Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology

Gábor, Lukáš

EN SKPřihlásit se Přihlásit se (EduID)

Theses.cz

Theses 3kutit

Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology – Ing. Lukáš Gábor, Ph.D.

Ing. Lukáš Gábor, Ph.D.

Disertační práce

Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology

Abstract:

Context Species distribution models (SDMs) have proven valuable in filling gaps in our knowledge of species occurrences. However, despite their broad applicability, SDMs exhibit critical short- comings due to limitations in species occurrence data and in environmetal variables. Typical example of such limitation in species records is spatial uncertainty in their location, ranging from a few meters to tens of kilometers (e.g., positional uncertainty in the GBIF database can exceed 300 kilometers). Similarly, environmental variables may be limited by how much detailed information about the environment they provide. For example, land cover types typically indicate the amount of habitat within a spatial unit. However, it is possible that a simple binary presence/absence of suitable habitat may be the only information available or even more important aspect than area, determining species distribution. Objectives This dissertation had three main objectives. Firstly, I explored the potential of an alternative approach to incorporate environmental variables into models (i.e., binary versus continu- ous habitat information). Secondly, I investigated the influence of positional uncertainty in species records on the ecological interpretability of models. Thirdly, I evaluated whether the appropriateness of using binary or proportional (continuous) type of variables, and the influ- ence of positional error, is affected by the scale of the analyses. Specifically, I addressed the following research questions: a) Can binary land cover predictors provide models of higher accuracy than traditionally used proportional variables? b) If so, what is the role of spatial grain in determining the usability of binary land cover predictors? c) To what extent does positional uncertainty in species occurrence data affect model parameter estimation and the ecological interpretability of species distribution models? d) What are the trade-offs between analysis grain and positional uncertainty in modeling species distributions?. Results Results indicated that models’ performances were not affected by the type of the adopted habitat variable (proportional or binary but the usability of binary variables decreased with coarsening the resolution (i.e., binary representation of habitat is useful at finer grain sizes of approx. 1km2. Results confirmed that model performance decrease with increasing po- sitional error in species records, as demonstrated in prior studies. However, I have shown that coarsening the analysis grain to compensate for positional error did not improve model performance as was widely assumed. This, however, doesn’t mean we should exclude species records with high positional uncertainty from our studies, because the negative consequences of positional uncertainty on model performance did not extend as strongly to the ecological interpretability of the models. Conclusions These findings are encouraging for practitioners using SDMs to reveal relationships between species occurrences and its environmental drivers as such relationship can be to some degree estimated using positionally uncertain data and simple environmental variables describing presence or absence of a habitat. On the other hand, my findings show that positional un- certainty in species data can cause inaccurate spatial predictions leading to inaccurate maps of species distributions, especially in heterogeneous environments and when using fine res- olution environmental data. Therefore, such models are not suitable for tasks like setting up protected areas or prioritizing conservation efforts. …více

Keywords

positional error binary variables species distribution models

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 10. 9. 2024

Obhajoba závěrečné práce

Vedoucí: doc. Ing. Vítězslav Moudrý, Ph.D.
Oponent: Markéta Zárybnická, Ph.D., doc. Ing., Antonín Macháč, externi, Christine Meynard, externi

Citační záznam

Citovat tuto práci

Citace dle ISO 690:

GÁBOR, Lukáš. \textit{Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology}. Online. Disertační práce. Praha: Česká zemědělská univerzita v Praze, Fakulta životního prostředí. 2024. Dostupné z: https://theses.cz/id/3kutit/.

@PhdThesis{Gabor2024thesis,
AUTHOR = "Gábor, Lukáš",
TITLE = "Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology [online]",
YEAR = "2024 [cit. 2026-03-14]",
TYPE = "Disertační práce",
SCHOOL = "Česká zemědělská univerzita v Praze, Fakulta životního prostředíPraha",
NOTE = "SUPERVISOR: doc. Ing. Vítězslav Moudrý, Ph.D.",
URL = "https://theses.cz/id/3kutit/",
}

@PhdThesis{Gabor2024thesis,
AUTHOR = {Gábor, Lukáš},
TITLE = {Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology},
YEAR = {2024},
TYPE = {Disertační práce},
INSTITUTION = {Česká zemědělská univerzita v Praze, Fakulta životního prostředí},
LOCATION = {Praha},
SUPERVISOR = {doc. Ing. Vítězslav Moudrý, Ph.D.},
URL = {https://theses.cz/id/3kutit/},
URL_DATE = {2026-03-14},
}

{{Citace kvalifikační práce
 | příjmení = Gábor
 | jméno = Lukáš
 | instituce = Česká zemědělská univerzita v Praze, Fakulta životního prostředí
 | titul = Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology
 | url = https://theses.cz/id/3kutit/
 | typ práce = Disertační práce
 | vedoucí = doc. Ing. Vítězslav Moudrý, Ph.D.
 | rok = 2024
 | počet stran =
 | strany =
 | citace = 2026-03-14
 | poznámka =
 | jazyk = 
}}

Plný text práce

Obsah online archivu závěrečné práce

Zveřejněno v Theses:

světu

Jak jinak získat přístup k textu

Instituce archivující a zpřístupňující práci: Česká zemědělská univerzita v Praze, Fakulta životního prostředí

Odkaz na adresář do lokálního úložiště instituce

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

Doktorský studijní program / specializace:
Environmentální vědy o Zemi / Prostorové vědy

Práce na příbuzné téma

Species Distribution Modeling with Large Occurrence Databases: From Observer Bias Correction to Data Integration Strategies
Petr Balej
Species distribution model for the Roan antelope (Hippotragus equinus) in the West African savanna
Thalia Mathilde Pelegrin
Predictive distribution modelling of European tree species using Pliocene and future climatic data
Leandro Eusebio
Modeling distribution and habitat suitability for snow leopard (Panthera uncia) in the Great Gobi-A Strictly Protected Area of Mongolia
Juno Shimada
Enhancing Error Management and Notification Systems in JupyterHub on Kubernetes
Marek Halamka
Klee-Based Error Witness Checker
Paulína Ayaziová
Error Analysis of Grammatical Cohesive Devices in Selected Texts of Secondary School Students
Petra Chaloupková
Reversing Programs for Error Reachability Analysis
Adéla Štěpková

Všechny práce

Název

Vložil

Vloženo

Práva

Theses 3kutit 3kutit/2

23. 7. 2024

Složky

Soubory

thesis zaverecna_prace.pdf

Mach, J.

3. 9. 2024

Přidání souboru

Soubor nebo složku lze nahrát pomocí tlačítka Přidat.
Další operace se soubory

Podrobnosti lze zjistit označením příslušného řádku.
Pohled pro experty

Pro častou práci je možné zvolit režim Více možností.
Vyhledávání souborů

Vyhledávaný výraz můžete zadat přímo do adresního řádku.
Rychlý přístup k souborům

Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.

Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology – Ing. Lukáš Gábor, Ph.D.

Ing. Lukáš Gábor, Ph.D.

Disertační práce

Beyond Assumptions: Unraveling Data Limitations in Predictive Ecology

Abstract:

Keywords

Obhajoba závěrečné práce

Citační záznam

Citace dle ISO 690:

Plný text práce

Obsah online archivu závěrečné práce

Jak jinak získat přístup k textu

Česká zemědělská univerzita v Praze

Práce na příbuzné téma

Složky

Soubory

Přidání souboru

Další operace se soubory

Pohled pro experty

Vyhledávání souborů

Rychlý přístup k souborům