Misure di biodiversità. Diversità dentro il sito 1.Numero di specie 3.Composizione specifica 2.Misure basate sull’abbondanza Diversità fra siti 1. Misure.

Slides:



Advertisements
Presentazioni simili
Grandezze ed equazioni fondamentali
Advertisements

ITIS “G.Galilei” – Crema Lab. Calcolo e Statistica
LA VARIABILITA’ IV lezione di Statistica Medica.
Distribuzione Normale o Curva di Gauss
Intervalli di confidenza
Proprietà degli stimatori
COMUNITA’.
FUNZIONI DI DUE VARIABILI
Leggi matematiche, curve e funzioni
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
Valutazione delle ipotesi
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
La distribuzione del reddito
Analisi della varianza (a una via)
Distribuzioni di probabilità
Appunti di inferenza per farmacisti
Il caos deterministico
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
STATISTICA a.a DISTRIBUZIONE BINOMIALE (cenni)
TEORIA E METODOLOGIA ESTIMATIVA
Analisi e Gestione del Rischio
Studio funzioni Premesse Campo esistenza Derivate Limiti Definizione di funzione Considerazioni preliminari Funzioni crescenti, decrescenti Massimi,
Aree protette.
Analisi della varianza
Quale valore dobbiamo assumere come misura di una grandezza?
Regressione Logistica
Capitolo 1 Procedimenti di stima.
Pattern generali di distribuzione
Frattura Ogni processo di rottura avviene in due stadi : la formazione e propagazione della cricca Sono possibili due modi di rottura: duttile e fragile.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Le distribuzioni campionarie
La ricerca delle relazioni tra fenomeni
Corso di POPOLAZIONE TERRITORIO E SOCIETA 1 AA LEZIONE 6.
TRATTAMENTO DEI DATI ANALITICI
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Diversità.
Diversità biologica o biodiversità
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
Tassonomia dei Sistemi Distribuiti Antonio D'Angelo.
R. Soncini Sessa, MODSS, L 26 Stima degli effetti Calcolo degli obiettivi (Laplace) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini.
IL CAMPIONE.
Analisi Multivariata dei Dati
“Teoria e metodi della ricerca sociale e organizzativa”
Riassumendo: ipotesi per OLS 1.Modello lineare 2.X e Y sono frutto di osservazioni indipendenti 3.X è di rango pieno 4.I residui hanno media = 0 5.I residui.
Analisi e Gestione del Rischio Lezione 7 Prodotti con pay-off non lineare.
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
Eventi aleatori Un evento è aleatorio (casuale) quando non si può prevedere con certezza se avverrà o meno I fenomeni (eventi) aleatori sono studiati.
La distribuzione campionaria della media
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
6. LIMITI Definizione - Funzioni continue - Calcolo dei limiti
Sotto-sviluppo e teorie dello sviluppo
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
PRODOTTO E REDDITO NAZIONALE Prof. Fabio Asaro. TRA LE GRANDEZZE AGGREGATE PIU’ IMPORTANTI ELABORATE DALLA CONTABILITA’ ECONOMICA NAZIONALE CI SONO.
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
Ecologia delle comunità
Misurare la biodiversità. Molto importante ma richiede molto tempo e risorse per essere misurata accuratamente È di grande interesse per la conservazione.
PARTE 3 Biodiversità e funzionamento degli ecosistemi terrestri.
1 LA STATISTICA DESCRITTIVA Docente prof.sa Laura Mercuri.
Aree protette. Concetti generali Aree soggette a protezione a causa della loro elevata integrità ecologica Costituiscono dei controlli per valutare l’effetto.
ANALISI DEI SEGNALI Si dice segnale la variazione di una qualsiasi grandezza fisica in funzione del tempo. Ad esempio: la pressione in un punto dello spazio.
Gestione degli habitat per la conservazione. Prescrizioni: concetti generali Interventi a scala di paesaggio Interventi a scala locale Disturbo Pascolamento.
1 Modulo n° 6 Ecologia delle Comunità. 2 L A C OMUNITA’ B IOTICA Con il termine di comunità si intende l’insieme di popolazioni che interagendo formano.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
Diversità nello spazio e nel tempo
La distribuzione normale. Oltre le distribuzioni di frequenza relative a un numero finito di casi si possono utilizzare distribuzioni con un numero di.
Studio di Funzioni Esempio funzione razionale fratta Giora Giulia
Transcript della presentazione:

Misure di biodiversità

Diversità dentro il sito 1.Numero di specie 3.Composizione specifica 2.Misure basate sull’abbondanza Diversità fra siti 1. Misure di ”beta-diversity” sito Misure di diversità specifica sito

Ricchezza specifica

Stima della ricchezza specifica Spesso non consideriamo l’intera comunità ma solo alcune porzioni assumendo che siano rappresentative dell’intera comunità “Sampling bias” 1. Campionare diversi siti a random 2. Campionare diverse volte nel tempo

Stima della ricchezza specifica Anche se abbiamo un ottimo campionamento nello spazio e nel tempo le specie possono avere un’intrinseca diversa osservabilità (detectability) o una diversa osservabilità a seconda dell’habitat

Stima della ricchezza specifica In generale il numero di specie osservato attraverso un campionamento non è sempre la stima migliore della reale ricchezza specifica di una certa area Curve di accumulo e curve di rarefazione

Stima della ricchezza specifica: curve di accumulo Curve di accumulo sugli individui

Stima della ricchezza specifica: curve di accumulo N! Curve di accumulo possibili

Curve di accumulo sulle unità di campionamento Stima della ricchezza specifica: curve di accumulo SPAZIO TEMPO

