PřF:Z8055 Metody FG 3 - Course Information

Z8055 Metody fyzické geografie 3

Extent and Intensity

1/2/0. 5 credit(s). Type of Completion: zk (examination).

Teacher(s)

RNDr. Jan Divíšek, Ph.D. (lecturer)
RNDr. Martin Culek, Ph.D. (lecturer)

Guaranteed by

prof. RNDr. Rudolf Brázdil, DrSc.
Department of Geography – Earth Sciences Section – Faculty of Science
Contact Person: RNDr. Jan Divíšek, Ph.D.
Supplier department: Department of Geography – Earth Sciences Section – Faculty of Science

Timetable

Wed 10:00–10:50 Z3,02045

• Timetable of Seminar Groups:

Z8055/01: Wed 11:00–12:50 Z3,02045, J. Divíšek

Prerequisites (in Czech)

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. Předpokladem k absolvování předmětu je pouze úspěšné absolvování předmětu Krajinná ekologie a zájem o fyzickogeografický výzkum.

Course Enrolment Limitations

The course is only offered to the students of the study fields the course is directly associated with.

The capacity limit for the course is 20 student(s).
Current registration and enrolment status: enrolled: 0/20, only registered: 0/20

fields of study / plans the course is directly associated with

• Applied Geography (programme PřF, N-GK)
• Physical Geography (programme PřF, N-GK)

Course objectives (in Czech)

Studenti se naučí sestavit design svého výzkumu, zpracovat a analyzovat svá data tak, aby naplnili výzkumné otázky stanovené v zadání bakalářské či diplomové práce. Naučí se využívat dostupné zdroje biogeografických a ekologických dat a také tato data zpracovávat a analyzovat v dostupných softwarech (ArcGIS, R, SAM, Canoco, Statistica). Jednotlivé metody numerických analýz, které se hojně využívají v ekologii a biogeografii, budou představeny se zaměřením na potřeby studentů geografie, tedy v prostorovém kontextu. Cílem předmětu je, aby studenti byli schopni jednotlivé metody aktivně využívat a správně interpretovat jejich výsledky.

Syllabus (in Czech)

• Zde je předběžná osnova předmětu, nicméně je velmi pravděpodobné, že se bude ještě měnit, neboť předpokládám vyšší zaměření na GIS, R a praktické zpracování dat.
• 1. Design ekologických a biogeografických studií – vlastní sběr dat (rozmístění vzorkovacích ploch v terénu, stratifikace pomocí GIS, zásady fytocenologického snímkování a mapování krajiny), zdroje dostupných dat (databáze a zdroje biologických dat, zdroje environmentálních dat).
• 2. Typy dat a příprava pro numerické analýzy – kategoriální vs. kvantitativní data, příprava dat pro numerické analýzy (čištění dat, transformace, standardizace, EDA, kódování dat), software pro analýzy a úvod do jejich používání (Canoco, SAM, ArcGIS, Statistica, R, QGIS).
• 3. GIS analýzy v biogeografii a ekologii – odvození environmentálních dat pomocí GIS, overlay algebra, digitální modely reliéfu - tvorba a odvození dalších parametrů (Heat load index, Topograpical wetness index), zonální statistiky, krajinné metriky.
• 4. Alfa a Beta diverzita – měření alfa diverzity (Shannonův index diverzity), měření beta diverzity - indexy podobnosti/vzdálenosti (Jaccard, Sørensen, Bray-Curtis, β_sim, Euklidovská vzdálenost, Hellingerova vzdálenost), výpočet matice vzdáleností, NMDS pro vizualizaci matice vzdáleností, interpretace matice vzdáleností.
• 5. 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.
• 6. Korelační a regresní analýza – výpočet korelačního koeficientu (Pearsonův a Spearmanův korelační koeficient), zásady pro tvorbu lineárního regresního modelu (LM), zobecněné lineární modely (GLM). Korelace matic vzdáleností (Mantel correlation). Vlastní výpočty (SAM případně R) a ukázky aplikací.
• 7. Gradientová analýza – lineární vs. unimodální metody, přímá vs. nepřímá ordinační analýza, Principal Component Analysis (PCA), Redundancy Analysis (RDA), Canonical Corespondence Analysis (CCA), Detrended Correspondence Analysis (DCA), Principal Coordinate Analysis (PCoA). Testování proměnných (Monte Carlo permutační test), kovariáty a parciální ordinace, rozklad variance (R² a adjustovaný R²), výběr vysvětlujících proměnných (Forward selection), výpočet (CANOCO příp. R) a ukázky aplikací.
• 8. CART a Random forests - klasifikační a regresní stromy (ukázky použití), Random forests pro prediktivní modelování a měření významnosti proměnných, evaluace modelu (k-fold cross-validation, bootstrapping).
• 9. 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.
• 10. Diskuse – příklady aplikací metod, diskuse nad vlastními výsledky (bakalářské, diplomové práce).

Literature

recommended literature
• BORCARD, Daniel, François GILLET and Pierre LEGENDRE. Numerical ecology with R. New York: Springer, 2011, xi, 306. ISBN 9781441979759. info
• FORTIN, Marie-Joseé and Mark R. T. DALE. Spatial analysis : a guide for ecologists. 1st pub. Cambridge, N.Y. ;: Cambridge University Press, 2005, xiii, 365. ISBN 9780521804349. URL info
• LEGENDRE, Pierre and Louis LEGENDRE. Numerical ecology. 3rd engl. ed. Amsterdam: Elsevier, 2012, xvi, 990. ISBN 9780444538680. info
• PEKÁR, Stano and Marek BRABEC. Moderní analýza biologických dat. 1. vyd. Praha: Scientia, 2009, x, 225. ISBN 9788086960449. info
• LEPŠ, Jan and Petr ŠMILAUER. Multivariate analysis of ecological data using CANOCO. Cambridge: Cambridge University Press, 2003, xi, 269 s. ISBN 0-521-81409-X. info

Teaching methods (in Czech)

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.

Assessment methods (in Czech)

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.

Language of instruction

Czech

Further comments (probably available only in Czech)

Study Materials
The course is taught annually.

• Enrolment Statistics (Spring 2016, recent)
  
• Permalink: https://is.muni.cz/course/sci/spring2016/Z8055