GRADIENTOWY MODEL OCENY POWIĄZALNOŚCI KRAJOBRAZU Elżbieta Ziółkowska, Katarzyna Ostapowicz, Volker C. Radeloff, Nuria F. Selva Zakład GIS, Kartografii i Teledetekcji Instytut Geografii i Gospodarki Przestrzennej Uniwersytet Jagielloński, Kraków eziolkowska@gis.geo.uj.edu.pl
PLAN WYSTĄPIENIA Wprowadzenie Powiązalność krajobrazu / siedliskowa Modele gradientowe w ocenie powiązalności Cele pracy Niedźwiedź brunatny (Ursus arctos) w Karpatach Obszar badawczy i dane Tok postępowania i metody Wybrane wyniki Podsumowanie Fot: G. Leśniewski 2
POWIĄZALNOŚĆ / ŁĄCZNOŚĆ Efektywna ochrona bioróżnorodności wymaga poznania i zrozumienia funkcjonalnych związków zachodzących pomiędzy płatami siedliskowymi analiza i ocena powiązalności (ang. connectivity) Ocena powiązalności Często oparta na danych skategoryzowanych i tzw. wiedzy eksperckiej Często prowadzi do dyskretyzacji informacji ciągłej wyznaczanie korytarzy migracyjnych jako ścieżek najmniejszego kosztu 3
MODELE GRADIENTOWE W OCENIE POWIĄZALNOŚCI Modele dyskretne: uproszczenie, brak przedstawienia wewnętrznej złożoności wyróżnionych w krajobrazie elementów, definiowanie ostrych, jednoznacznych granic W rzeczywistości w krajobrazie więcej jest przejść stopniowych niż gwałtownych Struktura występowania i liczebność gatunków kształtowana przez gradientowo zmieniające się czynniki model continuum (Fischer i Lindenmayer 2006) 4 Fischer and Lindenmayer (2006)
CELE PRACY Wypracowanie nowej ścieżki postępowania pozwalającej na ocenę powiązalności z zastosowaniem modelu gradientowego na różnych jej etapach Ocena wpływu sposobu konstrukcji ciągłej powierzchni kosztowej na analizy powiązalności (np. wyznaczanie korytarzy migracyjnych): modele przydatności siedliskowej vs modele prawdopodobieństwa przemieszczenia Analizy prowadzone na przykładzie niedźwiedzia brunatnego (Ursus arctos) we wschodniej części Karpat Polskich 5
NIEDŹWIEDŹ BRUNATNY W KARPATACH Gatunek priorytetowy, chroniony Dyrektywą Siedliskową, wrażliwy na utratę i fragmentację siedlisk oraz zakłócenia ze strony człowieka Dramatyczny spadek liczebności populacji i jej fragmentacja podział na dwie główne subpopulacje na początku XX wieku W Polsce ok 95 osobników - niewielki fragment populacji karpackiej (7200 osobników) Straka i in. (2012) 6
OBSZAR BADAWCZY I DANE O PRZEMIESZCZANIU SIĘ NIEDŹWIEDZI Carpathian Brown Bear Project 3 niedźwiedzie (Czarny, Solina i Tworylny) monitorowane w 2008 i 2009 r. Obroże z nadajnikami GPS-GSM oraz czujnikami aktywności (akcelerometrami ruchu) Pomiar lokalizacji z 30-min./ 5-godz. krokiem czasowym Ogółem 3402 lokalizacje (48% teoretycznej liczby lokalizacji) 7
OBSZAR BADAWCZY I DANE O PRZEMIESZCZANIU SIĘ NIEDŹWIEDZI Carpathian Brown Bear Project 3 niedźwiedzie (Czarny, Solina i Tworylny) monitorowane w 2008 i 2009 r. Obroże z nadajnikami GPS-GSM oraz czujnikami aktywności (akcelerometrami ruchu) Pomiar lokalizacji z 30-min./ 5-godz. krokiem czasowym Ogółem 3402 lokalizacje (48% teoretycznej liczby lokalizacji) 8
