Výběr hodnot z modisovského rastru v místech, kde se nacházela jedna ze zeber

Podobné dokumenty
Jednofaktorová analýza rozptylu

Statistická analýza dat

Analýza variance (ANOVA) - jednocestná; faktor s pevným efektem; mnohonásobná srovnání

Funkce Cell, Neighborhood and Zonal Statistic

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Design Experimentu a Statistika - AGA46E

KLIMATICKÁ STUDIE. Měsíc květen v obci Vikýřovice v letech Ondřej Nezval 3.6.

ZÁKLADNÍ ŠKOLA PŘI DĚTSKÉ LÉČEBNĚ Ostrov u Macochy, Školní 363 INOVACE VÝUKY CZ.1.07/1.4.00/

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

SOUHRNNÁ ZPRÁVA PRO ŠKOLU Maturita nanečisto 2007 Výsledky zkoušek společné a profilové části maturitní zkoušky

Aplikovaná statistika v R - cvičení 2

Analýza rozptylu. Přednáška STATISTIKA II - EKONOMETRIE. Jiří Neubauer

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

4. cvičení. 15. října 2014

Zásady zapisování a zaokrouhlování číslel. Zapisování čísel

Na květen je sucho extrémní

Studium časového vývoje erupcí v čarách vodíku a vápníku

Využitípoloparazitických rostlin rodu kokrhel (Rhinanthusspp.) k potlačeníkompetičněsilných trav (třtiny křovištnía kostřavy červené)

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

ANAlýza trhu Rezidenční trh v Praze cenová analýza

Cyklické změny v dynamice sluneční konvektivní zóny

Problém 1: Ceny nemovitostí Poznámkykřešení 1

ELEKTŘINA A MAGNETIZMUS kontrolní otázky a odpovědi

Rastrová data DPZ a FOTOGRAMMETRIE v GIS

Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Uni- and multi-dimensional parametric tests for comparison of sample results

Systém rizikové analýzy při sta4ckém návrhu podzemního díla. Jan Pruška

Výzkum plánování odpadového hospodářství na komunální úrovni

Analýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel

Popisná statistika. Komentované řešení pomocí MS Excel

1.4 ANOVA. Vliv druhu plodiny na míru napadení houbami Fusarium culmorum a Fusarium graminearum v systému ekologického hospodaření

Jan Krása Katedra psychologie, PdF MU, Brno. XXV. ročník konference ČAPV, Hradec králové

8. přednáška z předmětu GIS1 Rastrový datový model a mapová algebra

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

Analýza rozptylu. Statistika II. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Kontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků)

MAREK Industrial a.s. ** ** ** Aktualizace Měřítka, kroužky se stupnicí na poptávku

GIS Geografické informační systémy

POKLADNA. 1. Spuštění pokladny 2. Nastavení režimu pokladny 3. Náhledy

Pokročilé metody geostatistiky v R-projektu

4ST201 STATISTIKA CVIČENÍ Č. 10

Regresní a korelační analýza

GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1

Charakteristiky kategoriálních veličin. Absolutní četnosti (FREQUENCY)

Malý test znalostí odběrových skupin - fotografie

Vytěžování znalostí z dat

Pokud data zadáme přes "Commands" okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18.

HTS Report. d2-r. d2-r. Jan Novák ID Datum administrace Standard 1. Vydání. Hogrefe Testcentrum, Praha

Pracovní balíček 10 Nástroje pro optimalizaci výrobních a lidských zdrojů. Příloha 1 Dílčí výstup: Nástroj pro optimalizaci výroby

Dvouvýběrové a párové testy. Komentované řešení pomocí MS Excel

GIS Geografické informační systémy

12. přednáška ze stavební geodézie SG01. Ing. Tomáš Křemen, Ph.D.

Časové rezervy. Celková rezerva činnosti

3. Komutátorové motory na střídavý proud Rozdělení střídavých komutátorových motorů Konstrukce jednofázových komutátorových

Jana Zapletalová, Kateřina Langová

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.

