Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % %→pi →Shannon diverzitási index (alapvetően nem a borítást, hanem.

Slides:



Advertisements
Hasonló előadás
Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % % -os borítás (az adott fajhoz tartozó egyedek függőleges vetülete)
Advertisements

Növényökológia terepgyakorlat
Növényökológia terepgyakorlat Fajok asszociáltságának vizsgálata I.) Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj+- +aba+b.
Növényökológia gyakorlat Fajok asszociáltságának vizsgálata I.) Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj+- +aba+b -cdc+d.
Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % % -os borítás (az adott fajhoz tartozó egyedek függőleges vetülete)
Növényökológia gyakorlat
A TECHNIKAILAG LEHETSÉGES KÖVETELMÉNYÉRTÉKEK FELÚJÍTÁSOKNÁL.
Egyed feletti szerveződési szintek Biológiai tanulmányaink során eddig azzal foglalkoztunk, mi jellemző az élőlények sejtjeinek, szöveteinek, szerveinek,
A kifizetési kérelem összeállítása TÁMOP-3.2.9/B-08 Audiovizuális emlékgyűjtés.
1 Niche Tárgya a fajok koegzisztenciájának problémája A fogalom fejlődése: Grinnell – térbeli Elton – funkcionális Hutchinson – hipertérfogat modell Juhász-Nagy.
ENERGIA TAKARÉKOS RENDSZERSZEMLÉLET AZ ÉPÜLETGÉPÉSZETBEN Fehér János okl. kohómérök Fűtéstechnikai szakmérnök Székesfehérvár, 2010.JAN.20.
Gazdaságstatisztika, 2015 RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA Gazdaságstatisztika október 20.
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Energetikai Gépek és Rendszerek Tanszék ENERGETIKA VILLAMOS ENERGIA FAZEKAS ANDRÁS ISTVÁN.
A hasáb. A hasáb felszínén az alaplapok és az oldallapok területének az összegét értjük. A-val jelölve a hasáb felszínét, T-vel az alaplap, illetve a.
Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % %→pi →Shannon diverzitási index (alapvetően nem a borítást, hanem.
Valószínűségi kísérletek
Leíró statisztika Becslés
Becslés gyakorlat november 3.
Mintavétel és becslés október 25. és 27.
Komplex természettudomány 9.évfolyam
Szigetbiogeográfia A tapasztalat szerint:
a) Melyiken van a legnagyobb haszon
Kockázat és megbízhatóság
Becsléselmélet - Konzultáció
Kockázat és megbízhatóság
Tervezés I. Belsőtér BME-VIK.
Kockázat és megbízhatóság
Szenzibilis és látens hőáram számítása gradiens módszerrel
Táblázatkezelés alapjai
Szerkezeti elemek tervezése. Oszlopok
VákuumTECHNIKAi LABORATÓRIUMI GYAKORLATOK
Kvantitatív módszerek
Eloszlásjellemzők I.: Középértékek
Hipotézisvizsgálat.
Munka és Energia Műszaki fizika alapjai Dr. Giczi Ferenc
Nemparaméteres próbák 2.
Gazdaságstatisztika Korreláció- és regressziószámítás II.
Geostatisztika prof. Geresdi István szoba szám: E537.
INFOÉRA 2006 Véletlenszámok
Összefüggés vizsgálatok
Varianciaanalízis- ANOVA (Analyze Of VAriance)
Kvantitatív módszerek
Kvantitatív módszerek
Kvantitatív módszerek
Turbulencia hatása a tartózkodási zóna légtechnikai komfortjára
Regressziós modellek Regressziószámítás.
Sztochasztikus kapcsolatok I. Asszociáció
Önkormányzati Fejlesztések Figyelemmel kísérése II.
RUGÓK.
3, u-próba, t-próba Kemometria 2016/2017 3, u-próba, t-próba
Az iskolai szervezet és fejlesztése
A nemzeti irodalom megteremtése. 2.
Gazdaságinformatikus MSc
3. előadás.
Tájékoztatás a évi Országos Statisztikai Adatfelvételi Program (OSAP) teljesüléséről az Országos Statisztikai Tanács és a Nemzeti Statisztikai Koordinációs.
AZ ÉLETKÖZÖSSÉGEK (TÁRSULÁSOK) SZERKEZETE, VÁLTOZÁSA
Alkalmazott statisztikai alapok
Matematika I. BGRMA1GNNC BGRMA1GNNB 8. előadás.
Hídtartókra ható szélerők meghatározása numerikus szimulációval
Dr. Varga Beatrix egyetemi docens
A területi koncentráció mérése: Hirschman–Herfindahl index
Paraméteres próbák Adatelemzés.
Munkagazdaságtani feladatok
Lorenz-görbe dr. Jeney László egyetemi adjunktus
Tájékoztató az EPER pályázati folyamatáról
Állandó és Változó Nyomású tágulási tartályok és méretezésük
3. előadás.
Dr. Papócsi László Gábor
Hipotéziselmélet Adatelemzés.
Az impulzus tétel alkalmazása (egyszerűsített propeller-elmélet)
Előadás másolata:

borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % %→pi →Shannon diverzitási index (alapvetően nem a borítást, hanem az egyedszámot alkalmazták a Shannon diverzitás számításához) Ezt a kvadrátot (=mintavételi négyzet) kellene megalkotniuk páronként (madzag/zsineg + szög/hurkapálca)