OBSZAR BADAWCZY I DANE O GATUNKU Carpathian Brown Bear Project 3 niedźwiedzie (Czarny, Solina i Tworylny) monitorowane w 2008 i 2009 r. Obroże z nadajnikami GPS-GSM oraz czujnikami aktywności (akcelerometrami ruchu) Pomiar lokalizacji z 30-min./ 5-godz. krokiem czasowym Ogółem 7124 lokalizacje 9
ZMIENNE OBJAŚNIAJĄCE DANE ŚRODOWISKOWE Wyznaczone na podstawie wcześniejszych opracowań dotyczących biologii gatunku 3 grupy zmiennych, rozdzielczość przestrzenna 30m Grupa zmiennych Zmienne Materiały źródłowe Użytkowanie / pokrycie terenu - Las, typy lasu - Łąki i zarośla - Wnętrze / ekoton lasu Zdjęcia satelitarne Landsat Topografia terenu - Wysokość względna / bezwzględna - Nachylenia - TPI SRTM Wpływ człowieka - Gęstość dróg / odległość od dróg - Gęstość zabudowy / odległość od zabudowy V-mapa, poziom 2 10
METODY PRZETWORZENIA DANYCH WEJŚCIOWYCH Zmienne objaśniające jako powierzchnie gradientowe (funkcje odległości i gęstości) Metoda ruchomego okna analizy (250m 8km): identyfikacja skali dalszych analiz Dane telemetryczne: odrzucenie lokalizacji z DOP > 10 Ogółem 3402 lokalizacje (48% teoretycznej liczby lokalizacji) 11
METODY MODELOWANIE PRZYDATNOŚCI SIEDLISKOWEJ Predyktywne modelowanie rozmieszczenia niedźwiedzia Aplikacja MaxEnt (Philips i in. 2006), metoda typu machine learning (algorytm maximum entropy) Zbiór uczący: 75% lokalizacji, zbiór weryfikujący: 25% lokalizacji Ocena dopasowania modelu: krzywa ROC / wartość AUC Wybór istotnej skali analizy: porównanie dopasowania modelu dla pojedynczych zmiennych w różnych skalach (bivariate scaling) Ocena korelacji: współczynnik korelacji Pearsona 0.65 12
METODY MODELOWANIE PRZYDATNOŚCI SIEDLISKOWEJ Analiza powiązalności: pomiędzy obszarami o największym prawdopodobieństwie rozmieszczenia niedźwiedzia Wskaźnik przydatności siedliskowej HSI > 0.6, powierzchnia > 5km 2 Powierzchnia kosztowa: 100 (HSI 100) 13
METODY MODELOWANIE PRAWDOPODOBIEŃSTWA PRZEMIESZCZENIA Warunkowa regresja logistyczna (case-control logistic regression) oraz tzw. step selection functions (Fortin i in. 2005), oprogramowanie R Analiza kroków przemieszczenia, a nie samych lokalizacji Porównanie charakterystyki zmiennych pomiędzy krokami rzeczywistymi i kontrolnymi 14
METODY MODELOWANIE PRAWDOPODOBIEŃSTWA PRZEMIESZCZENIA Wyznaczenie kroków związanych z różnymi typami aktywności (aktywne / pasywne) Na podstawie długości kroku: 1km/2km dane o kroku 5-godz., 250m/500m dane o kroku 30-min. Na podstawie poziomu aktywności 15
METODY MODELOWANIE PRAWDOPODOBIEŃSTWA PRZEMIESZCZENIA Wybór istotnej skali analizy: test Manna-Whitneya, porównanie p- value dla zmiennych w różnych skalach (bivariate scaling) Ocena korelacji: współczynnik korelacji Pearsona 0.65 Ocena dopasowania modelu: QIC Prawdopodobieństwo przemieszczenia (MP) w ( x ) exp( x x 1 2 2 1... x n n ) Powierzchnia kosztowa: 100 (MP 100) 16
