Определение конечного числа видов по выборке - тупик

Попытки определить конечное число видов в коллекции из местообитания

или региона связаны с двумя методами. Наиболее популярно было использование логнормальной модели видового разнообразия, применимость которой в оценках локального разнообразия вообще сомнительна. Хьюз отмечает, что многие примеры такого ее использования были неправомерны из-за отсутствия моды в вычисленных распределениях. Он показал, что данные должны содержать не менее 85% от окончательного числа видов

для корректного расчета. Иллюстрацией могут послужить результаты Песенко: можно ли допустить, что 25% видов, в основном из классов средних обилий, не попало в коллекцию, включающую свыше 22000 особей диких пчел, собранных в течение 7 лет? В качестве альтернативы применялась также регрессия. Были тестированы: выражение Кленча

y = ax /(1+ bx),

логарифмическая регрессия

y =1/ z * ln (1+ zax), где z =1 e (b),

и экспонента

y = ab (1 e (bx)).

где: y - число видов, x - продолжительность отбора проб или объем выборки, a и b - коэффициенты.

Предполагается, что адекватность модели зависит от однородности место_

обитания и особенностей фауны. Соответственно, модели подбираются для точной аппроксимации и прогноза на ее основе. При этом все четыре моделировавшиеся кривые не имели явного плато.

Зависимость "число видов - продолжительность сбора", или "число видов -число образцов", аналогична хорошо известной зависимости "число видов -площадь". Суханов и Немченко (1989) оценивали привычную мультипликативную зависимость в форме

y = a * xb,

линейную логарифмическую

y = a + b * ln (x),

нелинейную логарифмическую модель Фишера

y = b * ln (1+ x / a)

и гиперболу

y = abx /(1+ bx)

Гипербола идентична модели Кленча, так как любой коэффициент " a " последней модели может быть выведена путем подбора " a " гиперболы к любому значению " b ". Гипербола также известна, как логистическое выражение. Тестируя данные по растительности, Суханов и Немченко признали лучшей модельФишера. Заметим, что только исследование кривой с хорошо выраженным плато может выявить лучшую модель. Поэтому для тестирования использована кривая накопления видов малочисленного таксона - шмелей. Здесь прирост видов прекратился приблизительно к середине коллекции; для сравнения использовалась коллекция тлей, без плато. Оказалось, что даже данные, где плато кривой уже появилось, не дают возможности определить лучшую модель; для этого необходимо достаточно длинное плечо плато по отношению ко всей кривой! Соответственно, прогноз оказывается весьма далеким от реальности. Таким образом, оба метода не имеют приемлемой прогнозной силы. В то же время, абсолютным чемпионом по близости аппроксимации всех реальных использованных данных о кривых накопления видов является степенная модель, _ уровень объяснения кривой (R2) редко бывает ниже 90%.