RDA或CCA模型的选择原则：先用Species Table数据做DCA分析，看分析结果中Axis lengths的第一轴的大小，如果大于4.0，就应该选CCA，如果3.0-4.0之间，选RDA和CCA均可，如果小于3.0，RDA的结果要好于CCA。

输入：

Species Table文件，由分析模块 "Summary the representation of taxonomic groups" 生成。

输出：

DCA分析结果文件：

Call:

decorana(veg = t(spe))

Detrended correspondence analysis with 26 segments.

Rescaling of axes with 4 iterations.

                           DCA1    DCA2     DCA3      DCA4

Eigenvalues        0.8848   0.04847  0.04503  0.0450291

Decorana values 0.8988   0.04761  0.01260  0.0003008

Axis lengths        5.4127    0.49367  0.48190  0.4818986

这里Axis lengths的第一轴的大小为5.4127，适合于CCA分析。

分析模块引用了R语言（v2.12.1）vegan包（v2.0-1）中的DCA分析。

相关文献如下所示：

Hill, M.O. and Gauch, H.G. (1980). Detrended correspondence analysis: an improved ordination technique. Vegetatio 42, 47–58.

Oksanen, J. and Minchin, P.R. (1997). Instability of ordination results under changes in input data order: explanations and remedies. Journal of Vegetation Science 8, 447–454.