Közösségek: diverzitás, fajtelítődés

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

I. előadás.
Paleobiológiai módszerek és modellek 11. hét
Adat információmennyisége és információtartalma
Összetett kísérleti tervek és kiértékelésük
3. Két független minta összehasonlítása
AEROSZOL RÉSZECSKÉKHEZ KÖTÖTT RADON LEÁNYELEM AKTIVITÁSOK NUKLID-SPECIFIKUS MEGHATÁROZÁSA Katona Tünde, Kanyár Béla, Kávási Norbert, Jobbágy Viktor, Somlai.
Térbeli niche szegregáció kétfoltos környezetben
Populációk tájban: Habitat-szelekció és metapopulációk
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Hálózati Biológia A sejt funkcionális működésének megértése.
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Gazdaságelemzési és Statisztikai Tanszék
Mindenki az egyenes illesztést erőlteti. Kell olyan ábra ahol 1 ismeretlen pont van Kell olyan ábra ami a görbék párhuzamos lefutását mutatja Kell olyan.
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Előadó: Prof. Dr. Besenyei Lajos
Mintavételes eljárások
III. előadás.
Szerkezet Növénytársulások térbeli struktúrája
Növényökológia terepgyakorlat
Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % % -os borítás (az adott fajhoz tartozó egyedek függőleges vetülete)
Regresszióanalízis 10. gyakorlat.
Növényökológia gyakorlat
Microsoft Excel Diagramok.
Hipotézisvizsgálat (1. rész) Kontingencia táblák
Nem-paraméteres eljárások, több csoport összehasonlítása
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
A fitoplankton monitorozása a Keszthelyi- medencében és dinamikájának modellezése Istvanovics Vera és Honti Márk Budapesti Mûszaki és Gazdaságtudományi.
ma már nem a vizsgált téma, hanem a használt módszerek teszik a fizikát dominál az átlagos viselkedés!!! alkalmazhatjuk a statisztikus fizika módszereit.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Az F-próba szignifikáns
HATÉKONY SAJÁTSÁGKIEMELŐK KÉPEK ÖSSZEHASONLÍTÁSÁHOZ MobileAssistant workshop, május 4. Főnix Inkubátorház, 4029 Debrecen, Csapó u. 42. A ép III/2.
Aszexuális, szimpatrikus speciáció
Szünbiológiai alapfogalmak
█ Stable █ EC+β+ █β- █α █P █N █SF █Unknown Atommagok stabilitása - II.
Versengő társulások Mi történik egy olyan térbeli modellben, ahol sok stratégia létezik? Lokálisan csak a stratégiák kis hányada lehet jelen. => az evolúciós.
Diverzitásmérés hagyományos módeszerekkel
Hipotézis vizsgálat (2)
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Többváltozós adatelemzés
Gyomfelvételezés Mintaterület kijelölése: a társulásra jellemző összes fajt tartalmazza, reprezentálja a társulást (2 m x 2 m) Feltüntetendő adatok: Felvételező.
Alapsokaság (populáció)
MÉTA adatbázis: rács-alapú élőhelytérkép (~ db 35 ha-os hatszög)
További módszertani és ökológiai, erdődinamikai (!?) szempontok Horváth F.
Szigeti ökológia.
Megfigyelés fogalma A tudományos megfigyelés Céltudatos Tervszerű
Közösségek szünbiológiája 2. Populáció-egyedszám viszonyok
Paleobiológiai módszerek és modellek 2. hét
I. előadás.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
x1 xi 10.Szemnagyság: A szemnagyság megadásának nehézségei
Populációk jellemzői  populáció: valós szaporodási közösség
A számítógépes elemzés alapjai
Struktúra predikció Struktúra lehet Felügyelt tanulási probléma
Természetvédelmi kutatások NyME EMK Növénytani és Természetvédelmi Intézet.
Agrár-környezetgazdálkodás A globális környezetvédelmi problémák.
1 Közösségek jellemzése Egyensúlyi (determinisztikus) és Nem-egyensúlyi Szentesi-Állatökológia-Közösségek modellek, rendszerek: Szoros/erős biotikus kapcsolatok.
„R” helyett „Q”? – Új lehetőségek a faktoranalízis alkalmazásában
Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % %→pi →Shannon diverzitási index (alapvetően nem a borítást, hanem.
Üzleti gazdaságtan Andor György.
Intraspecifikus verseny
Közösségek jellemzése
Oszlopdiagram dr. Jeney László egyetemi adjunktus
I. Előadás bgk. uni-obuda
Területi egyenlőtlenségek grafikus ábrázolása: Lorenz-görbe
Mérési skálák, adatsorok típusai
Előadás másolata:

