Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Metody numeryczne w ekologii i ochronie środowiska

Informacje ogólne

Kod przedmiotu: 2100-MNOS-1-S2
Kod Erasmus / ISCED: (brak danych) / (0542) Statystyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Metody numeryczne w ekologii i ochronie środowiska
Jednostka: Wydział Biologii i Ochrony Środowiska (2012-2019)
Grupy: Przedmioty obowiązkowe dla 1 r. ochrony środowiska S2
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Wymagania wstępne:

Podstawowy kurs matematyki i statystyki oraz obsługi komputera w zakresie studiów I stopnia.

Rodzaj przedmiotu:

przedmiot obligatoryjny

Całkowity nakład pracy studenta:

1. Godziny kontaktowe z nauczycielem akademickim:

- udział w wykładach 15

- udział w laboratorium 15

Razem 30

2. Praca własna studenta:

- przygotowanie do ćwiczeń, laboratorium 5

- praca własna nad opracowaniem projektu i sprawozdania 10

- udział w konsultacjach 5

Razem 20

3. Łączny nakład pracy studenta w godzinach (1+2) 50


Efekty uczenia się - wiedza:

(K_W06) Student modeluje zjawiska przyrodnicze wykorzystując narzędzia matematyczne i statystyczne P1A_W03 P1A_W06

(K_W07) wymienia podstawowe i wybrane specjalistyczne programy komputerowe i objaśnia możliwość ich wykorzystania przy opisywaniu i interpretowaniu zjawisk przyrodniczych P1A_W06

Efekty uczenia się - umiejętności:

(K_U05) Student posługuje się podstawowymi metodami matematycznymi i statystycznymi do analizy danych i opisu zjawisk przyrodniczych P1A_U05 P1A_U07

(K_U06) użytkuje komputer w zakresie koniecznym do wyszukiwania informacji, tworzenia baz danych, analizy danych, sporządzania raportów i prezentacji wyników P1A_U05 P1A_U03

(K_U11) interpretuje wyniki obserwacji i pomiarów i na ich podstawie wyciąga poprawne wnioski P1A_U07 P1A_U08


Efekty uczenia się - kompetencje społeczne:

(K_K01) Student wykazuje chęć pogłębiania wiedzy z zakresu nauk o środowisku P1A_K01 P1A_K05 P1A_K07

(K_K07) wykazuje akceptującą postawę wobec metod matematyczno – statystycznych i informatycznych w ochronie środowiska P1A_K01

(P1A_K07)

(K_K09) jest odpowiedzialny za powierzony sprzęt, pracę własną i innych P1A_K02 P1A_K03


Metody dydaktyczne:

Wykład: wykład z prezentacją multimedialną. Dyskusja.

Zajęcia laboratoryjne: samodzielna praca studentów - wykonywanie obliczeń, opracowywanie wyników analiz według instrukcji i wskazówek prowadzącego zajęcia. Prezentacja wyników analiz. Dyskusja.

Metody dydaktyczne podające:

- wykład informacyjny (konwencjonalny)

Skrócony opis:

Celem przedmiotu jest zapoznanie studentów z procesem przygotowywania danych do analiz numerycznych i zarządzania dużymi zbiorami danych ekologicznych, zapoznanie z istotą analizy różnorodności, klasyfikacji numerycznej i analizy gradientowej oraz nauczenie posługiwania się podstawowymi programami komputerowymi do klasyfikowania i porządkowania danych ekologicznych (MVSP, CANOCO, TWINSPAN).

Pełny opis:

Przedmiot obejmuje następujące zagadnienia:

1 - rodzaje danych i typy stuktury danych do analizy numerycznej; 2 - modyfikacja zbioru danych (transformacja i transpozycja, usuwanie niektórych cech i prób ze zbioru, import i eksport danych w programie MVSP); 3 - ocena typu rozkładu cech w przygotowanych zbiorach danych; 4 - wskaźniki różnorodności gatunkowej (Shannona, Simpsona, Brillouin'a) i równocenności; 5 - podstawy algebry macierzy (typy macierzy, działania na macierzach, wyznacznik macierzy, obliczanie wartości własnych i wektorów własnych); 6 - typy klasyfikacji numerycznej (klasyfikacja hierarchiczna i niehierarchiczna, techniki aglomeracyjne i dzielące wykonywane na podstawie jednej cechy lub wielu cech), 7 - analiza gradientowa pośrednia (PCA, CA, DCA) oraz bezpośrednia (CCA, DCCA, RDA) i zasady wyboru metody ordynacyjnej; 8 - wykonywanie obliczeń oraz sporządzanie dendrogramów i diagramów ordynacyjnych w programie MVSP; 9 - interpretacja wyników klasyfikacji i ordynacji numerycznej; 10 - przegląd pakietów programów komputerowych do przeprowadzania analizy wielocechowej (MVSP, CANOCO, SYNTAX, TWINSPAN, DECORANA, ORDIFLEX, COMPCLUS, DATAEDIT); 11 - system TurboVeg (baza danych fitosocjologicznych i programy komputerowe do klasyfikacji i ordynacji numerycznej; 12 - przykłady zastosowań wymienionych pakietów i programów.

Podstawy teoretyczne, przeglad metod realizowanych i zasady działania programów są omawiane w trakcie wykładu. Na zajęciach laboratoryjnych studenci wykonują obliczenia na własnych zbiorach danych lub dostarczonych przez osobę prowadzącą zajęcia. W trakcie laboratorium studenci prezentują wyniki przeprowadzonych obliczeń i uczestniczą w dyskusji.

Literatura:

Dzwonko Z., 2007. Przewodnik do badań fitosocjologicznych.Sorus, Instytut Botaniki UJ, Poznań - Kraków.

Gauch H.G., 1982. Multivariate analysis in community ecology. Cambridge University Press, Cambridge.

Hill M.O., 1979. TWINSPAN: A FORTRAN program for arranging Multivariate Data in order two-way table by classification of the individual and attributes. Cornell University, Ithaca, New York.

Kaźmierczak E., Nienartowicz A., Piernik A., Wilkoń-Michalska J., 1998. Metody numeryczne w badaniach struktury i funkcjonowania szaty roślinnej. Wydawnictwo UMK, Toruń.

Jongman R.H.G., ter Braak C.J.F., van Tongeren D.F.R., (eds). 1995. Data analysis in community and landscape ecology. Pudoc, Wageningen.

Kovach W.L., 1985-1999. MVSP Plus version 3.1. Pentraeth, UK.

Nienartowicz A., Kunz M., 2001. GIS i teledetekcja w badaniach struktury i funkcjonowania krajobrazu. Oficyna Wydawnicza "Turpress", UMK, Toruń.

Orloci L., 1978. Multivariate Analysis of Vegetation Research. Dr W. Junk Publishers, The Hague, Boston.

Piernik A., 2008. Metody numeryczne w ekologii. Wyd. Naukowe UMK, Toruń.

Sneath P.H.A., Sokal R.R., 1973. Numerical Taxonomy. W.H. Freeman, San Francisco.

ter Braak C.J.F., 1996. Unimodal models to relate species to environment. DLO-Agrocultura;l Mathematics Group, Wageningen, the Netherlands.

ter Braak C.J.F., Smilauer P., 2002. CANOCO Reference Manual and CanoDraw for Windows User's Guide. Biometrics, Wageningen and Ceske Budejovice.

Metody i kryteria oceniania:

Wykład: na podstawie opracowania pisemnego.

Zajęcia laboratoryjne: na podstawie opracowania wyników przeprowadzonych analiz.

Praktyki zawodowe:

Nie dotyczy.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-7 (2025-03-24)