METODY ANALIZA POWIĄZALNOŚCI Wyznaczenie potencjalnych korytarzy migracyjnych w oparciu o analizy kosztowe Porównanie metod: Metoda ścieżek najmniejszego kosztu (ang. least-cost paths) Metoda CMTC (ang. conditional minimum transit cost) Metoda ER (ang. electrical resistance) 17
CMTC ER Piksel powierzchni kosztowej = węzeł obwodu elektrycznego Przepływ prądu pomiędzy określonymi węzłami obwodu np. siedliskami Korytarze migracyjne = obszary o zwiększonym/skumulowanym przepływie prądu Circuitscape (McRae i in. 2006, 2008) 18 McRae i in. (2008)
WYBRANE WYNIKI POWIERZCHNIA PRZYDATNOŚCI SIEDLISKOWEJ Skala analizy: 8km, AUC = 0.910 Zmienne: elev_range > sett > dec_to_for > roads > grassland > forest > sdist > edge > rdist 19
WYBRANE WYNIKI PRAWDOPODOBIEŃSTWO PRZEMIESZCZENIA Skala analizy: zmienna Model 1 (kroki aktywne kryterium długości): dec_to_for4km + edge250m + forest4km + roads4km + sett500m + elev_range1km Model 2 (kroki aktywne kryterium poziomu aktywności): conif250m + dec_to_for250m + edge250m + forest4km + roads4km Model 1: Kroki aktywne - kryterium długości Model 2: Kroki aktywne - kryterium poziomu aktywności 20
WYBRANE WYNIKI PRAWDOPODOBIEŃSTWO PRZEMIESZCZENIA Skala analizy: zmienna Model 1 (kroki aktywne kryterium długości): dec_to_for4km + edge250m + forest4km + roads4km + sett500m + elev_range1km Model 2 (kroki aktywne kryterium poziomu aktywności): conif250m + dec_to_for250m + edge250m + forest4km + roads4km Model 1: Kroki aktywne - kryterium długości Model 2: Kroki aktywne - kryterium poziomu aktywności 21
WYBRANE WYNIKI ANALIZA POWIĄZALNOŚCI Powierzchnia kosztowa na podstawie przydatności siedliskowej Powierzchnia kosztowa na podst. prawdopodobieństwa przemieszczenia 22
PODSUMOWANIE Opracowanie powtarzalnej procedury pozwalającej na przestrzenne określenie prawdopodobieństwa przemieszczenia Uwzględnienie procedury rozróżniania typów aktywności w oparciu o dane z czujników aktywności Porównanie powierzchni kosztowych wyznaczanych na podstawie powierzchni przydatności siedliskowej i powierzchni prawdopodobieństwa przemieszczania wskazują na potencjalne niedoszacowanie wielkości obszarów istotnych dla powiązalności (o niskich wartościach kosztu) konsekwencje? Dalsze analizy Zwiększenie ilości danych telemetrycznych / testy dla innego zbioru danych Porównanie przebiegu / charakterystyki korytarzy migracyjnych Porównanie wskaźników powiązalności Przetestowanie różnych funkcji przekształcenia powierzchni prawdopodobieństwa w powierzchnię kosztową (nieliniowe?) 23
DZIĘKUJĘ ZA UWAGĘ! Badania finansowane są ze środków Narodowego Centrum Nauki, programu SONATA, projektu: Połączenie podejść dyskretnego i ciągłego w modelowaniu fragmentacji i powiązalności krajobrazu z wykorzystaniem teorii i technologii informacji geograficznej (numer projektu: 2011/03/D/ST10/05568) oraz z Małopolskiego funduszu stypendialnego dla doktorantów Doctus. 24