数据准备：
        1.群落数据(otu)
        2.环境因子数据(env)
软件准备：
       1.指定数据存放目录：文件-改变工作目录
       2.安装程序包：程序包-本地zip安装 （vegan和permute）
       3.加载vegan程序包：程序包-加载程序包-vegan
分析实例：
        1.群落结构是否分异，进行图示化
        2.群落分异与何环境因子相关
       
==========分析实例，可试运行===========
一. 群落分异分析举例 (NMDS、PCA进行图示；ANOSIM进行分析)：
1. 导入数据、群落分异图示化
otu=read.table("otu.txt",header=T)  
#进行nmds分析，并图示化
nmds1=metaMDS(otu,distance = "bray", k = 2,trymax=20)  
plot(nmds1, display = "sites", choices = c(1, 2), type = "t")    
nmds1$stress   
#进行CA分析，并图示化
cca1=cca(otu)
plot(cca1,display="si")
cca1
其他方法：PCA、DCA

2. 差异显著性分析
#从otu表中将需要比较的两组数据进行提取
otu1=otu[1:10,]                   #提取处理A和B的数据          
otu2=otu[c(1:5,11:15),]      #提取处理A和C的数据  
otu3=otu[6:15,]                 #提取处理B和C的数据  
#将数据进行分组，下例为前5组为一个处理，后5组为另一个处理
group=c(1,1,1,1,1,2,2,2,2,2)
#用ANOSIM进行显著性分析（下例为比较A和B）
anosim(otu1,group,permutations = 999, distance = "bray")  
其他方法：MRPP、ADONIS   

二. 环境因子分析 (CCA为例)：
#导入群落数据、环境因子数据
otu=read.table("otu.txt",header=T)
env=read.table("env.txt",header=T)
#进行CCA分析，并图示化
cca2=cca(otu,env)
plot(cca2,display=c("bp","si"))
其他方法：RDA，Mantel

三. 其他
在google中输入R即可进入R网站；
如有疑问，在R试运行"?+命令"，将获取相应命令的帮助文件，如?cca.