Madáratlasz Program a Börzsönyi HCs működési területén –

Slides:



Advertisements
Hasonló előadás
A SZIVÁRVÁNY.
Advertisements

Szélerőművek elhelyezésének természetvédelmi problémái a Kisalföldön
Programozási tételek, és „négyzetes” rendezések
Képes Beszámoló Természetvédelem éve 2011 A természet, mely körülvesz és kiszolgál bennünket, melyben élünk, és amit védeni, az utókornak megőrizni kötelességünk.
MEH - MAKK konferencia és fórum 1 Egy hazai fejlesztésű terhelésbecslő és szélerőmű termelésbecslő szoftver Bessenyei Tamás
Vér András ECOWIN- Természetvédelem a szőlőtermesztés ökologizálásával ECOWIN- Természetvédelem a szőlőtermesztés ökologizálásával szeptember 8.
A galápagosi- (Darwin-) pintyek
Tóth Enikő természetvédelmi mérnök szakos hallgató 7. féléves szakmai gyakorlat.
Statisztika I. VI. Dr. Szalka Éva, Ph.D..
Érvek, érvelés.
Értékesítési tréning ésPAI+. Bárcsak...!... több információt kapnék a termékek elérhetőségéről!... mindig pontos információm lenne a rendelésem összértékéről!...
3. A madárvonulás jelensége és megjelenési formái
5. A vonulás időbeli és térbeli szerveződése  Időbeli szerveződés Mikor, meddig? Nappali és éjszakai vonulás Éjszakai fajok (lappantyú, baglyok)- éjjel.
Globális helymeghatározás Zárthelyi dolgozat Relatív helymeghatározás fázisméréssel.
Non-profit szervezetek bevételi szerkezetének elemzése.
Csoportosítás megadása: Δx – csoport szélesség
Az Orczy kastély park és a Zagyva-folyó élővilága
Sztereogram.
Cserey - Goga iskolacsoport KRASZNA
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
INNOCSEKK 156/2006 Hasonlóságelemzés-alapú vizsgálat a COCO módszer használatával Készítette: Péter Gábor
Regresszióanalízis 10. gyakorlat.
A MAGYAR MUNKAVÁLLALÓK MUNKAERŐ-PIACI JELLEMZŐI
© "VERSENYKÉPESSÉG–FEJLŐDÉS–REFORM" konferencia november 7-8 KOMPETENCIA SZÁMVITELI ALAPOK dr. Laáb Ágnes BME, egyetemi docens, kandidátus elé r.
Készítette: Sipos Yvette Vl.B. osztály
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
KÖRNYEZETGAZDÁLKODÁSI AGRÁRMÉRNÖKI BSc TERMÉSZETVÉDELMI MÉRNÖKI BSc
A szociális segély indokoltsági célzása – önkormányzati esettanulmányok tapasztalatai (vázlat) Bódis Lajos – Nagy Gyula.
Natura 2000 Okolicsányi Viktor. Az Európai Unió a területén megmaradt természetes élőhelyek, valamint a vadon élő állat- és növényfajok védelme érdekében.
Kell –e érzékenyíteni a munkáltatókat? Csapó Gábor OSGOOD Szolgáltató Az OFA FoglalkoztaTárs – Társ a foglalkoztatásban című TÁMOP – /
ma már nem a vizsgált téma, hanem a használt módszerek teszik a fizikát dominál az átlagos viselkedés!!! alkalmazhatjuk a statisztikus fizika módszereit.
Az Európai Unió ökológiai hálózata
készítette: Lévai Gabriella 11.m
Scenáriók készítése Dr. Kollár József Magyar Coachszövetség Közhasznú Alapítvány.
2006. március 3. Három négyzet oldalai különböző prím- számok. A két kisebb négyzet kerületének ösz- szege egyenlő a legnagyobb négyzet kerületé- vel;
A NATURA 2000 ÖKOLÓGIAI HÁLÓZAT
Elvándorlás: Keleti kudarc vagy nyugati vonzerő? Dr. Pogátsa Zoltán Nyugat-Magyarországi Egyetem.
Mit tennél, ha te is ilyen helyzetben élnél, mint a képeken látható gyerekek és felnőttek? Gondolkozz el ebben a pár percben, hogy te milyen szerencsés.
Alapsokaság (populáció)
Többtényezős ANOVA.
MÉTA adatbázis: rács-alapú élőhelytérkép (~ db 35 ha-os hatszög)
A MÉRÉSI HIBA TERJEDÉSE
©2011 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice ©2011 Hewlett-Packard Development.
Controlling tevékenységek kritériumai Jelentésdialógus A jelentésben fontos tényezők ELŐADÁS ÁTTEKINTÉSE.
A tanulói jelentés.
Statisztikai alapfogalmak
Az augusztusi hónap és ennek hőmérsékleti adatai Következtetéseim.
Személyiségünk szerepe - a lelki-, és energiaegyensúly megtartásában
Hortobágyi Nemzeti Park
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Hőmérséklet változás A hőmérséklet az anyagok egyik fizikai jellemzője, állapothatározó. Változása szorosan összefügg az anyag más makroszkopikus tulajdonságainak.
Hőmérséklet változás A hőmérséklet az anyagok egyik fizikai jellemzője, állapothatározó. Változása szorosan összefügg az anyag más makroszkopikus tulajdonságainak.
Készítette: Mátyás István agrár mérnöktanár szakos hallgató,
Mit láthatunk a honlapon? Az előző ISO 9001 szabvány szerint kiadott tanúsítványok (várhatóan) az új ISO 9001 szabvány kiadását követő 24 hónapig.
Antenna Hungária Rt. Átalakítási Bizottság, Külső Szakértői Munkacsoport Előadás 02:52:15, június június június 26.
2015.május 14.. A kérdőív elkészítésének a célja A szoftvert használók mindennapos problémáinak bemutatása A jelenlegi helyzet javítása a felmérés alapján.
FIBONACCI SOROZAT.
Duna-Ipoly Nemzeti park
Mintavétel.
Madarak.
O: Madarak – ALO: Szárnnyal evezők, Pingvinek
HÓDítsd meg a biteket! 2. sorozat
Országos Statisztikai Tanács
György Réka 7.b Madarak menedéke -az Atlasz hegység.
Becsléselmélet - Konzultáció
A 2013-as országjelentés tapasztalatai, felkészülés a következőre
A természetvédelem jelentési és monitorozási kötelezettsége
Iskolánk udvarának madarai
Adatfeldolgozási ismeretek műszeres analitikus technikusok számára
Madarak rendszere.
Előadás másolata:

