Vliv nepřesného určení výskytu druhů na kvalitu modelů druhové distribuce

Bc. Michaela Patáková

Master's thesis

Effect of species positional errors on the performance of species distribution models

Abstract:

Modelování druhové distribuce je efektivní nástroj používaný v různých přírodovědných disciplínách, jako je konzervační biologie, ekologie či biogeografie. Rozvoj technologií v oblasti DPZ a GPS umožňuje získat poměrně podrobná a přesná vstupní data, jejichž kvalita představuje základní limitující faktor ovlivňující prediktivní schopnost modelu. Pokud je předmětem zkoumání reakce modelu za určitých podmínek, je vhodné namísto reálných dat zatížených jistou mírou nahodilosti definovat virtuální druh s předem známými reakcemi na prostředí. V této diplomové práci byl zkoumán vliv chybné lokalizace druhu při použití environmentálních proměnných s velmi vysokým rozlišením. Jako environmentální proměnné byly použity rastry nadmořské výšky a vegetace na území KRNAP s rozlišením buňky 1m2 a dále byly odvozeny rastry sklonu a orientace vůči světovým stranám. Data o výskytu druhu byla získána definováním virtuálního druhu a jeho konverzí na prezenčně – absenční data pravděpodobnostní metodou. Chyba v lokalizaci druhu byla simulována ve třech krocích od 0 do 1, do 10 a do 50 m. Pomocí generalizovaného lineárního modelu byly vytvořeny modely druhové distribuce pro varianty s různým stupněm chyby v lokalizaci druhu. Efekt posunu byl nejprve testován na vstupních datech, v dalším kroku byla pomocí validačních metrik posuzována predikční schopnost modelu pro jednotlivé varianty.Modely dosahovaly hodnot AUC v rozmezí od 0.99 u dat bez posunu do 0.82 u maximální chyby 50 m v lokalizaci druhu. Ačkoliv srovnání modelů pomocí AUC ukazovalo na velmi vysokou diskriminační schopnost všech modelů, podíl vysvětlené variability, zpětně odvozené rastry pravděpodobnosti výskytu druhu, hodnota Kappa a shoda mezi modely testovaná Pearsonovým korelačním koeficientem prokázaly, že schopnost modelů predikovat druh na základě chybně lokalizovaných dat značně klesá. Navíc, chybná lokalizace druhu ve velmi heterogenním prostředí v tomto případě ovlivnila podobu křivky, která popisuje reakci druhu na environmentální podmínky. Problematika chybné lokalizace je však značně rozsáhlá a zasloužila by další bádání např. v oblasti vlivu chyby v prostředí s různým stupněm heterogenity.

Abstract:

Species distribution modelling is an effective tool in various science disciplines such as conservation biology, ecology or biogeography. Development of technology on the field remote sensing and global positional systems allows us to obtain relatively detailed and accurate input data, which quality is the basic limiting factor affecting the model predictive ability. In the case that the object of study is model reaction under certain conditions, is better use data from virtual species observation defined with known reaction on environmental variables, than real species data, which are loaded with a certain degree of chance. In this thesis was investigated effect of error in localization of species using environmental variables represented by raster with very high resolution. Environmental variables used in this experiment were height of vegetation and elevation represented by raster with cell size 1m2 then were derived raster of slope and aspect from elevation raster. Data about species occurrence was obtained by defining virtual species, than the raster of environment suitability was converted into presence-absence data by probabilistic approach. Error in localization was simulated in the three steps from 0 to 1, to 10 and to 50 m. Data was fitted by generalized linear model for three variant with different degree of error in localization. Both the input data and the prediction ability of the models were compared in the evaluation. The models achieved AUC values ranging from 0.99 for data without shifting to 0.82 for the maximum error 50 meters in localization of species. Although the comparison of models by AUC showed a very high discrimination ability, retrospectively derived raster of environmental suitability for each step of error, Kappa, and the match between models tested by the Pearson’s correlation coefficient showed that the ability of model to predict species distribution based on the shifted data drops considerably. In addition, error in localization of the species in a very heterogeneous environment in this case has influenced the shape of a curve describing the species' response to environmental conditions. However, the effect of error in localization is quite extensive and deserves further research. For example, effect of error localization in an environment varying by degree of heterogeneity.

Keywords

AUC, chyby v datech, Pearsonův korelační koeficent, sensitivita, specificita, nepřesná lokalizace, GLM, modelování druhové distribuce, virtuální druh

Keywords

AUC, sampling error, error localization, Pearson's correlation coefficient, sensitivity, specificity, GLM, species distribution modeling, virtual species

Language used: Czech

Date on which the thesis was submitted / produced: 15. 12. 2017

Thesis defence

• Supervisor: Ing. Vítězslav Moudrý, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Master programme / field:
Environmental Scinces / Applied Ecology