ORDINAČNÍ DIAGRAMY
JAK JE ČÍST
TIPY A TRIKY
1

ORDINAČNÍ DIAGRAMY: PCA A CA
2
PCA
(D)CA
vzorky
~ Eukl. vzdálenosti
~ ChiSq. vzdálenosti
druhy
~ korelace s osami (a navzájem)
Optima druhů na osách

NMDS, PCOA
3
Druhová skóre určena korelacemi s osami (odpovídá lin. metodám)
Do ordinačního diagram je třeba umístit pomocí funkce envfit, nelze přímo.

ORDINAČNÍ DIAGRAMY
KONVENCE
ozobrazení vzorků
•body
ozobrazení druhů
•Šipky: lineární metody  (+ PCoA, dbRDA)
•Body, centroidy: unimodální metody (+ NMDS)
ozobrazení ordinačních os
•vodorovná bývá osa vyššího řádu (např. první)
•orientace os je arbitrární
ozobrazení proměnných prostředí
•šipky (kvantitativní proměnné)
•centroidy (kategoriální proměnné)
otyp ordinačního diagramu:
•scatterplot  - 1 typ dat (vzorky nebo druhy)
•biplot - 2 typy dat (např. vzorky a druhy)
•triplot - 3 typy dat (např. vzorky, druhy a proměnné prostředí)
•
o
o
4

PŘÍLIŠ MNOHO DRUHŮ V ORD. DIAGRAMU -> NEČITELNÝ
oZmenšení písma (cex = 0.6 nebo tak)
oZkratky jmen, např. GenuSpec
oPoloprůsvitné barvy písma
oManuální posun překrývajících se jmen
•OK, když je skóre zobrazeno i bodem, šipkou
•Radši ne, když je skóre zobrazeno jen jménem
oVýběr zobrazených druhů
•Lineární metody, přímá ordinace: nejlépe fitující druhy
•CA, DCA: druhy s největší váhou
o
5

6
PASIVNÍ PROMÍTÁNÍ PROMĚNNÝCH (PROSTŘEDÍ) DO NEPŘÍMÉ ORDINACE
vegan::envfit()

7
7
matice druhových dat
skóre vzorků na první a druhé ose PCA
PCA
proměnné prostředí
korelace
ordinační diagram PCA
vztah proměnných prostředí (vektory) a ordinačních os
r1
r2
PCA1
korelace proměnných prostředí a ordinačních os
Korelace proměnných prostředí  s ordinačními osami v nepřímé ordinaci (PCA)

PASIVNĚ PROMÍTNUTÉ PROMĚNNÉ PROSTŘEDÍ V NEPŘÍMÉ ORDINACI – KORELACE S ORDINAČNÍMI OSAMI
•Korelace mezi proměnnou prostředí a skóre vzorků na ordinačních osách
opouze v ordinacích kde jsou skóre vzorků standardizované na jednotkovou varianci (PCA se
škálováním 1)
ov ostatních ordinacích, kde se variance os od sebe liší, je třeba použít (váženou) mnohonásobnou
regresi:
–
– env ~ b0 + b1 * score1 + b2 * score2
–
– b0 = 0 (všechny proměnné jsou centrované)
– b1, b2 – regresní koeficienty
–
o
8

Náhodně generované proměnné (rand 1 až rand 9) pasivně promítnuté do ordinačního diagramu:
9
Data o druhovém složení: vegetace údolí Vltavy, David Zelený
Analýza: NMDS s Bray-Curtis distancí
rand 1 – rand 9: náhodně generované proměnné
ELEVATION, SOILDPT, … - reálně měřené proměnné prostředí
vegan::envfit()

PROMÍTNUTÍ KONTINUÁLNÍ PROMĚNNÉ POMOCÍ RŮZNÝCH VELIKOSTÍ SYMBOLŮ VZORKŮ
10


11
vegan::ordihull()
PASIVNĚ PROMÍTNUTÁ KATEGORIÁLNÍ PROMĚNNÁ

12
nmds1.png nmds2.png nmds3.png nmds4.png nmds5.png nmds6.png nmds7.png
PASIVNĚ PROMÍTNUTÁ KATEGORIÁLNÍ PROMĚNNÁ
vegan::ordispider()