Prati, pascoli e paesaggio alpino - SoZooAlp

More documents

Recommendations

Info

Fig. 4.6 85 PRATI, PASCOLI E PAESAGGIO ALPINO Tab. 4.5 Alcune misure di somiglianza/dissomiglianza di comune impiego in ecologia vegetale Tab. 4.5 Alcune misure di somiglianza/dissomiglianza di comune impiego in ecologia vegetale Misura Tipo Dati Distanza euclidea Metrica di Manhattan Metrica di Canberra Distanza di corda Distanza generalizzata Indice di Bray-Curtis o Differenza percentuale Rapporto di similarità Coefficiente di correlazione Indice di Jaccard Indice di Sorensen Indice di Ochiai Indice di Sokal e Michener Indice di Sokal e Sneath Indice di Yule Indice di Roger-Tanimoto Indice di Baroni-Urbani PHI Indice di Russel-Rao Indice di Gower v. amb. campioni v. amb. specie v. amb. campioni campioni Distanza Quantitativi e binari Distanza Quantitativi Distanza Quantitativi Distanza Quantitativi e binari Distanza Quantitativi Distanza Quantitativi Similarità Quantitativi Associazione Quantitativi e binari Similarità Binari Similarità Binari Similarità Binari Similarità Binari Similarità Binari Similarità Binari Similarità Binari Similarità Binari Associazione Binari Similarità Binari Similarità Misti Matrici primarie (in grigio) e secondarie (in bianco) negli studi ecologici Fig. 4.6 Matrice primarie (in grigio) e secondrie (in bianco) negli studi ecologici campioni specie v. amb. specie specie
Fausto Gusmeroli ossia la loro distribuzione in gruppi in base alla loro somiglianza/dissomiglianza. Tale processo prende il nome di clustering (riunire in grappoli) 11 . L’attività di riconoscere e classificare delle entità è una delle espressioni tipiche dell’intelligenza umana e animale in generale. I viventi pensano agevolmente e comunicano in termini di classi, ciò a prescindere dal fatto che il sistema esplorato presenti o meno variazioni discrete. Ovviamente, se vi sono discontinuità la classificazione si pone come lo strumento naturale di concettualizzazione, mentre se la variazione è continua e meno immediata e assume per forza di cose degli aspetti di artificialità. In ogni caso, classi o cluster hanno sempre un significato relativo, poiché la loro definizione può basarsi su diversi criteri, che possono condurre a classificazioni affatto differenti. Come esemplificato in figura 5.1, quando le entità sono naturalmente raggruppate (caso a), il criterio più valido è quello di riprendere semplicemente i cluster naturali: qualsiasi procedura di clustering non può che condurre a questa classificazione. Diversamente, i cluster devono essere imposti dall’esterno, secondo criteri logici. Nel caso b, dove si ha una scarsa separazione tra gli aggregati, si potrà impiegare il criterio della coesione interna o omogeneità; nel caso c, caratterizzato invece da una spiccata eterogeneità interna, il criterio sarà quello della separazione. Coesione interna e separazione sono le logiche più seguite e laddove siano adottate simultaneamente definiscono un criterio detto di ottimizzazione globale. Altre logiche, meno frequenti, sono la densità dei cluster, la loro variabilità, la dimensione, il numero dei membri, la connettività e così via. Una situazione estrema, dove nessun criterio è logicamente proponibile, è quella del caso d, in cui la distribuzione degli oggetti è del tutto casuale e la classificazione