Regresní a korelační analýza

Zařízení řady VT/VS přicházejí s volbou různé příplatková výbavy sběrné skříně. Vliv na životní prostředí

Vlečka 4260 Prefa Pardubice, Rašovice

Konvexnost, konkávnost

1. Počet, pohyb a věková struktura obyvatelstva

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

Sociodemografická analýza SO ORP Mohelnice

FUNKCE 3. Autor: Mgr. Dana Kaprálová. Datum (období) tvorby: září, říjen Ročník: sedmý. Vzdělávací oblast: Informatika a výpočetní technika

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4

Příloha č. 1: Základní geometrické charakteristiky výzkumných povodí

Mezilaboratorní porovnávání - Nové mikrobiologické metody k analýzám koupacích vod

PSANÍ VZORCŮ A ROVNIC

Životní úroveň, rodinné finance a sociální podmínky z pohledu veřejného mínění

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

Vektorový prostor. d) Ke každému prvku u V n existuje tzv. opačný prvek u, pro který platí, že u + u = o (vektor u nazýváme opačný vektor k vektoru u)

Q-diagramy. Jiří Michálek ÚTIA AVČR

IB111 Úvod do programování skrze Python

3. Využití pracovní síly

Aplikace Li-Ma metody na scintigrafické vyšetření příštítných tělísek. P. Karhan, P. Fiala, J. Ptáček

Rosenblattův perceptron

Roční statistika projektu HOP

Základní ovládání aplikace

Využití software ITEMAN k položkové analýze a analýze výsledků testů

JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT1

DUM 14 téma: Barevné korekce fotografie

MUX 1602C Barevný kvadrátor. Návod na rychlou instalaci

FINANČNÍ ZAJIŠTĚNÍ DOMÁCNOSTÍ A OBAVY Z EKONOMICKÉHO

Stav Svobodný Rozvedený Vdovec. Svobodná Rozvedená Vdova 5 8 6

PŘÍLOHY. Příloha č. 1 - Vyjádření etické komise FTVS UK. Příloha č. 2 Informovaný souhlas. Příloha č. 3 Dotazník

MATEMATIKA. Třída: 5. ročník

GEOVAP, spol. s r.o. WMS JDTM ZK

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

CORINE LAND COVER. Jana Bašistová CENIA, česká informační agentura životního prostředí. 3. české uživatelské fórum Copernicus.

Úloha E301 Čistota vody v řece testem BSK 5 ( Statistická analýza jednorozměrných dat )

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

Obvody střídavého proudu: zobrazování a základní veličiny

Nechť je číselná posloupnost. Pro všechna položme. Posloupnost nazýváme posloupnost částečných součtů řady.

Míra přerozdělování příjmů v ČR

Dynamické datové struktury III.

Úloha - rozpoznávání číslic

Švýcarský frank za 35 let posílil o 63% oproti dolaru. Přesto se Švýcarům vyplatilo investovat do světových akcií!

Moderní regresní metody. Petr Šmilauer Biologická fakulta JU České Budějovice (c)

5.3.3 Interference na tenké vrstvě

Transkript:

Výběr hodnot z modisovského rastru v místech, kde se nacházela jedna ze zeber - pro ukázku je zde vybrán rastr s hodnotami indexu EVI v jednom únorovém dni - a místa výskytu dané zebry celkem za celý rok (tj. je to jen ukázka a časově se to nekryje s dobou pořízení modisovského rastru) Na následujícím obrázku je vidě: (1) rastr s modisovskou vrstvou indexu EVI, pokrývající vybranou oblast (vlevo nahoře), (2) přes něj jsou plotnuté treky (vektor) jedné zebry (vpravo nahoře), (3) treky jsou rasterizovány, ale zde jsou zatím všechny pixly, tj. i nulové (vlevo uprostřed), (4) nulové pixly jsou vyházeny, tj. zde jsou již jen pixly s přítomností zeber (vpravo uprostřed), (5) podle pixlů s přítomností zeber jsou vybrány z modisovského rastru pixly s hodnotami indexu EVI (vlevo dole), (6) a jen pro informaci pixly s hodnotami indexu EVI v okolí, tj. mimo přítomnost zeber (vpravo dole).

1. Rozdíly v indexu EVI resp. v jeho sezónních fluktuacích mezi oběma oblastmi (1) Pomocí ANOVA jsou porovnány indexy EVI všech pixlů za celý rok v jedné oblasti s indexy EVI všech pixlů za celý rok v druhé oblasti. (2) Pomocí ANOVA jsou porovnány fluktuace v indexy EVI na jednotlivých pixlech v jedné oblasti s fluktuacemi na jednotlivých pixlech v druhé oblasti. Tj., nejedná se o porovnání indexů samotných, ale směrodatných odchylek na jednotlivých pixlech v jedné vs. druhé oblasti. Tj. porovnávám, v které oblasti je větší sezónnost (= větší výkyvy) v hodnotě indexu EVI. Rozdíly v indexu EVI resp. ve fluktuacích indexu EVI mezi oběma oblastmi index EVI fluktuace indexu EVI Makgadikgadi Okavango Makgadikgadi Okavango průměr 0.1763406 0.3049942 0.05248942 0.12055382 medián 0.15650 0.27205 0.04954023 0.12268604 SD 0.06418041 0.12151692 0.01879986 0.02353165 Výsledek ANOVA pro indexy EVI Df Sum Sq Mean Sq F value Pr(>F) oblast 1 112.3 112.32 16413 <2e-16 *** Residuals 35638 243.9 0.01 Výsledek ANOVA pro fluktuace indexů EVI Df Sum Sq Mean Sq F value Pr(>F) oblast 1 1.0480 1.0480 2590 <2e-16 *** Residuals 1186 0.4799 0.0004 Z předchozích výsledků je patrné, že hodnoty indexu EVI jsou významně (P < 0.0001) vyšší v oblasti Okavango, nicméně zde dochází k významně (P < 0.0001) větším mezisezónním výkyvům v hodnotě tohoto indexu. V oblasti Makgadikgadi jsou hodnoty tohoto indexu nízké a jeho mezisezónní výkyvy také nízké (= je zde málo vegetace a toto se v průběhu roku příliš nemění).

