Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp Prati, pascoli e paesaggio alpino - SoZooAlp
79 PRATI, PASCOLI E PAESAGGIO ALPINO il metodo lineare di Daget-Poissonet, tipico dell’approccio fitopastorale, nel quale si conteggiano gli individui che toccano il filo di una baionetta infissa verticalmente nel terreno in punti a distanza prefissata (normalmente 20 cm) lungo il transetto. Nel caso in cui siano censiti anche gli eventuali contatti ripetuti della medesima specie nel punto, oltre alle frequenze delle specie si possono calcolare i loro contributi alla formazione della biomassa. 4.5. Le matrici primarie e il pre-trattamento dei dati I dati, sia quelli di comunità, sia quelli ambientali, sono di natura multivariata, giacché ogni rilievo o campione è descritto da più variabili: nel primo caso le abbondanze delle specie (o altro taxon o, più raramente, anche solo un carattere biologico), nel secondo i parametri pedologici, climatici, topografici e antropici utili a spiegare il modello di variabilità del sistema. I dati possono pertanto essere raccolti in due matrici primarie a due vie: l’una, quella di comunità, è una matrice campioni x specie, l’altra, quella ambientale, è una matrice campioni x parametri ecologici. Come tutte le matrici, possono essere viste anche come spazi matematici, ossia sistemi di coordinate multidimensionali i cui assi sono in un caso le specie (spazio delle specie) nell’altro i parametri ambientali (spazio ecologico) e i campioni sono punti o vettori dentro essi (Fig. 4.4). Nel lessico matematico, gli assi prendono il nome di variabili di stato, perché descrivono appunto lo stato del sistema in un certo istante 6 . In queste matrici o spazi matematici sono contenute tutte le informazioni necessarie alla descrizione delle biocenosi e alla comprensione della loro struttura e delle relazioni con l’ambiente. Il problema sta nel riuscire a leggere e interpretare correttamente tali informazioni. Con matrici di piccola dimensione, quali possono essere quelle composte da un centinaio o poco più di dati, non si hanno particolari difficoltà: la mente umana è in grado di scoprire direttamente la struttura delle relazioni tra gli oggetti. Con matrici più grandi si superano invece le facoltà dell’intelletto e si rende necessario il trattamento statistico con tecniche di analisi multivariata. Queste risultano particolarmente preziose nell’analisi taxometrica, poiché le matrici di comunità, oltre ad essere solitamente più grandi delle ambientali, presentano taluni caratteri che possono disturbare non poco l’interpretazione dei dati. Un primo elemento di disturbo può essere la presenza di campioni isolati o singolari (outlier), ossia campioni molto differenti da tutti gli altri. Essi possono derivare da popolamenti o siti effettivamente particolari o da errori grossolani in fase di campionamento. La loro identificazione non ha basi oggettive, ma è lasciata al giudizio dell’operatore, il quale può trovare supporto nell’osservazione della matrice ambientale (gli outlier potrebbero corrispondere a situazioni ecologiche particolari) e soprattutto, come si diceva, nelle tecniche di analisi multivariata. Un esempio di outlier e del suo effetto di disturbo è 6 Oltre che nel senso indicato, in cui gli oggetti sono i campioni o popolamenti elementari e le variabili descrittive le specie o i parametri ambientali, le matrici possono naturalmente essere intese ed esaminate anche all’inverso, ossia con le specie o i parametri ambientali come oggetti e i campioni come variabili descrittive. In tal caso viene studiato il comportamento delle specie e dei parametri ambientali nell’ecosistema, un tema che riguarda però più l’autoecologia che non la sinecologia. Le due modalità di analisi sono indicate rispettivamente come modalità Q e R. Quando non diversamente specificato è sottintesa la modalità Q.
Fig. 4.4 Fausto Gusmeroli Tre oggetti descritti da due variabili: matrice e spazio multidimensionale Fig. 4.4 Tre oggetti descritti da due variabili: matrice e spazio multidimensionale 6 5 4 3 2 1 0 Oggetto a Oggetto b Oggetto c Variabile 1 5 4 1 Variabile 2 3 5 2 Variabile 2 c 0 1 2 3 4 5 6 offerto in figura 4.5: si può notare come la sua rimozione migliori notevolmente l’espressione delle relazioni tra gli oggetti, che l’outlier tendeva a mascherare. Un secondo fattore di disturbo possono essere le disgiunzioni. Queste identificano due o più blocchi di campioni nettamente distinti, ossia con elevata omogeneità interna, ma con pochissime specie comuni. Le disgiunzioni sono simili agli outlier, dai quali si scostano solo per la maggiore numerosità degli oggetti singolari e la loro tendenza a formare gruppi omogenei. Come per gli outlier la loro identificazione è possibile ricorrendo all’osservazione della matrice ambientale e all’analisi multivariata. Una terza fonte di disturbo è il rumore. Il vocabolo indica la variabilità che esiste tra popolamenti osservati in identiche condizioni ambientali, popolamenti che, in linea teorica, dovrebbero possedere la stessa composizione specifica. In realtà ciò accade raramente, per motivi di tipo biologico e statistico. Le cause biologiche sono legate alle dinamiche stagionali del popolamento (con il procedere della stagione cambia continuamente la composizione) o a disturbi locali dovuti all’attività animale o antropica. Le cause statistiche sono quelle dovute ai già ricordati limiti intrinseci del campionamento e approssimazioni nelle stime e misurazioni delle abbondanze delle specie. Il rumore è quindi una variazione del tutto incidentale, che tende a mascherare la variabilità strutturale, quella cioè determinata effettivamente dai fattori ambientali e che ha come caratteristica peculiare il coordinamento 7 . Il rumore può essere distinto 7 Il coordinamento indica normalmente una relazione complessa, non lineare. Se fosse lineare darebbe origine ad un alto coefficiente di correlazione. 80 b a Variabile 1
