Diplomová práce – Prostorová neurčitost geodat v ... - kvhem

5. VÝSLEDKYPodle výše uvedené metodiky bylo zpracováno celkem 15 modelůzahrnujících 5 prediktorů výskytu kalouse ušatého, získané postupně z třechrůzných map s rozdílným rozlišením: CLC 90 a CLC 2000 s rozlišením 1:100 000 aDMÚ 25 společně s LPIS s měřítkem 1:25 000 (respektive 1:10 000 u LPIS).Výsledná tabulka všech vypočítaných parametrů všech modelů je uvedenáv Příloze 4.5.1 Vizuální porovnání geodatabázíPro každý prediktor A (délka společné hranice les/zemědělská půda), B(plocha lesů), C (obvod lesů), D (plocha zemědělské půdy) i E (obvod zemědělsképůdy) byly vykresleny distribuční funkce porovnávající pravděpodobnost výskytukalouse ušatého v závislosti na daném prediktoru, který byl získán z rozdílnýchgeodatabází. Výsledky z obou variant geodatabáze CORINE Land Cover (CLC 90 iCLC 2000) jsou v některých kvadrátech shodné nebo se liší pouze nepatrně av grafech se jejich křivky překrývají.Skutečně vypočítaná data jsou na křivce ohraničena body, vně těchto bodůbyla data extrapolována až k hodnotě pravděpodobnosti 1 (či 0 u křivky s klesajícímtrendem – u prediktoru B a C).U grafu A, C a E bylo pro lepší názornost použito logaritmické měřítko.1.0A0.80.6P0.40.20.00 1 10 100 1000 10000 100000délka společné hranice [km]DMU_LPIS CLC 90 CLC 2000Obr. 8: Pravděpodobnost výskytu kalouse ušatého v závislosti na délce společnéhorozhraní lesní a zemědělské půdy v jednotlivých kvadrátech.44