Bioenv 分析通過 計算樣本群落結構的距離矩陣和 環境因子的距離矩陣，計算兩個距離之間的相關系數，挑選出最佳的環境因子組合；
默認情況下，計算 群落結構的距離矩陣時， 使用 Bray-Curtis 距離； 計算環境因子的距離矩陣時，使用Euliodean 歐式距離， 計算相關性，則采用 spearman 相關系數；
示例用法：
> # The method is very slow for large number of possible subsets.
> # Therefore only 6 variables in this example.
> data(varespec)
> data(varechem)
> sol <- bioenv(wisconsin(varespec) ~ log(N) + P + K + Ca + pH + Al, varechem)
> sol
Call:
bioenv(formula = wisconsin(varespec) ~ log(N) + P + K + Ca + pH + Al, data = varechem)
Subset of environmental variables with best correlation to community data.
Correlations: spearman
Dissimilarities: bray
Metric: euclidean
Best model has 3 parameters (max. 6 allowed):
P Ca Al
with correlation 0.4004806
> summary(sol)
size correlation
P 1 0.2513
P Al 2 0.4004
P Ca Al 3 0.4005
P Ca pH Al 4 0.3619
log(N) P Ca pH Al 5 0.3216
log(N) P K Ca pH Al 6 0.2822
從上面的結果可以看出，最佳的環境因子的組合是P Ca Al ， 因為其相關系數是最高的；
結果展現形式：
bioenv 分析的使用場景：
挑選合適的環境因子進行后續分析，當環境因子的個數較多時，可以使用bioenv 分析，挑選出相關性最高的環境因子的組合；
存在的問題：
當多個環境因子的組合相關系數差不多時，如果單純的按照相關系數的值挑選1個最高的環境因子的組合，可能漏掉部分關鍵的環境因子；
參考資料：
https://www.rdocumentation.org/packages/vegan/versions/2.4-2/topics/bioenv
http://www.int-res.com/articles/meps/92/m092p205.pdf