è impossibile. In funzione degli obiettivi e della logica di clustering, i metodi di classificazione possono essere distinti in divisivi/agglomerativi/rilocativi, monotetici/politetici e gerarchici/ non gerarchici. La prima distinzione considera se la formazione dei cluster avvenga per successive divisioni di un iniziale unico cluster comprensivo di tutti gli oggetti o, piuttosto, per progressiva aggregazione di iniziali cluster costituiti ognuno da un singolo oggetto. Né in un caso né nell’altro sono permesse correzioni: se due oggetti sono separati o aggregati all’inizio dell’analisi, tali rimangono. I metodi rilocativi o di scambio procedono invece per trasferimenti successivi delle entità da un cluster all’altro, ricercando ad ogni passo il posizionamento migliore. La seconda distinzione contrappone i metodi monotetici, nei quali ogni passaggio del clustering è basato su una singola variabile, così che i cluster saranno coerenti con essa (un esempio è la classificazione Linneana), ai metodi politetici, dove le decisioni sono sempre influenzate simultaneamente da molte o tutte le variabili. Alle tecniche politetiche appartengono i principali metodi agglomerativi, mentre i divisivi possono far parte anche della famiglia delle monotetiche. Se, dunque, le tecniche monotetiche possono essere solo o quasi divisive, le politetiche possono essere anche agglomerative. La logica classificatoria della mente umana sembra essere maggiormente in sintonia con gli approcci divisivi, mentre gli agglomerativi sono più confacenti alle procedure numeriche. 11 Impropriamente, i termini classificazione e clustering sono talvolta usati come sinonimi. In realtà, il clustering è il processo di raggruppamento, mentre la classificazione è il risultato del clustering. Il concetto di clustering è poi spesso confuso con i concetti di dissezione (o sezionamento) e di classamento. La dissezione è anch’essa una ripartizione in gruppi, ma realizzata indipendentemente dalle relazioni di somiglianza tra gli oggetti. Il classamento è invece l’assegnazione di un o più oggetti ad un gruppo di una classificazione già esistente. 86
Page 1 and 2:
Fausto Gusmeroli Prati, pascoli e p
Page 3 and 4:
Copyright 2012 - SoZooAlp c/o Fonda
Page 5 and 6:
Fotografie Archivio Fondazione Foja
Page 8:
Indice 7 PRATI, PASCOLI E PAESAGGIO
Page 12:
Presentazione 11 PRATI, PASCOLI E P
Page 15 and 16:
Fausto Gusmeroli 2 4 Tipi di insedi
Page 17 and 18:
Fig. 1 Fausto Gusmeroli Il sistema
Page 20 and 21:
Parte I I sistemi biologici Il conc
Page 22 and 23:
Fig. 1.1 Strutturazione della mater
Page 24 and 25:
23 PRATI, PASCOLI E PAESAGGIO ALPIN
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37: Fig. 2.1 Schema di funzionamento de
Page 38 and 39: 37 PRATI, PASCOLI E PAESAGGIO ALPIN
Page 54 and 55: Fig. 2.6 Profili di α della funzio
Page 62 and 63: Fenomeni di eutrofizzazione in un p
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 and 80: Fausto Gusmeroli Tab. 4.3 Scale di
Page 81 and 82: Fig. 4.4 Fausto Gusmeroli Tre ogget
Page 83 and 84: Fausto Gusmeroli Le principali stan
Page 85: Fausto Gusmeroli tale sono riconduc
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
Page 131 and 132: Fausto Gusmeroli semplicemente nell
Page 133 and 134: Fausto Gusmeroli 7. IL PaEsaggIo Na
Page 135 and 136: Fausto Gusmeroli revoli ha portato
