Uzticamības jēdziens veģetācijas pētījumos

1. Uzticamības jēdziens veģetācijas pētījumos Didzis Tjarve, Brigita Laime

2. Veģetācijas nepārtrauktība un pārtrauktība (telpā, laikā, sintaksonomijā)

3. Veģetācijas klasifikācijas • Atkarībā no pētījuma mērķa veģetācijas klasificēšanai var tikt izmantoti dažādi kritēriji, piemēram, substrāts, mitrums, traucējums, dzīvnieku sugas, augāja augstums, augu sugas. • Šodien viena no vairāk pielietotajām ir floristiski-cenoloģiskā jeb fitosocioloģiskā klasifikācija (galvenie kritēriji: augu sugas+augāja struktūra+vide).

4. Diagnostiskās sugas Sugas, kas ir raksturīgas vienai veģetācijas vienībai (atsevišķas sugas var būt divām vai vairākām veģetācijas vienībām – transgresīvās). Fitosocioloģiskos pētījumos visbiežāk tās nosaka pēc veģetācijas parauglaukumu klasificēšanas.

5. Diagnostiskās sugas • Šodien ar diagnostiskām sugām galvenokārt saprot rakstursugas un diferenciālsugas. • Tām jāatbilst diferencējošam kritērijam: sugas procentuālam konstantumam veģetācijas vienībā ir jābūt vismaz 2 reizes lielākam par konstantumu tā paša līmeņa citā vienībā (sintaksonā).

6. Uzticamība (fidelity) Diagnostisko sugu noteikšana parasti saistīta ar uzticamību (fidelity) – rādītāju, kas ilustrē sugas saistību ar noteiktu veģetācijas vienību. Uzticamības rādītāju izmantošanas pirmsākumi fitosocioloģijā saistīti ar Braun-Blanquet (1918, 1928) un Szafer& Pawłowski (1927).

7. Uzticamības pakāpes Tomēr sākotnēji uzticamības rādītāju iegūšana bija vairāk intuitīva nekā statistiski pamatota. Parasti sugām uzticamības pakāpes (degrees of fidelity) noteica pēc sugas sastopamības aplūkojamajā veģetācijas vienībā un ārpus tās.

8. Uzticamības vērtējums Uzticamību var vērtēt gan izmantojot sugas klātbūtni vai iztrūkumu, gan sugas segumu. Parasti izmanto klātbūtni/iztrūkumu, jo • segumam bieži ir sezonāls raksturs; • seguma izmantošanas gadījumā lielāka nozīme ir sugām, kuras parasti veido lielus segumus; • seguma novērtēšana ir subjektīva.

9. Uzticamības statistiskie rādītāji Ar uzticamību saistītu statistisko rādītāju piedāvāja Brisse et al. (1995). Tas lielākoties ir atkarīgs no noteiktu sugu kopējas sastopamības un mazāk no sugas sastopamības veģetācijas vienībā.

10. Uzticamības statistiskie rādītāji Bruelheide (1995, 2000) izstrādāja uzticamības rādītāju u, kas balstās sugas sastopamības salīdzinājumu ar teorētisko sastopamību, ja tā ir nejauša. Dufrêne& Legendre (1997) savukārt piedāvā Indicator Value Index. Ar pārskatu par dažādiem uzticamības rādītājiem var iepazīties Chytrý et al. (2002) rakstā.

11. Apzīmējumi Turpmāk izmantotie apzīmējumi: N parauglaukumu kopējais skaits; Np parauglaukumu skaits aplūkojamajā veģetācijas vienībā; n parauglaukumu skaits ar noteiktu sugu visos parauglaukumos np parauglaukumu skaits ar noteiktu sugu aplūkojamajā veģetācijas vienībā

12. Sugu skaits parauglaukumos ____A______________B__________ N Np n np Suga1 ++++++++ + +++++ +++++++++++ ++ 30 10 27 9 Suga2 ++ ++ ++++ + + + ++ 30 10 13 8 Suga3 ++++++++++ 30 10 10 10 Suga4 + + + + + + + + + 30 10 9 3 Suga5 + ++ + 30 10 4 3 Suga6 + +++ ++++ +++++ + +++ 30 10 15 1 u F i

13. u vērtības Bruelhaide iesaka atņemt no novērotās sugas absolūtās frekvences veģetācijas vienībā (np) teorētisko absolūto frekvenci (m=n.Np/N,) un šo vērtību izdalīt ar teorētisko standartnovirzi (s).

