Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Gradientová analýza II ( Čubernice ) -transekt 94,5 m ve svahu, 30 plošek 0,5 x 0,5m -měřené faktory prostředí: pH půdy, průměrná hloubka půdního horizontu.

Podobné prezentace


Prezentace na téma: "Gradientová analýza II ( Čubernice ) -transekt 94,5 m ve svahu, 30 plošek 0,5 x 0,5m -měřené faktory prostředí: pH půdy, průměrná hloubka půdního horizontu."— Transkript prezentace:

1 Gradientová analýza II ( Čubernice ) -transekt 94,5 m ve svahu, 30 plošek 0,5 x 0,5m -měřené faktory prostředí: pH půdy, průměrná hloubka půdního horizontu a variabilita (variační koeficient), sklon svahu, % holého povrchu, teplota (1cm pod půdním povrchem), zastínění (keřovou a stromovou vegetací- %) -dodatečné faktory: přítomnost druhů cévnatých rostlin a mechů + pokryvnosti

2 Gradientová analýza Co jsme zkoumali? Vztahy mezi vybranými faktory prostředí a rostlinami Faktor nejvíce ovlivňující variabilitu distribuce rostlinných druhů Ho: faktory prostředí nemají vliv na variabilitu druhového složení

3 Nepřímá gradientová analýza Výsledky **** Summary **** Axes 1 2 3 4 Total inertia Eigenvalues : 0.828 0.371 0.241 0.138 4.353 Lengths of gradient : 6.285 3.582 2.416 2.278 Species-environment correlns : 0.909 0.631 0.779 0.726 Cumulative percentage variance of species data : 19.0 27.5 33.1 36.2 of species-environment relation: 22.8 27.6 0.0 0.0 Sum of all eigenvalues 4.353 Sum of all canonical eigenvalues Canoco for Windows... unimodální technika DCA (zjistí vhodnost techniky: lineární vs. unimodální)

4 Nepřímá gradientová analýza Výsledky: Korelace faktorů prostředí s I. a II. ordinační osou -0.400.40 -0.20 0.15 Součet odhad mechy Počet druhů povrch stin sklon hloubka varkov tepl pH

5 Nepřímá gradientová analýza Uspořádání druhů podél prvních dvou ordinačních os (DCA)

6 Uspořádání snímků podél ordinačních os (DCA)

7 **** Summary **** Axes 1 2 3 4 Total inertia Eigenvalues : 0.463 0.315 0.218 0.109 3.441 Lengths of gradient : 3.304 3.276 2.422 1.917 Species-environment correlations : 0.810 0.714 0.700 0.885 Cumulative percentage variance of species data : 13.5 22.6 28.9 32.1 of species-environment relation: 14.3 21.6 0.0 0.0 Sum of all eigenvalues 3.441 Sum of all canonical eigenvalues 1.894 Z výpočtů odstraněny snímky 1 a 16 (z důvodu velké odlišnosti ) nová analýza (DCA) Závěr: použijeme lineární techniku

8 Přímá gradientová analýza Lineární technika RDA

9 **** Summary of Monte Carlo test **** Test of significance of first canonical axis: eigenvalue = 0.117 F-ratio = 2.788 P-value = 0.1920 Test of significance of all canonical axes : Trace = 0.324 F-ratio = 1.680 P-value = 0.0460 Výsledky Monte Carlo permutačního testu Zjistí závislost variability druhového složení na environmentálních faktorech

10 Marginal Effects VariableVar.NLambda1 tepl 100.09 hloubka 80.09 pH 110.09 sklon 70.07 povrch 50.04 varkov 90.04 Conditional Effects VariableVar.NLambdPF tepl 100.090.0652.73 pH 110.090.1032.58 sklon 70.050.1961.71 hloubka 80.040.1931.28 varkov 90.030.5620.83 povrch 50.020.6580.73 Shrnutí vlivu faktorů prostředí

11 ZÁVĚR Ho zamítnuta, tj. existuje vztah mezi faktory prostředí a variabilitou ve druhovém složení snímků na transektu. Faktory nejvíce ovlivňující variabilitu jsou teplota a hloubka půdního profilu.


Stáhnout ppt "Gradientová analýza II ( Čubernice ) -transekt 94,5 m ve svahu, 30 plošek 0,5 x 0,5m -měřené faktory prostředí: pH půdy, průměrná hloubka půdního horizontu."

Podobné prezentace


Reklamy Google