Közösségek: diverzitás, fajtelítődés

„Diversity is a deceptive concept „Diversity is a deceptive concept. Magurran (1991) likens the concept of diversity to an optical illusion; the more it is examined, the less clear it becomes.” (P. Shaw)

Vázlat Diverzitási típusok Faj-abundancia görbék Diverzitási indexek Alkalmazhatóság…

Miért kvantifikáljuk a (bio)diverzitást? Kezdetben, Nagyobb diverzitás, = Ökológiai rendszerek nagyobb stabilitása* Napjainkban, Becsülni és követni a változásokat *MacArthur, R. 1955. Fluctuations of animal populations and a measure of community stability. Ecology 35:533-536

Hogyan mérhetjük a (bio)diverzitást? Funkcionális kategóriák közösségek, fajok, gének Elméleti kategóriák* Alpha Béta Gamma * Whittaker, R.H. 1960. Vegetation of the Siskiyou Mountains, Oregon and California. Ecol. Mono. 30:279-338.

Faj gazdagság „Fajgazdagság = biodiverzitás” Összes fajok (adott taxon) száma egy adott élőhelyen. (-) extrémen érzékerny a ritka fajokra (-) A fajlista robusztussága – „több minta - több faj” Megoldás: Bootstrapping, Fajtelítődés.

Lokális fajgazdagság kvantifikálása - A pontos fajszámbecslés fontos mert ezek képezik számos ökológiai modell alapján, melyek gyakorlati természetvédelemnek szolgáltatnak információkat - A fajgazdagság becsült, nem pedig mért, számos hibaforrás lehet (Gotelli and Colwell 2001) - Két gyakori megközelítés: egyed alapú becslés, minta alapú becslés.

Hány fafaj van egy erdőben? egyed alapú becslés:válassz random egy fát, és jegyezd fel a fafajokat sorrendben fáról fára minta alapú becslés (egyszerűbb és gyakoribb…): jelölj ki egy mintavételi helyet – összes fa faj + egyedszáma – további mintavételi helyek Az ismétlési egységek különbségei (egyedek vs. minták egyedei) Hatással vannak a fajszám alakulására Téglalap alakú kvadrátban 25 % több fajt találunk mint egy négyzet alakúban ugyanazon területen (Condit et al. 1996) Miért?

A diverzitás (mintázat) „felfedezése” Fisher (1943) szerint nem létezik olyan közösség ahol az egyedek egyenlő arányban vannak jelen, ellenben néhány faj általában tömeges és a fajok nagy része alacsony egyedszámban van jelen. Ez a megfigyelés vezetett a faj-abundancia modellek kialakulásához (including May’s (1975) lognormal faj-abundancia modellje) Habár a faj-abundancia adatok gyakran valamilyen eloszlási típusba (normál, poisson, stb.) osztályba soroltak, a diverztiást általában négy fontosabb faj-abundancia modellel vizsgálják (log normal, geometrikus, logaritmikus, MacArthur-féle törött pálca modell)

Ökológiai rendszerek diverzitásának két arca: fajszám (=gazdagság) egyenletesség Rendzser, N=30, S=3. - Melyik a diverzebb? Sp. A 10 Sp. B Sp. C 1 28 A B 2 C 3 D E F Ezzel mi van?

Egyenlő diverzitás? N=16; S=4 Habitat 1 (alacsony diverzitás) Habitat 2 (magas diverzitás)

Diverzitási típusok α, ß és γ α - diverzitás, szervezetek diverzitása egy élőhelyen vagy mintán belül, - diverzitási indexek, rang-abundancia modellek ß - diverzitás, is az alfa diverzitás növekedésének becslésére szolgáló index, új élőhelyek bevonásával, tehát fajkicserélődési ráta egy térbeli grádiens mentén γ – diverzitás, teljes diverzitás (fajgazdagság) tájképi szinten

ß - diverzitás egy vektor: irányultsága és nagysága megadható Diverzitás még…. Skála: a három megközelítés inherens módon skálafüggő mikro-, makrohabitat, tájképi szintű hatások Skála/vektor: α és γ diverzitás skaláris mennyiségek: Pl.: egyszerű számmal megadhatóak. ß - diverzitás egy vektor: irányultsága és nagysága megadható

