מטרה : ניבוי תחום התפוצה של מינים באמצעות מידע על הנישה האקולוגית שלהם מודלים מבוססי נישה כאמצעי לניבוי דגמי תפוצה הבעיה – מעבר ממידע נקודתי למפות תפוצה.

Slides:



Advertisements
Similar presentations
שיטות ניתוח - דוגמא משווה
Advertisements

מבוא למדעי המחשב לתעשייה וניהול
דניאל ליפסון כנס Info 2009 תל-אביב The Web בדרך ל Web 3.0.
[ תפקידי רוחב בצוות ]. Features סיפוריםחבר צוות אחראי הערכת זמן ( בשעות ) זמן בפועל ( בשעות ) הושלם ( כן \ לא )
מה קורה בתא הפוסט - סינפטי עקב הפעלת סינפסה כימית ?
כתיבת עבודת גמר מבנה העבודה  מבחינה צורנית - יש להקפיד על אחידות בכתיבה  כותרות אחידות  רווחים זהים, פונט בגודל אחיד (12, רווח וחצי)  הצגת.
Associative memory and the medial temporal lobes Andrew Mayes, Daniela Montaldi and Ellen Mig,
A smart phone application for sales agents בס"ד.  סוכני מכירות מגיעים ללקוח ומבצעים הזמנות ע " פ דרישות הלקוח  סוכן המכירות נעזר בקטלוג מוצרים, טלפון.
סמינר ברובוטיקה רב סוכנית THE DYNAMICS OF COLLECTIVE SORTING ROBOT-LIKE ANTS AND ANTS-LIKE ROBOTS ROBOT-LIKE ANTS AND ANTS-LIKE ROBOTS J.L. Deneubourg,
Wada Wada Wada לטרליזציה, שפה, fMRI ומה שביניהם Determination of language dominance using functional MRI: A comparison with the Wada test J.R. Binder,
חורף - תשס " ג DBMS, Design1 שימור תלויות אינטואיציה : כל תלות פונקציונלית שהתקיימה בסכמה המקורית מתקיימת גם בסכמה המפורקת. מטרה : כאשר מעדכנים.
אתר הקורס: צוות הקורס: מרצה: אלדר פישר, טאוב
תהליך הפוטוסינתזה ביער יתיר תמר אפיק 1, ז ' וזה גרינצוויג 1, דן יקיר 2 1 הפקולטה לחקלאות, האוניברסיטה העברית 2 המחלקה לחקר האנרגיה ומדעי הסביבה, מכון ויצמן.
Power Consumption Awareness by using a Pedometer המעבדה לרשתות מחשבים המעבדה לרשתות מחשבים סמסטר אביב תשס " ח סמסטר אביב תשס " ח מנחים: איתי דברן – המעבדה.
מגישים : אייל שור יצחק עוז - סיני מנחה : רן זסלבסקי.
SITES - Second Information Technology in Education Study ניתוח תחום : ממצאים ראשוניים.
מבנה כללי של דוח הסיור. רקע כללי והצגת מטרות העבודה ושאלת המחקר.
אפרת פיטרסה / האוניברסיטה הפתוחה חקר מקרה של פיתוח מערכת למידה מבוססת אינטרנט ע"י קונסורציום של בתי ספר.
תוכנית דעת, שנה"ל תשס"ח, מרצה יהודה הופמן1 מערכות מידע ארגוניות מערכות מידע ארגוניות הרצאה מס' 2: מהו מידע ?
מיפוי המגוון הביולוגי באמצעות משתני סביבה לירון סטולר-כוורי ויוחאי כרמל היחידה להנדסת סביבה מים וחקלאות, הטכניון.
כיצד גדל מין 1 בנוכחות מתחרהו, מין 2? איזוקלינת 0 של מין 1 שלאורכה dN 1 /dt = 0 מה משוואת הקו ? K 1 -N 1 -a 12 N 2 = 0 N 1 = K 1 -a 12 N 2 N2N2 Ν1Ν1 Κ1Κ1.
אתר הקורס: צוות הקורס: מרצה: אמיר שפילקה, טאוב
The Inferior Olive נוירוביולוגיה ומדעי המוח 2009.
השוואה בין מערכות למסדי נתונים בשקפים אלו נשווה בין מסד הנתונים של רכבת ישראל למסד של רכבת גרמניה. בהרבה מקרים, המסד של מערכת הרכבות הישראלית לא יכול למצוא.
01/01/01 אמיר ווינשטוק עירן חוף שקופית מס ’ 1 מימוש ובדיקת אלגוריתם ללמידה ע"י חיזוקים עבור רובוט המשחק הוקי - אויר : מגישים עירן חוף אמיר ווינשטוק : מנחה.
Motion planning via potential fields תומר באום Based on ch. 4 in “Principles of robot motion” By Choset et al. ב"הב"ה.
אתר הקורס: צוות הקורס: מרצה: עודד סודרסקי, טאוב מתרגל אחראי: אלכס גליקסון, טאוב.
אתר הקורס: צוות הקורס: מרצה: אלדר פישר, טאוב
תרמודינמיקה השפעת טמפרטורה על GG בקרה קינטית ובקרה תרמודינמית רים נאוה ארנה.
מאפייני המידע ברשת שאלות מרכזיות ביצוע מחקר באמצעות הרשת ביצוע מחקר באמצעות הרשת ביצוע מחקר אודות הרשת ביצוע מחקר אודות הרשת מאפייני המידע וביצוע מחקר.
Golan H Neural Development. Golan H Neural Development 1.General trends in Neurogenesis: Example from the development of the cerebral cortex:
The Subjective Feelings of Comprehension and Remembering Accompanying Text Learning On-Screen Rakefet Ackerman (University of Haifa)
טיב פני שטח (טפ"ש) טיב פני שטח- רמת החלקות של המשטח.
הקדמה. תנועת גל בחומר. קריסת הגל. משוואת ברגר (Burgers’ equation) ופתרונה. גלי הלם. סיכום.
GAP analysis for Israel using vertebrate distributions Amit Dolev 1, Ayelet Sapir 1, Yohay Carmel 2 1 Society for protection of Nature in Iserael 2 The.
1 חקירת טרנזיסטור קוונטי הנשלט על ידי שינויי תדר Frequency Controlled Quantum Transistor מבצע : חן טרדונסקי מנחה : ד " ר אראל גרנות.
מהם "תגמולי נאמנות" בישראל? קצבאות יוצאי צבא (בעבר) נפגעי פעולות איבה מילואים חיילים משוחררים נכי צהל הסכסוך חסידיי אומות העולם אסירי ציון הבטחת הכנסה.
רגרסיה קו רגרסיה הוא קו תיאורטי המאפשר לנו לבחון את השפעתו של משתנה מנבא אחד (או יותר) על המשתנה התלוי: במילים אחרות, מודל רגרסיה עוזר לנו לנבא על פי משתנה.
by Sagiv Frankel & Ayana Wiener, Advised by Dr. Chen Keasar Advised by Dr. Chen Keasar & Mr. Ran Yahalom & Mr. Ran Yahalom.
תכנות מונחה עצמים Object Oriented Programming (OOP) אתגר מחזור ב' Templates תבניות.
1 מטרת הקורס : להקנות יסודות תיאורטיים וכלים מתודולוגיים להבנת העקרונות שקובעים את דגמי התפוצה, השפעה, ומגוון המינים של חברות אקולוגיות אקולוגיה מורחב.
אתר הקורס: צוות הקורס: פרופ' עודד שמואלי-
ROC & AUC, LIFT ד"ר אבי רוזנפלד.
אביב תשס " ה JCT תיכון תוכנה ד " ר ר ' גלנט / י ' לויאןכל הזכויות שמורות 1 פרק 7 ISP דוגמא נוספת.
בקרה תומר באום ב"הב"ה. סוגי בקרה חוג פתוח Open-loop control : אנו מכוונים את הרובוט למצב הבא שהוא אמור להיות בו לפי מודל מסוים, כמו שעשינו בקינמטיקה הפוכה.
Text to speech In Mobile Phones איתי לוי. הקדמה שימוש בהודעות טקסט על המכשירים הסלולארים היא דרך תקשורת מאוד פופולארית בימינו אשר משתמשים בה למטרות רבות,
11 Introduction to Programming in C - Fall 2010 – Erez Sharvit, Amir Menczel 1 Introduction to Programming in C תרגול
הפקולטה להנדסה אזרחית וסביבתית טכניון
Small for Gestational Age (SGA) Fetus
Presentation by Gil Perry Supervised by Amos Fiat 1.
הרצאה במסגרת יום העיון : " כלים מידעניים בפעולה : פתרונות מעשיים לעולם המידענות והתוכן ", כנס מידע 2010, 03/05/10, רינת קורבט,
Costs and Filters Dr. Avi Rosenfeld Department of Industrial Engineering Jerusalem College of Technology
Visual Studio Team System Visual Studio Team System הילה להב רייס מנהלת תחום Life Cycle Management מנהלת תחום Life Cycle
שיאון שחוריMilOSS-il מוטיבציה  python זה קל ו C זה מהיר. למה לא לשלב?  יש כבר קוד קיים ב C. אנחנו רוצים להשתמש בו, ולבסס מעליו קוד חדש ב python.
Population genetics גנים באוכלוסיות a population is a localized group of individuals belonging to the same species.
DOGMA: A Disk-Oriented Graph Matching Algorithm for RDF Databases
תוכן ההרצאה ההתפתחות של סביבה גיאוגרפית וירטואלית
מותאם לקריטריוני ה DSM-IV
XML מבוא כללי פרק ג' MCSD Doron Amir
טרנזיסטור כמתג דו מצבי ממסר - RELAY הפעלה רציפה , PWM
עבודה עם נתונים באמצעות ADO.NET
השוואת נתונים למודל הסתברותי - כללית
מופעי הירח הכינה: ליאת סופר.
בחירת חומר גלם כתב: עמרי שרון.
ניתוח מודלים היררכיים hlmעל ידי
מבוא למערכות מידע פרק 1.
תוצאות סותרות? כל כוכב (גרף ימני) מסמן ממוצע של כתה ביחס למוטיבציה (ציר אופקי) והישגים (ציר אנכי) ברמת הכתה נראה שיש קשר שלילי כל עיגול (גרף שמאלי) מסמן.
NG Interpolation: Divided Differences
עבודת הגשה בעלי חיים בסכנת הכחדה ברדלס מגישה: אריאל שרמן כיתה: ה'2.
Presentation transcript:

