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

Az előadások a következő témára: "Borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % % -os borítás (az adott fajhoz tartozó egyedek függőleges vetülete)"— Előadás másolata:

1 borításbecslés a kvadrátban az adott faj egyedei függőleges vetületeinek összege hány % % -os borítás (az adott fajhoz tartozó egyedek függőleges vetülete) ebből relatív gyakoriság (pi ) számítása Shannon diverzitási index számítása Ezt a 2m*2m-es kvadrátot (=mintavételi négyzet) kellene megalkotni (4 fős csoportok) (zsineg + szög), az összborítás meghaladhatja a 100%-ot (átfedések) - Cönológiai táblázatok összesítése excel file-ban

2 E=H/ln(S), ahol S a fajok száma
Cönológiai felvételezés 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 ...

3 A: átlagos fajszám (az összes kvadrátra) B: fajszám a saját kvadrátban
A fajösszetétel hasonlóságának vizsgálata Jaccard és Sorensen index összevetés a többi kvadrát adataival (egy későbbi alkalommal) 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:

4 LAI becslés I : lombozat alatt mért fényintenzitás Io: lombozat felett mért (beeső) fényintenzitás k ( ): a lombozatra jellemző levélszögeloszlás A becslés során k=0.6 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

5 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)

6

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

8

9 Kvadrát Latin név Magyar név
1. Agropyron repens Cerastium arvense Festuca pratensis Myosotis syloatica Poa angustifolia Vicia tinuifolia Viola arvensis Ambrosia elation Chondrilla juncea Cruciata laevipes Rumex acetosa Melandrium album közönséges tarackbúza parlagi madárhúr réti csenkesz erdei nefelejcs réti perje keskenylevelű bükköny mezei árvácska parlagfű nyúlparéj mezei keresztfű mezei sóska fehér mécsvirág 2. Erodium cicutarium Ranunculus acris bürök gémorr réti boglárka 3. Trifolium campestre Bromus hordeaceus mezei here puha rozsnok

10 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)

11 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))

12 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

13 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.

14 A levegő vízgőztartalma
száraz (Ta) és nedves (Tw) hőmérő abszolút és relatív páratartalom, harmatpont-hőmérséklet (D) száraz és nedves levegő adiabatikus (nem tekintve az energiacserét a környező levegővel) tágulása során a hőmérsékletcsökkenés 9.8, illetve 4°C/km Diffúzió, koncentrációgrádiens (=(parciális)nyomásgrádiens)

15 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

16 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)

17 Terepi jegyzőkönyv Excel-ben elkészítendő, a félév során a későbbiekben az órákon ezekből az adatokból dolgozunk 1. Cönológiai táblázat, 2m*2m-es kvadrát 2. Cönológiai táblázat, (20m-es linea) 3. LAI mérésekhez fényintenzitás adatok 4. Hőmérséklet-mérések (pszichrométer) 5. Gázcsere-mérések feljegyzendő adatai