Adatok a Hygromia/Kovacsia kovacsi VARGA & PINTÉR csiga házának szélesség és magasság statisztikájához (Mollusca)

Hasonló dokumentumok
A klíma hatása a Helicigona banatica csigafaj házának morfológiájára a Мако-Landori erdőben

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

Kutatásmódszertan és prezentációkészítés

Biomatematika 2 Orvosi biometria

Faunisztikai [Laciniaria plicata (DRAPARNAUD, 1801)] és faunatörténeti [Pomatias elegans (O. F. MÜLLER, 1774)] érdekesség Battonyáról (Békés megye)

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

A Nesovitrea hammonis Ström, 1765 előfordulása és ökológiai viszonyai a Körösök vidékén (Mollusca)

[Biomatematika 2] Orvosi biometria

Statisztikai becslés

Elemi statisztika fizikusoknak

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Száraz holtág malakológiai, mikroklimatológiai vizsgálata a Sarkad-remetei-erdőben (Békés megye), és a Hygromia kovacsi előfordulási körülményei

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Iskolai jelentés. 10. évfolyam szövegértés

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Segítség az outputok értelmezéséhez

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A Statisztika alapjai

A társadalomkutatás módszerei I.

[Biomatematika 2] Orvosi biometria

1/8. Iskolai jelentés. 10.évfolyam matematika

Iskolai jelentés. 10. évfolyam szövegértés

Matematikai statisztika

A konfidencia intervallum képlete: x± t( α /2, df )

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

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

A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

Alkalmazott statisztika feladatok

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

A leíró statisztikák

[Biomatematika 2] Orvosi biometria

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

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

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

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Biomatematika 2 Orvosi biometria

Statistical Inference

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Bevezetés a hipotézisvizsgálatokba

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Biometria gyakorló feladatok BsC hallgatók számára

Good-Turing lefedés. Lang Zsolt

7, 6, 0, 4, 0, 1, 5, 2, 2, 16, 1, 0, 2, 3, 9, 2, 4, 10, 3, 1, 2, 12, 4, 1

Leíró statisztika. Adatok beolvasása az R-be és ezek mentése

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Kísérlettervezés alapfogalmak

Microsoft Excel Gyakoriság

Report on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)

Orsócsigák (Clausiliidae) a Tiszántúlon

Adatok statisztikai értékelésének főbb lehetőségei

A SIOK Beszédes József Általános Iskola évi kompetenciamérés eredményeinek elemzése és hasznosítása

Matematikai statisztika

Vizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját

Kiadó: Környezetvédelmi és Vízügyi Minisztérium, Természetvédelmi Hivatal, 2004

A Cornu aspersum (O. F. Müller, 1774) és a Helix lucorum Linnaeus, 1758 adventív csigafajok hazai elõfordulásának aktualizálása

Report on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)

STATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

A MADARASI TÉGLAGYÁRI LÖSZSZELVÉNY LEGÚJABB MALAKOLÓGIAI VIZSGÁLATÁNAK EREDMÉNYEI

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

Kísérletek tervezése és értékelése

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

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

Minőség-képességi index (Process capability)

BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika

Többváltozós lineáris regressziós modell feltételeinek

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Hipotézis vizsgálatok

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

A pikkelyescsigák élőhely-preferenciája, elterjedése, elterjedés-története és mindezek természetvédelmi vonatkozásai

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás

y ij = µ + α i + e ij

KÖVETKEZTETŐ STATISZTIKA

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

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

GEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ

Report on the main results of the surveillance under article 11 for annex II, IV and V species (Annex B)

GRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens

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

Statisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI

Statisztikai szoftverek esszé

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Hol terem a magyar statisztikus?

Normális eloszlás paramétereire vonatkozó próbák

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.

MALAKOLÓGIAI TÁJÉKOZTATÓ MALACOLOGICAL NEWSLETTER : Domokos Tamás & Majoros Gábor

A fehér gólya (Ciconia ciconia) állomány vizsgálata Dél-Somogyban, az években

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Átírás:

