V originále
Question: How different are lists of diagnostic species of vegetation units, derived using various fidelity measures, in different contexts and with presence/absence versus cover data? Methods: Six different fidelity measures were calculated for vegetation units of two classified data sets covering contrasting types of Central European vegetation (beech forest and dwarf shrub vegetation). Both statistical and non-statistical fidelity measures were used, and either species presence/absence or cover was considered. Each measure was calculated on four hierarchical levels and within two different contexts, either within the whole data set or within the next higher level of hierarchical classification. Average similarities of the diagnostic species lists derived from various combinations of fidelity measures and contexts were calculated and visualized using principal coordinate analysis (PCoA). Results: The correlations between fidelity values derived from non-statistical and statistical measures were rather weak. Nevertheless, diagnostic species lists calculated for the same syntaxon by different measures usually had several species in common. Average similarity between pairs of fidelity measures or contexts (based on the Sorensen similarity index) ranged from 0.21 to 0.92. PCoA clustered individual combinations of fidelity measures and contexts mainly according to the context and the use of presence/absence versus cover data, rather than according to the fidelity measures. Conclusions: The strongest impact on the lists of diagnostic species was not the fidelity measure itself but the context of its application and the use of presence/absence or cover data. Despite the weak correlation between individual fidelity values, traditional (non-statistical) and statistical measures produce quite similar lists of diagnostic species, provided that the context of the analysis is the same. Both approaches have their advantages and disadvantages, and the choice of the appropriate algorithm should depend on the focus of the study.
In Czech
Otázka: Jak se liší seznamy diagnostických druhů vegetačních jednotek, které byly vytvořeny pomocí různých měr fidelity, v různých kontextech a s prezenčně/absenčními versus pokryvnostními daty? Metody: Bylo vypočítáno šest různých měr fidelity pro vegetační jednotky dvou klasifikovaných datových souborů z odlišných typů středoevropské vegetace (bukové lesy a keříčková vegetace). Byly použity statistické i nestatistické míry fidelity a byla uvažována buď prezence/absence druhů, nebo jejich pokryvnost. Každá míra byla vypočítána pro čtyři hierarchické úrovně a ve čtyřech různých kontextech, buď v rámci celého datového souboru nebo v rámci nejbližší vyšší úrovně hierarchické klasifikace. Průměrné podobnosti seznamů diagnostických druhů odvozených z různých kombinací měr fidelity a kontextů byly vypočítány a vizuálně znázorněny pomocí analýzy hlavních koordinát (PCoA). Výsledky: Korelace mezi hodnotami fidelity odvozenými od nestatistických a statistickým měr byly poměrně slabé. Přesto měly seznamy diagnostických druhů stanovené pro stejný syntaxon několik společných druhů. Průměrná podobnost mezi páry měr fidelity nebo kontextů (podle Sorensenova indexu podobnosti) se pohybovala od 0,21 do 0,92. PCoA shlukovala jednotlivé kombinace měr fidelity a kontextů hlavně podle kontextů a použití prezenčně/absenčních nebo pokryvnostních dat spíše než podle měr fidelity. Závěry: Nejsilnější vliv na seznamy diagnostických druhů neměla samotná míra fidelity, nýbrž kontext jejího výpočtu a použití prezenčně/absenčních, nebo pokryvnostních dat. Přes slabou korelaci mezi jednotlivými hodnotami fidelity vedlo použití tradičních (nestatistických) a statistických měr k vytvoření velmi podobných seznamů diagnostických druhů za předpokladu, že kontext analýzy byl shodný. Oba přístupy mají svoje výhody i nevýhody a výběr vhodného algoritmu by měl záležet na zaměření konkrétního výzkumu.