PřF:Z8055 Metody FG 3 - bio-pedo - Informace o předmětu
Z8055 Metody FG 3 - biogeografie, pedogeografie
Přírodovědecká fakultapodzim 2020
- Rozsah
- 1/2/0. 5 kr. Ukončení: zk.
- Vyučující
- RNDr. Jan Divíšek, Ph.D. (přednášející)
Mgr. Marek Lang, Ph.D. (pomocník) - Garance
- RNDr. Jan Divíšek, Ph.D.
Geografický ústav – Sekce věd o Zemi – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jan Divíšek, Ph.D.
Dodavatelské pracoviště: Geografický ústav – Sekce věd o Zemi – Přírodovědecká fakulta - Rozvrh
- St 13:00–13:50 Z6,02006
- Rozvrh seminárních/paralelních skupin:
- Předpoklady
- Absolvování předmětu je doporučeno všem studentům se zájmem o biogeografii a (krajinnou) ekologii počínaje 3. ročníkem bakalářského studia. Je ovšem vhodný i pro zájemce o jinak zaměřené prostorové analýzy, neboť mnohé metody jsou obecně použitelné. Z formálních důvodů je potřeba, aby bakalářští studenti požádali při zápisu o výjimku, která bude automaticky schválena.
- Omezení zápisu do předmětu
- Předmět je určen pouze studentům mateřských oborů.
Předmět si smí zapsat nejvýše 20 stud.
Momentální stav registrace a zápisu: zapsáno: 1/20, pouze zareg.: 0/20 - Mateřské obory/plány
- Aplikovaná geografie (program PřF, N-GK)
- Fyzická geografie (program PřF, N-FYG)
- Fyzická geografie (program PřF, N-GK)
- Cíle předmětu
- Studenti se naučí zpracovat a analyzovat svá data tak, aby naplnili výzkumné otázky stanovené v zadání bakalářské či diplomové práce. Pomocí dostupného softwaru (především ArcGIS, R, SAM) se naučí aplikovat numerické metody hojně využívané v ekologii a biogeografii a graficky i tabelárně prezentovat výsledky analýz. Speciální pozornost bude věnována práci v programu R. Cílem předmětu je, aby studenti byli schopni jednotlivé metody aktivně využívat a správně interpretovat jejich výsledky.
- Výstupy z učení
- Studenti budou schopni zpracovávat a analyzovat svá data v prostředí ArcGIS and R. Budou schopni aktivně využívat různé statistické metody a správně interpretovat jejich výsledky.
- Osnova
- Zde je předběžná osnova předmětu, nicméně je velmi pravděpodobné, že se bude ještě měnit, neboť předpokládám vyšší zaměření na R nebo GIS a praktické zpracování dat dle požadavků studentů.
- 1. Úvod – osnova předmětu, literatura, software, seznámení se vzorovými daty, instalace R, R Studia, AcrGIS, SAM, přehled biogeografických a environmentálních dat.
- 2. GIS v biogeografii a ekologii – základy práce s ArcMap, vektorová vs. rastrová data, import dat a převody datových formátů (používání databází), souřadnicové systémy a převody mezi nimi, spojování tabulek v ArcMap.
- 3. Geografické analýzy v ArcMap – digitální modely reliéfu + výpočty odvozených vrstev (Terrain Ruggedness, Heat load index, Topographic wetness index), krajinné metriky, Toolboxy pro ArcGIS, overlay algebra (Intersect vrstev apod.), extrahování hodnot k bodům, zonální statistika, cykly v ArcMap (Model Builder).
- 4. Úvod do R – základy práce s R, práce s vektory, maticemi, data framy a listy, cykly v R, import dat z ArcGIS do R a opačně, popisné statistiky (boxploty, histogramy atp.), jednoduché mapy v R, transformace dat.
- 5. Korelace a regrese v R – výpočet korelačního koeficientu (Pearsonův a Spearmanův korelační koeficient), zásady pro tvorbu lineárního regresního modelu (LM), rozklad variance (R2 a adjustovaný R2), výběr vysvětlujících proměnných (Forward selection), zobecněné lineární modely (GLM, logistická regrese). Korelace matic vzdáleností (Mantel correlation). Vlastní výpočty (SAM případně R) a ukázky aplikací.