MALAKOLÓGIAI TÁJÉKOZTATÓ MALACOLOGICAL NEWSLETTER 2006 24: 45 52 In memoriam Kovács Gyula [aki a Hygromia kovacsi elsõ, általa Hygromia transylvanicának vélt példányait, több mint negyven évvel ezelõtt, 1963. július 5-én gyûjtötte a Mályvádi-erdõben (Gyula Gyulavári)] és Pintér László (aki faj egyik leírója). Adatok a Hygromia/Kovacsia kovacsi VARGA & PINTÉR csiga házának szélesség és magasság statisztikájához (Mollusca) Domokos Tamás Abstract: Additional data to the shell morphology (width and height) of the Hygromia/Kovacsia kovacsi Varga & Pintér, 1972. The paper gives data about the statistical examination of Hygromia/Kovacsia kovacsi Varga & Pintér tests. The collecting sites are located sporadically at an approximately 5500 hectares sized area (figs. 1., 2.). The number of individuals in the samples are scarce, between 11 45 specimens. The cumulative sample consists of 290 specimens. In the case of the samples containing little specimens the value of the mode of width is between 4,5 and 6,5 mms, while the mode of heights is between 3,5 and 5,0 mms. The class intervals of the modes of the cumulative samples are between 5,0 5,5 and 3,5 4,0 mms (figs. 3., 4.). The frequency curves show slight skew distribution. The number of sample was too little to estimate the influence of the species composition and age of the trees of the forests at the examined territories. Key words: shell morphology, height and width of the tests, average, median, mode, class interval, standard deviation. Bevezetés Az 1972-ben leírt akkor még Hygromia génuszba sorolt (A mintavételezés után értesültünk arról, hogy a dobozi pikkelyescsigát Falkner et al. (2001) önálló Kovacsi génuszba különítette el.) faj héjjemzõit (szín, spíra, szájadék, kanyarulatszám, magasság és szélesség, skulptúra) a Folia Historico-naturalia Musei Matraensis elsõ számában tette közzé Varga András és Pintér László (Varga, A. & Pintér, L. 1972). Dolgozatukban közölt kanyarulatszám (K: 4,5 4,75), valamint a szélesség és magasság adatok (6,05/4,60 mm) a holotípusra vonatkoztak. A holotípus dimenzióival találkozunk Kerney, M. P. és munkatársai által 11 évvel késõbb megjelent Die Landschnecken Nord- und Mitteleuropas munkában is (Kerney, M. P. et al. 1983). A holotípusnak, ha van válogatási lehetõség, a nagyobb mérettel rendelkezõ példányokat szokták választani. Ha ezt a feltételezést elfogadjuk, akkor már is van egy sejtésünk, nevezetesen: a vizsgált fajunk szélesség illetve magasság adatainak átlaga és mediánja 6,0 illetve 4mm alatt van. Ezen állítás bizonyításául, valamint hiánypótlásból kezdtünk el foglalkozni Aradi Olgával (Szt. István Egyetem, Zoológiai Intézet hallgatója) a Kovacsia kovacsi héjmorfológiai vizsgálatával. Aradi Olga egyetemi hallgató az, aki szakdolgozatának témájául választja Hornung Erzsébettel történt elõzetes megbeszélés alapján többek között a Kovacsia kovacsi hiánypótló héjmorfológiai tanulmányozását. Kutatásai a Békési-erdõben végzett gyûjtéssel ugyan félbeszakadtak, de ennek ellenére a késõbbiekben ismertetett minták alap- 45

1. ábra: A Kovacsia kovacsi elterjedése Békés megye keleti, megközelítõen 20 km-es határ menti sávjában (2003). A vízrajzot és az erdõket feltüntetõ térkép UTM-hálózata 10 10 km-es. 46