2. Analýza rozdílů v indexu EVI z doby kdy zebry v Makgadikgadi (resp. Okavangu) byly vs. kdy v Makgadikgadi (resp. Okavangu) nebyly Následující rastry uvádějí průměrné hodnoty indexu EVI pro každý jeden pixel, kde se zebry v dané oblasti nacházely resp. nenacházely. Vzhledem ke skutečnosti, že treky zeber byly pořízeny i několikrát za den, zatímco podkladové modisovské rastry s indexem EVI jsou jen dvakrát do měsíce, jsou průměry počítány za celé období přítomnosti resp. nepřítomnosti zeber v dané oblasti a nikoliv přesně za dobu, kdy se zebry nacházely konkrétně na daném pixlu. Následující rastry jsou stejné jako předchozí, jsou ale plotnuté přes Google mapu

Index EVI v Okavangu v době přítomnosti zeber Index EVI v Okavangu v době nepřítomnosti zeber

Index EVI v Makgadikgadi v době přítomnosti zeber Index EVI v Makgadikgadi v době nepřítomnosti zeber

Df Sum Sq Mean Sq F value Pr(>F) stav 1 4.213 4.213 11401 <2e-16 *** Residuals 606 0.224 0.000 Výsledek ANOVA testu pro oblast Okavanga ukazuje, že v době nepřítomnosti zeber je zde index EVI významně (P < 0.0001) vyšší, než v době jejich přítomnosti (porovnání průměrných hodnot na identických pixlech). Df Sum Sq Mean Sq F value Pr(>F) stav 1 1.635 1.6354 1168 <2e-16 *** Residuals 1766 2.474 0.0014 Výsledek ANOVA testu pro oblast Makgadikgadi ukazuje, že v době nepřítomnosti zeber je zde index EVI významně (P < 0.0001) nižší, než v době jejich přítomnosti (porovnání průměrných hodnot na identických pixlech).

Df Sum Sq Mean Sq F value Pr(>F) stav 1 5.672 5.672 2727 <2e-16 *** Residuals 1186 2.467 0.002 Výsledek ANOVA testu ukazuje, že v době přítomnosti zeber v Makgadikgadi je zde index EVI významně (P < 0.0001) nižší, než jaký je v té době v Okavangu, tj. v oblasti, ze které zebry odešly. Z předchozích obrázků je zřejmé následující: (1) když zebry odcházejí z Okavanga do Makgadikgadi, v Okavangu vzroste index EVI a je zde pak dokonce vyšší než v Makgadikgadi, tj. v místě, kam se vydaly (= jdou do horšího) (2) když odcházejí z Makgadikgadi, klesne zde index EVI a zebry jdou do Okavanga, kde mezitím ale index také klesl, je však vyšší než to, co nastane v Makgadikgadi (= jdou do lepšího) (3) zebry tudíž neodcházejí z Okavanga do Makgadikgadi kvůli množství zelené biomasy (4) věc je možné chápat opačně, tj. že neodcházejí Z Okavanga DO Makgadikgadi a pak se zase vracejí ZPĚT do Okavanga, nýbrž že odcházejí Z Makgadikgadi (v době, kdy zde výrazně ubude množství zelené biomasy) DO Okavanga a pak se zase vracejí ZPĚT do Makgadikgadi, když zde opět množství zelené biomasy narostlo.

