，指数越高，指示群落多样性好。

❹ 香农-威纳指数的指数

在香农-威纳指数中，包含着两个成分：①种数；②各种间个体分配的均匀性（equiability或evenness）。各种之间，个体分配越均匀，H值就越大。如果每一个体都属于不同的种，多样性指数就最大；如果每一个体都属于同一种，则其多样性指数就最小。那么，均匀性指数如何来测定呢？可以通过估计群落的理论上的最大多样性指数（Hmax），然后以实际的多样性指数对Hmax的比率，从而获得均匀性指数，具体步骤如下：
Hmax=－S（1/S log21/S）=log2S，其中 Hmax=在最大均匀性条件下的种多样性值，S=群落中种数
如果有S个种，在最大均匀性条件下，即每个种有1/S个体比例，所以在此条件下Pi=1/S，举例说，群落中只有两个种时，则：Hmax=log22=1
这与前面的计算是一致的，因此，我们可以把均匀性指数定义为：E=H/ Hmax，其中 E=均匀性指数，H=实测多样性值，Hmax =最大多样性值= log2S

❺ 关于物种多样性指数（香农威纳）

物种多样性是生物多样性的重要组成部分，是衡量一个地区生态保护、生态建设与恢复水平的较好指标。本指标选择代表性的动植物（鸟类、鱼类、和植物）作为衡量城市物种多样性的标准。

物种指数的计算方法如下：

单项物种指数：pi=（i=1,2,3,分别代表鸟类、鱼类和植物）

其中，Pi为单项物种指数，Nbi为城市建成区内该类物种数，Ni为市域范围内该类物种总数。

综合物种指数为单项物种指数的平均值。

综合物种指数H=,n=3

注:鸟类、鱼类均以自然环境中生存的种类计算，人工饲养者不计。

❻ 什么是simpson指数

simpson指数它反映的是在同一个样本中随机的抽取2个个体，这两个个体来自同一个类的概率，即辛普森多样性指数(Simpsonindex)该指数描述从一个群落种连续两次抽样所得到的个体数属于同一种的概率。有两个版本的公式来计算simpson指数，包括Simpson’s Index of Diversity 1-D、Simpson's Reciprocal Index 1 / D，两者不矛盾，均可接受。

D值在0-1之间。0表示无限多样，1表示没有多样性。也就是说D值越大，多样性越低。这与直觉和逻辑不符，为了解决这个问题，通常会用1减去D:

Simpson’s Index of Diversity 1-D

这个值也在0-1之间，但是此时，值越大多样性越高，这就变得更直观了。这种情况下，指数代表的意义是在同一个样本中随机的抽取2个个体，这两个个体来自不同类的概率。

对于违背直觉的D值，还有另一种处理办法，即用1除以D:

Simpson's Reciprocal Index 1 / D

1/D的最小值为1。当它为1时表示样本仅由1个物种组成。值越大，多样性越高。最大值是样本中的物种数。例如，假设一个样本中有5个物种，则1/D的最大值为5。

香农指数

香农-威纳指数借用了信息论方法。信息论的主要测量对象是系统的序（ order）或无序(disorder)的含量。

香农-威纳指数（Shannon-Weiner index），是用来描述种的个体出现的紊乱和不确定性，不确定性越高，多样性也就越高。

香农-威纳多样性指数中的两个因素

① 种类数目，即丰富度；

② 种类中个体分配上的平均性（equitability）或均匀性（evenness）。

种类数目多，可增加多样性；同样，种类之间个体分配的均匀性增加也会使多样性提高。
如果每一个体都属于不同的种，多样性指数就最大;如果每一个体都属于同一种，则其多样性指数就最小。

香农-威纳均匀性指数的测定

均匀性指数的测定可以通过估计群落的理论上的最大多样性指数(Hmax)，然后以实际的多样性指数对Hmax的比率，从而获得均匀性指数，具体步骤如下:

1.Hmax=-S(1/S log21/S)=log2S，其中 Hmax=在最大均匀性条件下的种多样性值，S=群落中种数

2.如果有S个种，在最大均匀性条件下，即每个种有1/S个体比例，所以在此条件下Pi=1/S，

3.举例说，群落中只有两个种时，则:Hmax=log22=1
这与前面的计算是一致的，因此，我们可以把均匀性指数定义为:E=H/ Hmax，其中 E=均匀性指数，H=实测多样性值，Hmax =最大多样性值= log2S

❼ shannon指数怎么计算

Shannon—Wiener指数：衡量种群多样性的指数,由下式计算各样品的多样性指数(Shannon—Wiener指数)：H=－∑
（ni
∕
N）lg（ni
/
N）式中,ni为各条带吸收峰的面积；N为所有条带吸收峰的总面积.

❽ 用excel表格可以计算香农维纳指数吗

=-SUMPRODUCT((B2:B6)*LOG((B2:B6)/SUM(B2:B6),2)/SUM(B2:B6))

公式中(B2:B6)/SUM(B2:B6)就是每个个体的Pi值
Pi*Log(Pi,2)然后用Sumproct合计就是香农-威纳指数
结果2.17反映了这个群落的多样性
你也可以这样验证：
D2:
=B2/SUM(B$2:B$6)
E2:
=LOG(D2,2)
F2:
=D2*E2
D2E2F2一起下拉填充
F7：
=-SUM(F2:F6)

❾ 香农威尔指数公式

香农-威纳指数（Shannon-Weinerindex）

信息论中熵的公式原来是表示信息的紊乱和不确定程度的，我们也可以用来描述种的个体出现的紊乱和不确定性，信息量越大，不确定性也越大，因而多样性也就越高。其计算公式为：

式中S为物种数目，Pi为属于种i的个体在全部个体中的比例，H为物种的多样性指数。公式中对数的底可取2，e和10，但单位不同，分别为nit，bit和dit。

香农-威纳指数包含两个因素：其一是种类数目，即丰富度；其二是种类中个体分配上的均匀性（evenness）。种类数目越多，多样性越大；同样，种类之间个体分配的均匀性增加也会使多样性提高。

❿ 求辛普森指数和香农威纳指数的计算公式excel表格

SUMPRODUCT((B2:B6)*LOG((B2:B6)/SUM(B2:B6),2)/SUM(B2:B6))
公式中(B2:B6)/SUM(B2:B6)就是每个个体的Pi值
Pi*Log(Pi,2)然后用Sumproct合计就是香农-威纳指数
结果2.17反映了这个群落的多样性
你也可以这样验证：
D2:
=B2/SUM(B$2:B$6)
E2:
=LOG(D2,2)
F2:
=D2*E2
D2E2F2一起下拉填充
F7：
=-SUM(F2:F6)