A kvadrát mérete: 2 * 2 m, beosztása: 40cm

E=H/ln(S), ahol S a fajok száma Diverzitás=sokféleség Shannon diverzitási index: H=Σ-pi*log2(pi), ahol pi az i-dik faj relatív gyakorisága A Shannon diverzitáshoz tartozó egyenletesség: E=H/ln(S), ahol S a fajok száma Latin név Magyar név Borítottság Pi (adott fajgyakoriság) (=fajborítottság/összes borítottság) Achillea collina mezei cickafark 35 % 0,233 Elymus (Agropyron) repens közönséges tarackbúza 2 % 0,013

A fajösszetétel hasonlóságának vizsgálata Jaccard és Sorensen index összevetés egy másik (vagy az összes) kvadrát adataival (a kvadrátokat felvételező pár említésével) - prezencia-abszencia (0,1), nem veszi figyelembe a borítási viszonyokat c: közös fajok száma (azon fajok száma, amelyek minden kvadrátban előfordultak) A: átlagos fajszám (az összes kvadrátra) B: fajszám a saját kvadrátban Jaccard-index: Sorensen-index:

LAI becslés I : lombozat alatt mért fényintenzitás Io: lombozat felett mért (beeső) fényintenzitás k (0.2-0.8): a lombozatra jellemző levélszögeloszlás A becslés során k=0.5 I/Io=e-k*LAI (I/Io=1/(ek*LAI)) ln(I/Io)=-k*LAI ← ezt kell használni - a k értékét egységesen 0.6-nek vesszük

Fajszámtelítési görbe LINEA (egyenes mentén elhelyezkedő mikrokvadrátok) 20 m-es zsineg mentén 20cm-ként feljegyezve az előforduló fajokat A fajszámtelítési görbe a sorban lévő mikrovadrátokban előforduló új fajok kumulatív görbéje (az addig elért fajszám + az addig elő nem fordult fajok száma)

Fajok asszociáltságának (kapcsoltság, hajlam az együttes előfordulásra) vizsgálata - 2m*2m-es (40 cm-es osztású) négyzetrács ami 5x5 kisebb kvadrátot eredményez

Fajok asszociáltságának vizsgálata Az egyes esetek TAPASZTALT gyakorisága 1. táblázat A faj B faj + - a b, a+b /P(B)/ c d c+d /P(B) a+c /P(A) b+d /P(A) a+b+c+d=N Az A faj előfordulási valószínűségét (P(A)) a tapasztalt gyakoriságok (a,b,c,d) alapján P(A)=(a+b)/N adja. Továbbá P(A)=1-P(A)

A korrelációs együttható kiszámítása a különböző esetekre! Ha bc>=ad és d>=a r=(ad-bc)/((a+b)*(a+c)) (P(AB)*P(AB))/((P(B)*P(A)) Ha bc>ad és a>d r=(ad-bc)/((b+d)*(c+d)) (P(AB)*P(AB))/((P(B)*P(A)) Ha ad>=bc és b>c r=(ad-bc)/((a+b)*(b+d)) (P(AB)*P(AB))/((P(B)*P(A)) Ha ad>bc és c>=b r=(ad-bc)/((a+c)*(c+d)) (P(AB)*P(AB))/((P(B)*P(A))

a1= (a+b)(a+c)/N P(B)*P(A) b1= (a+b)(b+d)/N P(B)*P(A) Az egyes esetek VÁRHATÓ gyakoriságának számítása 2. táblázat A faj B faj + - a1 b1 c1 d1 A Chi-négyzet próba, a C értékének vizsgálata: →Excel → statisztikai táblázat→ (ha adott szabadságfoknál a C értéke a megadott küszöbnél nagyobb, akkor a számított korreláció statisztikailag szignifikánsnak tekinthető.) a1= (a+b)(a+c)/N P(B)*P(A) b1= (a+b)(b+d)/N P(B)*P(A) c1= (a+c)(c+d)/N P(A)*P(B) d1=(b+d)(c+d)/N P(A)*P(B) Tj=a,b,c,d Vj=a1,b1,c1,d1

Szabadságfok A kapott C-t (a Chi-négyzet próba értéke) (n-1)*(m-1) szabadságfok mellett értékeljük. (n=a kontingencia-tábla sorainak száma, m=a tábla oszlopainak száma) Az Excel program Chitest függvénye a szignifikancia-szintet adja.

Látens hőáram: (párolgás) Felszín – légkör kölcsönhatások Szenzibilis hőáram: Látens hőáram: (párolgás) Ezeket tudjuk: r: a sűrűség (1,2 kg m-3), cp: a levegő hőkapacitása (1005 J kg-1 K-1), k: von Kármán féle állandó (0,4), g: pszichrometrikus állandó (0,65 mbar/°C) Ezeket mérjük: u1, u2: a szélsebesség T1, T2: a hőmérséklet, e1, e2: gőznyomás Ezeket megbecsüljük: z1, z2:a két szint felszín feletti magassága, d: kiszorítási rétegvastagság, (növényzet magasságának 60%-a)

Hogy lesz ebből gőznyomás? Felszín – légkör kölcsönhatások pszichrométer Hogy lesz ebből gőznyomás? aktuális gőznyomás: Tnedv T e es(Tw) Magnus-Tetens formula: adott hőmérsékletre a telítési gőznyomás értéke