Vliv vstupních dat na modely druhové distribuce

Bc. Jan Vitvar

Diplomová práce

Effects of input data on models of species distribution

Anotace:

Modely druhové distribuce (SDM) jsou běžně používané nástroje v ekologii a biogeografii. Pomocí SDM lze na základě vstupních dat o výskytu druhu a environmentálních proměnných určovat vztah mezi druhy a jejich prostředím a predikovat jejich výskyt. Environmentální proměnné, které do modelů vstupují, však mohou mít různé rozlišení, a data o výskytu druhu mohou obsahovat různě velkou polohovou chybu. Tato práce se zabývá vzájemným vztahem mezi rozlišením vstupních environmentálních proměnných a polohovou přesností dat o výskytu druhu. K analýze bylo použito metody generování virtuálního druhu, pomocí kterého byla získána data o výskytu. Data environmentálních proměnných pro generování virtuálního druhu byla v rozlišení 5 m. Následně bylo rozlišení environmentálních proměnných postupně zhoršováno až na 100 m a do dat o výskytu druhu byla zaváděna různě velká polohová chyba od 10 m do 80 m. Takto připravená data byla následně použita k SDM. Data byla vyhodnocována pomocí generalizovaného lineárního modelu (GLM) a výsledky byly interpretovány pomocí dvou výkonnostních metrik (AUC, TSS) a jedné predikční metriky (Schoener D index). Z výsledků dle výkonnostních metrik (AUC, TSS) vyplynulo, že až na specifické případy, kdy polohová chyba ve výskytových datech byla velmi vysoká, nemá smysl kompenzovat polohovou chybu zhoršením rozlišení vstupních environmentálních dat pro získání lepší výkonnosti modelu. Naopak u predikce modelu (Schoener D index), výsledky ukázaly, že je možné kompenzovat polohovou chybu ve výskytových datech zhoršením rozlišení vstupních environmentálních proměnných. Z výsledků dále vyplynulo, že polohová chyba ve výskytových datech vede ke zhoršení výkonnosti a predikční schopnosti modelu. Tato práce přináší unikátní výsledky a doporučení, které mohou napomoct ke zlepšení metodiky při modelování SDM. Nicméně vzhledem k rozdílným výsledkům použitých predikčních metrik nezbývá než doporučit další studie.

Abstract:

Species distribution modeling (SDM) are commonly used tools in ecology and biogeography. Using SDM, the relationship between species and their environment can be determined and predicted by using species occurrence and environmental variables data. However, the environmental variables data that enters the models may have different resolutions and the occurrence data of the species may contain a different position error. The thesis deals with the relationship between the resolution of input environmental variables and positional accuracy of species occurrence data. The method of generating virtual species was used during analysis, which obtained occurrence data. The data on environmental variables for generating a virtual species was at a resolution of 5 m. Next, the resolution of environmental variables was gradually deteriorated to a resolution of 100 m and a position error from 10 m to 80 m was introduced into the species occurrence data. This data was subsequently used for SDM. Data were evaluated using a generalized linear model (GLM), the results were interpreted using two performance metrics (AUC, TSS) as well as one prediction metric (Schoener D index). The performance metrics results (AUC, TSS) showed that there is no point in compensating for a positional error by deteriorating input environmental data resolution in order to obtain better model performance, except in specific cases where the positional error in occurrence data was very high. Conversely, the prediction metric (Schoener D index) results, showed that it is possible to compensate for the position error in the occurrence data by deteriorating the input environmental variables. The results further showed that the positional error in the occurrence data leads to a deterioration in performance and predictive ability of the model. The thesis brings unique results and recommendations that can help to improve the methodology for SDM modeling. However, due to the differing results of the prediction metrics used, further studies are recommended.

Klíčová slova

rozlišení, LIDAR, poziční chyba, SDM, virtuální druh

Keywords

LIDAR, position error, resolution, SDM, virtual species

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 15. 4. 2019

Obhajoba závěrečné práce

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

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

Magisterský studijní program / obor:
Krajinné inženýrství / Krajinné inženýrství