Liigirikkus
NB! Lehekülje lõpus olev iseseisev töö eeldab, et õppija kopeerib kõik allpoololevad käsud oma R programmi aknasse.Vajalik on lisapaketi vegan installeerimine spikker R lisapakettide allalaadimise kohta.
Näiteandmed failis zoopl_aug.csv
# zooplanktoni augustikuu andmed neljas erinevas järveosas, faktoriteks järveosa (numbrid 1-4), aasta ning ID, mis on proovi kood ja koosneb järveosa ja aasta näitajatest (1_2005), tunnusteks on liigid (Liik1...), iga liigi väärtuseks liigi isendite arv proovianumas.
library(vegan)
1. Kõige lihtsam näitaja koosluse iseloomustamiseks, nii arusaadavuse, kui ka arvutamise seisukohast on liikide arv - mitu erinevat liiki proovianumas (reas) üldse esines.
NB! Ära unusta töökataloogi defineerimist! Kas File->Change dir... või setwd("C:/...")
andmed<-read.csv("zoopl_aug.csv", header=T, sep=",", dec=".")
Kuna tihti jäetakse algfailis liigi mitteesinemine nulliga märkimata, siis esimene käsk asendab puuduvad arvud nulliga.
andmed[is.na(andmed)] <- 0
attach(andmed) # muudame andmebaasi aktiivseks
zoo<-andmed[,-c(1,2)] #eraldame ainult liikide andmed, jätame välja järveosa ja aasta näitajad
S <- specnumber(zoo) ;S # liikide arv iga vaatluse jaoks sama tulemuse annab käsk rowSums(zoo> 0)
2. Tavaliselt sõltub liikide arv sellest, kui palju kordi vaatlusi tehtud on. Mida suurem valim, seda rohkem liike tõenäoliselt leitakse. Kui me tahame võrrelda liigirikkust kahes veekogus ja meil on nendest võetud erinev arv kordusi, siis on mõttekam kasutada valikulist (rarefied, minu valitud tõlge eesti keelde) liigirikkuse näitajat, mis arvutatakse nii, et võetakse aluseks selline veeproov, milles oli kõige vähem liike. Siin ei saa rääkida enam liikide arvust, vaid liigirikkuse ühest erinäitajast liikide arvu põhjal.
min(rowSums(zoo)) # meie näite puhul on see arv 4
r4 <- rarefy(zoo, 4) ; r4 #liigirikkuse indeks, kui minimaalne liikide arv on 4
r4 <- rarefy(zoo, min(rowSums(zoo))) ; #ühe käsuga sama tellimine
Saadud liigirikkusi võime kasutada näiteks järveosade võrdlemiseks (meil on hüpotees, et liigirikkuse varieeruvust põhjustab erinev koht) . Kõigepealt vaatame graafikut ja siis testime näitajate erinevusi ANOVA Tukey testiga ( näitajad on normaaljaotusele lähedased, võime seda teha).
par(mfrow=c(2,1))
boxplot(r4~osa) ;boxplot(S~osa)
mS<-aov(S~factor(osa)) ; TukeyHSD(mS)
mr4<-aov(r4~factor(osa)) ; TukeyHSD(mr4)
Kumb liigirikkuse näitaja on adekvaatsem, on uurija enda otsustada. siin on vaja sisuliselt mõelda, millest liikide arvu erinevused tulenevad.
ISESEISEV TÖÖ:
Tee ise ülaltoodud käskudega programm ja arvutused. Kontrolli
Näiteandmed failis zoopl_aug.csv
# zooplanktoni augustikuu andmed neljas erinevas järveosas, faktoriteks järveosa (numbrid 1-4), aasta ning ID, mis on proovi kood ja koosneb järveosa ja aasta näitajatest (1_2005), tunnusteks on liigid (Liik1...), iga liigi väärtuseks liigi isendite arv proovianumas.
library(vegan)
1. Kõige lihtsam näitaja koosluse iseloomustamiseks, nii arusaadavuse, kui ka arvutamise seisukohast on liikide arv - mitu erinevat liiki proovianumas (reas) üldse esines.
NB! Ära unusta töökataloogi defineerimist! Kas File->Change dir... või setwd("C:/...")
andmed<-read.csv("zoopl_aug.csv", header=T, sep=",", dec=".")
Kuna tihti jäetakse algfailis liigi mitteesinemine nulliga märkimata, siis esimene käsk asendab puuduvad arvud nulliga.
andmed[is.na(andmed)] <- 0
attach(andmed) # muudame andmebaasi aktiivseks
zoo<-andmed[,-c(1,2)] #eraldame ainult liikide andmed, jätame välja järveosa ja aasta näitajad
S <- specnumber(zoo) ;S # liikide arv iga vaatluse jaoks sama tulemuse annab käsk rowSums(zoo> 0)
2. Tavaliselt sõltub liikide arv sellest, kui palju kordi vaatlusi tehtud on. Mida suurem valim, seda rohkem liike tõenäoliselt leitakse. Kui me tahame võrrelda liigirikkust kahes veekogus ja meil on nendest võetud erinev arv kordusi, siis on mõttekam kasutada valikulist (rarefied, minu valitud tõlge eesti keelde) liigirikkuse näitajat, mis arvutatakse nii, et võetakse aluseks selline veeproov, milles oli kõige vähem liike. Siin ei saa rääkida enam liikide arvust, vaid liigirikkuse ühest erinäitajast liikide arvu põhjal.
min(rowSums(zoo)) # meie näite puhul on see arv 4
r4 <- rarefy(zoo, 4) ; r4 #liigirikkuse indeks, kui minimaalne liikide arv on 4
r4 <- rarefy(zoo, min(rowSums(zoo))) ; #ühe käsuga sama tellimine
Saadud liigirikkusi võime kasutada näiteks järveosade võrdlemiseks (meil on hüpotees, et liigirikkuse varieeruvust põhjustab erinev koht) . Kõigepealt vaatame graafikut ja siis testime näitajate erinevusi ANOVA Tukey testiga ( näitajad on normaaljaotusele lähedased, võime seda teha).
par(mfrow=c(2,1))
boxplot(r4~osa) ;boxplot(S~osa)
mS<-aov(S~factor(osa)) ; TukeyHSD(mS)
mr4<-aov(r4~factor(osa)) ; TukeyHSD(mr4)
Kumb liigirikkuse näitaja on adekvaatsem, on uurija enda otsustada. siin on vaja sisuliselt mõelda, millest liikide arvu erinevused tulenevad.
ISESEISEV TÖÖ:
Tee ise ülaltoodud käskudega programm ja arvutused. Kontrolli