Madáratlasz Program a Börzsönyi HCs működési területén – kicsit intenzívebben Schmidt András – Schmidtné Kővári Ilona – Nagy Csaba Fényképek: Nagy Csaba, Potyó Imre Térképek: Kazi Róbert Börzsönyi Helyi Csoport

A Madáratlasz Program céljai Miért kell madáratlaszt készíteni? Készül az Európai Madárszámlálási Tanács (EBCC) új atlasza (50 országra, 50x50 km UTM négyzetes felbontásban) A madárvédelmi irányelv szerinti jelentési kötelezettség Saját, hazai természetvédelmi munkáinkhoz

A Madáratlasz Program módszere A MAP felmérés meghirdetett módszere „Kötelezően felmérendő” 10x10 km-es UTM Egy-egy 10x10 km-es UTM négyzet felmérése egy év alatt (2014-2017) A 16 db 2,5x2,5 km UTM négyzet felmérése: 2 nappali (reggel-délelőtt) és egy éjszakai bejárás, egy bejárás min. 120 perc (tehát min.16x3x120 perc) Első nappali: IV-V., második nappali: VI-VII. Végeredmény: fajlista 2,5x2,5 km-es négyzetenként, költési valószínűséggel (A, B, C), állománybecslés csak a RTM fajoknál A költési időszakban bármely madármegfigyelés eredményeit fel lehet vinni a map.mme.hu-n kialakítandó adatbázisba

