Transcript מפת ניבוי - TeachLine

‫מודלים מבוססי נישה כאמצעי לניבוי דגמי תפוצה‬
‫מטרה‪:‬‬
‫ניבוי תחום התפוצה של מינים באמצעות מידע על הנישה‬
‫האקולוגית שלהם‬
‫הבעיה – מעבר ממידע נקודתי למפות תפוצה‬
‫מודלים מבוססי נישה כאמצעי לניבוי דגמי תפוצה‬
‫שלבים‪:‬‬
‫• איסוף נתוני התפוצה הקיימים‬
‫• איסוף נתוני סביבה רלוונטיים‬
‫• אפיון הנישה האקולוגית באמצעות‬
‫ניתוח נתוני הסביבה‬
‫(מודל הנישה)‬
‫• זיהוי השטחים שמקיימים את‬
‫אפיון הנישה האקולוגית‬
‫(מפת ניבוי)‬
‫‪X Y e1 e2 e3 e4 .. ..‬‬
‫ניבוי תפוצת מינים באמצעות מודל מבוסס נישה‬
‫נתוני תפוצה‬
‫מפת ניבוי‬
‫עיקרון‬
‫הנישה‬
‫מודל ניבוי‬
‫‪GIS‬‬
‫הפעלת המודל‬
‫הערכת הדיוק של מפת הניבוי‬
‫(‪)Accuracy assessment‬‬
‫‪24‬‬
‫‪26‬‬
‫‪28050- -50100‬‬
‫‪30100 - 200‬‬
‫‪200 - 300‬‬
‫‪34300 - 400‬‬
‫‪400 - 500‬‬
‫‪500 - 600‬‬
‫‪>600‬‬
‫נתוני סביבה‬
‫ ‪16‬‬‫ ‪24‬‬‫ ‪26‬‬‫ ‪28‬‬‫‪30 -‬‬
‫ניבוי תפוצת מינים באמצעות ‪BIOCLIM‬‬
‫מרחב גיאוגרפי‬
‫מרחב אקלימי‬
‫מרחב גיאוגרפי‬
‫‪Max Y‬‬
‫‪e2‬‬
‫‪Min Y‬‬
‫‪e1‬‬
‫‪Max X‬‬
‫‪Min X‬‬
‫השפעת אחוזון הנתונים המשמש לכיול המודל‬
‫על דיוק הניבוי (‪)BIOCLIM‬‬
‫דיוק מרבי‬
‫‪100%‬‬
‫סלעון ההרים (‪)Buliminus labrosus‬‬
‫‪90%‬‬
‫‪80%‬‬
‫‪70%‬‬
‫‪50%‬‬
‫מפת ניבוי‬
‫הערכת כושר הניבוי של מודל תפוצה‬
6 +D
7
Overall A
accuracy 18
N
=
0.72
+ Observed
Predicted presence
Predicted absence
Observed presence
Observed absence
Predicted
+
-
-
A
6
B
3
2
C
7
D
A+B+C +D=N
‫מדדי דיוק‬
‫פרופורצית התאים בהם הניבוי מדויק – ‪• Overall Accuracy‬‬
‫– ‪• Sensitivity‬‬
‫פרופורצית התאים בהם הניבוי מדויק מתוך תאים בהם המין נמצא‬
‫– ‪• Specificity‬‬
‫פרופורצית התאים בהם הניבוי מדויק מתוך תאים בהם המין לא‬
‫נמצא‬
‫– ‪• Overall Accuracy, sensitivity, specificity‬‬
‫• נעים בין ‪( 0‬העדר התאמה מלא) ל‪( 1-‬התאמה מלאה)‬
‫• חסרי תיקון לצפוי באקראי‬
‫• מפות "טיפשות" עשויות לקבל ציון גבוה מאוד באחד‬
‫• ‪ Trade-off‬בין ‪ Sensitivity‬ל‪Specificity-‬‬
‫מהפרמטרים‬
‫מדדי דיוק‬
‫– ‪• Kappa‬‬
‫• מדד המשקלל ‪ Sensitivity‬ו‪ Specificity-‬ומתקן על פי הציון‬
‫הצפוי באקראי (ללא יכולת הבחנה)‬
‫• נע בין ‪( -1‬תמיד טועה) ל‪( 1-‬תמיד צודק)‪ ,‬כאשר ניחוש אקראי‬
‫מקבל בממוצע ציון ‪0‬‬
‫• כולל הטיה בשל פרופורצית התאים בסט הבדיקה בהם המינים‬
‫נמצא )‪(Prevalence‬‬
‫– ‪• TSS‬‬
‫• בדומה ל‪ ,Kappa-‬משקלל ‪ Sensitivity‬ו‪ Specificity-‬תוך תיקון‬
‫לצפוי באקראי‬
‫• אינו רגיש ל‪Prevalence-‬‬
‫הטבלה מתוך ‪-‬‬
‫בהקדמת המאמר יש סקירה של מדדי הערכה למודלים לניבוי תפוצה – מומלץ לקרוא להבהרה‬
‫יישומים של מודלים לניבוי דגמי תפוצה‬
‫• ניבוי תגובות של מינים לשינויי אקלים פוטנציאליים‬
‫• הערכת פוטנציאל ההתפשטות של מינים פולשים‬
‫• איתור שטחים מתאימים לתכניות השבה של צמחים ובעלי חיים‬
‫• איתור שטחים בעלי עושר מינים גבוה לצורכי תכנון של מערכי‬
‫שמורות טבע‬
‫מגבלות של מודלים מבוססי נישה‬
‫• מזניחים אינטראקציות ביוטיות‬
‫• מזניחים מגבלות של הפצה‬
‫דוגמא להתמודדות עם המגבלות – שילוב מרחב גיאוגרפי מתצפיות מוכרות לשיפור מודלים לניבוי תפוצה‪.‬‬
‫ככל שהתא הנבחן קרוב יותר למקומות בהם נצפה המין‪ ,‬תגדל הסבירות שננבא בו קיום של המין‬
‫‪Proportion of‬‬
‫’‪‘presences‬‬
‫‪Geographical‬‬
‫‪distance‬‬
‫‪Environmental‬‬
‫‪distance‬‬