Pla docent de l'assignatura

 

 

Catalą Castellano Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Gestió i Anąlisi de Dades de Biodiversitat

Codi de l'assignatura: 568700

Curs acadčmic: 2021-2022

Coordinació: Francesc Oliva Cuyas

Departament: Departament de Genčtica, Microbiologia i Estadķstica

crčdits: 6

Programa śnic: S

 

 

Hores estimades de dedicació

Hores totals 150

 

Activitats presencials i/o no presencials

60

 

-  Teoricoprąctica

Presencial

 

4

 

-  Prąctiques de laboratori

Presencial

 

56

Treball tutelat/dirigit

30

Aprenentatge autņnom

60

 

 

Competčncies que es desenvolupen

 

 

Competències bàsiques(CB)  del Màster

CB6 - Posseir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i / o aplicació d’idees, sovint en un context de recerca

CB7 - Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d’estudi

CB8 - Que els estudiants siguin capaços d’integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d’una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l’aplicació dels seus coneixements i judicis

CB9 - Que els estudiants sàpiguen comunicar les seves conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d’una manera clara i sense ambigüitats

CB10 - Que els estudiants posseeixin les habilitats d’aprenentatge que els permetin continuar estudiant d’una manera que haurà de ser en gran manera autodirigida o autònom

Competències generals/transversals

CG0 - Saber integrar-se i treballar en equips d’investigació utilitzant indistintament el castellà, català o anglès

Competències específiques


CE3 - Saber avaluar i seleccionar la teoria científica adequada i la metodologia precisa dins de la biodiversitat per formular judicis a partir d’informació incompleta o limitada incloent-hi, quan calgui i sigui pertinent, una reflexió sobre la responsabilitat social o ètica lligada a la solució que es proposi en cada cas.

CE4 - Predir i controlar l’evolució de situacions complexes mitjançant el desenvolupament de metodologies de treball noves i innovadores adaptades a l’àmbit científic / investigador de la biodiversitat.

CE7 - Ser capaços d’assumir la responsabilitat del seu propi desenvolupament professional i de la seva especialització en el camp de la biodiversitat.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

• Assolir competència en la consulta i descàrrega de dades de biodiversitat i en l’ús del programari B-VegAna.

• Assolir els fonaments bàsics d’algunes de les eines d’estadística multivariant utilitzades més habitualment en l’anàlisi de dades en biodiversitat.

• Assolir els coneixements, sobretot pràctics, per esbrinar i dur a terme les anàlisis estadístiques adients amb relació al tipus de dada de biodiversitat i la hipòtesi de partida.

• Aprendre a interpretar correctament els resultats de les tècniques d’anàlisi estadística multivariant.

 

 

Blocs temątics

 

1. Tipus de dades en biodiversitat i la seva gestió

1.1. Tipus de dades. Espècimens. Observacions de camp (florístiques i faunístiques) i recomptes d’individus. Camps principals. Inventaris d’espècies i de comunitats

1.2. Recol·lecció d’espècimens i conservació: gestió i utilització científica. Interès de les col·leccions científiques històriques. Dades bibliogràfiques

1.3. Introducció als bancs d’informació en biodiversitat. Estructures de dades: taules, camps i tesaurus. Bases de dades de biodiversitat en xarxa: locals, nacionals i internacionals. Exemples de portals internacionals: GBIF i BioCASE. Exemples nacionals i locals (SIVIM, BDBC, Anthos, SIBA, etc.). Consulta i descàrrega de dades. Problemàtica de l’autoria. Filtratge d’errors i problemes de nomenclatura (sinònims). Bases de dades amb inventaris de vegetació (Global Index of Vegetation-Plot Databases). Bases de dades de biodiversitat. Perspectives de futur de les col·leccions i dels bancs de dades de biodiversitat

1.4. Formats estàndards d’intercanvi de dades (el TDWG). Formats XML de dades de biodiversitat: DarwinCore II i ABCD. Serveis webs (taxonòmics, cartogràfics i de georeferenciació). El format Veg-X per a dades de vegetació. Protocols de comunicació: Digir i Tapir

1.5. Georeferenciació de dades. SIG. Les bases de dades georeferenciades. Variables discretes i contínues. Format vectorial i de trama. Anàlisi en format vectorial i de trama: reclassificació i superposició. Els models digitals d’elevacions. Infraestructures de dades espacials (IDE)

1.6. Introducció al paquet de programes B-VegAna (http://biodiver.bio.ub.es/veganaweb), informatització de dades inèdites i importació de dades publicades. Consultes, cartografia i redacció d’informes

1.7. Presa de dades georeferenciades amb ZamiaDroid. Gestió de projectes, filtre de dades i exportació de les observacions als altres mòduls

1.8. Els mòduls Fagus, Quercus, Ginkgo i Yucca de B-VegAna (elaboració de projectes, introducció de dades, cartografia corològica, etc.)

