EKOLOGICKÝCH EXPERIMENTŮ

Podobné dokumenty
ZPRACOVÁNÍ DAT V EKOLOGII SPOLEČENSTEV

ZPRACOVÁNÍ DAT V EKOLOGII SPOLEČENSTEV

ZPRACOVÁNÍ DAT V EKOLOGII SPOLEČENSTEV

Diverzita doubrav ve vztahu k produktivitě stanoviště. Irena Veselá

Krajina a její dimenze. krajinná heterogenita, koncept měřítka (scale), hierarchická struktura krajinných komponent

NIKA A KOEXISTENCE. Populační ekologie živočichů

Normální (Gaussovo) rozdělení

Optimalizace provozních podmínek. Eva Jarošová

VÝBĚR A JEHO REPREZENTATIVNOST

Tomáš Karel LS 2012/2013

fytopatogenů a modelování

INDEXY DIVERZITY. David Zelený Zpracování dat v ekologii společenstev

ELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev

Úvodem Dříve les než stromy 3 Operace s maticemi

DRUHOVĚ NEJBOHATŠÍ LOKALITY NA ZEMI. David Zelený Masarykova univerzita Brno

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Zpráva o testu klonů topolů a vrb na pozemku ve Stachách na Šumavě

Pěstování pokusných rostlin

STATISTICKÉ METODY; ZÍSKÁVÁNÍ INFORMACÍ Z DRUHOVÝCH A ENVIRONMENTÁLNÍCH DAT

Smíšené regresní modely a možnosti jejich využití. Karel Drápela

Prostorová variabilita

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Zpráva o testu dřevin na pozemku ve Stachách na Šumavě

Normální (Gaussovo) rozdělení

ANALÝZA DAT V R 9. VÝPOČET VELIKOSTI SOUBORU. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.

Teplota a vlhkost půdy rozdílně využívaného lučního porostu na Šumavě

ELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev

Nika důvod biodiverzity navzdory kompetici

Databáze produkce biomasy travinných ekosystémů v ČR

PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Základy navrhování průmyslových experimentů DOE

, Brno Hanuš Vavrčík Základy statistiky ve vědě

Testování hypotéz o parametrech regresního modelu

Testování hypotéz o parametrech regresního modelu

DUSÍKATÁ VÝŽIVA JARNÍHO JEČMENE - VÝSLEDKY POKUSŮ V ROCE 2006 NA ÚRODNÝCH PŮDÁCH A MOŽNOSTI DIAGNOSTIKY VÝŽIVNÉHO STAVU

Princip parsimonie (Occamova břitva)

Je-li rostlinné společenstvo tvořeno pouze jedinci jedné populace, mluvíme o monocenóze nebo také o čistém prostoru.

Regresní a korelační analýza

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

ANALÝZA ROZPTYLU (ANOVA)

Regresní a korelační analýza

Srovnání biodiverzity sadů v různých režimech hospodaření. Martin Bagar

Ekologická společenstva

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Regresní a korelační analýza

Testování hypotéz a měření asociace mezi proměnnými

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

6. Lineární regresní modely

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

Analýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů

Primární produkce. Vazba sluneční energie v porostech Fotosyntéza Respirace

1. Statistická analýza dat Jak vznikají informace Rozložení dat

Od procesů k systému...cesta tam a zase zpátky. aneb JAK VLASTNĚ ROSTE ROSTLINA?

1. Ekologie zabývající se studiem jednotlivých druhů se nazývá: a) synekologie b) autekologie c) demekologie

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

Jednofaktorová analýza rozptylu

Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz

Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy.

Ranní úvahy o statistice

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistika, Biostatistika pro kombinované studium. Jan Kracík

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ

Role experimentu ve vědecké metodě

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

10. Předpovídání - aplikace regresní úlohy

Regresní analýza. Eva Jarošová

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Regresní a korelační analýza

4EK211 Základy ekonometrie

SPECIES ATTRIBUTES IN ANALYSIS OF COMMUNITY ECOLOGY DATA

Úvod do problematiky měření

Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin

Úvod do zpracování signálů

Statistická analýza jednorozměrných dat

Příčiny krajinného uspořádání. abiotické faktory, biotické interakce, antropogenní změny (land use, land cover change)

Rozptyl a migrace. Petra Hamplová

NIKA A KOEXISTENCE. Populační ekologie 2014 Monika Hloušková

You created this PDF from an application that is not licensed to print to novapdf printer (

5EN306 Aplikované kvantitativní metody I

Jednostranné intervaly spolehlivosti

Pracovní verze. NAŘÍZENÍ VLÁDY ze dne o stanovení podrobností evidence využití půdy podle uživatelských vztahů

Počítačové simulace fyzikálních problému TASEP

ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.