מטרה : ניבוי תחום התפוצה של מינים באמצעות מידע על הנישה האקולוגית שלהם מודלים מבוססי נישה כאמצעי לניבוי דגמי תפוצה הבעיה – מעבר ממידע נקודתי למפות תפוצה

שלבים : מודלים מבוססי נישה כאמצעי לניבוי דגמי תפוצה איסוף נתוני התפוצה הקיימים אפיון הנישה האקולוגית באמצעות ניתוח נתוני הסביבה זיהוי השטחים שמקיימים את אפיון הנישה האקולוגית YX איסוף נתוני סביבה רלוונטיים.. e4e4 e3e3 e2e2 e1e1 ( מפת ניבוי ) ( מודל הנישה )

נתוני תפוצה עיקרון הנישה מפת ניבוי מודל ניבוי ניבוי תפוצת מינים באמצעות מודל מבוסס נישה נתוני סביבה הפעלת המודל הערכת הדיוק של מפת הניבוי (Accuracy assessment) GIS

מרחב גיאוגרפי e1e1 e2e2 מרחב אקלימי ניבוי תפוצת מינים באמצעות BIOCLIM Min X Max X Min Y Max Y

השפעת אחוזון הנתונים המשמש לכיול המודל על דיוק הניבוי ( BIOCLIM ) 100%90%80%70%50% סלעון ההרים (Buliminus labrosus) דיוק מרבי

Observed Predicted A C B D A + B + C + D = N מפת ניבוי הערכת כושר הניבוי של מודל תפוצה Predicted absence Predicted presence Observed presence Observed absence N DA  Overall accuracy  = 0.72

מדדי דיוק Overall Accuracy – פרופורצית התאים בהם הניבוי מדויק Sensitivity – פרופורצית התאים בהם הניבוי מדויק מתוך תאים בהם המין נמצא Overall Accuracy, sensitivity, specificity – נעים בין 0 ( העדר התאמה מלא ) ל - 1 ( התאמה מלאה ) חסרי תיקון לצפוי באקראי מפות " טיפשות " עשויות לקבל ציון גבוה מאוד באחד מהפרמטרים Trade-off בין Sensitivity ל -Specificity Specificity – פרופורצית התאים בהם הניבוי מדויק מתוך תאים בהם המין לא נמצא

מדדי דיוק Kappa – מדד המשקלל Sensitivity ו -Specificity ומתקן על פי הציון הצפוי באקראי ( ללא יכולת הבחנה ) נע בין - 1 ( תמיד טועה ) ל - 1 ( תמיד צודק ), כאשר ניחוש אקראי מקבל בממוצע ציון 0 כולל הטיה בשל פרופורצית התאים בסט הבדיקה בהם המינים נמצא (Prevalence) TSS – בדומה ל -Kappa, משקלל Sensitivity ו -Specificity תוך תיקון לצפוי באקראי אינו רגיש ל -Prevalence

הטבלה מתוך - בהקדמת המאמר יש סקירה של מדדי הערכה למודלים לניבוי תפוצה – מומלץ לקרוא להבהרה

יישומים של מודלים לניבוי דגמי תפוצה ניבוי תגובות של מינים לשינויי אקלים פוטנציאליים הערכת פוטנציאל ההתפשטות של מינים פולשים איתור שטחים מתאימים לתכניות השבה של צמחים ובעלי חיים איתור שטחים בעלי עושר מינים גבוה לצורכי תכנון של מערכי שמורות טבע מזניחים אינטראקציות ביוטיות מזניחים מגבלות של הפצה מגבלות של מודלים מבוססי נישה

Proportion of ‘presences’ Environmental distance Geographical distance דוגמא להתמודדות עם המגבלות – שילוב מרחב גיאוגרפי מתצפיות מוכרות לשיפור מודלים לניבוי תפוצה. ככל שהתא הנבחן קרוב יותר למקומות בהם נצפה המין, תגדל הסבירות שננבא בו קיום של המין