2011
Heterogeneity-constrained random resampling of phytosociological databases
LENGYEL, Attila, Milan CHYTRÝ a Lubomír TICHÝZákladní údaje
Originální název
Heterogeneity-constrained random resampling of phytosociological databases
Autoři
LENGYEL, Attila (348 Maďarsko), Milan CHYTRÝ (203 Česká republika, domácí) a Lubomír TICHÝ (203 Česká republika, garant, domácí)
Vydání
Journal of Vegetation Science, Oxford, Wiley-Blackwell, 2011, 1100-9233
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
10600 1.6 Biological sciences
Stát vydavatele
Velká Británie a Severní Irsko
Utajení
není předmětem státního či obchodního tajemství
Impakt faktor
Impact factor: 2.770
Kód RIV
RIV/00216224:14310/11:00054653
Organizační jednotka
Přírodovědecká fakulta
UT WoS
000286146800016
Klíčová slova anglicky
Data representativeness; Point pattern; Releve; Ripley's K function; Sample plot; Selection; Stratification; Vegetation survey
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 3. 1. 2012 10:59, prof. RNDr. Milan Chytrý, Ph.D.
V originále
Aim: Phytosociological databases often contain unbalanced samples of real vegetation, which should be carefully resampled before any analyses. We propose a new resampling method based on species composition, called heterogeneity-constrained random (HCR) resampling. Method: Many subsets of the source vegetation database are selected randomly. These subsets are sorted by decreasing mean dissimilarity between pairs of the vegetation plots, and then sorted again by increasing variance of these dissimilarities. Ranks from both sortings are summed for each subset, and the subset with the lowest summed rank is considered as the most representative. Results: Both stratified and HCR resampling yielded selection patterns more similar to the reference than resampling without these tools. Outcomes from the resampling that combined these two methods were the most similar to the reference. The efficiency of the HCR resampling method varied with different levels of aggregation in the database. Conclusions: This new method is efficient for resampling phytosociological databases.
Česky
Fytocenologické databáze často obsahují nevyvážené vzorky diverzity vegetace, které by měly být před jakýmikoliv analýzami pečlivě vybírány. Navrhujeme metodu takového výběru s názvem "náhodný výběr omezený heterogenitou" (heterogeneity-constrained random resampling, HCR). Při použití této metody je ze zdrojové vegetační databáze náhodně vybráno mnoho podsouborů. Tyto podsoubory jsou seřazeny podle klesající průměrné nepodobnosti mezi páry fytocenologických snímků a potom seřazeny znovu podle rostoucí variability těchto nepodobností. Pořadí z obou řazení jsou sečtena pro každý podsoubor a podsoubor s nejnižším součtem pořadí je považován za nejreprezentativnější. Stratifikovaný i náhodný výběr omezený heterogenitou vytvářely při testech datové soubory, které byly podobnější referenčnímu datovému souboru než výběr bez použití těchto metod. Výsledky výběru kombinujícího tyto metody byly nejpodobnější referenčnímu datovému souboru. Účinnost náhodného výběru omezeného heterogenitou kolísala v závislosti na různé míře agregace fytocenologických snímků v databázi. Nová metoda je efektivním nástrojem pro výběr datových souborů z fytocenologických databází.
Návaznosti
| MSM0021622416, záměr |
|