vetõ mérését még elvégzi és a statisztikai jellemzõk (átlag, szórás, variancia) egy részét is meghatározza. Ezekért a munkákért köszönettel tartozom Aradi Olgának. Mintavétel helyei és módszere A biometriai vizsgálatokhoz szükséges mintákat a dobozi pikkelyescsiga magyarországi areájának (DS: 93, ES: 05, 06, 16, 17, 18, 26, 27, 28, 36, 37. Bába, K. 1980, 1981; Domokos, T. 2002, 2003a, 2003b, 2004; Kovács, Gy. 1980) központi, egy tömbben található régiójában; a Fekete- és Fehér-Körös közti erdõkben gyûjtöttem (1. és 2. ábra). A 11 mintavételi hely adatai [(sorszám. UTM kód: településnév, erdõ neve, erdõrész száma és betûje (néhány esetben a faállomány megközelítõ kora = 10 év és a gyûjtõhelynél lévõ fafajta) gyûjtés idõpontja (gyûjtött egyedek száma)] a következõk: 1. ES17: Doboz, Sebesfoki-erdõ, 10/G (nyár) 2001. 09. 01. (11) 2. ES17: Doboz, Sebesfoki-erdõ, 15/K (akác) 2001. 09. 01. (21) 3. ES17: Békéscsaba Gerla, Fácános-erdõ, 101/E ( tölgy-juhar-kõris) 2001.08.05. (19) 4. ES17: Békéscsaba Gerla, Fácános-erdõ, 105/C ( kõris-tölgy) 2001.08.05. (17) 5. ES27: Gyula Gyulavári, Mályvádi-erdõ, 2/B (akác) 2001. 09. 20. (38) 6. ES27: Sarkad, Sarkad-Remetei-erdõ, 18/A (tölgy-kõris) 2001.06.06. (34) 7. ES27: Sarkad, Sarkad-Remetei-erdõ, 40/B (kõris-amerikai dió) 2001. 10. 04. (35) 8. ES27: Gyula, Öregházi tábla, 148/D (kõris) 2001. 06. 28. (22) 9. ES27: Gyula, Öregházi tábla, 148/C (akác) 2001. 06. 28. (19) 10. ES17: Békéscsaba Póstelek, 123/D ( akác) 2001. 04. 07. (45) 11. ES17: Békéscsaba Póstelek, 122/D ( kõris-tölgy) 2001.04.07. (29) Amint látható, minden minta 2001-ben került felvételre. A 10. és 11. minta kivételével a gyûjtések nyáron és õsszel zajlottak idõgyûjtés (30 perc) keretein belül. Az egyes gyûjtõhelyek mintaszámai, a különbözõ ökológiai viszonyoknak megfelelõen, igen különbözõre sikerültek (11- tõl 45-ig), de átlaguk elérte a 26 darabot. Ezek a mintaszámok elsõre igen csekélynek tûnnek, s ezért kontrolként a 11 minta elemeit összevontam, s így nyertem egy 290 mintaelembõl álló sokaságot. Mivel az élõ példányok száma nagyon csekély volt (Domokos, T. 2003b), kénytelen voltam a gyûjtést függetleníteni a létállapottól (Domokos, T. 1995). Az élõ példányokra vonatkozó abundancia alacsony értékérõl már Bába 1986 is beszámolt. Dolgozatában az élõ példányok (pers. comm. szerint E1 és E2 létállapotról van szó) abundanciája 5 db/m² alatti érték. Mérés és feldolgozás, eredmények A házak szélességének és magasságának adatait tolómérõvel mértük meg 0,1 mm pontossággal. Ez az érték átlagban bõven 5% hiba alatt marad. A mért szélesség és magasság adatok birtokában az egyes mintahelyek statisztikai jellemzõi közül az átlagot, a móduszt és a szórást határoztuk meg. A 11 gyûjtõhely adatainak összesítésével nyert összminta esetében meghatároztam még a szélsõértéket és a mediánt is. Mivel Goulden 1952 ajánlotta negyed szórást túl kicsinek találtam, heurisztikus úton az osztályközt, a szélesség és magasság esetében is, 0,5 mm-esnek választottam. Így elértem, hogy az esetek többségében 6 osztályközzel tudtam dolgozni. A szélesség osztályközeinek sora a következõnek adódott: 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 6,5 7,0 7,5. A magasságé 47

48 2. ábra: A Hygromia /Kovacsia kovacsi szélesség adatainak analíziséhez vett minták helyei a Fekete- és Fehér-Körös közti erdõkben.