14. u vērtību varianti uhyp – shyp iegūst pēc hiperģeometriskā sadalījuma standartnovirzes aprēķināšanas formulas (Chytrýet al., 2002) ubinB – sbinB iegūst pēc bionomiālā sadalījuma standartnovirzes aprēķināšanas formulas (Bruelheide, 2000) ubinA – sbinA iegūst pēc bionomiālā sadalījuma alternatīvas standartnovirzes aprēķināšanas formulas (Chytrýet al., 2002)

15. u vērtību robežas u vērtības ir pozitīvas, ja suga veģetācijas vienībā sastopama biežāk nekā paredzēts vai negatīvas, ja retāk nekā paredzēts. u vērtību lielums ir atkarīgs no paraugkopas apjoma. Maksimālā uhyp vērtība iespējama pie Np=n=np un ir T

16. F koeficients u vērtības var normalizēt, dalot ar maksimālo iespējamo vērtību un iegūstot phi koeficientu, kas ir robežās no –1 līdz +1. T

17. Fišera tests phi koeficients nav atkarīgs no paraugkopas apjoma, tāpēc ir ērti izmantojams, tomēr tas nav tieši statistiski novērtējams. Lai novērstu kļūdas, var izmantot Fišera testu (Fisher’s exact test) un nelietot phi vērtības, ja tests nav būtisks. Lielu paraugkopu gadījumā Fišera tests ir ļoti jutīgs, tāpēc tad ieteicams lietot mazus būtiskuma līmeņus (a=0.01 vai a=0.001).

18. F koeficients phi koeficients nav atkarīgs no datu kopas apjoma n, taču ir atkarīgs no aplūkojamās veģetācijas vienības apjoma Np. Tāpēc, salīdzinot vairākas veģetācijas vienības, ieteicams vienādot to apjomu.

19. Dufrêne-Legendre Indicator Value Index (IndVal) Šis koeficients relatīvo sugu daudzumu veģetācijas vienībā salīdzina ar sugas relatīvo frekvenci visā datu kopā.

20. IndVal Šis rādītājs ir neakarīgs no paraugkopas apjoma. Tas vairāk ir atkarīgs no sugas daudzuma veģetācijas vienībā un mazāk no sugas daudzuma ārpus šīs veģetācijas vienības. T

21. JUICE Uzskaitīto un citu rādītāju izmantošana pieejama čehu zinātnieku Tichy, Chytrý izstrādātajā programmā JUICE. To var iegūt http://www.sci.muni.cz/botany/juice/

22. JUICE Šī programma dod iespējas: • liela apjoma veģetācijas datu apstrādei • to grupēšanai ar TWINSPAN, klāsteranalīzi • sinoptisko tabulu veidošanai un dažadu uzticamības rādītāju aprēķināšanai • dažādu analīžu veikšanai, izmantojot R, CANOCO, PCORD piedāvātās iespējas

23. Literatūra Braun-Blanquet, J. 1918. Eine pflanzensoziologische Exkursiondurchs Unterengadin und in den schweizerischen Nationalpark.Beitr. Geobot. Landesaufn. Schweiz 4: 1-80. Braun-Blanquet, J. 1928. Pflanzensoziologie. Grundzüge derVegetationskunde. Springer, Berlin, DE. Brisse, H., De Ruffray, P., Grandjouan, G. & Hoff, M. 1995: The phytosociological data base ‘SOPHY’. Ann. Bot. (Roma) 53: 177-223. Bruelheide, H. 1995. Die Grünlandgesellschaften des Harzes und ihre Standortsbedingungen. Mit einem Beitrag zum Gliederungsprinzip auf der Basis von statistisch ermittelten Artengruppen. Diss. Bot. 244: 1-338.

24. Literatūra Bruelheide, H. 2000. A new measure of fidelity and its application to defining species groups. J. Veg. Sci. 11: 167-178. Chytrý, M., Tichý, L., Holt, J. & Botta-Dukát, Z. 2002. Determination of diagnostic species with statistical fidelity measures. J. Veg. Sci. 13: 79-90. Dufrêne, M. & Legendre, P. 1997. Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecol. Monogr. 67: 345-366. Szafer, W. & Pawłowski, B. 1927. Die Pflanzenassoziationendes Tatra-Gebirges. Bemerkungen über die angewandteArbeitstechnik. Bull. Int. Acad. Polon. Sci. Lettres B 3,Suppl. 2: 1-12.