Közösségek jellemzése

Hasonló dokumentumok
Paleobiológiai módszerek és modellek 11. hét

Predáció szerepe a közösségszerkezet alakításában

TÁRSULÁSOK ÉS DIVERZITÁS

Az ökológia alapjai. Diverzitás és stabilitás

Az Állatökológia tárgya

Szigetbiogeográfia. A tapasztalat szerint:

Niche. Tárgya a fajok koegzisztenciájának problémája A fogalom fejlődése: Toleranciahatárok! A hutchinsoni niche fogalom definíciója:

Általános ökológia előadás II. félév Szabó D. Zoltán

Miért van egyes közösségekben több faj és másokban kevesebb? Vannak-e mintázatok és gradiensek a fajgazdagságban? Ha igen, ezeket mi okozza?

Rovarökológia. Haszon: megporzás. Bevezetés: rovarok és az ember. Haszon: méhészet

A SZUKCESSZIÓ A SZUKCESSZIÓ TÍPUSAI PRIMER SZUKCESSZIÓ SZEKUNDER SZUKCESSZIÓ NÖVÉNYKÖZÖSSÉGEK IDŐBELI VÁLTOZÁSA A NÖVÉNYZET SAJÁTSÁGAI

A szárazföldi növénytársulások szerkezete

Távérzékelés és ökológia (remote sensing)

AGRÁR-ÖKOLÓGIA ALAPJAI című digitális tananyag

Az ökoszisztéma vizsgálata. Készítette: Fekete-Kertész Ildikó

Dr. Torma A., egyetemi adjunktus. SZÉCHENYI ISTVÁN EGYETEM, Környezetmérnöki Tanszék, Dr. Torma A. Készült: Változtatva: - 1/39

Diverzitás és stabilitás. Mi a biodiverzitás?

Egy élőhelyen azok a populációk élhetnek egymás mellett, amelyeknek hasonlóak a környezeti igényeik. A populációk elterjedését alapvetően az

Adatok statisztikai értékelésének főbb lehetőségei

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás


Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Biodiversity is life Biodiversity is our life

TÁRSULÁSOK SZERKEZETÉNEK JELLEMZÉSE KVANTITATÍV MÓDSZEREKKEL

Hosszú távú vizsgálat jobban kimutatja a társulási szabályok változásait a másodlagos szukcesszió során, mint a tér-idő helyettesítés módszere

Stabilitás és komplexitás a közösségekben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

NÖVÉNYKÖZÖSSÉGEK IDŐBELI VÁLTOZÁSA

POPULÁCIÓBIOLÓGIA I. Alapok. Miért nincsen minden élőlény mindenhol jelen minden időpillanatban?

Pedagógiai Kar Tantárgypedagógiai Tanszék. Ökológia. Összeállította: Dávid János. főiskolai docens

y ij = µ + α i + e ij

Természetvédelmi biológia

Az életközösségek jellemzői

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Szarvasmarha- és juh legelés szerepe a Pannon szikes gyepek Natura 2000-es élőhelyek fenntartásában március Gödöllő

ÁLTALÁNOS ÖKOLÓGIA (bb2n1101, aa2n1020) 2014/2015 I. félév

Populáció A populációk szerkezete

Populációbecslések és monitoring

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Def.: Olyan fajminősítésű populációk együttese, amelyek ugyanazt a forrást hasonló módon használják.

Biomatematika 2 Orvosi biometria

B. POPULÁCIÓS KÖLCSÖNHATÁSOK

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

MATEMATIKA HETI 5 ÓRA

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

VEGETÁCIÓFORMÁCIÓK, FORMÁCIÓCSOPORTOK

Mennyire határozza meg az erdők faállománya az erdei élővilágot? Ódor Péter MTA Ökológiai és Botanikai Kutatóintézete

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Környezetvédelem (KM002_1)

Folyadékszcintillációs spektroszkópia jegyz könyv

Dekomponálás, detritivoria

Az életközösségek jellemzői

MINTAVÉTELEZÉS. Alaptípusai: sampling. véletlen érvényesítésére v. mellőzzük azt. = preferenciális mintav. = véletlen mintav.

