Populációbecslések és monitoring

Átírás

1 Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak.

2 Fontos lehet tudnunk, hogy hány egyed él a területünkön számlálás. De ez nehézkes, vagy esetleg lehetetlen is vélekedés megbízhatatlan, mert bizonytalan (Dániai őzek esete)! Marad a becslés: a létszám mintavételezésen alapuló megközelítése. Ebben az esetben a megbízhatóság, a hiba mérhető!

3 Becslési eljárások csoportosítása

4 Minden egyed látható - teljes számlálás 1. Teljes számlálás 2. Hajtásos számlálás: meghatározott területről a vad kihajtása fehérfarkú szarvas ± 20-30% hiba 3. Teljes térképezés jelölt állatok territóriumainak térképezése 4. Spot.mapping énekes madarak megfigyelése, csomópontok alapján a territóriumok kijelölése 5. Thermal scanning távérzékelés hőkép alapján állatok számlálása hőkontraszt! 6. Populáció rekonstrukció több év során elhullott állatok koreloszlásából a populáció felépítése 7. Légi fotózás vizuális kontraszt, sebesség stb.

5 Nem minden állat látható és számlálás 1. Mintaterületeken végzett teljes számlálás 2. Kettős mintavétel kis részterületeken teljes számlálás, az egész területen részleges (β< 1) β= y/x (y: a nem teljes számlálás eredménye, x: a teljes számlálás eredménye) N = C/β (C: a mintavétel során látott összes állat) 3. Jelölt alminta - láthatóság becslése β= m/n 1 N = n 2 /β N = populációnagyság, n 1 = a jelölt állatok száma, n 2 = látott jelölt és jelöletlen állatok száma, m = a számlálás során látott jelölt állatok száma. 4. Független megfigyelők módszere két független megfigyelő számlál ugyanazon a területen n 1, n 2 és m jelölés-visszafogás" 5. Nem független megfigyelők az első megfigyelőhöz mennyit tesz hozzá a második kétmintás elvonásnak felel meg (egyenlő megfigyelő képességet tételez fel) 6. Line transect becslés merőleges távolságra alapozott adatok

6 A mintavételes becslések Előnyök: kevesebb munkaráfordítás csökken az egyes állatok többszöri számlálásából származó hiba valószínűsége hosszabb időtartam, több ismétlés a pontosság (ismételhetőség) és a megbízhatóság (torzítás) jellemezhető Feltételezés: az állatok véletlenszerűen helyezkednek el az állatok nem csoportosulnak ha ez nem igaz, növelni kell az ismétlések

7 Várható érték: a becslés többszöri megismétlése alapján várható érték Pontosság: mennyire megismételhető a becslés, mennyire közel esnek a becslések értékei a populáció valódi nagyságához a véletlen hibák okozzák. A pontosságot a szórás jellemzi csökkenthető az ismétlések számának növelésével. A torzítás a rendszeres hibákból adódik, vagy a becslési modell hibájából mennyire tér el a várható érték a populáció valódi értékétől.

8

9 Megbízható egy becslés, ha torzítatlan és pontos. Konfidencia intervallum (CI): a becslés "hihetőségének" kifejezésére szolgál - meghatározott valószínűségi szinten milyen sávba eshetnek az egyes becslések.

10 Statisztikai alapfogalmak Várható érték: a középértékkel (az átlaggal) írjuk le. Ha véletlenszerűen kiveszünk egy babszemet egy urnából, amelyben különböző méretű babszemeket helyeztünk el, akkor "várhatóan" a legnagyobb valószínűséggel olyat fogunk kihúzni, amely átlagos méretű, mérete tehát a középérték körül van. Szintén n a minta lokalizáci cióját t mutatja a medián: A medián n az adatok középpontjának nak helye, azaz egyforma számú adat esik a mediánt ntól "lefelé" és s "felfelé". ". A medián n kiszámításához az adatokat növekvn vekvő sorrendbe állítjuk, és s a lista aljáról l kezdve az (n +1)/2-ik adatot kiválasztjuk. Ha n páratlan, p a medián n a rangsorba állított adatok középsk pső értéke. Ha n páros, p akkor a medián n a rangsorba állított lista két k t középsk pső adatának átlaga.

11 A várható értéktől való eltérés jellemzésére az átlagos eltérés, a variancia szolgál. A szórás a variancia négyzetgyöke. s 2 = (x i x) 2 s (x = i x) 2 n 1 n 1 Szintén n a minta diszperzióját t jellemzi az interkvartilis tartomány, ami az alsó és s a felső kvartilis különbsége.