2. Anąlisi de dades

2.1. Introducció a les tècniques d’anàlisi multivariant de dades. Matrius de dades, vector de mitjanes, matriu de covariàncies i matriu de correlacions. Distàncies i similituds. Tècniques de representació i tècniques de classificació

2.2. L’anàlisi de components principals. Elecció del nombre de components i interpretació. Rotació varimax. Relació amb l’anàlisi factorial. Cas pràctic: selecció de factors a partir de variables ambientals

2.3. Transformacions de variables i mesures de distàncies i similituds recomanables per a l’anàlisi de la biodiversitat

2.4. Anàlisi de proximitats (multidimensional scaling) mètrica i no mètrica: reducció de la dimensió mitjançant una matriu de proximitats entre els individus. Anàlisi de coordenades principals (classical scaling) i non-metric scaling. Cas pràctic: estudi de dades d’abundàncies d’espècies en localitats de mostreig

2.5. Relació entre abundància d’espècies i variables ambientals: RDA (redundancy analysis) i CCA (canonical correspondence analysis). Generalització a qualsevol mesura de distància: db-RDA. Cas pràtic: interrelació entre variables ambientals explicatives i matrius de taxons

2.6. Introducció a les eines d’anàlisi de conglomerats (cluster analysis). Conglomerat jeràrquic: dendrogrames. k mitjanes (k-means) i k mitjanes difuses (fuzzy k-means). Elecció del nombre de conglomerats. Cas pràctic: delimitació de territoris a Catalunya basats en la seva flora (fitogeografia) i en variables ambientals

2.7. Comparació de particions: matrius de confusió i Kappa. Índex de Rand. Cas pràctic: comparació dels resultats dels territoris obtinguts a Catalunya amb les propostes clàssiques d’O. de Bolòs i Rivas-Martínez. Concepte teòric de fidelitat i estadístics de mesura (phi-coefficient i Ochiai index). Cas pràctic: cerca d’espècies diagnòstiques a les comunitats

2.8. L’anàlisi discriminant: conceptes fonamentals i alguns enfocaments possibles. El discriminador lineal de Fisher. Avaluació d’una regla discriminant. Selecció de variables. Anàlisi discriminant basada en distàncies. Cas pràctic: comparació de la distribució potencial i real d’una espècie autòctona i d’una altra d’invasora

2.9. Disseny experimental i inferència estadística multivariant: PERMANOVA. Cas pràctic: confirmació de la validesa estadística d’associacions vegetals de boscos caducifolis

 

 

Metodologia i activitats formatives

 

L’assignatura es fa íntegrament a l’aula d’informàtica.

La informació es treballa mitjançant exercicis pràctics i l’estudi de casos específics.

• Activitats presencials: sessions teoricopràctiques i pràctiques de laboratori a l’aula d’informàtica.

• Activitats tutelades: treball tutelat.

 

 

 

Avaluació acreditativa dels aprenentatges

 

S’utilitza el criteri següent: assistència (20%) i dues proves d’avaluació de coneixements i competències basades en casos pràctics (80%, un 40% cadascuna de les proves).

 

 

Fonts d'informació bąsica

Consulteu la disponibilitat a CERCABIB

Llibre

Gotelli, Nicholas J. &, Ellison, Aaron M. A Primer Of Ecological Statistics. 2nd ed. Sinauer Associates (2013).  EnllaƧ

Jongman, R. H. G.; Ter Braak, C. J. F. & van Tongeren, O. F. R. Data Analysis in Community and Landscape Ecology. Cambridge University Press (1995)  EnllaƧ

[També, 1987]  EnllaƧ

Legendre, P. & Legendre, L. Numerical Ecology. Elsevier Science, 3rd ed. (2012)  EnllaƧ

McGarigal, Kevin; Cushman, Sam & Stafford, Sussan. Multivariate Statistics for Wildlife and Ecology Research. Springer, 2000.  EnllaƧ

Revista

Bouxin, G. (2005): Ginkgo, a multivariate analysis package. Journal of Vegetation Science 16: 353-359 [English PDF].   EnllaƧ

De Cáceres, M.; Oliva, F.; Font, X. & Vives. S. (2007). GINKGO, a program for non-standard multivariate fuzzy analysis. Advances in Fuzzy Sets and Systems: 2 (1), 41-56.

 

  EnllaƧ

Dengler, J., Jansen, F., Glöckler, F., Chytry, M, De Cáceres, M., Ewald, J., Oldeland, J., Peet, R.K., Finckh, M., Mucina, L., Schaminnée, J., Spencer, N. (2011). The Global Index of Vegetation-Plot Databases (GIVD): a new resource for vegetation science. Journal of Vegetation Science 22(4): 582-597.   EnllaƧ

Font, X (2005). La gestión de la biodiversidad mediante bases de datos en línea y el programario b-vegana. Recursos Rurais, SERIE CURSOS 2: 65-72. [Spanish PDF].  EnllaƧ

Wiser, S, Spencer, N., De Cáceres, M., Kleikamp, M., Boyle, B., Peet, R.K. (2011) Veg-X – An exchange standard for plot-based vegetation data. Journal of Vegetation Science 22(4): 598-609.  EnllaƧ

Pągina web

Anònim. (2006). Esquema de dades xml DarwinCore II.  EnllaƧ

Anònim. (2006). Esquema de dades xml ABCD.  EnllaƧ