A fitoplankton diverzitásának vizsgálata

A maximum likelihood becslésről

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

Individuális viselkedés versus. szociális rovaroknál. Markó Bálint Taxonómiai és Ökológiai Tanszék

[Biomatematika 2] Orvosi biometria

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Migráció és diszperzió

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

6. Előadás. Vereb György, DE OEC BSI, október 12.

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Korreláció és lineáris regresszió

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Függetlenségvizsgálat, Illeszkedésvizsgálat

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

BIOMATEMATIKA ELŐADÁS

Termelés- és szolgáltatásmenedzsment

Környezetvédelem (KM002_1)

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Készítette: Fegyverneki Sándor

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Biostatisztika VIII. Mátyus László. 19 October

Irányított TULAJDONSÁGRA IRÁNYULÓ Melyik minta sósabb?, érettebb?, stb. KEDVELTSÉGRE IRÁNYULÓ Melyik minta jobb? rosszabb?

BIOMATEMATIKA ELŐADÁS

Gépi tanulás. Hány tanítómintára van szükség? VKH. Pataki Béla (Bolgár Bence)

Az ökológia története

Demográfia. Def.: A születés, mortalitás, ki- és bevándorlás kvantifikálása. N jelenleg. = N korábban. + Sz M + Be Ki. A szervezetek típusai: UNITER

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

(Independence, dependence, random variables)

VÍZFOLYÁSOK FITOPLANKTON ADATOK ALAPJÁN TÖRTÉNŐ MINŐSÍTÉSE A VÍZ KERETIRÁNYELV FELTÉTELEINEK MEGFELELŐEN

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Az ökológia alapjai NICHE

Természetvédelem. 2. gyakorlat: A természetvédelem alapfogalma: a biodiverzitás

A TERMÉSZETES ÉS ÉPÍTETT KÖRNYEZET VÉDELME. működése. Tárgyszavak: biodiverzitás; ökológia; stabilitás; ökoszisztéma ökológia.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Markov-láncok stacionárius eloszlása

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Átírás:

Közösségek jellemzése Egyensúlyi (determinisztikus) Nem-egyensúlyi (sztochasztikus) modellek, rendszerek: Szoros/erős biotikus kapcsolatok Kompetíció A habitatok homogének és telítettek Forráslimitáltság van Denzitás-függés van Optimalizáció Nincs sztochasztikus hatás Nincsenek szoros/erős biotikus kapcsolatok Kompetíció relaxálódik v. nincs A habitatok nem homogének és nem telítettek Erős abiotikus limitáció Denzitástól független hatások Opportunista forráshasználat Gyakori sztochasztikus hatás a ZAVARÁS növekedik A közösségek nyílt rendszerek (ki-be lépés) A feltételek természetes módon folyamatosan változnak (évről-évre óráról-órára) A populáció dinamika térben szétszórt (foltokban metapopulációs foltdinamika és aszinkronitás) Lépték (= skála) és szint (mikro- tájléptékű)

A "közösség" gondolata: Forbes (887), majd Elton (927): "állatasszociációk" A biológia különböző komplexitási szintjei: molekuláris sejt szerv egyed populáció közösség Azonban az a priori nem nyilvánvaló, hogy létezik-e bármiféle egyed feletti szerveződés. Ha igen, jogos a feltételezés, hogy bizonyos - a szerveződési szintre jellemző sajátosságokat kell észlelnünk. Attribútumok, amelyek csak a közösségi szerveződési szinten léteznek: fajdiverzitás (milyen fajok, milyen egyedszámban), vegetáció növekedési formái és szerkezete (sztratifikáció), a fajok eltérő mértékben fontosak (abundanciától függetlenül, pl. kulcsfaj) relatív abundancia (relatív egyedszám arányok: ritka és gyakori fajok), trofikus struktúra (táplálkozási viszonyok, ki-kit eszik). Definíciók Együttes (assemblage) Azonos tér-időben létező -- a vizsgálódás szempontjából szabadon választott -- élőlénycsoport, amelyen belül a kapcsolatok érdektelenek számunkra. Közösség (community) Azonos tér-időben létező -- a vizsgálódás szempontjából szabadon választott -- élőlénycsoport, amelyen belül az egyedek/populációk között kapcsolatokat tételezünk fel. 2

