Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Tab. 6.1<br />
Tab. Classificazione 6.1 delle principali tecniche statistiche in analisi di gradiente<br />
Classificazione delle principali tecniche statistiche in analisi di gradiente<br />
Modello di risposta<br />
e criterio di stima<br />
Lineare<br />
Minimi quadrati<br />
Unimodale<br />
Massima<br />
verosimiglianza<br />
Medie ponderate<br />
(MP)<br />
Regressione<br />
Regressione<br />
multipla<br />
Regressione<br />
gaussiana<br />
M. p. punteggi<br />
dei siti<br />
Analisi diretta<br />
109<br />
PRATI, PASCOLI E PAESAGGIO ALPINO<br />
Per tenere conto del modello unimodale 22 , in ecologia sono state sviluppate una serie<br />
di tecniche alternative alle standard, alcune delle quali di natura essenzialmente euristica,<br />
dunque con basi teoriche meno rigorose, ma in definitiva più efficaci e aderenti alla<br />
realtà. Un inquadramento delle principali tecniche è proposta in tabella 6.1. Il primo<br />
gruppo riprende le tecniche standard del modello lineare, basate sulla stima dei minimi<br />
quadrati. Il loro uso in ecologia è circoscritto a matrici di dati quantitativi piuttosto omogenei<br />
e con pochi valori nulli, per i quali le relazioni tra le specie e i fattori ambientali, ricadendo<br />
in brevi tratti della curva unimodale, possono essere assunte come lineari (sono<br />
considerati tali i gradienti la cui ampiezza è inferiore a tre volte la deviazione standard).<br />
Il secondo gruppo è composto dalle tecniche che incorporano esplicitamente il modello<br />
di risposta unimodale. Quelle gaussiana basate sulla stima della massima verosimiglianza<br />
sono un’estensione formale dei metodi lineari, ma sono molto complesse. Le tecniche<br />
euristiche basate sulle medie ponderate sono più semplici, ma altrettanto efficaci, delle<br />
precedenti. Essendo le più usate in ecologia, ad esse è dedicato maggiore spazio.<br />
6.2. L’analisi di gradiente diretta<br />
Calibrazione Ordinamento<br />
Calibrazione<br />
lineare<br />
Calibrazione<br />
gaussiana<br />
M. p. punteggi<br />
delle specie<br />
Analisi indiretta Analisi diretta multivariata<br />
Componenti<br />
principali<br />
Ordinamento<br />
gaussiano<br />
Analisi di<br />
corrispondenza<br />
Ordinamento vincolato<br />
Analisi di ridondanza<br />
Ordinamento gaussiano<br />
canonico<br />
Analisi di corrispondenza<br />
canonica<br />
L’analisi di gradiente diretta si fonda sullo stretto legame che unisce la crescita delle<br />
piante e le condizioni ambientali, legame che rende possibile inferire l’una dalle altre e<br />
viceversa, attraverso approcci statistici di regressione e di calibrazione.<br />
La regressione, dal momento che serve a stimare la risposta della specie ai parametri<br />
ambientali, è di per sé un problema attinente più all’autoecologia che alla sinecologia.<br />
È qui illustrata soprattutto allo scopo di presentare il metodo delle medie ponderate,<br />
sul quale si fondano le tecniche euristiche implementate in ecologia. Il metodo è molto<br />
22 Il modello Gaussiano, anche se molto efficace, è solo approssimativo. Non sono inoltre rari esempi di<br />
risposte bimodali e asimmetriche dovute al fatto che le specie coesistono nelle comunità. Le piante, come già<br />
segnalato nella prima parte, non sono cioè distribuite semplicemente in accordo con le loro tolleranze fisiologiche,<br />
così come definite in condizioni controllate di laboratorio, ma sono alterate dalla competizione con altre specie<br />
e da altri processi interni alla comunità. La nicchia ecologica o reale che si osserva negli ecosistemi è dunque,<br />
solitamente, diversa e più ristretta di quella fondamentale o teorica.