群落凭据物种相似形构成举办聚类阐明，可以用树状图较好的表示物种的构成干系。受到许多植被学家的重视。这里以R软件实现聚类阐明为例。
假如凭据物种构成的相似性做聚类阐明，那么可以用Jaccard指数（颠末转换的）。Jaccard指数只思量物种在两个样方间是否反复呈现，盖度在阐明的进程中并不起什么浸染。可是假如对乔木和灌木举办阐明，就可以思量个另外数量，计较样方物种构成的相似性的时候用Bray-Curtis指数。Jaccard指数和Bray-Curtis指数在浩瀚生态学相关的措施包中都是可以计较的。下面说一下在R软件中，团结vegan措施包，对草本样方的物种构成举办聚类阐明。
下面是在R中的详细操纵进程：
#第一步
#是矩阵的整理，发起先整理一下百般地的名录，成如下名目，再用R整理成物种矩阵。
plotname species
plot1 sp1
plot1 sp2
plot1 sp3
plot1 sp4
plot1 sp5
plot2 sp1
plot2 sp3
plot3 sp4
plot3 sp2
plot3 sp6
plot3 sp7
…..
#在Excel中，另存为csv名目，如存名称为 herbplots.csv。
#第二步 读取文件
herb.data<- read.csv(“D:/herb/herbplots.csv”, header=T)
#第三步 转换为 矩阵
pre.matrix <- table(herb.data)
#此时生成的矩阵，形式如下：
plotname sp1 sp2 sp3 sp4 sp5 sp6 sp7
plot1 1 1 1 1 1 0 0
plot2 1 0 1 0 0 0 0
plot3 0 1 0 1 0 1 1
#第四步 计较百般方的Jaccard间隔
plot.dist <- vegdist(pre.matrix, method=“jaccard”)
#间隔矩阵为一个半矩阵，形式如下
plot1 plot2
plot2 0.6000000
plot3 0.7142857 1.0000000
#第五步 利用UPGMA要领可能Ward法，对群落举办聚类
plot.hc <- hclust(plot.dist , “ave”)
#画图
plot(plot.hc)
plot(plot.hc, hang=-1)
#转换为dendrogram之后画图
dendro.plot<-as.dendrogram(plot.hc)
plot(dendro.plot, horiz=T)