pedig: 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0. Tapasztalataim szerint a dobozi pikkelyescsiga embrionális példányainak szélesség adata 1,25 mm körüli. Ez azt jelenti, hogy az egyelõ gyûjtés nem alkalmas a teljes mérettartomány átfogására, mert három legkisebb osztályköz kimarad a sorozatból, s így a magasabb értékek %-os aránya megnõ. A 11 minta szélesség értékeinek hisztogramját a 3., magasság értékeinek hisztogramját pedig a 4. ábrán mutatom be. Ugyanezen ábrák közepén található a 290 mintaszámú sokaság hisztogramja és statisztikus jellemzõje. Megállapítható, hogy a szélesség részsokaságainak és az összevonással nyert sokaságának módusza 3 kivétellel 5,0 5,5 osztályközbe esik. A 3.minta kivételével a leggyakoribb értéke valóban 6,0 mm alatt van. A móduszok osztályközében a gyakoriság a részsokaságoknál (az egyes mintáknál) megközelítõen 30 és 70% közötti, az összevonással nyert sokaságnál pedig 30% (3. ábra) körüli érték. Az átlagok már jobban eltérnek egymástól, ugyanis 4,75 és 6,11 mm közé esnek. A szórások 0,25 és 0,88 mm közöttiek. A 3. ábra kumulált hisztogramjának, gõrbéjének két oldala nem szimmetrikus, hanem enyhén balra ferde. A módusz 5,0 és 5,5 mm közé esik, az átlag 5,15 a medián pedig 4,77 mm érték, a szórás pedig 0,73 mm. A histogramokat vizsgálva kiderül, hogy azok balra ferde eloszlásúak, s csupán az 1. és 3. mintánál tapasztalható ettõl eltérés. Az 1. mintánál a csekély mintaszám (11); a 3. mintánál az erõsen szelektív gyûjtés (rossz fényviszonyok, néhány mm-es növényi 3. ábra: A különbözõ erdõrészekbõl (1 11. sorszám) gyûjtött Hygromia/Kovacsia kovacsi szélesség értékeinek gyakorisági eloszlását ábrázoló hisztogramok. A histogram bal oldalán a mintaszám, jobb oldalán pedig a szórás található. A középérték helyét jelöli a ház szélesség adatait feltüntetõ 3-tól 7-ig számozott abszcisszán. A hisztogram legnagyobb gyakoriságú osztályközét, a móduszt pontozás emeli ki. Az ábra közepén található az összmintaszám alapján készített gyakorisági eloszlás hisztogramos és poligonos ábrázolásban. A jelölések kulcsa: n = összmintaszám (1-tõl 11-ig számozott minták összevonásával nyert minta), s = szórás, Me = medián (a legkisebb és legnagyobb érték között közepén elhelyezkedõ érték). 49

4. ábra: A különbözõ erdõrészekbõl (1 11. sorszám) gyûjtött Hygromia/Kovacsia kovacsi magasság értékeinek gyakorisági eloszlását ábrázoló hisztogramok. A histogram bal oldalán a mintaszám, jobb oldalán pedig a szórás található. A középérték helyét jelöli a ház magasság adatait feltüntetõ 1-tõl 6-ig számozott abszcisszán. A hisztogram legnagyobb gyakoriságú osztályközét, a móduszt pontozás emeli ki. Az ábra közepén található az összmintaszám alapján készített gyakorisági eloszlás hisztogramos és poligonos ábrázolásban. A használt jelölések kulcsa: n = összmintaszám (1-tõl 11-ig számozott minták összevonásával nyert minta), s = szórás, Me = medián (a legkisebb és legnagyobb érték között közepén elhelyezkedõ érték). törmelék zavaró hatása), valamint a viszonylag kifejlett példányok migrációja okozhatja a kissé kiugró értékeket. A 4. ábrából, amely a ház magasság adatainak statisztikáját mutatja be, megállapítható, hogy a mintaelemek jelentõs részének magassága 3,5 és 4,5 mm közé esik. Az egyes átlagok eltérése azonban jelentõs, mert azok 3,44 és 4,68 mm szélsõértékek között változnak. Érdekes, hogy a 3. minta, amely magasság értékeinek az átlaga a legnagyobb, majdnem megközelíti a legkisebb szélességgel rendelkezõ 11. minta átlagát. Az egyes mintáknál a szórás 0,28 és 0,80 mm, ami csupán századokban tér el a szélességnél tapasztalt értékektõl. Itt a 3. és 10. minta tér el leginkább az elméleti Gausstól. A 3. mintánál a jelentõs eltérést feltételezésem szerint vagy a kifejlett példányok migrációja okozhatja, vagy a gyûjtés szelektivitása itt érte el a maximumát. (Ha jól emlékszem, ez volt akkor a nap utolsó gyûjtõhelye.) A 4. ábra kumulált hisztogramjának és görbéjének két oldala nem szimmetrikus, hanem a szélességnél tapasztaltaknak megfelelõen enyhén balra ferde. A módusz 3,5 és 4,0 mm közé esik; az átlag 3,88, a medián 3,70, a szórás pedig 0,66 mm érték. 50

