Pad: Ecohydrologie / Standplaatsfactoren en vegetatie / Statistiek van standplaats en vegetatie / Statistische verwerking

Statis­ti­sche ver­wer­king

Als de gegevens verzameld zijn volgt de fase van statistische verwerking. Die moet responsfuncties opleveren, bijvoorbeeld de reactie van een soort op het chloridengehalte. Responsfuncties zijn te verkrijgen door bijvoorbeeld logisti­sche regressie of splines toe te passen. Logistische regressie kan bijvoorbeeld worden uitge­voerd met het statistische pakket GENSTAT. Na invoer van gegevens leidt het gebruikte programma voor een bepaalde soort de kans op voorkomen in relatie tot een of meerdere milieufactoren af. Dat levert na verdere bewerkingen uiteindelijk een curve als in f3-8 op, een zogenaamde responscurve.
Responscurven worden dus gemaakt op basis van gegevens over het voorkomen van soorten (‘presentie-absentie'). Ze beschrijven de kans P op het voorko­men van de soort als func­tie van een of meerdere milieuvariabelen (dus 0 ≤ P ≤ 1). Het logistische regressie­mo­del ziet er bij één milieuvariable x als volgt uit (waar­bij e het grondgetal van de natuurlijke logaritme is):

Door de milieuvariabele x te transformeren met een paraboolfunctie (f(x) = ax2 + bx + c) ontstaat er een ééntoppige optimumcurve indien a < 0.
Soms wil men de responsie van een soort op een combinatie van variabelen weten, bijvoorbeeld slootpeil, chloridengehalte en carbonaatgehalte. Dan wordt de functie f(x) in [3-1] vervangen door de functie f(x,y,z):

Om symmetrische kansverdelingen te krijgen moeten de gemeten variabelen soms eerst aan een log-transformatie worden onderworpen.
In formule is de vorm van de responsfunctie voor één variabele onafhan­ke­lijk is van de waarden van de andere variabelen. Het optimum van een variabele wordt niet beïnvloed wordt door de andere variabelen (zie f3-9 voor een voorbeeld). Voor ICHORS 3.2 zijn, getuige Tabel 3-1 (zie Verzamelen van gegevens), zeer veel variabelen onderzocht. Sommige van die variabelen correleren meer of minder sterk. Zo is in Nederlandse oppervlaktewateren het chloridengehalte sterk gecorreleerd aan de nutriëntenconcentraties. Het wiskundige model vereist echter dat de variabelen onafhankelijk zijn. Daarom selecteert men in ICHORS in een aantal stappen zoveel moge­lijk onafhankelijke variabelen. Men begint met een eenvoudig model met maar één verklarende variabele, die de beste ‘fit' geeft van alle onderzochte variabelen. Vervolgens voegt men telkens een variabele aan het model toe en kijkt men of dat een betere fit oplevert. Als na een aantal stappen de fit niet meer verbetert is het model voor de onderzochte soort af. De veronderstelling is dat de gebruikte variabelen onafhankelijk zijn, omdat ze allemaal hebben bijgedragen aan het verbeteren van de fit.
f3-8
f3-8 Berekende respons van een soort op het chloridegehalte [Cl] uit presentie- en absentiegegevens van die soort (aangegeven met zwarte stippen bij respectievelijk kans P=1 en P=0).

f3-9
f3-9 Responsie van een soort op twee continue variabelen. Uit: Barenrecht & Bootsma 1991.

Met het al­dus ontwikkelde regressiemodel kan men de kans op het voor­ko­men van een soort bere­ke­nen. F3-10 toont de responsfunctie van Wilde bert­ram (Achillea ptarmica) voor de variabele ‘oppervlak­tewa­terpeil'. Het optimum ligt bij 69 cm. De kans wordt in dit voorbeeld echter eveneens bepaald door de chloridecon­centra­tie in het opper­vlaktewater: bij 10 mg/l is de kans 0.70 en bij 50 mg/l 0.17. Het regressiemo­del wordt dan:

waarbij x = chlorideconcentratie en y = oppervlaktewaterpeil. Een grafiek van de responsie van een soort op twee variabelen als in f3-9 is het resultaat.


f3-10 Kans op aantreffen van Wilde bertram bij ver­schillende water­pei­len (cm onder maaiveld) en bij twee verschillende Cl-­concentraties. Naar: Barendrecht & Bootsma, 1991

Zo kunnen plantensoorten dus rechtstreeks worden gecorreleerd aan in het veld gemeten standplaatsvariabelen, zoals de bodem-pH. Aan dat rechtsreeks correleren kleven diverse theoretische en praktische bezwaren, zie Valkuilen bij empirische relaties. Eén praktisch bezwaar is bijvoorbeeld dat zeer veel systematische metingen nabij vegetatieopnamen nodig zijn.

Literatuur:

 

Groen Kennisnet, een netwerk van kennisportalen in het groene domein Zoeken in de
infobladen

(U gaat naar de
website van
Groen Kennisnet)
Groen Kennisnet, een netwerk van kennisportalen in het groene domein
Homepage
Home | Colofon | Print pagina
Zoek binnen deze website