Prediktivní modelování struktury biologických společenstev a environmentálních proměnných na základě referenčních dat

Mgr. Klára Kubošová, Ph.D.

Disertační práce

Predictive modelling of biological community structure and environmental variables based on reference datasets

Anotace:

Disertační práce se zabývá stochastickými predikčními modely, jejich srovnáním z hlediska předpokladů a možnosti jejich aplikace. Práce obsahuje čtyři studie ze třech různých oblastí: hydrobiologie, botaniky a environmentální chemie. První studie se zabývá potenciálním rozšířením 37 rostlinných asociací na základě abiotických parametrů prostředí jako jsou srážky, nadmořská výška, teplota a acidita půdy. Cílem studie bylo zjistit potenciální prostorovou distribuci rostlinných asociací na území České republiky, srovnat různé modelovací techniky (rozhodovací stromy, neuronové sítě, centroidovou metodu založenou na kanonické korespondenční analýze (CCA), zobecněné lineární (GLM) a aditivní modely (GAM) a vybrat nejvhodnější metodu pro jejich předpověď. Nejlepší technikou pro tento problém se ukázaly být GLM. To bylo dáno dobrou odezvou výskytu/nevýskytu rostlinných asociací na zkoumané podmínky prostředí a jejich interakcí. Dalším důvodem byla lineární nebo kvadratická odpověď asociací na prostředí. GLM a GAM byly také jako jediné techniky vhodné pro asociace s nízkým počtem výskytů. Těmito metodami byly vytvořeny predikční mapy rozšíření. Další poměrně vhodnou technikou se ukázaly být stromy typu CART. Rozhodovací stromy byly schopny předpovědět pouze výskyt/nevýskyt. Byly však vhodnou technikou v případech, kdy závisle proměnná neměla binomické rozložení. CART a CHAID však nebyly vhodné pro malý počet fytocenologických snímků. Predikce na základě CCA a neuronových sítí neposkytovaly uspokojivé výsledky. Další významnou aplikací, kterou se zabývá druhá studie, bylo určení preferencí taxonů makrozoobentosu k různým typům habitatu, definovaných na základě hydraulických podmínek. K tomuto účelu byla použita metoda Random forest. Výsledky RF byly srovnány s metodou IndVal. RF se ukázala být vhodnou metodou, poskytující navíc řadu dalších informací, což naznačuje možnosti jejího širokého uplatnění v environmentálních studiích. Obsahem dalších dvou prací bylo studium osudu perzistentních organických polutantů (POPs) v prostředí. Náplní první z těchto studií byla tvorba prostorových predikčních map koncentrací HCB, PCBs, PAHs a DDT v půdě, které mohou sloužit k odhadu kontaminace této složky prostředí a zároveň popisu možné cesty jejich vstupu do prostředí. Prediktory použitými v modelu byly nadmořská výška, typ půdy, typ vegetace, intenzita srážek, obsah organického uhlíku, vzdálenost lokality od silnice a obydlených, či průmyslových oblastí. Model byl vytvořen na základě regresních stromů, které jsou vhodným kompromisem mezi složitějšími technikami, neboť poskytují informaci o možných zdrojích těchto látek v prostředí a zákonitostech jejich distribuce. Výsledky ukázaly, že existují značné rozdíly v prostorové distribuci mezi jednotlivými skupinami polutantů. DDT a HCB se vyskytují ve zvýšené míře na orné půdě, což je způsobeno dřívější aplikací těchto látek jako pesticidů. PAHs se ve zvýšené míře vyskytují v okolí měst a na lokalitách, kde lze očekávat jejich zvýšenou depozici, vzhledem k vyšší intenzitě srážek a přítomnosti vegetace, která depozici urychluje. PCB lze najít ve vyšších hladinách v půdě s vyšším obsahem organického uhlíku (lesní porosty), ale i v okolí měst a rozsáhlejších industriálních oblastí. Posledním příspěvkem je využití dynamického kompartmentového modelu pro časovou předpověď koncentrací PAHs v půdě, který vysvětluje příčiny pozorovaného poklesu koncentrací těchto látek v půdě. Model je založen na diferenciálních rovnicích. Výsledek simulace deseti let změny koncentrace PAHs v půdě v závislosti na změnách jejich koncentrace ve vzduchu ukaz