Výzkum sociální změny

Statistická analýza jednorozměrných dat

Ilustrační příklad odhadu LRM v SW Gretl

Mgr. Šárka Poláková, Ph.D.

Inženýrská statistika pak představuje soubor postupů a aplikací teoretických principů v oblasti inženýrské činnosti.

Úloha 1: Lineární kalibrace

LINEÁRNÍ MODELY. Zdeňka Veselá

Parametrické testy hypotéz o středních hodnotách spojitých náhodných veličin

LINEÁRNÍ REGRESE. Lineární regresní model

Mgr. Jan Mládek, Ph.D. (2013)

Vymezení druhové rozmanitosti

STATISTICA Téma 6. Testy na základě jednoho a dvou výběrů

Navrhování experimentů a jejich analýza. Eva Jarošová

Bonita stanoviště a bonita porostu

Transkript:

DESIGN EKOLOGICKÝCH EXPERIMENTŮ To call in the statistician after the experiment is done may be no more than asking him to perform a post mortem examination: he may be able to say what the experiment died of. Sir Ronald Fisher, Indian Statistical Congress, Sankhya 1939

ZÁKLADNÍ OTÁZKA: CO CHCI EXPERIMENTEM ZJISTIT? Jaká je variabilita proměnné Y v čase nebo prostoru? pattern description nejčastější otázka v ekologických observačních studiích Má faktor X vliv na proměnnou Y? hypothesis testing, otázka pro manipulativní experiment může platit i pro některé přírodní experimenty, ale výsledky těchto testů jsou podstatně slabší (nemáme kontrolu nad vlivem ostatních faktorů, které mohou výsledky ovlivnit) Chová se proměnná Y tak, jak předpovídá hypotéza H? klasická konfrontace mezi teorií a reálnými daty platí pro data získaná jak manipulativním tak přírodním experimentem ne vždy je snadné najít správnou hypotézu Jaký model nejlépe vystihuje vztah mezi faktorem X a proměnnou Y? experimentem sbíráme podklady pro matematické modelování 274

MANIPULATIVNÍ VS PŘÍRODNÍ EXPERIMENTY Manipulativní experimenty uměle manipulujeme vysvětlující proměnnou (X) a sledujeme reakci vysvětlované proměnné (Y) umožňuje přímé testování hypotéz známe směr vztahu mezi příčinou a důsledkem - kauzalita Přírodní experimenty (pozorování, observační studie) vysvětlující proměnnou manipuluje sama příroda slouží spíše ke generování než testování hypotéz neznáme směr vztahu mezi příčinou a důsledkem - korelace 275

MANIPULATIVNÍ VS PŘÍRODNÍ EXPERIMENTY SROVNÁNÍ TESTOVANÝCH HYPOTÉZ Příklad: na ostrovech v Karibiku sledujeme vztah mezi počtem ještěrek na určité ploše a počtem pavouků (Gotelli & Ellison 2004) Manipulativní experiment Provedení: v jednotlivých plochách (klecích) je uměle ovlivněn počet ještěrek a sledováno množství pavouků Nulová hypotéza: počet ještěrek nemá vliv na počet pavouků v klecích Alternativní hypotéza: se vzrůstající hustotou ještěrek klesá počet pavouků (ještěrky žerou pavouky) 276

