Пробы, которые отбирают с целью оценки видового разнообразия сообществ, могут содержать, и, как правило, содержат большое число видов, представленных относительно большим числом особей. Как «свернуть» эту объемную многомерную информацию так, чтобы ее стало удобно анализировать? Для этого применяют разнообразные индексы, рассчитываемые определенным образом на основе исходных данных и представляющих собой одно единственное число, которое в дальнейшем уже можно сравнивать с аналогичными числами и делать соответствующие выводы. В настоящее время таких индексов предложено более 20. В целом индексы, применяемые для анализа разнообразия сообществ должны учитывать следующие два условия (мы уже говорили об этом): а) Разнообразие сообщества тем выше, чем больше в нем количество видов; б) Разнообразие сообщества тем выше, чем выше его выравненность. Индексы видового богатства. Видовое богатство представляет собой просто число видов, обнаруженных в пробе. Очевидно, что этот показатель будет в значительной мере определяться размером пробы (чем больше размер пробы или количество проб, тем больше видов будет отмечено). Чтобы избежать влияния размера пробы на число видов в ней, используют относительные индексы видового разнообразия. Один из наиболее простых и распространенных – это видовая плотность (число видов, например, на 1 м2 площади). Реже используется т.н. «нумерическое видовое богатство». Например, при исследовании экологических воздействий на сообщество рыб можно использовать такой показатель, как число видов на 1000 пойманных рыб. Существуют и более сложные показатели видового богатства. В частности, это индекс Маргалефа: и индекс Менхиника: Достоинство этих индексов – простота расчета. Большая величина индекса соответствует большему богатству. Индексы неоднородности. Учитывают одновременно оба параметра разнообразия: выравненность обилия видов и видовое богатство. Выделяют две категории этих индексов: а) индексы, основанные на теории информации (информационно-статистические); б) индексы доминирования. Индекс Шеннона (=Шеннона-Винера). Самый распространенный информационно-статистический показатель. Теория информации основывается на изучении вероятности наступления некой цепочки событий. Результат выражается в единицах неопределенности, или информации. В 1949 г. Шеннон и Винер вывели формулу, при помощи которой можно оценить степень неопределенности в той или иной системе: В биологических исследованиях под рi понимают значимость особей i-го вида, которая может рассчитываться либо как , либо как . При расчете индекса Шеннона обычно используется двоичный логарифм. В таких случаях индекс выражается в количестве «бит на одну особь». Но приемлемо также использование и других оснований логарифма – натурального («нит/особь», коэффициент перевода в биты – 1,4426) и десятичного («децит/особь», коэффициент перевода в биты – 3,3219). При попытках сравнения индексов Шеннона необходимо всегда уделять внимание тому, по какому основанию был взят логарифм! Кроме того, нужно стараться также сравнивать индексы, рассчитанные на основе примерно одинаковых по размеру проб, поскольку величина индекса коррелирует с этим параметром.