Anotace:

uje, že současné hladiny PAHs v půdě je možné vysvětlit pouze na základě informací o znečištění ovzduší před rokem, kdy začal monitoring PAHs. Na základě těchto studií a poznatků z literatury bylo uvedeno srovnání vlastností jednotlivých modelů. Výběr modelu záleží vždy především na zkoumaném problému. Klasickou cestou je použití několika vhodných metod a výběr nejlepšího modelu na základě jejich výsledků. Některé metody jsou však v určitých situacích vhodnější než jiné. Existují pravidla a předpoklady, kterých se lze držet, aby metoda nebyla použita nesprávně.

Abstract:

The thesis deals with stochastic prediction models, compares them in terms of assumptions and the possibility of their application. The work consists of four studies in three different areas: hydrobiology, botany and environmental chemistry. The first study deals with the potential distribution of 37 plant associations based on abiotic environmental parameters such as precipitation, altitude, temperature and soil acidity. The goal was to detect the potential distribution of plant associations, to compare various modelling approaches and to select the most appropriate predictive technique to model the spatial distribution of the plant associations. We adopted several analytical methods (GLM, GAM, CCA, classification trees – CART, CHAID, neural networks) and tested their ability to produce a reasonable estimation of the real distribution. GLM produced the most satisfactory results. The CART, although giving just presence/absence results, had a better predictive power in cases of non-linear relationships and non-binomial distributions. The CART and CHAID were also unsuitable for associations with small numbers of available phytosociological plots. Although CHAID provided somewhat worse results, this method was still applicable. CCA and neural networks did not provide successful results. The second study dealt with the identification of taxa preferences for different habitat types, defined by hydraulic conditions. The Random forest method was used for this task. Results from RF were compared with the IndVal method. RF proved to be a suitable method which also provides additional information about species profile. This suggests the possibility of its wide range of applications in environmental studies. The content of the other two works was the study of the fate of persistent organic pollutants (POPs) in the environment. The content of the first study was the creation of spatial prediction maps of HCB, PCBs, PAHs and DDT concentrations in soil. It can be used to estimate the contamination of the soil and describe possible entrance paths of these chemicals into the environment. The predictors used in the model were altitude, soil type, vegetation type, precipitation, organic carbon content, the site distance from roads and residential or industrial areas. The model was developed using regression trees, which are a good compromise among more complex techniques. They provide information on possible sources of these substances in the environment and characteristics of their distribution. The results were different for various groups of pollutants. Elevated concentrations of DDT and HCB were found in arable land, due to their earlier application as pesticides. PAHs are more abundant in the surroundings of cities and at sites with their high deposition resulting from high intensity of precipitation and the presence of vegetation, which supports deposition. PCBs can be found at high levels in soils with a high content of organic carbon (forests), but also in the vicinity of larg cities and industrial areas. The last contribution is the use of a dynamic compartment model for the prediction of time series of PAHs concentrations in soil. The model explains the reasons of the observed decrease in PAHs concentrations in soil. The model is based on differential equations. The result of the simulation of a decade of changes in PAHs soil concentrations in dependence on their concentration in air shows that current levels of PAHs in soil can be explained solely on the basis of time period prior to starting of monitoring of PAHs in Košetice. The comparison of methods is based on results of the presented studies and information from the literature. Model selection depends mainly on the analysis of the problem. The classic way is to use several appropriate methods and select the best model on the basis of their results. Some methods are more appropriate in certain situations than others. There are rules and assumptions, which should be fulfilled f

Abstract:

or correct application of the model.

Klíčová slova

prostorové modelování, regrese, rozhodovací stromy, náhodné lesy, perzistentní organické polutanty, rostlinné asociace, makrozoobentos, indikační hodnoty

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 9. 2. 2010

Obhajoba závěrečné práce

• Obhajoba proběhla 17. 3. 2010
• Vedoucí: doc. RNDr. Ladislav Dušek, Ph.D.
• Oponent: doc. Mgr. Lubomír Tichý, Ph.D., Prof. RNDr. Jan Lepš, CSc., doc. RNDr. Jana Kotovicová, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Doktorský studijní program / obor:
Chemie (čtyřleté) / Chemie životního prostředí