MANIPULATIVNÍ VS PŘÍRODNÍ EXPERIMENTY Přírodní experiment (pozorování, observační studie) Provedení: SROVNÁNÍ TESTOVANÝCH HYPOTÉZ na vybraných plochách je sledován počet ještěrek a počet pavouků. Vybíráme plochy (nebo ostrovy) s různou hustotou ještěrek (hustota ještěrek tedy není přímo manipulována, ale záleží na jiných faktorech). Možné hypotézy vysvětlující negativní vztah mezi ještěrkami a pavouky: 1. počet ještěrek (negativně) ovlivňuje počet pavouků (ještěrky žerou pavouky) 2. počet pavouků má vliv na počet ještěrek (draví pavouci napadají mláďata ještěrek) 3. počet ještěrek i pavouků je ovlivňován neměřeným faktorem prostředí (třeba vlhkostí) 4. některý faktor prostředí ovlivňuje sílu vztahu mezi ještěrkami a pavouky (třeba zase vlhkost) Možná řešení: 1. vybírat plochy tak, aby se omezila variabilita vlhkosti (sledovat třeba jen vlhké plochy, které se liší hustotou ještěrek) 2. dodatečně měřit faktory, které mohou ovlivňovat vztah (např. onu vlhkost) 277

závisle proměnná závisle proměnná MANIPULATIVNÍ EXPERIMENT PRESS VS PULSE EXPERIMENT Press experiment (experiment pod stálým tlakem ) zásah je proveden na začátku experimentu a pak znovu v pravidelných intervalech měří resistenci systému na experimentální zásah jak je systém (společenstvo) schopné odolávat, případně se přizpůsobit změnám v podmínkách prostředí Pulse experiment (pulzní experiment, jednou a dost ) zásah je proveden jen jednou, obvykle na začátku experimentu měří resilienci systému jak pružně je systém (společenstvo) schopné reagovat na experimentální zásah čas čas 278

PŘÍRODNÍ EXPERIMENT (POZOROVÁNÍ) SNAPSHOT VS TRAJECTORY EXPERIMENT Snapshot experiment (momentka) opakuje se v prostoru, ale ne v čase sběr vzorků provedu na několika (mnoha) lokalitách v relativně krátkém čase (týden, sezóna, dva roky sběru dat pro diplomku...) představuje většinu přírodních experimentů v ekologii zahrnuje i sukcesní studie, kdy sledujeme zároveň různá sukcesní stadia Trajectory experiment (sledujeme trajektorii procesu v čase) opakuje se v čase (a případně i v prostoru) sběr vzorků se na daných (většinou pevně vymezených plochách) opakuje několikrát za sebou sukcesní studie prováděné několik let, trvalé plochy v lesních porostech opakovaně měřené jednou za x let 279

MANIPULATIVNÍ EXPERIMENT ZÁKLADNÍ TYPY ROZMÍSTĚNÍ PLOCH kompletně znáhodněný design nebere v úvahu heterogenitu prostředí ne vždy je nejvhodnější znáhodněné bloky vlastní bloky jsou vnitřně homogenní (pokud možno) počet bloků = počet opakování bloky jsou umístěné podle gradientu prostředí v každém bloku je právě jedna replikace každého zásahu gradient prostředí 280

MANIPULATIVNÍ EXPERIMENT ZÁKLADNÍ TYPY ROZMÍSTĚNÍ PLOCH latinský čtverec předpokládá přítomnost dvou gradientů v prostředí každý sloupec a každý řádek obsahuje právě jednu variantu zásahu možno použít i několik latinských čtverců gradient 1 gradient 2 281

MANIPULATIVNÍ EXPERIMENT NEJČASTĚJŠÍ CHYBY pseudoreplikace testovat lze jen rozdíly v průměrech jednotlivých bloků plochy se stejným zásahem jsou umístěny blízko sebe, a mají proto větší pravděpodobnost, že si budou podobné i bez vlivu vlastního zásahu neúplně znáhodněný design v podstatě pseudoreplikace, jen méně zřejmá gradient prostředí gradient prostředí 282

gradient prostředí gradient prostředí gradient prostředí MANIPULATIVNÍ EXPERIMENT NEJČASTĚJŠÍ CHYBY design se znáhodněnými bloky špatná orientace bloků správně špatně špatně 283

MANIPULATIVNÍ EXPERIMENT S VÍCE NEŽ JEDNÍM TYPEM ZÁSAHU faktoriální design každá hladina prvního faktoru je kombinovaná s každou hladinou druhého faktoru (případně třetího atd.) například kombinace koseno vs nekoseno hnojeno vs nehnojeno jednotlivé kombinace mohou být rozmístěny v prostoru např. v rámci latinského čtverce ano ne koseno hnojeno 284