Bootstrapping Fajelőfordulás és növekvő mintaelem szám viszonya Hány fajunk lenne, ha a végtelen sok mintát gyűjtünk – egy adott élőhely becsült fajgazdagsága Interpoláció – eltérő intenzitással mintázott élőhelyek összehasonlítása Extrapoláció – mennyit kellene még gyűjteni a maximális S-ig? fajszám mintaszám

fajtelítődés Eltérő intenzitással mintázott élőhelyek összehasonlítása Pl.: mekkora lenne a fajszám ha egy 1000 mintánk lenne minden időpontból? ES(m)=Σ(1-(1-pi)m) S i=1

Rang dominancia görbék - A relatív gyakoriság vizuális prezentációja Y tengely - log(denzitás) X tengely - a denzitás alapján

Σ A ritkaságról… Pi – relatív gyakoriság, vagy ritkaság?! R(i,p) – átlagos ritkaság (Patil&Taillie, 1977, 1979, 1982) D: Γ→R, D(p):= piR(i,p) Σ i=1 S

Diverzitási indexek Egyszerű szám, mely leírja a diverzitást, figyelembevéve a fajok relatív gyakoriságait - eltérő érzékenység Pin i=1 Σ 1/(1-n) i=S mikor n = 0 akkor S n=1, Shannon index n=2 , Simpson index. n=3,.. Magas érték – ritka fajok alulbecslése Hill MO 1973 ecology 54, 427-432 diversity and evenness - a unifying notation and its consequences.

A Simpson diverzitás Annak a valószínűsége, hogy két random módon választott egyed külön fajhoz tartozik. Egy faj van jelen, p = 1.0 Ha minden minta különböző fajt tartalmaz, p = 0.0 DQ = 1 - i pi × pi

i faj fogási valószínűsége = pi. i faj dupla fogási valószínűsége = pi * pi. n faj dupla fogási valószínűsége = p(sp1) + p(sp2)… +p(spN) = i pi * pi 0 = teljesen különböző, 1 = homogén

Példa kvadratikus DQ Sp. A 10 p = 1/3 Sp. B 10 p=1/3 Sp. C 10 p = 1/3 28 p = 28/30 D = 1-(1/9 + 1/9 + 1/9) = 0.667 D = 1-(1/900 + 1/900 + 784/900) = 14/900 = 0.0156

A Shannon (or Shannon-Wiener) diverzitás HS = -i[pi*log(pi)] -Fajszáma és egyenletességre érzékeny - legmagasabb érték, mikor a közösség teljesen egyenletes E = H / log(S). E = 1 teljes egyenletesség, E  0 dominancia

Példa Shannon diverzitás - HS Sp. A 10 p = 1/3 Sp. B 10 p=1/3 Sp. C 10 p = 1/3 Sp. A 1 p=1/30 Sp. B 1 p = 1/30 Sp. C 28 p = 28/30 H10 = -3*(log10(1/3)*1/3) = -3*(log10(1/3)*1/3) = 0.477 E = H / log(3) = 1, H10 = 1/30*log10(1/30) + 1/30*log10(1/30) + 28/30*log10(28/30) = 0.126 E = H / log(3) = 0.265

fajtelítődés Eltérő intenzitással mintázott élőhelyek összehasonlítása Pl.: mekkora lenne a fajszám ha egy 1000 mintánk lenne minden időpontból? ES(m)=Σ(1-(1-pi)m) S i=1

Egyéb diverzitások.. The Berger-Parker Index HR = Nmax/N The Brillouin index   HB = ln(N!) - Σln(ni!) N Diverzitási rendezések…. – eltérő érzékenységek kiküszöbölése

β - diverzitás - Térbeliség - Direct grádiens elemzések - Whittaker féle β –diverzitás

Számít-e a diverzitás? Diverzitás – stabilitás hipotézis. (megkérdőjelezhető, valószínűleg, egy hosszú életű parafrázis) Diverzitás - stabilitás hipotézis: a változatos ökológiai rendszerek hatékonyabbak(John Lawton’s Ecotrans) A diverzitás hatással van a gyakorlati természetvédelemre: Ok, de néha ellenmondás a diverzitás és természetvédelmi prioritások között