Madáratlasz Program – kicsit intenzívebben (innentől a továbbiak nem a hivatalos MAP program, hanem beszámoló a CT69-ben, 2014-ben végzett felmérésről és eredményeiről, az ezzel kapcsolatos felvetésekről!) A probléma: A hazai madárállományok abszolút nagyságáról a legtöbb faj esetében csak halvány fogalmaink vannak A madárvédelmi irányelv szerinti országjelentés tapasztalatai: az MMM adatbázisból számított állománybecslések nagyon hozzávetőlegesek (az MMM trendekre jó) Szükség lenne a tesztelésre, ellenőrzésre, pontosításra

Állománybecslés az MMM-ből… A felmért denzitásból az adott fajra jellemző revírmérethez közelítő értékkel (pl. 100 m, 500 m, 2500 m) lehet kalkulálni az állománynagyságokat Probléma: az egyes revírméret-kategóriák gyakran nagyságrendileg eltérő állományokat adnak, míg a valóság gyakran valószínűleg köztes érték Példák: 600 ezer vagy 60 ezer pár tövisszúró gébics van az országban? 60 ezer vagy 14 ezer „pár” kakukk van az országban? Mi a gyakoribb, a kakukk vagy a búbosbanka, a fülemüle vagy a vörösbegy?

Madáratlasz Program – lehetséges megoldás? Ha már kint vagyunk a terepen… A MAP-négyzet gazdája válik (nagy valószínűséggel) az adott négyzet madárállományainak legjobb ismerőjévé Érdemes számlálásokra alapozott becslést adnia minél több madárfajra Ha elég sok ilyen becslésünk van egységes módszertan szerint, azzal pontosíthatjuk a hazai állományok becsléseit Az MMM-ben évi max. 1000 2,5x2,5 km-es UTM négyzet felmérése folyik, a MAP felmérés hátralévő 2 éve során akár hasonló, több százas nagyságrendben készülhetne becslés a MAP-ban felmért négyzetek állományaira

2014-es felmérés – CT69

A számlálás módszere a CT69-ben Minden megfigyelt „pár” feljegyzése, az összesítés érdekében az 500x500 m-es kis négyzetenként (bár vannak pontatlanságok!) Mi számít „párnak”? Pl. egy éneklő madár, de egy átrepülő madár is, ha van megfelelő élőhely a 10x10-es négyzetben (kék galamb), egy „családnyi” fiatal madár (pl. kirepült széncinegék együtt) Átfedések lehetőség szerinti kiküszöbölése (bejárási útvonal) A két (vagy több) nappali bejárás során egy adott 500x500 m-es négyzetben az adott fajból megfigyelt magasabb párszámot vettem leszámolt párszámnak

2014-es felmérés – CT69

2014-es felmérés – CT69

2014-es felmérés – CT69

A becslés módszere a CT69-ben A becslés a 2,5x2,5-es négyzet szintjén történt, a számolt párszám és a négyzetben található élőhelyek becsült aránya alapján Általában a nem-énekeseknél és a varjúféléknél 2x szorzó, a többi énekesmadárnál 3x szorzó A nagy mozgáskörzetű madaraknál (pl. holló) és a ritka (pl. haris) akár 1x vagy annál is kisebb szorzó, pontosabban egyedi becslés

