度量样方间物种组成的差异,即β多样性,是生态学研究中的常用手段.在开展生态学研究的过程中,不同样方获取的样本量通常不同.使用物种稀疏曲线可以计算不同样本量的α多样性,但常用的β多样性指数的计算却没有考虑样本量的差异.本文主要介绍了从稀疏曲线演化而来的可以计算不同样本量的β多样性指数——预期共享物种数(expected species shared,ESS)及其标准化后的指数,其中详细介绍了弦标准化的预期共享物种数(chord-normalized expected species shared,CNESS).利用真实采集的数据集,本文演示了在不同样本参数m下,CNESS经过主坐标分析(principal coordinates analysis,PCoA)的二维排序结果,并比较了样本量变化后,CNESS与基于多度的Chao-Jaccard相异性指数之间的差异.模拟结果表明,CNESS指数与Chao-Jaccard指数的PCoA结果具有相关性,该相关性不随m值的变化而变化.CNESS指数较Chao-Jaccard指数具有更多优势,通过调节样本参数m,CNESS的结果可以分析优势种或者稀有种的物种组成差异,同时CNESS指数对样本量不敏感.ESS系列相异指数是基于物种多度的计算,适用于样本量不一致时的β多样性研究,建议在开展昆虫等无脊椎动物的生态学研究中使用此指数.为了更加准确地获得样方之间的物种组成差异,在数据分析的过程中应选取不同大小的m值计算CNESS.然而,由于样本量小于特定m值的样方会在计算中被剔除,因此,在实际的取样工作中,每个样方都应该尽量采集到足够多的个体,才能保证在m值足够大的时候也不丢失样方信息.