MANIPULATIVNÍ EXPERIMENT S VÍCE NEŽ JEDNÍM TYPEM ZÁSAHU split-plot design faktory jsou strukturovány hierarchicky (nested) například plochy hnojené různými hnojivy (C, N, P) v rámci bloků umístěných na vápenci (modrá) a žule (červená barva) N N P C C P N C P C P N P P N C C N 285

letecký pohled plán zásahů MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE ROTHAMSTED (ENGLAND) PARK GRASSLAND EXPERIMENT (ZALOŽEN 1843) 286 Silvertown et al. (2006) J. Ecol.

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE ROTHAMSTED (ENGLAND) PARK GRASSLAND EXP. 287 Třídění bylinné biomasy do druhů (kolem roku 1930) (http://www.rothamsted.ac.uk)

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE KOMPETICE O SVĚTLO V EXPERIMENTÁLNÍM PROSTŘEDÍ Při vyšším přísunu živin rostou rostliny rychleji a začnou si konkurovat o světlo tak proč jim trochu nepřisvítit? Hautier et al. (2009) Science 324: 636-638 288

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE KOMPETICE O SVĚTLO V EXPERIMENTÁLNÍM PROSTŘEDÍ 289 Hautier et al. (2009) Science 324: 636-638

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE STANOVENÍ POTENCIÁLNÍ STANOVIŠTNÍ PRODUKTIVITY V DOUBRAVÁCH PĚSTOVÁNÍM ŘEDKVIČEK VE SKLENÍKU 290 Veselá et. al (2008): Bioassay experiment for assessment of site productivity in oak forests. - 17th International Workshop European Vegetation Survey, Brno, Czech Republic, 1-4. 5. 2008.

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE MEZOKOSMOVÝ EXPERIMENT S HMYZEM A PREDÁTORY Kádě, které samy o sobě nejsou obsazeny predátory (larvy vážek a pstruzi), ale jsou v blízkosti kádí s predátory, jsou pro létající hmyz kladoucí vajíčka stejně neatraktivní jako vlastní kádě s predátory. na začátku experimentu... http://nwdragonflier.blogspot.cz http://www.jjphoto.dk 291 Wesner et al. (2012) Ecology 93: 1674-1682

MANIPULATIVNÍ EXPERIMENTY PŘÍPADOVÉ STUDIE VLIV HERBIVORNÍCH RYB NA DRUHOVÉ SLOŽENÍ KORÁLOVÝCH ÚTESŮ hustá klec zabrání všem rybám na začátku experimentu... řídká klec zabrání jen velkým rybám... a po čtyřech měsících pod klecí Atol Agatti (Lakedivy, Indie) 292 Autor: Nicole Černohorská (v rámci disertační práce)

detailní pohled na korálový útes s nárostem řas (autor: Nicole Černohorská) 293

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Preferenční 294

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Systematické rozmístění v síti (lattice) 295

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Systematické rozmístění v síti (grid) 296

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Systematické rozmístění na transektu 297

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Náhodné rozmístění 298

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Preferenční rozmístění statistické hledisko: snímky nejsou náhodným výběrem, což limituje jejich použití při statistických analýzách (Lajer 2007, Folia Geobotanica) hledisko vegetačního ekologa: popisují maximální variabilitu vegetace praktické důsledky: snímky bývají druhově bohatší, obsahují větší počet diagnostických nebo vzácných druhů Náhodné (a systematické) rozmístění statistické hledisko: snímky jsou náhodným výběrem v reálném prostoru (ne ale v ekologickém hyperprostoru) hledisko veg. ekologa: nezachytí celou variabilitu vegetace - chybí maloplošné a vzácné vegetační typy, převládají velkoplošné a běžné typy, zahrnují řadu špatně klasifikovatelných vegetačních přechodů praktické důsledky: snímky odrážejí reálnou strukturu a bohatost vegetace v krajině, ale metoda je neúměrně pracná 299

PŘÍRODNÍ EXPERIMENT (OBSERVAČNÍ STUDIE) ROZMÍSTĚNÍ VZORKOVACÍCH PLOCH Stratifikované náhodné rozmístění 300

