Vliv rozlišení environmentálních proměnných na modely druhové distribuce

Matěj Hlavička

Master's thesis

Influence of grain size on species distribution models

Abstract:

Druhové distribuční modely (SDM) se staly mocným nástrojem v mnoha oborech díky své schopnosti nalézt vazbu mezi organismem a jeho prostředím. Tyto modely jsou schopny predikovat rozšíření druhů na dosud neprozkoumaných místech či v kontextu klimatických změn, čímž nalezly uplatnění například v ochraně přírody, populační ekologii, invazní biologii nebo bioklimatologii. Mnoho studií se již zabývalo vlivem kvality vstupních dat na výkon těchto modelů, avšak vliv rozlišení environmentálních prediktorů stále není podrobně prozkoumán. Vysoce kvalitní environmentální vrstvy zobrazují více detailů a tím lépe reprezentují heterogenní krajinu, což by mělo pomoci SDM lépe definovat vazbu mezi druhem a prostředím. Několik studií měnilo velikost zrna (a tím i rozlišení prediktorů), ale zatím žádná z nich nezkoumala efekt postupného snižování rozlišení prediktorů s ohledem na rozlišení dat o výskytu druhů. V této práci jsem vytvořil 3 různé modely druhové distribuce (250 m, 500 m, 1 km) založené na několika prediktorech (svažitost, orientace svahu, průměrná teplota v červnu) v různém rozlišení (5 m, 10 m, 20 m, 50 m, 100 m) a na prezenčně-absenčních datech virtuálního druhu, abych předešel možnému šumu vzniklého z nespolehlivých druhových dat. Zájmovou oblastí byl Krkonošský národní park, jenž je heterogenní z hlediska svažitosti i orientace. Navzdory očekávání, samotné rozlišení prediktorů nehrálo téměř žádnou roli ve výkonu SDM a pouze 250m model profitoval ze zlepšování kvality prediktorů, avšak jen v minimální míře. Na druhou stranu výkon SDM ovlivňovalo rozlišení dat o výskytu druhů, a to při všech rozlišeních prediktorů. Nicméně i tak byl rozdíl mezi hodnotami AUC mezi 250m a 1km modelem malý (průměrně 0,07). Tyto výsledky korespondují s většinou dosud provedených studií, které také pozorovaly pouze malý pokles v kvalitě modelů. Vliv kvality prediktorů na výkon SDM by si však rozhodně zasloužil další výzkum na širší paletě rozlišení dat o výskytech druhů. Nalezení hranice, kde začne rozlišení prediktorů znatelně ovlivňovat výkon SDM, by nám pomohlo v rozhodování, zda se vyplatí investovat čas i peníze na získání nejkvalitnějších vrstev prediktorů a při jaké kvalitě dat o výskytech druhů by jejich rozlišení mělo vůbec začít hrát výraznou roli.

Abstract:

Species distrubution models (SDM) have become a powerful tool in many disciplines for its ability to find a link between species and their environment. As being able to predict species distrubutions on yet unsampled sites or with respect to climate change, SDMs have found its place in conservation ecology, population ecology, invasion biology, bioclimatology and many other disciplines. A great effort have been put into finding out how the quality of input data affects SDM performance, but the effects of the resolution of environmental are still not well researched. High quality environmental layers can carry more details and are better at representing heterogenous landscape, which should help the SDMs to establish strong species-environment bond. Other works have been manipulating with different grain sizes (and thus changing the quality of environmental predictors), but no one yet discovered the effect of stepwise coarsening the resolution of predictors with respect to different grain sizes of species data. In this paper I created 3 models in different grain sizes (250 m, 500 m, 1 km) based on a set of environmental predictors (aspect, slope, mean temperature in June) in multiple scales (5 m, 10 m, 20 m, 50 m, 100 m) and presence-absence species data from virtual distribution to avoid the possible confounding effects of unrealiable data sources. The study area was Krkonoše National Park, which is greatly heterogenous concerning both aspect and slope. In contrary to my expectations, the resolution of predictors per se played almost no role in SDM performance and only 250m model benefited from better quality predictors, but in minor magnitude. On the other hand, the grain size of species data did play a role in SDM performance and it was observed on all predictor scales, although the magnitude of difference in AUC values between 1km and 250m models wasn't so high (about 0,07). This corresponds with most of related papers that experienced similar decrease of performance. The effects of high quality predictors would definitely deserve further research on wider range of model grain sizes. Finding a threshold where the scale of predictors begins to significantly affect SDM performance would help to define if is worth to invest financial and temporal resources for obtaining best quality environmental layers and which grain sizes would benefit the best from these layers.

Keywords

druhové distribuční modely, virtuální druh, rozlišení, GLM, DMT

Keywords

species distribution models, virtual species, resolution, GLM, DEM

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