Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych

Wielkość: px

Rozpocząć pokaz od strony:

Download "Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych"

Iwona Stefańska
6 lat temu
Przeglądów:

1 Trudności i ograniczenia w analizie danych uzyskanych metodą pędzeń próbnych na przykładzie inwentaryzacji łosia w RDLP Lublin Przemysław Chylarecki Muzeum i Instytut Zoologii PAN

2 Geneza projektu Postulaty przywrócenia odstrzału łosia mocny opór społeczny Potrzebne wiarygodne dane o liczebności populacji Liczenia ogólnokrajowe wykonywane w 2013 i 2014 metoda: pędzenia w miotach c. 100 ha wybór powierzchni do pędzeń uznaniowy sporo danych pochodzi z ocen całorocznych, nie pędzeń analiza danych brak info o metodyce dostępne informacje sugerują wykorzystanie średnich arytmetycznych do ekstrapolacji danych z powierzchni próbnych krytyka NGOs: metodyka i analiza

3 Podstawowe dane (1) RDLP Lublin, Metodyka reprezentacyjna losowanie warstwowe warstwy: nadleśnictwa (25) 5% lub 10% pow. nadleśnictwa wskazane do liczeń Zrealizowane liczenia 263 pędzenia w miotach ok. 100 ha łącznie 27,454 ha nominalny operat losowania 342,000 ha wyłączone z operatu losowania 111,000 ha (26%) faktyczny operat losowania 309,000 ha 354 łosie stwierdzone

4 Podstawowe dane (2) 354 łosie/27,454 ha/263 powierzchnie 3 nadleśnictwa 0 łosi frekwencja miotów z łosiem 0.40 Frequency frekwencja pow. z ło

5 Podstawowe dane (3) Średnia arytmetyczna (wszystkie) = Średnia arytmetyczna (z łosiem) = liczba miotów Liczba łosi/miot

6 Podstawowe dane (4) Średnia arytmetyczna (wszystkie) = Średnia arytmetyczna (z łosiem) = liczba miotów Liczba łosi/miot

7 Podstawowe dane (5) Rozkład 3-modalny Silnie prawoskośny Nadmiarowa dyspersja w stosunku do Poissona za dużo zer za długi prawy ogon Density Liczba łosi/miot

8 Mioty ze stwierdzonym łosiem Rozkład nadal 2-modalny 30 Modelowanie jako złożenie 2 funkcji?? f. zewnętrzna (x=0) f. wewnętrzna (x>0) % miotów Liczba łosi/miot

9 Problem 1 korelacja obu funkcji Dane na poziomie nadleśnictw Korelacja obu miar r=0.56 Nie można modelować jako niezależnych funkcji średnia liczba łosi/miot proporcja miotów z

10 Problem 2 obszary wyłączone Udział % pow. nadleśnictwa uwzględniony w operacie losowania Frequency % pow. nadleśnictwa w operac

11 Problem 2 obszary wyłączone Im więcej powierzchni wyłączone z operatu tym wyższe zagęszczenia Nie-losowe wyłączanie fragmentów nadleśnictw Liczba łosi/miot % pow. w operacie

12 Modelowanie całości danych (1) Całość danych, łącznie z zerowymi Dopasowanie rozkładów - biblioteka gamlss w R Wybór najlepszego AIC + analiza QQ-plot mieszanka dwóch rozkładów fmix1<-gamlssmx(razem~1, data=lub, K=2, family=c(zip, PO)) fmix2<-gamlssmx(razem~1, data=lub, K=2, family=c(zinbi, PO)) fmix3<-gamlssmx(razem~1, data=lub, K=2, family=c(zap, PO)) fmix4<-gamlssmx(razem~1, data=lub, K=2, family=c(zip, NO)) fmix5<-gamlssmx(razem~1, data=lub, K=2, family=c(zip, ZIP)) fmix6<-gamlssmx(razem~1, data=lub, K=2, family=c(zinbi, NO)) itd pojedyncze skomplikowane rozkłady

13 Modelowanie całości danych (2) pojedyncze skomplikowane rozkłady Quantile Residu Against Fitte najlepiej dopasowany ze wszystkich rozkład ZAIG zero-added inverse gaussian 3 z kolei pod względem AIC, ale b dobre rozkłady 0 50 reszt Quantile Residu Fitted Values index Against inde Density Density Estim Sample Quantile Normal Q-Q Quantile. Residua Theoretical Quan

14 Modelowanie całości danych (3) Procent całości Strzelce Świdnik maszów Lubel Włodawa Radzyń PodlaskRozwadów Rudnik Sarnaki ędzyrzec Podla Mircze Nowa Dęba Parczew Puławy Janów Lubelsk Józefów Krasnystaw Kraśnik Biała Podlaska Biłgoraj Chełm Chotyłów Gościeradów Liczba łosi/miot Zwierzyniec Sobibór Lubartów

15 Modelowanie całości danych (4) Drzewa klasyfikacyjne Procedura rpart Kros-walidacja liczba.łosi~nadleśnictwo Nadleśnictwo objaśnia tylko ok. 10% zmienności liczby łosi R-square Apparent X Relative Number of Splits

16 Modelowanie całości danych (5) liczba.łosi~nadleśnictwo Rozkład ZAIG Sprawdzenie stabilności oszacowań losowy podział na 2 połowy w każdym nadleśnictwie dopasowanie osobnego modelu do każdej połowy danych ekstrapolacja na całość nadleśnictwa zliczanie ekstrapolowanych liczebności po nadleśnictwach powtórzone 500 razy

17 Obie oceny bardzo zbliżone o Oszacowania stabilne, ale nieprecyzyjne model Frequency Frequency total.cv total.cv2

18 Ile łosi w RDLP Lublin? Model ZAIG z nadleśnictwem jako predyktorem Total=3553 osobniki ( ) Model Rayleigha w złożeniu 2 funkcji (prof. Tomek) Total=4178 Naiwna średnia arytmetyczna Total=4496 Im lepiej dopasowany model, tym niższe oszacowanie Potrzebujemy dobrych predyktorów!!! cechy drzewostanu

19 Dziękuję za uwagę

Podobne dokumenty

Jak policzyć łosie w Polsce? Sugestie pod rozwagę

Jak policzyć łosie w Polsce? Sugestie pod rozwagę Przemysław Chylarecki Fundacja Greenmind Muzeum i Instytut Zoologii PAN Policzyć łosie Nie da się policzyć wszystkich łosi w Polsce Potrzeba zastosowania