Stima della ricchezza specifica Curve di rarefazione La curva di rarefazione esprime il numero atteso di specie in un piccolo gruppo di n individui o n campioni, preso a caso dal numero N totale degli individui o campioni rilevati Può essere calcolata 1) sulla media di un numero sufficiente di curve di accumulazione (Gotelli & Colwell 2001) o 2) attraverso l’uso di una formula analitica Gotelli NJ, Colwell RK (2001). Quantifying biodiversity: procedures and pitfalls in the measurement and comparison of species richness. Ecology Letters 4:

Stima della ricchezza specifica

-Le curve di rarefazione non forniscono stime asintotiche di ricchezza -Non possono essere utilizzate per estrapolare il numero di specie in campioni più grandi -Non funzionano bene in casi in cui alcune specie sono molto rare o molto comuni In teoria dati grezzi di ricchezza specifica possono essere confrontati solo quando la curva di rarefazione raggiunge un asintoto Stima della ricchezza specifica

Esistono vari metodi per stimare il numero di specie a partire da un limitato numero di campioni o individui Stimatori asintotici 9 pitfall in un bosco

a= numero di specie rappresentate da una osservazione b= numero di specie rappresentate da due osservazioni Stimatori asintotici: Chao1 Chao1 Rarefaction curve S obs = Numero di specie osservato

n= numero di plot k= numero di specie presenti solo in un plot Stimatori asintotici: Jacknife estimator

Analisi delle abbondanze relative

Rank-abundance plot Ogni pallino è una specie Ricchezza specifica Di solito le abbondanze relative sono descritte all’interno dello stesso livello trofico (comunità)

Analisi delle abbondanze Ci sono delle regolarità nella distribuzione delle abbondanze relative delle specie a prescindere dal tipo di ecosistema Esistono varie distribuzioni: -Modello geometrico -Modello Log-series -Modello Log-normal... ?

Modelli teorici della distribuzione delle abbondanze Modello geometrico Il modello assume che quasi tutte le risorse disponibili vengano utilizzate dalle prime specie che colonizzazno l’habitat. Tipica di habitat di recente colonizzazione o molto disturbati

Modelli teorici della distribuzione delle abbondanze Log-series Meno pendente. Si trova spesso in comunità povere in cui poche specie dominano. Le specie arrivano a random in un ambiente non saturo

Modelli teorici della distribuzione delle abbondanze Log-normal Molte specie sono rare e poche sono molto comuni. È la distribuzione più comune in natura. È considerata la distribuzione di comunità indisturbate

Modelli teorici della distribuzione delle abbondanze Broken-stick “Broken stick - MacArthur (1957). Quasi piatta con molte specie con più o meno la stessa abbondanza. Le risorse sono distribuite in modo omogeneo. Ridotta dominanza. Si trova in piccole comunità di specie molto simili”

Misure di eterogeneità e di equitabilità

Ricchezza specifica= numero di specie presenti in un’area + Evenness = misura come l’abbondanza è distribuita fra le diverse specie Diversità specifica Infinite misure di eterogeneità e di equitabilità

Diversità specifica Misure di eterogeneità e di equitabilità Misure parametriche Assumono che le abbondanze seguano una certa distribuzione Misure non parametriche Non assumono nessuna distribuzione

Misure non parametriche: Indice di Shannon-Wiener p i rappresenta l’abbondanza relativa delle specie i I valori assumono valori fra 1.5 e 3.5 (difficilmente oltre 4) L’indice è limitato verso l’alto convergendo verso valori simili

Misure non parametriche: Indice di Shannon-Wiener H’=1.11 H’=1.38 H’=1.61 Sito A Sito B Sito C R=3 R=4 R=5 Sito D H’=?R=8 p i abbondanza relativa

Misure non parametriche: Indice di Shannon-Wiener L’indice dà maggiore enfasi al numero di specie! H’=1.11 H’=1.04 H’=0.95 Sito A Sito B Sito C Sito D H’=? R=3 R=6 p i abbondanza relativa

Misure non parametriche: Indice di Shannon-Wiener Non ci permette di separare l’effetto di variazioni di numero di specie da variazioni di abbondanza relativa! Cosa fare? p i abbondanza relativa

Misure di evenness Diversità = ricchezza specifica + evenness 1. Misure di evenness dovrebbero essere indipendenti dal numero di specie 2. Evenness dovrebbe calare aggiungendo una specie molto rara 3. Evenness dovrebbe aumentare riducendo l’abbondanza della specie più comune 4. La misura non dovrebbe dipendere dall’unità di misura (0-1) Smith B. and J. B.Wilson A consumer’s guide to evenness indices. Oikos 76:70–82.

Misure di evenness Evenness Ampio spettro di misure (Quali utilizzare?) Smith B. and J. B.Wilson A consumer’s guide to evenness indices. Oikos 76:70–82. Concetto vago in quanto manca una definizione matematica univoca Evenness tende a 0 per comunità dominate da poche specie Evenness è 1 quando le abbondanze sono uguali

Indice di Pielou (J’) H’ è max quando tutte le specie hanno la stessa abbondanza Gli indici basati su H’ confondono equitabilità con ricchezza specifica Misure di evenness dipendenti da S Species richness lnS numero di specie

Misure di evenness dipendenti da S Berger & Parker index (d)

Indice di dominanza di Simpson (D) Misure di evenness indipendenti da S Species richness Index value n i abbondanza Reciproco di Simpson (D) Dipendono dal numero di specie (S)

Misure di evenness indipendenti da R E var X s e X t = abbondanza specie S= numero di specie nel sito

Misure di evenness Specie rare Specie dominanti Sensibilità ai cambiamenti di abbondanza Spettro delle varie misure

Diversity profile Peso alle specie dominanti ?????

Evenness profile Peso alle specie dominanti ?????

Softwares!