Sajnos a minták száma (11) csekély ahhoz, hogy az erdõk fafajtájának és korának szélességet és magasságot befolyásoló hatására lehessen következtetni. Összegzés 1. A 10 elemûnél nagyobb minták már elfogadható statisztikai eredményeket produkálnak (Móduszokra vonatkozó adatok: W: 5,0 5,5 mm ~ 73%, 4,5 6,5 mm 100%; H: 3,5 4,0 mm ~ 64%, 3,5 5,0 mm 100%) 2. A közel 5500 ha-ról származó minták móduszainak az esetek ~27 illetve ~36%-ánál tapasztalható eltérése azt sejteti, hogy kicsi a valószínûsége annak, hogy a fajnak különbözõ morfológiai bélyegekben megmutatkozó ökoformái léteznének, illetve instabil populációkkal lenne dolgunk. 3. A 11 minta összevonásával nyert 290 elemes sokaság módusza (leggyakoribb osztályköze) a szélesség esetében 5,0 5,5, a magasság esetében pedig 3,5 4,0. A Varga & Pintér 1972 holotípusának tizedesre kerekített értékei: 6,1 illetve 4,6 mm, vagyis a leggyakoribb értékek fölé esnek. (Ez érthetõ, ha figyelembe vesszük, hogy az anatómiai vizsgálathoz igyekeztek minél méretesebb példányt kiválasztani.) 4. A mért legkisebb/legnagyobb szélesség illetve magasság értékek: 2,55/7,00 illetve 1,7/5,7mm. (~1 mm széles embriók nem kerültek elõ!) 5. A szélességek átlaga mintahelyenként 4,75 és 6,11, illetve a magasságoké 3,44 és 4,68 mm közötti. 6. A gyakorisági diagramokra illetve görbékre a gyengén balra ferde eloszlás a jellemzõ, s a kumulált görbék alig térnek el az idealizált Gauss-félétõl. Jelen dolgozatát a szerzõ a XXIX. nagyszebeni (Sibiu) találkozón szándékozott ismertetni. Az elõadásra azonban csak a XXX. Magyar Malakológus Találkozón (Békéscsaba, 2005. szeptember 24.) került sor. Irodalom Bába, K. (1980): A csigák mennyiségi viszonyai a Crisicum ligeterdeiben. A Békés Megyei Múzeumok Közleményei, 6: 85 101. Bába, K. (1981): Magyarország szárazföldi csigáira vonatkozó új állatföldrajzi beosztás tanulságai. Soosiana, 9: 13 22. Bába, K. (1986): A szabadkígyósi Nagyerdõ Mollusca faunájának ökológiai vizsgálata. Környezet- és Természetvédelmi Évkönyv (Békéscsaba), 6: 235 273. Domokos, T. (1995): A Gastropodák létállapotáról, a létállapotok osztályozása a fenomenológia szintjén. Malakológiai Tájékoztató, 14: 79 82. Domokos, T. (2002): A Hygromia kovacsi Varga & Pintér Fekete- és Fehér-Körös menti elõfordulásának vizsgálata I. (Az elõfordulási helyek pontos lehatárolása) Soosiana, 30: 21 29. Domokos, T. (2003a): A Hygromia kovacsi Varga & Pintér Fekete- és Fehér-Körös menti elõfordulásának vizsgálata II. (Az elõfordulási helyek pontos lehatárolása). Kézirat, Békéscsaba, 1 12. Domokos, T. (2003b): A Kovacsia kovacsi Varga & Pintér fajvédelmi programja. Kézirat, Békéscsaba, 1 21. 51

Domokos, T. (2004): A Körös (Berettyó) Maros közén elõforduló védett puhatestûek (2004). Natura Bekesiensis, 6: 21 44. Falkner, G., Bank, R. A. & Proswitz, T. von (2001): Check list of the non-marine Molluscan Species-group taxa of the States of Northern, Atlantic and Central Europe (CLECOM I). Heldia, 4: 1 76. Goulden, C. H. (1952): Methods of statistical analysis. J.Wiley et S., New York. Kerney, M. P., Cameron, R. A. D. & Jungbluth, J. H. (1983): Die Landschnecken Nord- und Mitteleuropas 1 384. Verlag Paul Parey, Hamburg und Berlin. Kovács, Gy. (1980): Békés megye Mollusca-faunájának alapvetése. A Békés Megyei Múzeumok Közleményei, 6: 51 84. Varga, A. & Pintér, L. (1972): Zur Problematik der Gattung Hygromia RISSO, 1826. Fol. Hist.-nat. Mus.Matr., 1: 121 129. DOMOKOS, Tamás Békéscsaba, Rábay u. 11. H-5600 E-mail: domokos.tamas@t-online.hu 52