Társulás (association) - magyar szakterületen Azonos tér-időben létező -- a vizsgálódás szempontjából szabadon választott -- élőlénycsoport, amelyen belül a populációk között nem csak kapcsolatokat tételezünk fel, hanem ezek fennállását bizonyítottuk is. Korlátozó jellegű specifikációk a túlságosan széles értelmezés elkerülésére: tér, trofikus szint, taxonómiai, életforma-szerint. [Közösség és ökoszisztéma (= absztrakt szünbiológiai rendszer, amelyet rendszermodellekkel írunk le. Lásd a jegyzetben a Fogalmak jegyzéke-t).] Közösség - bármely tér-idő skála-szinten: egy biom élőlény közössége egy mező madárközössége egy állat bélflóra-közössége Példa: 3

A közösségek tanulmányozása Folyamat és mintázat viszonya (egymást generálják) A szerkezet nem más, mint a mintázat (= ismétlődő szabályosságok) feltárása, mérése és leírása A közösség szerkezete a tulajdonságok tanulmányozása által írható le. Ilyenek: faj abundancia viszonyok (lásd alább), táplálkozás-hálózati mintázatok: a kapcsolatok száma faji szinten maximalizált (lásd az SC szorzat változását stabilitás), a fajok egyenletesebben oszlanak el a források használatában a teljesen véletlenszerűhöz képest (interakciók!), korlátozott tagsági lehetőség (limited membership): a fajösszetételben megvalósuló fajkombináció csak egy limitált része annak, ami megvalósulhatna! Milyen erők és kényszerfeltételek ( szűrők ) szabályozzák fajok egymás mellé kerülését (ezek a szerveződési/társulási szabályok)? Ilyen szűrők lehetnek: fizikai környezeti faktorok, diszperziós korlátok és a fajok közötti interakciók. testméret és abundancia összefüggés: a kisebb testtömegű élőlények abundanciája nagyobb és fordítva. Az allometria (amely a sajátosságok testméret-lépték szerinti vizsgálata) szabályai. 4

Fajszám és diverzitás valójában nem azonosak! Fajgazdagság (species richness) Növekvő mintaszám és/vagy mintaméretek (terület = kapcsolat a biogeográfiával) növekvő fajszám Legegyszerűbb változatban az egyedszám és fajszám összefüggését vizsgálhatjuk: Az "A" közösség fajszáma lényegesen eltér a "B" közösségétől, de ennél több nem mondható. Nem veszi figyelembe, hogy egyes fajok ritkák, mások közönségesek, vagyis, hogy más-más egyedszámok reprezentálják őket. Összehasonlítani közösségeket csak szigorú feltételek mellett szabad a fentiek alapján: azonos mintavételi intenzitás (mintaszám), azonos terület méretek, azonos gyűjtési hatékonyságú eszközök stb. Diverzitás: A fajok számának és abundanciájának egyidejű figyelembe vétele. Diverzitás-szintek: α-diverzitás: egy habitat vagy közösség diverzitása = fajszám a mintán belül β-diverzitás: két habitat vagy közösség diverzitásának összehasonlítása = fajszám különbség a minták között 5

. Eloszláson alapuló diverzitás meghatározások- (Rangabundancia diagrammok) Fisher, Corbet és Williams (943) ritka fajokkal dominált minta. Logaritmikus illesztés. Preston (948) javaslata az egyedszám valamilyen logaritmusát kell alkalmazni. Ha az ekkor normál eloszlást követ, akkor log-normálnak nevezzük. 6