Összegző eredmények MAP: 108 madárfaj megfigyelése megfelelő élőhelyen a költési időben A költési valószínűség (lehetséges): 15 faj B költési valószínűség (valószínű): 33 faj C költési valószínűség (biztos): 60 faj Állománybecslés: A 108 faj 9102 párjának „leszámolása”, ebből becslés alapján összesen 22406 pár madár a CT69-ben Mindez 8506 perc nappali és 2182 perc éjszakai felmérés során, összesen 10688 perc, vagyis 178 óra, egy hét és 10 óra a terepen! 500x500 m-es pontok felmértsége (az A1 négyzeten felüli 2,5-es négyzetek összességénél), 380 pontból: nappal 21 pont 0x, 96 pont 1x, 207 pont 2x, 46 pont 3x, 6 pont több mint 3x éjszaka 133 pont 1x, 14 pont 2x

A leggyakoribb madárfajok Becsült párszám Fekete rigó 2400 Barátposzáta 1812 Széncinege 1502 Házi veréb 999 Erdei pinty 971 Zöldike 966 Mezei veréb 923 Seregély 799 Énekes rigó 723 Csilpcsalpfüzike 669 Vörösbegy 605

Meglepetések és hiányok (a CT69 vonakozásában) Meglepetésfajok: üstökösréce, törpegém, kis lile, erdei pacsirta, parlagi pityer (mennyiség), hantmadár, búbos cinege, függőcinege Hiányoztak: fehér gólya, fogoly, gyöngybagoly, ökörszem, erdei szürkebegy, kerti rozsdafarkú, sárgafejű királyka, kis őrgébics, csóka, vetési varjú További (nem költő, de megfigyelt) fajok: bakcsó, szürke gém, fekete gólya, kígyászölyv, békászó sas, sárszalonka, piroslábú cankó, erdei cankó, kerti geze

Konklúziók A felmérés eredményei sok fajnál összhangban voltak a becsült országos állománynagysággal – ez talán annak is köszönhető, hogy a CT69 elég változatos élőhelyi viszonyokkal bír, és bizonyos szinten igazolja is e fajoknál az országos állománybecslés nagyságrendi helyességét Egyes nagy mozgásterületű fajoknál a módszer biztosan nem/alig alkalmas állománybecslésre Számos „ritkább” (valójában csak helyileg ritkább, országos léptékben közepesen gyakori) faj megtalálásához szükség volt a felmért terület alapos „átfésülésére”, a lehető legtöbb 500x500 m-es négyzet érintésére

Konklúziók A hivatalos MAP módszertan szerint 2 óra már elég lehet egy bejárás „kipipálásához” – az alapos bejáráshoz viszont átlagosan 6 órára volt szükség A 2,5x2,5-es négyzetek két nappali alapos és egy mintavétel szerű éjszakai bejárása rendkívül idő- és energiaigényes, egy megfigyelő/10x10-es UTM négyzet esetén nem javasolható – a MAP felmérés is csak akkor kivitelezhető alaposan, ha több megfigyelő dolgozik egy négyzetben A „minden észlelt madár feljegyzése” módszer a terepi munkát csupán 10, max. 20%-kal növelte, sokkal kevésbé, mint a bejárás alaposságának növelése (2 óráról 6 órára) A „minden észlelt madár feljegyzése” módszerből nyert adatok feldolgozása viszont szintén rendkívül időigényes volt, megközelítette a terepi munka időigényét

Konklúziók 2015-ben is érdemes lenne elvégezni egy 10x10-es UTM négyzet MAP felmérését a Börzsönyi HCs működési területén Az „alapos” bejáráshoz azonban több felmérőnek kell megosztania a munkát A „minden észlelt madár feljegyzése” módszer folytatása is érdekes lehet, a felmérőknek kell eldönteniük – a munkát az adatok feldolgozásában nyújtott segítséggel is lehet támogatni Vagy (Corine alapú?) élőhelytérképek segítségével elegendő lehet kisebb minták vétele a különböző élőhelytípusokból, majd az élőhelytípusok aránya alapján extrapolálni

Felmérés jövőre a Börzsönyi HCS-nél? Milyen módszerrel? ? ? ? ?