STRATIFIKACE KRAJINY V GIS Teplota Srážky Půdní typy Stratifikované jednotky Austin et al. 2000 301

PROSTOROVÁ AUTOKORELACE bližší plochy jsou si podobnější 302

PROSTOROVÁ AUTOKORELACE vlastnosti určitého pozorování (vzorku) mohou být do určité míry odvozeny z pozorování v jeho okolí jednotlivá pozorování na sobě nejsou nezávislá běžná vlastnost prakticky všech reálných ekologických dat příroda se nechová podle zákonů statistiky může být pozitivní (bližší vzorky jsou si podobnější než by odpovídalo jejich náhodnému výběru) nebo negativní (sousední vzorky jsou si méně podobné než kdyby byly vybrány náhodou, např. v důsledku tzv. Janzen-Connellovy hypotézy) Vše souvisí se vším, ale bližší věci spolu souvisejí více než ty vzdálené Waldo Tobler (1969), První zákon geografie 303

PROSTOROVÁ AUTOKORELACE Co způsobuje prostorovou autokorelaci biologických dat? omezené možnosti disperze, genetický tok nebo klonální růst sousedé jsou si podobnější organismy jsou omezeny ekologickými faktory (například vlhkost nebo teplota), které jsou samy o sobě prostorově autokorelovány Jak se prostorová autokorelace projevuje při analýze dat? pozitivní PA zvyšuje pravděpodobnost chyby prvního druhy (Type I error), totiž že zamítneme nulovou hypotézu, která platí (statistické testy vycházejí průkazněji než by měly) negativní PA způsobuje opačný efekt problém je v počtu stupňů volnosti (degrees of freedom): pokud si stupně volnosti představíme jako množství informace, kterou každý nový vzorek přináší, pak každý nový nezávislý vzorek přináší jeden stupeň volnosti, ale prostorově autokorelovaný vzorek přináší méně 304

PROSTOROVÁ AUTOKORELACE Příklad: Vliv nadmořské výšky na vegetaci, studovaný pomocí transektů vedených podél nadmořské výšky prostorově neautokorelované transekty (každý transekt na různé hoře) prostorově autokorelované transekty (paralelně vedle sebe na jedné hoře) 305

PROBLÉM PROSTOROVÉ ŠKÁLY (SCALE OF THE STUDY) zrno (grain size) velikost nejmenší studované jednotky, zpravidla vzorkované plochy, dána vlastností a velikostí studovaných organismů rozsah (extent) velikost studovaného území, zachycení různých ekologických faktorů interval vzdálenost mezi vzorkovanými plochami Platí pravidlo, že studie malého rozsahu jsou hůře zobecnitelné 306 Legendre & Legendre (1998)

TVAR PLOCHY čtvercová obdélníková kruhová čtverec obdélník kruh celková plocha 100 m 2 100 m 2 100 m 2 rozměr tvaru 10 10 m 20 5 m poloměr 5,64 m obvod 40 m 50 m ~ 35 m 307

gradient prostředí VLIV TVARU A ORIENTACE PLOCHY NA ZAZNAMENANOU DRUHOVOU BOHATOST obdélníkové plochy mohou mít vyšší druhovou bohatost než čtvercové plochy (o stejné ploše) 309 Stohlgren et al. (1995) Vegetatio 117:113-121; Condit et al. (1996) J.Ecol. 84: 549-562; Keeley & Fotheringham (2005) J.Veg.Sci. 16: 249-256.

VELIKOST PLOCHY STUDIUM VEGETACE NA VÍCE MĚŘÍTCÍCH SOUČASNĚ 310

VELIKOST PLOCHY STUDIUM VEGETACE NA VÍCE MĚŘÍTCÍCH SOUČASNĚ Vztah mezi velikostí snímku a počtem druhů ve snímku bělokarpatské louky ve srovnání s jinými typy travinné vegetace Jongepierová [ed.](2008): Louky Bílých Karpat. 311

VELIKOST PLOCH SPOLEČNÁ ORDINACE PLOCH O RŮZNÉ VELIKOSTI Otýpková & Chytrý (2006), J.Veg.Sci. 17: 465-472 312