Eloszláson alapuló diverzitás meghatározások-2 Tér- és időskála! Az eloiszlás alakja a mintavétel kiterjedtségére és pontosságára és/vagy a habitat állapotára utal. 7

Eloszláson alapuló diverzitás meghatározások-3 Ökológiai elmélet magyarázza az eloszlást: - Geometrikus: "exploitatív" verseny szerinti eloszlásnak felel meg, a legkevésbé egyenletes! - Törött pálca: scramble jellegű verseny szerinti, véletlenszerű, a legegyenletesebb! - Zipf-Mandelbrot: szukcesszionális, a források felosztása egyre specifikusabb! Ökológiai elméletek nem magyarázzák az eloszlást (statisztikailag leírhatók): - Negatív binomiális (s 2 > x ). - Logaritmikus (az egy egyeddel képviselt fajok száma nagy). - Log-normális (a nem egy egyeddel reprezentált fajok száma nagy; nem a véletlenszerűen, hanem sorozatban tört pálca eloszláshoz hasonló). Módszer: a p i értékek, azaz az abundanciák logaritmusát a fajok csökkenő abundanciája szerint ábrázoljuk. Példa: Egy elszennyeződő víztest a törött pálca felől a geometrikus irányába halad (ez a legkevésbé egyenletes, mert csak néhány szennyezéstoleráns faj marad). A víztest megtisztítása után ellenkező irányban zajlik le a folyamat. (Lásd a következő oldalt.) 8

Eloszláson alapuló diverzitás meghatározások-4 A niche felosztás mechanikus modelljei Konceptuális kapcsolat a niche-felosztás és abundancia között. A középső ábrarészlet 8 fajpopulációt jelöl. A kb. 8 ismert modell közül a legyakrabban tárgyalt kettőt mutatjuk be. Törött pálca Geometrikus A niche-tér (egyszerűsített esetben csak a forrástengely) geometrikus felosztása. Minden egymás után következő faj a megmaradó niche (forrástengely) konstans k arányos részét (pl. 60 %-át) szerzi meg. Kis fajszám esetén jó illesztést ad. A törött pálca modell (MacArthur) szerint minden fajnak azonos esélye van, hogy a niche-tér (forrástengely) egy soron következő darabját elfoglalja. A felosztás mindkét esetben szimultán és szekvenciálisan is történhet. 9

2. Diverzitás indexek- a. Valószínűségen alapul a Simpson-index Azt fejezi ki, hogy mekkora annak a valószínűsége, hogy ha két egyedet véletlenszerűen kiveszünk egy végtelenül nagy méretű közösségből, azok különböző fajokhoz fognak tartozni urna + golyók. Annak valószínűsége, hogy az i-edik faj két egyedét vesszük ki egy közösségből p i x p i = p i2. Ezeket a valószínűségeket szummáljuk az összes fajra: D =, ahol S a közösség fajszáma (a fajgazdagság), p S i 2 p pedig az egyedek aránya az összeshez képest az i i-edik faj esetében. i= b. Informatikai elméleten alapul a Shannon-Wiener index A bizonytalanság mértékét méri, amikor azt kérdezi, hogy milyen nehéz lehet eltalálni a faji hovatartozását a következő megfogott egyed esetében. H ' = S i= p i ln p i, ahol p i az i-edik faj esetében talált egyedek aránya az összeshez képest. Minél nagyobb H, annál nagyobb a bizonytalanság (annál több a faj és nagyobb a diverzitás), annál nehezebb megmondani a következő egyed faji hovatartozását. Ha egy 2 fajt tartalmazó mintában 99 és egyed van, akkor annak H értéke 0,08 bit/egyed és majdnem bizonyosak lehetünk, hogy a következő megfogott egyed is a 99-ből kerül ki. Ha 50-50 egyedünk van, akkor H = bit/egyed, vagyis 50 %-os eséllyel kerül elénk egy másfajú egyed. 0

