User Tools

Site Tools


anadat:cs:exercises:cv7

Cvičení 7 - přímá ordinace

Jednoduchá přímá ordinace

  1. Začneme se stejnými daty, s jakými jsme pracovali posledně. Stáhněte a prohlédněte si pakomáří data ze Svratky. Naimportujte obě dvě matice: druhovou matici (species) i matici environmentálních proměnných (env). Opět, dejte pozor na druhovou matici, je otočená (transponovaná).
  2. Již víme, že hlavní gradient je kratší než 2 SD, proto použijeme lineární metodu - Redundancy analysis (RDA). Použijte RDA k otestování efektu Froudeho čísla na společenstvo larev pakomárů. Druhová data log(x+1) transformujte a centrujte po druzích. Počet neomezených permutací nastavte na aspoň 999. Zjistěte:
    1. zda vůbec se společenstvo podél gradientu Froudeho čísla konzistentně mění - čili významnost efektu Froudeho čísla,
    2. sílu efektu Froudeho čísla - kolik variability v druhových datech vysvětluje.
    3. Zjistěte jak neupravené, tak adjustované R2.

Rozklad variance

Použijeme data abundancí vodních bezobratlých studovaných na potoce Hadůvka Michalem Strakou a kol. a rozložíme variabilitu v druhovém složení společenstva na složku vysvětlitelnou a) sezónností a b) vlastnostmi substrátu.

Nejprve si však budeme muset data připravit. Sezónu (měsíc) nemůžeme vyjádřit číselně, protože například prosinec (12) má mnohem blíž k lednu (přestože ten je kódován hodnotou 1), než například k září (9). Roční sezónnost lze vyjádřit kruhem, kde se jednotlivé měsíce střídají po 30 stupních. Kruh je dvourozměrný, pro popis cyklické sezónnosti tedy potřebujeme 2 proměnné, vyjadřující pozici na zimno-letním a jaro-podzimním gradientu. Takové dvě proměnné můžeme získat pomocí PCA “měsícovitostí”. Ty vyjadřují do jaké míry je daný měsíc blízko “lednovitosti”, “ůnorovitosti”, atd.

  1. Spočítejte tedy PCA na měsícovitostech (list mesicovitost), extrahujte skóre vzorků na prvních dvou osách a ty uložte do nového listu excelového sešitu.
  2. Obdobně extrahujte dva hlavní gradienty substrátových charakteristik (list env). Proměnné logaritmicky ln(x + 0,01) transformujte. Skóre lokalit na prvních dvou osách uložte do stejného listu vedle skóre získaných z “měsícovitostí”. Zjistěte, kolik variability v substrátových datech tyto dva gradienty zachycují.
  3. Otestujte marginální efekt substrátových gradientů a následně sezónnosti. Cílem je zjistit, zda a jak moc společenstvo reflektuje hlavní gradienty v substrátových charakteristikách a zda a jak moc se mění během roku.
  4. Proveďte rozklad variance v druhových datech na variabilitu vysvětlitelnou a) sezónností po odfiltrování efektu substrátu, b) substrátem po odfiltrování efektu sezónnosti a c) variabilitu sdílenou. Použijte adjustované R2.
  5. Zobrazte ordinační diagram kondicionální PCA, ve které odfiltrujete efekt sezónnosti. Zobrazte vzorky, které odlište typem symbolu podle habitatu (list design), případně uzavřete vzorky ze stejných habitatů do obálek. Nechejte zobrazit legendu popisující odlišné typy symbolů.
  6. Porovnejte tuto ordinaci s ordinací kondicionální RDA, v níž je odfiltrovaná variabilita vysvětlitelná sezónností, a která je omezená dvěma gradienty substrátu.
anadat/cs/exercises/cv7.txt · Last modified: 2017/04/18 18:34 by vitek