Vliv map půdního pH na přesnost modelů rozšíření evropských druhů rostlin

Bc. Klímová Klímová

Diplomová práce

The effects of soil pH maps on the accuracy of the distribution models of European plant species

Anotace:

Cílem této práce je otestovat vliv map půdního pH a alkality hornin na přesnost modelů rozšíření evropských druhů rostlin, rozdělených podle jejich preference k půdnímu pH, na dvou prostorových úrovních (Evropská unie, Česká republika). K modelování rozšíření druhů byl použit algoritmus MaxEnt a pro území ČR i Random Forest. Změna predikční schopnosti modelu byla hodnocena na základě srovnání modelu kalibrovaného pouze pomocí klimatických dat z databáze CHELSA, modelu zahrnujícího také půdní pH z LUCAS nebo SoilGrids250m a pro ČR i modelu s klimatickými daty a alkalitou hornin. Alkalita hornin, obsah CaCO3 v horninách a predikované půdní pH byly pomocí regresní analýzy porovnávány s průměrnými indikačními hodnotami pro reakci, vypočtenými z druhového spektra 3 286 vegetačních snímků z ČNFD, protože tyto proměnné mohou být v budoucnu použity k vytvoření nových půdních map pro ČR. Výsledky této práce potvrdily dřívější zjištění, že půdní pH má výraznější vliv na rozšíření rostlin v podrobnějších prostorových měřítcích, kde patřilo k nejdůležitějším prediktorům. Na kontinentální úrovní se ukázalo jako hlavní faktor řídící rozšíření rostlin klima, avšak v oblastech s homogenním podnebím bylo rozšíření druhů omezováno půdním pH. Zařazení půdního pH zpřesnilo modely rozšíření pro většinu acidofytů, bazifytů i neutrofytů. Pro generalisty měly lepší predikční schopnost zejména na kontinentální úrovni modely pouze s klimatem. Zahrnutí půdního pH do modelů se projevilo i ve výsledných predikcích, kdy modely s půdním pH předpovídaly složitější prostorový vzor vhodnosti prostředí něž modely pouze s klimatem. Modely s alkalitou hornin dosahovaly lepší predikční schopnosti než modely pouze s klimatem, avšak horší než modely s půdním pH. Rozdíly v přesnosti jednotlivých typů modelů pro území ČR se lišily i v závislosti na použité metodě modelování. Výraznější rozdíly v přesnosti mezi jednotlivými typy modelů i lepší predikční výkon vykazovaly modely vypočtené metodou Random Forest, jejichž predikce měly složitější a diskrétnější prostorový vzor než predikce MaxEnt modelů. Z prověřovaných vztahů, jež byly všechny statisticky významné, měl nejméně těsný vztah s průměrnými indikačními hodnotami pro reakci koeficient alkality hornin, a naopak nejtěsnější půdní pH z modelu SoilGrids250m.

Abstract:

The aim of this thesis is to test the effects of topsoil pH and rock alkalinity maps on the accuracy of the distribution models of European plant species at two spatial scales (the European Union, and the Czech Republic). The species were selected based on their preferences for the soil pH. The species distribution was modelled by MaxEnt algorithm, in addition, Random Forest algorithm was used for the Czech Republic. The change in predictive power of the model was evaluated based on the comparison of the model calibrated by using climatic variables from CHELSA database only, the model that also included soil pH from LUCAS or SoilGrids250m. Model with rock alkalinity was also build for the Czech Republic. The coefficient of alkalinity, CaCO3 content and predicted soil pH were compared by regression analysis with mean indicator values for soil reaction which were calculated from the species composition of 3 286 vegetation plots from ČNFD, because these variables can be used in the future to create new soil maps for the Czech Republic. The results of this thesis confirmed earlier findings that soil pH has a more significant effect on the distribution of species at fine spatial scale. The soil pH was one of the most important predictors for the distribution of vascular plants in the Czech Republic. The climate was the key factor controlling the distribution of plants at the continental level. However, soil pH was limiting for plants in areas with homogenous climatic conditions. The inclusion of soil pH improved the prediction power of the models for most acidophytes, basiphytes and neutrophytes. For generalists, the climate-only models were more accurate than models with soil pH, especially at the continental scale. The inclusion of soil pH in the models was also reflected in the resulting predictions of suitable habitat. The models with soil pH predicted more complex spatial pattern then climate-only models. The models with rock alkalinity achieved better predictive power than climate-only models, but they were inferior to the soil pH models. The differences between the accuracy of individual types of models for the Czech Republic also varied depending on the modelling method used. More significant differences in accuracy between individual types of models as well as better predictive performance were delivered by the Random Forest models, whose predictions had more complex and discrete spatial pattern than the predictions of the MaxEnt models. From all the examined, statistically significant relationships, the coefficient of alkalinity was the least related to the mean indicator values, on the contrary the soil pH from SoilGrids250m showed the strongest correlation with the mean indicator values.

Klíčová slova

cévnaté rostliny, koeficient alkality, MaxEnt, model LUCAS, modelování rozšíření druhů, model SoilGrids250m, půdní reakce, Random Forest, vascular plants, coefficient of alkalinity, species distribution modelling, soil reaction

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 11. 5. 2022

Obhajoba závěrečné práce

• Obhajoba proběhla 8. 6. 2022
• Vedoucí: RNDr. Jan Divíšek, Ph.D.
• Oponent: Mgr. Martin Večeřa, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Fyzická geografie / Fyzická geografie