Makrozoobentos a klasifikace toků Jarkovský J. 2,3, Kubošová K. 2,3, Zahrádková S. 1, Brabec K. 1, Kokeš J. 4, Klapka R. 2,3 1) Ústav botaniky a zoologie, Přírodovědecká fakulta, Masarykova univerzita 2) Centrum biostatistiky a analýza, Masarykova univerzita 3) Centrum pro environmentální chemii a ekotoxikologii, Masarykova univerzita 4) Výzkumný ústav vodohospodářský

Cíle práce Vytvoření klasifikace lokalit vodních toků ČR založených na společenstvech makrozoobentosu Aplikace metod data-miningu a expertního názoru na dostupná data –Lepší výsledek díky kombinovanému přístupu Kritéria pro vhodnou klasifikaci –Maximální homogenita společenstev ve shlucích –Maximální predikovatelnost abiotickými charakteristikami –Maximální souhlas s dosavadním stavem hydrobiologického poznání

Vstupní data 300 referenčních lokalit pokrývajících většinu říčních biotopů v ČR

Postup analýzy Analýza byla vytvořena pro tři sady taxonů –Taxony s výskytem na více než 10 lokalitách –EPT taxony –Taxony s významnou vazbou na abiotické charakteristiky prostředí Doplněno o dvě TWINSPAN klasifikace

Srovnání vztahů různých přístupů ke klasifikaci 12 vstupních souborů pro klasifikaci – různé pohledy na společenstva B B A A B C E F E F F C

Abiotické charakteristiky lokalit Dostupné parametry: nadmořská výška, plocha povodí, vzdálenost od pramene, Strahler, geogr. souřadnice, šířka a hloubka toku, sklon, vodivost, tvrdost atd. Bohužel není dostupná využitelná informace o geologii Většina variability lokalit je nesena nadmořskou výškou a plochou povodí (nebo Strahlerovým pořadím toků) Ostatní parametry jsou navzájem silně redundantní a nepřispívají k vysvětlení variability dat Existence vazby mezi taxony a podmínkami prostředí

Výběr indikačních taxonů Taxony s nejvyšší vazbou na nad. výšku, spád toku, velikost povodí a Strahler Celkem 103 taxonů s významnou vazbou alespoň na jeden z parametrů pomocí metody náhodných lesů Důležitost vazby

Selekce optimálního řešení 1. krok – eliminace statisticky a expertně nesmyslných řešení –Nejlepší řešení: Shlukování na základě transformovaných abundancí indikačních taxonů 2. krok – nalezení optimálního rozdělení do počtu shluků –Vnitřní homogenita –Klasifikovatelnost abiotickými charakteristikami ???

Hledání optimálního shlukování Silhouette metoda – hledání vícerozměrně nejvíce homogenního počtu shluků Kumulativní „silueta“ shlukování Optimální z hlediska statistiky, zcela nevhodné z hlediska hydrobiologického Průnik statistického a expertního přístupu Další rozbor

Hledání optimálního počtu shluků Expertní rozdělení na 20 shluků „Silueta“ daného počtu shlukování Počet shluků Nízký počet shluků lze snadno oddělit Nejsou výrazné rozdíly v různých řešeních počtu shluků Expertní a statistické řešení nejsou v rozporu

Zpětná klasifikace pomocí abiotických parametrů Určitá míra misklasifikace při zpětném zařazení pomocí abiotických dat Nicméně většina misklasifikací je v příbuzných shlucích Využitelnost klasifikace v pravděpodobnostních modelech

Popis vytvořené klasifikace I Ukázka abiotického popisu dat

Popis vytvořené klasifikace II - ukázka Shluk 1 Vazba taxonu Shluk 20

Srovnání s výsledky TWINSPAN „Silueta“ pro 20 shluků„Silueta“ pro 35 shluků Největší souvislost TWINSPAN klasifikace s vybranou klasifikací na Bray- Curtis vzdálenostech TWINSPAN Hiearch. Klastr.

Závěry a shrnutí Při tvorbě klasifikací je s úspěchem možno využít podpory moderních statistických a data-miningových metod Pro vytvoření validní klasifikace je nezbytná spolupráce statistického a expertního pohledu Pro využití při hodnocení ekologického stavu se nejlépe jeví klasifikace využívající matice Bray-Curtisových vzdáleností společenstev pro 20 shluků Využití a potvrzení závěrů je předmětem další analýzy

Poděkování Práce byla podporována následujícími projekty: MŠMT INCHEMBIOL MŠMT