Diverzitás indexek-2 Mindkét index értéke növekedik, ha a fajok abundanciái egyenletesen oszlanak el, vagyis minden fajnál hasonló egyedszámokat találunk. (Természetesen ez gyakran nem így van.) Ennek mértékét az egyenletesség (ekvitabilitás) méri. Minél jobban közelednek az egyedszámok a fajok között, annál nagyobb az egyenletesség, ami 0 és között változhat. Ha a fajok között az egyedek teljesen egyenletesen oszlanak el, akkor maximális a diverzitás. Simpson esetében: D E= =, D max D E= = S S i= p 2 i x S Shannon-Wiener esetében: H' E =, H' max E = S i i= p lnp lns i. ahol D a ténylegesen mért, D max a maximális egyenletesség mellett mért diverzitás. E akkor maximális (=), ha az egyedek száma minden fajban azonos a mintában, azaz D maximális. Az egyenletesség kiszámításához a D értékét elosztom S-sel: Hasonlóan az előbbihez. Itt H max = log 2 2, mert az előző oldali példában 2 fajunk volt, azonos egyedszámmal, vagyis bit/egyed. Az indexek mentesek minden eloszlási hipotézistől, viszont másként érzékenyek gyakori és ritka fajok jelenlétére. A Simpson index súlyozza a gyakori fajokat és nem érzékeny a mintaméretre. A Shannon közepesen érzékeny a mintaméretre és érzékeny a fajok hiányára (ez ritka fajokra áll).

Egyszerű példa a két index kiszámítására: A minta: 3 faj (6 és - egyed) B minta: 3 faj (3-3-3 egyed) A minta: 6++=8 egyed B minta: 3+3+3=9 egyed Simpson index szerint (számológép nem szükséges): p =6/8=0,75 p =3/9=0,33 p 2 =/8=0,3 p 3 =/8=0,3 D=/0,75 2 +0,3 2 +0,3 2 = =/0,56+0,02+0,02=/0,6=,7 E=,7/3=0,57 p 2 =3/9=0,33 P 3 =3/9=0,33 D=/0,33 2 +0,33 2 +0,33 2 =/ (0,*3)=3 E=3/3= Shannon-Wiener szerint (számológép szükséges): p i lnp i értékek: ln 0,75=-0,29*0,75=-0,22 ln 0,3=-2,04*0,3=-0,27 ln 0,3=-2,04*0,3=-0,27 H =0,76 J=0,76/ln 3=0,76/,=0,69 ln 0,33=-,*0,33=-0,36 ln 0,33=-,*0,33=-0,36 ln 0,33=-,*0,33=-0,36 H =,08 J=,08/ln 3=,08/,08= 2

A mintázatok időbeli változásai Szukcesszió Fajpopulációk nem-szezonális, direkcionális (= adott irányba tartó) és folytonos kolonizációja és extinkciója egy adott helyen. Degradativ A szerves anyag lebontása. Allogenikus (abiotikus) Geofizikai, -kémiai hatások eredményeként (pl. folyótorkolat feltöltődése üledék lerakódása következtében meghatározott növényfajok további feltöltődés ugyanazok a fajok stb.). Magában foglal autogenikus folyamatokat is. Autogenikus (biotikus) Fajok sorozata. Primer és szekunder szukcesszió. Facilitációs A pionír fázis fajai elősegítik a későbbi fázisok fajainak helyfoglalását (alkalmassá teszik a környezetet az utánuk következő fajoknak). 3

Inhibíciós Bármely szukcessziós fázis fajai gátolják a további fázis fajainak helyfoglalását (kevéssé alkalmassá teszik az utánuk következő fajoknak). Az adott fázis fajai csak a fizikai zavarásokra reagálnak (= az éppen domináns fázis fajai érzékenyebbek a fizikális hatásokra). Toleráns A korábbi szukcessziós fázis tagjai által keltett környezeti módosulás nincs hatással az utána következő fázis fajaira. 4