- Page 30 and 31: 29 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 32 and 33: 31 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 34 and 35: 33 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 36 and 37: Fig. 2.1 Schema di funzionamento de
- Page 38 and 39: 37 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 40 and 41: 39 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 42 and 43: 41 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 44 and 45: 43 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 46 and 47: 45 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 48 and 49: 47 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 50 and 51: 49 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 52 and 53: 51 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 54 and 55: Fig. 2.6 Profili di α della funzio
- Page 56 and 57: 55 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 58 and 59: 57 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 60 and 61: 59 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 62 and 63: Fenomeni di eutrofizzazione in un p
- Page 64 and 65: 63 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 66: 65 PRATI, PASCOLI E PAESAGGIO ALPIN
- Page 69 and 70: Fausto Gusmeroli 4. La vEgEtazIoNE
- Page 71 and 72: Fausto Gusmeroli Tab. 4.1 Tab. Comu
- Page 73 and 74: Fausto Gusmeroli Fig. 4.2 I due tip
- Page 75 and 76: Fausto Gusmeroli Fig. 4.3 Principal
- Page 77 and 78: Fausto Gusmeroli temperatura di 30
- Page 79: Fausto Gusmeroli Tab. 4.3 Scale di
- Page 83 and 84: Fausto Gusmeroli Le principali stan
- Page 85 and 86: Fausto Gusmeroli tale sono riconduc
- Page 87 and 88: Fausto Gusmeroli ossia la loro dist
- Page 89 and 90: Fig. 5.2Fausto Gusmeroli Rappresent
- Page 91 and 92: Fig. 5.4 Effetto ricercato nel riar
- Page 93 and 94: Fausto Gusmeroli ragione e viste an
- Page 95 and 96: Fausto Gusmeroli iniziale da quelle
- Page 97 and 98: Particolarità nei dendrogrammi Fau
- Page 99 and 100: Classificazioni flessibili ottenute
- Page 101 and 102: Fausto Gusmeroli in k cluster sono
- Page 103 and 104: Fausto Gusmeroli verificare se vari
- Page 105 and 106: Fausto Gusmeroli aggiunto il nome d
- Page 107 and 108: Fausto Gusmeroli scinale (più even
- Page 109 and 110: Funzione di risposta della specie l
- Page 111 and 112: Fausto Gusmeroli semplice: i parame
- Page 113 and 114: Fausto Gusmeroli in rapporto alla s
- Page 115 and 116: Fausto Gusmeroli Fig. 6.3 Derivazio
- Page 117 and 118: Fig. 6.5 Fausto Gusmeroli Diagrammi
- Page 119 and 120: Vari tipi di biplot ottenuti sulla
- Page 121 and 122: Fausto Gusmeroli Dato che COA adott
- Page 123 and 124: Fausto Gusmeroli Lo scaling multidi
- Page 125 and 126: Diagramma di detrito Fausto Gusmero
- Page 127 and 128: Fausto Gusmeroli lettura. Se vi son
- Page 129 and 130: Fausto Gusmeroli getazionali. La di
Fig. 4.4<br />
Fausto Gusmeroli<br />
Tre oggetti descritti da due variabili: matrice e spazio multidimensionale<br />
Fig. 4.4<br />
Tre oggetti descritti da due variabili: matrice e spazio multidimensionale<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
Oggetto a Oggetto b Oggetto c<br />
Variabile 1 5 4 1<br />
Variabile 2 3 5 2<br />
Variabile 2<br />
c<br />
0 1 2 3 4 5 6<br />
offerto in figura 4.5: si può notare come la sua rimozione migliori notevolmente l’espressione<br />
delle relazioni tra gli oggetti, che l’outlier tendeva a mascherare.<br />
Un secondo fattore di disturbo possono essere le disgiunzioni. Queste identificano<br />
due o più blocchi di campioni nettamente distinti, ossia con elevata omogeneità interna,<br />
ma con pochissime specie comuni. Le disgiunzioni sono simili agli outlier, dai quali si<br />
scostano solo per la maggiore numerosità degli oggetti singolari e la loro tendenza a formare<br />
gruppi omogenei. Come per gli outlier la loro identificazione è possibile ricorrendo<br />
all’osservazione della matrice ambientale e all’analisi multivariata.<br />
Una terza fonte di disturbo è il rumore. Il vocabolo indica la variabilità che esiste<br />
tra popolamenti osservati in identiche condizioni ambientali, popolamenti che, in linea<br />
teorica, dovrebbero possedere la stessa composizione specifica. In realtà ciò accade<br />
raramente, per motivi di tipo biologico e statistico. Le cause biologiche sono legate<br />
alle dinamiche stagionali del popolamento (con il procedere della stagione cambia<br />
continuamente la composizione) o a disturbi locali dovuti all’attività animale o antropica.<br />
Le cause statistiche sono quelle dovute ai già ricordati limiti intrinseci del<br />
campionamento e approssimazioni nelle stime e misurazioni delle abbondanze delle<br />
specie. Il rumore è quindi una variazione del tutto incidentale, che tende a mascherare<br />
la variabilità strutturale, quella cioè determinata effettivamente dai fattori ambientali<br />
e che ha come caratteristica peculiare il coordinamento 7 . Il rumore può essere distinto<br />
7 Il coordinamento indica normalmente una relazione complessa, non lineare. Se fosse lineare darebbe origine<br />
ad un alto coefficiente di correlazione.<br />
80<br />
b<br />
a<br />
Variabile 1