Z8055 Metody fyzické geografie 3

Přírodovědecká fakulta
jaro 2017
Rozsah
1/2/0. 5 kr. Ukončení: zk.
Vyučující
RNDr. Jan Divíšek, Ph.D. (přednášející)
RNDr. Martin Culek, Ph.D. (přednášející)
Garance
prof. RNDr. Rudolf Brázdil, DrSc.
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
Po 20. 2. až Po 22. 5. Po 13:00–13:50 Z3,02045
  • Rozvrh seminárních/paralelních skupin:
Z8055/01: Po 20. 2. až Po 22. 5. Po 14:00–15:50 Z3,02045, J. Divíšek
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: 0/20, pouze zareg.: 0/20
Mateřské obory/plány
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. Cílem předmětu je, aby studenti byli schopni jednotlivé metody aktivně využívat 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 GIS nebo R 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 (Slope, 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. 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. Online. New York: Springer, 2011. xi, 306. ISBN 9781441979759. [citováno 2024-04-23] info
  • FORTIN, Marie-Joseé a Mark R. T. DALE. Spatial analysis : a guide for ecologists. Online. 1st pub. Cambridge, N.Y. ;: Cambridge University Press, 2005. xiii, 365. ISBN 9780521804349. [citováno 2024-04-23] URL info
  • LEGENDRE, Pierre a Louis LEGENDRE. Numerical ecology. Online. 3rd engl. ed. Amsterdam: Elsevier, 2012. xvi, 990. ISBN 9780444538680. [citováno 2024-04-23] info
  • PEKÁR, Stano a Marek BRABEC. Moderní analýza biologických dat.. Online. 1. vyd. Praha: Scientia, 2009. x, 225. ISBN 9788086960449. [citováno 2024-04-23] info
  • LEPŠ, Jan a Petr ŠMILAUER. Multivariate analysis of ecological data using CANOCO. Online. Cambridge: Cambridge University Press, 2003. xi, 269 s. ISBN 0-521-81409-X. [citováno 2024-04-23] 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 průběhu semestru může dojít k doladění náplně a formy podle zkušeností, možností studentů a eventuelně i jejich potřeb.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2016, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.