Page 137 and 138:
Fausto Gusmeroli deriva un’ulteri
Page 139 and 140:
Fausto Gusmeroli Tab. Tab. 7.2 Sche
Page 141 and 142:
Fausto Gusmeroli 9 Faggeta 140
Page 143 and 144:
Fausto Gusmeroli 7.4. Le foreste di
Page 145 and 146:
Fausto Gusmeroli de l’appartenenz
Page 147 and 148:
Fausto Gusmeroli che si aggiungono
Page 149 and 150:
Fausto Gusmeroli 19 Associazione di
Page 151 and 152:
Fausto Gusmeroli Praterie naturali:
Page 153 and 154:
Fausto Gusmeroli ha bisogno di norm
Page 155 and 156:
Fausto Gusmeroli 25 26 27 28 Agroec
Page 157 and 158:
Fausto Gusmeroli dominio della vege
Page 159 and 160:
Fausto Gusmeroli e altro), con l’
Page 161 and 162:
Fausto Gusmeroli Tab. 8.1 Schema si
Page 163 and 164:
Fausto Gusmeroli tricolor nei trise
Page 165 and 166:
Fausto Gusmeroli Tab. 8.3 Schema Ta
Page 167 and 168:
Fausto Gusmeroli 35 Popolamenti pas
Page 169 and 170:
Fig. 8.3 Schemi dinamici secondari
Page 171 and 172:
Fausto Gusmeroli altitudine, pianeg
Page 173 and 174:
Tab. 9.1 Fausto Gusmeroli Servizi f
Page 175 and 176:
Fig. 9.1 Fausto Gusmeroli Andamento
Page 177 and 178:
Fausto Gusmeroli alla realtà urban
Page 179 and 180:
Fig. 9.2 Ripartizione dell'energia
Page 181 and 182:
Fausto Gusmeroli 10. L’ECosIstEma
Page 183 and 184:
Fig. 10.2 Schemi di accestimento ne
Page 185 and 186:
Fausto Gusmeroli in uno strato supe
Page 187 and 188:
Struttura dell'apparto radicale in
Page 189 and 190:
iagramma di fioritura di un nardeto
Page 191 and 192:
Fausto Gusmeroli Esempi di cotici e
Page 193 and 194:
Fausto Gusmeroli dell’elevato ten
Page 195 and 196:
1.1 mento della produzione quanti-q
Page 197 and 198:
Fausto Gusmeroli My = my + b (mx’
Page 199 and 200:
Fausto Gusmeroli alla fase riprodut
Page 201 and 202:
Fig. 11.2 Funzioni Fausto Gusmeroli
Page 203 and 204:
Fausto Gusmeroli Tab. 11.2 Tab. Cod
Page 205 and 206:
Fausto Gusmeroli Tab. 12.1 Tab. Con
Page 207 and 208:
Fausto Gusmeroli dei sesquiterpeni
Page 209 and 210:
Fausto Gusmeroli Fig. 12.2 Fig. 12.
Page 211 and 212:
Fig. 12.5 Fausto Gusmeroli Classifi
Page 213 and 214:
Tab. 12.2Fausto Gusmeroli Ripartizi
Page 215 and 216:
Fausto Gusmeroli selettivo con mezz
Page 217 and 218:
Fausto Gusmeroli 13. La staBILIzzaz
Page 219 and 220:
Fausto Gusmeroli gico una component
Page 221 and 222:
Fausto Gusmeroli cie non pabulari e
Page 223 and 224:
Fausto Gusmeroli stima un equivalen
Page 225 and 226:
Fig. 13.2 Strutturazione del piano
Page 227 and 228:
Fausto Gusmeroli Mungitura in alpeg
Page 229 and 230:
Fausto Gusmeroli Riposo del bestiam
Page 231 and 232:
Fausto Gusmeroli incremento di 100
Page 233 and 234:
Fausto Gusmeroli Regimazione delle
Page 235 and 236:
Fausto Gusmeroli necessità: per le
Page 238 and 239:
appendice Esempio di studio della v
Page 240 and 241:
Area di studio e dislocazione dei r
Page 242 and 243:
Descrizione della vegetazione 241 P
Page 244 and 245:
Luzula lutea I
Page 246 and 247:
Carta della vegetazione Fig. 3 Cart
Page 248 and 249:
247 PRATI, PASCOLI E PAESAGGIO ALPI
Page 250 and 251:
Page 252 and 253:
Page 254 and 255:
Bibliografia 253 PRATI, PASCOLI E P
Page 256 and 257:
Page 258 and 259:
Page 260 and 261:
Page 262 and 263:
Page 264 and 265:
Page 266:
Edizioni SoZooAlp ISBN 978-88-89222
show all

Prati, pascoli e paesaggio alpino - SoZooAlp

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?