- 6. Alfa a Beta diverzita – měření alfa diverzity (Shannonův index diverzity), měření beta diverzity - indexy podobnosti/vzdálenosti (Jaccard, Sørensen, Bray-Curtis, βsim, Euklidovská vzdálenost, Hellingerova vzdálenost), výpočet matice vzdáleností, NMDS pro vizualizaci matice vzdáleností, interpretace matice vzdáleností.
- 7. Numerická klasifikace – metody hierarchické klasifikace (Single linkage, Complete linkage, UPGMA, Wardova metoda, β flexible), nehierarchická klasifikace (k-means), prostorově omezená klasifikace. Vlastní výpočty (SAM, Statistica, R) a ukázky aplikací.
- 8. Gradientová analýza – lineární vs. unimodální metody, přímá vs. nepřímá ordinační analýza se zaměřením na Principal Component Analysis (PCA), Redundancy Analysis (RDA) a Principal Coordinate Analysis (PCoA). Dále CCA, DCA. Testování proměnných (Monte Carlo permutační test), kovariáty a parciální ordinace, výpočet v R a ukázky aplikací.
- 9. Modelování rozšíření druhů (Machine-learning methods) - klasifikační a regresní stromy (CART), Random forests pro prediktivní modelování a měření významnosti proměnných, evaluace modelu (k-fold cross-validation, bootstrapping), MaxEnt pro predikci rozšíření druhů, vlastní výpočty a ukázky aplikací.
- 10. Prostorová autokorelace – měření u jednorozměrných dat (Moran’s I), měření u vícerozměrných dat (Mantel correlation), vliv na výsledky analýz, možnosti vyjádření prostorové blízkosti v numerických analýzách (XY, polynomy, PCNM, MEM proměnné), příklady použití, prostorové metody v SAM.
- 11. Diskuse – příklady aplikací metod, diskuse nad vlastními výsledky (bakalářské, diplomové práce).
- Literatura
- doporučená literatura
- BORCARD, Daniel, François GILLET a Pierre LEGENDRE. Numerical ecology with R. New York: Springer, 2011, xi, 306. ISBN 9781441979759. info
- FORTIN, Marie-Joseé a Mark R. T. DALE. Spatial analysis : a guide for ecologists. 1st pub. Cambridge: Cambridge University Press, 2005, xiii, 365. ISBN 0521009731. info
- LEGENDRE, Pierre a Louis LEGENDRE. Numerical ecology. 3rd engl. ed. Amsterdam: Elsevier, 2012, xvi, 990. ISBN 9780444538680. info
- PEKÁR, Stano a Marek BRABEC. Moderní analýza biologických dat. 1. vyd. Praha: Scientia, 2009, x, 225. ISBN 9788086960449. info
- LEPŠ, Jan a Petr ŠMILAUER. Multivariate analysis of ecological data using CANOCO. Cambridge: Cambridge University Press, 2003, xi, 269 s. ISBN 0-521-81409-X. info
- Výukové metody
- Teoretické přednášky doplněné o praktické cvičení, ukázky různých studií, diskuse. Předmět bude zaměřen především na získání praktických dovedností v GIS a R a podobných softwarech.
- Metody hodnocení
- Ke zkoušce je třeba vypracovat krátkou studii, ve které student zanalyzuje vlastní nebo zapůjčená data pomocí probíraných statistických metod. Podrobné pokyny k vypracování studie budou sděleny v průběhu semestru. Vlastní zkouška bude probíhat jako diskuse nad zpracovanou studií, rozšířená o doplňující dotazy týkající se teoretického pozadí jednotlivých statistických metod.
- Informace učitele
- V podzimním semestru 2020 bude výuka probíhat on-line. Zkouška proběhne on-line přes MS Teams. Pokud to epidemiologická situace dovolí, může zkoušení proběhnout i prezenční formou.
- Další komentáře
- Předmět je vyučován každoročně.
- Statistika zápisu (podzim 2020, nejnovější)
- Permalink: https://is.muni.cz/predmet/sci/podzim2020/Z8055