3. Rozdíly v denních teplotách (tj. od rána do večera) resp. v jeho sezónních fluktuacích mezi oběma oblastmi (1) Pomocí ANOVA jsou porovnány denní teploty všech pixlů za celý rok v jedné oblasti s denními teplotami všech pixlů za celý rok v druhé oblasti. (2) Pomocí ANOVA jsou porovnány fluktuace v denních teplotách na jednotlivých pixlech v jedné oblasti s fluktuacemi na jednotlivých pixlech v druhé oblasti. Tj., nejedná se o porovnání denních teplot samotných, ale směrodatných odchylek na jednotlivých pixlech v jedné vs. druhé oblasti. Tj. porovnávám, v které oblasti je větší sezónnost (= větší výkyvy) v hodnotě denních teplot. Rozdíly v denních teplotách resp. ve fluktuacích denních teplot mezi oběma oblastmi denní teploty fluktuace v denních teplotách Makgadikgadi Okavango Makgadikgadi Okavango průměr 36,37335 34,78381 5,675859 7,479158 medián 35,31 33,19 5,642723 7,425001 SD 5,740683 7.404323 0,6078138 0,6067722 Výsledek ANOVA pro denní teploty Df Sum Sq Mean Sq F value Pr(>F) oblast 1 18616 18616 499.4 <2e-16 *** Residuals 46472 1732281 37 Výsledek ANOVA pro fluktuace denních teplot Df Sum Sq Mean Sq F value Pr(>F) oblast 1 798.4 798.4 2162 <2e-16 *** Residuals 1578 582.6 0.4 Z předchozích výsledků je patrné, že denní teploty jsou významně (P < 0.0001) vyšší v oblasti Makgadikgadi a naopak mezisezónní fluktuace teplot jsou zde (tj. v Makgadikgadi) nižší než v Okavanku.

4. Analýza rozdílů v denních teplotách z doby kdy zebry v Makgadikgadi (resp. Okavangu) byly vs. kdy v Makgadikgadi (resp. Okavangu) nebyly Následující rastry uvádějí průměrné hodnoty denních teplot pro každý jeden pixel, kde se zebry v dané oblasti nacházely resp. nenacházely. Vzhledem ke skutečnosti, že treky zeber byly pořízeny i několikrát za den, zatímco podkladové modisovské rastry s denními teplotami jsou jen několikrát do měsíce do měsíce (vzhledem k oblačnosti někdy chybí), jsou průměry počítány za celé období přítomnosti resp. nepřítomnosti zeber v dané oblasti a nikoliv přesně za dobu, kdy se zebry nacházely konkrétně na daném pixlu. Následující rastry jsou stejné jako předchozí, jsou ale plotnuté přes Google mapu

Denní teploty v Okavangu v době přítomnosti zeber Denní teploty v Okavangu v době nepřítomnosti zeber

Denní teploty v Makgadikgadi v době přítomnosti zeber Denní teploty v Makgadikgadi v době nepřítomnosti zeber

Df Sum Sq Mean Sq F value Pr(>F) stav 1 103.5 103.45 199 <2e-16 *** Residuals 259 134.6 0.52 Výsledek ANOVA testu pro oblast Okavanga ukazuje, že v době nepřítomnosti zeber jsou denní teploty významně (P < 0.0001) nižší, než v době jejich přítomnosti (porovnání průměrných hodnot na identických pixlech). Df Sum Sq Mean Sq F value Pr(>F) stav 1 1224 1224 410.6 <2e-16 *** Residuals 1046 3119 3 Výsledek ANOVA testu pro oblast Makgadikgadi ukazuje, že v době nepřítomnosti zeber jsou denní teploty významně (P < 0.0001) vyšší, než v době jejich přítomnosti (porovnání průměrných hodnot na identických pixlech).

Df Sum Sq Mean Sq F value Pr(>F) stav 1 682 682.0 239.9 <2e-16 *** Residuals 941 2675 2.8 Výsledek ANOVA testu ukazuje, že v době přítomnosti zeber v Makgadikgadi jsou zde denní teploty významně (P < 0.0001) vyšší, než jaké jsou v té době v Okavangu, tj. v oblasti, ze které zebry odešly. Z předchozích obrázků je zřejmé následující: (1) oblast Okavango je v průměru chladnější, ale jsou zde větší mezisezónní výkyvy (2) když zebry odcházejí z Okavanga do Makgadikgadi, v Okavangu klesnou denní teploty a je zde pak dokonce nižší než v Makgadikgadi, tj. v místě, kam se vydaly (= jdou do většího tepla) (3) když odcházejí z Makgadikgadi, rostou zde teploty a zebry jdou do Okavanga, kde mezitím teploty rostou také, ale ne tolik jako v (= jdou do chladnějšího) (4) zebry tudíž neodcházejí z Okavanga do Makgadikgadi kvůli hledání chladnější oblasti