CA标准分析：

结果文件夹：CCA_standard 使用vegan包中的cca()函数进行CCA标准分析，一般情况下这个分析点展示的是全部的环境因子数据，但是也有特殊情况，可参考工单230524-00020，解释如下：分析过程中，会计算环境因子对每个CCA轴的贡献度，记录在cca.env.csv中，用于绘图。在这个过程中，会自动删除存在强共线性或者相关性的变量，如果保留这些变量，模型中的一些变量可能不再具有独立解释的能力。

CCA_VIF：

结果文件夹：CCA_VIF 使用vegan包中的cca()函数进行CCA分析，然后使用vif.cca函数计算典型相关分析（CCA）模型中的方差膨胀因子（Variance Inflation Factors，VIF），VIF是一种用于评估多重共线性的统计指标，用于确定在多元回归模型中自变量之间是否存在高度相关性。在CCA模型中，VIF可以用于检查每个典型变量（典型分量）之间的共线性。如果某个典型变量具有高VIF值，那么它与其他典型变量可能存在高度相关性，这可能影响模型的解释性和稳定性。 VIF表达式为：VIFi=1/(1-Ri2)。其中Ri2代表模型中与其它自变量相关的第i个自变量的方差比例，用于衡量第i个自变量与其它自变量间的共线性关系。VIF值越大，表明自变量间的多重共线性关系越严重。通常认为VIF值大于10的环境因子是无用的环境因子。过滤掉VIF大于10的环境因子，进行多次筛选，直到选出的环境因子对应的VIF值全部小于10为止。

CCA_FitENV：

结果文件夹：CCA_FitENV 在结果文件夹：CCA_standard中feature下有一个rdaenvfit.csv，计算了每一个环境因子的显著性，挑选最后一列p<0.05的环境因子，完成分析。