10 Rezultāti

Šajā nodaļā apkopoti iegūtie sugu izplatības modelēšanas un vietu prioritizācijas aizsardzībai rezultāti. Tā ir strukturēta divās daļās - individuālu sugu rezultāti un apkopotie valsts līmeņa rezultāti, kurā individuālo sugu rezultāti apkopoti sugu sabiedrību un ekosistēmu aizsardzības plānošanai. Matriāliem, kuri savas informatīvās, telpiskās un temporālās izšķirtspējas dēļ nav uzskatāmi par sugu aizsardzību apdraudošiem, sniegta piekļuve lejupielādei.

10.1 Individuālu sugu rezultāti

Apkopotā formā ik sugas rezultāti ar hiperstaitēm lejupielādei ir šajā (šobrīd neaktīvajā) tabulā (xlsx).

Sekojošajās nodaļās informācija par katru sugu ir apkopota pēc vienotas pieejas, sekojot zemāk esošajai secībai:

  1. sākumā ir sniegta informācija par pieejamajiem klātbūtnes novērojumiem, to izvietojumu un samazinājumu atlases gaitā. Tajā ir vizualizētaa modelēšanai (modeļu apmācībai, iekļaujot telpisko bloku krosvalidāciju, un neatkarīgai testēšanai) izmantotās datu kopas;

  2. sugām, kurām, datu apjoma dēļ, pieņemts lēmums modelēšanu neveikt, tas ir skaidri norādīts tekstā. Pārējām sugām turpinās piedāvātā informācija.

Modelētajām sugām:

  1. labākā modeļa izvēle (kreisajā - A daļā), tā klasifikācijas spējas līknes (vidū - B daļā) un (labajā - C daļā) šī labākā modeļa salīdzinājums ar tā EGV, klātbūtnes un fona veidotajā informācijas telpā radītiem nejaušajiem (nulles) modeļiem (n=100), sekojot nodaļā Sugu izplatības (dzīvotņu piemērotības) modeļi aprakstītajai pieejai. Attēlos iekļauti sekojoši raksturojumi:
  1. “Neatkarīgā testa TSS” (attēla A daļā), kas raksturo True skill statistic (TSS) jeb patiesās spējas statistiku neatkarīgos testa datos. Neatkarīgi testa dati ir jau novērojumu atlases beigās - papildsolis: neatkarīgie testa dati - atsevišķi nodalīta sugas klātbūtnes un fona punktu kopa, kas nav izmantota modeļa pielāgošanā. Tas nozīmē, ka tie reprezentē modeļa spēju jaunās situācijās, piemēram, modeli turpmāk pielietojot dabā. Patiesās spējas statistiku aprēķina \(\text{TSS} = \text{sesitivitāte} + \text{specifiskums} - 1\), kur sensitivitāte ir pareizi (piemērotās dzīvotnēs esošas) klasificēto klātbūtņu īpatsvars no visām klātbūtnēm un specifiskums ir pareizi par nepiemērotiem klasificētie iztrūkumi (fona punkti) no visiem. No biežāk izmantotajiem un aprēķinos mazāk resursietilpīgajiem modeļa izvērtējumiem, TSS uzrāda augstāko stabilitāti un uzticamību neatkarīgi no prevalences (Allouche et al., 2006). Modeļa parametrizācija, kurai ir augstākā TSS vērtība neatkarīgos testa datos ir uzskatāma par labāk sugai piemērotās dzīvotnes atpazīstošajām modeļa turpmākā lietošanā, tādēļ to izmantoju par pirmo (tādēļ galveno) labākā modeļa izvēles kritēriju. Modeļa apmācibas, validācijas un neatkarīgā testa kopās raksturīgas TSS vērtību atšķirības (ar samazināšanās tendenci uzskaitījuma secībā, jo neredzētus datus ir grūtāk korekti klasificēt), tomēr ir tiem kopēji plaši izplatīti pieņēmumi jeb “īkšķa likumi”:

  • TSS < 0.2 raksturīgs vājiem (poor) modeļiem;

  • 0.2 \(\le\) TSS < 0.4 - viduvējiem (fair) modeļiem;

  • 0.4 \(\le\) TSS < 0.6 - mēreni labiem (moredately good) modeļiem;

  • 0.6 \(\le\) TSS < 0.8 - labiem (good) modeļiem;

  • TSS \(\ge\) 0.8 - izcili prognozējošiem (excellent) modeļiem;

  1. “Apmācību un validācijas TSS starpība” (attēla A daļā), kas raksturo TSS starpību (vidējo aritmētisko) modeļa pielāgošanai izmantoto datu kopai, kura pielietota modeļa iekšējai validēšanai no apmācību daļas. Modeļa apmācībā izmantota pieeja ar četriem telpiskajiem blokiem - validēšana veikta vienai (telpiski nodalītu) ceturtdaļai klātbūtnes un fona punktiem modelī, kurš apmācīts ar atlikušajām trīs ceturtdaļām datu. Krosvalidācija atkārtota četras reizes, lai katra ceturtdaļa būtu trīs reizes piedalījusies apmācībā un vienu reizi būtu kalpojusi validācijā. Jo mazāka ir starpība starp validēšanas un apmācību TSS vērtībām, jo telpiski noteiktāks un stabilāks ir modelis. Gadījumos, kad labākā modeļa izvēle atgrieza vairākus konkurentus (1.a.), izvēlējos modeli ar zemāko vērtību šajā rādītājā;

  2. “Validācijas TSS” (attēla A daļā), kas raksturo TSS vērtību telpiski nodalītā ceturtdaļā modeļa pielāgošanas kopas datu. Aprēķināta vidējā aritmētiskā vērtība četrām telpiski nodalītu bloku krosvalidācijām. Jo augstāka šī vērtība, jo labāka ir modeļa spēja prognozēt vides piemērotību telpiski nodalītās vietās. Ja pēc 2.a. soļa bija vairāk kā viens konkurējošs modelis, izvēlējāmies to, kuram šī vērtība bija augstākā. Ja saglabājās vēl citi konkurējoši modeļi, izvēlējos vienkāršāko algoritmu (feature class algorithm). Šis solis visos gadījumos nodrošināja tikai vienu labāko modeli;

  3. “Apmācību TSS” (attēla A daļā), kas raksturo TSS vidējo aritmētisko vērtību modeļa apmācībai izmantotajās trīs ceturtdaļās modeļa pielāgošanai pieejamo datu. Iekļauts visualizācijai tikai informatīvos nolūkos;

  4. “Neatkarīgā testa AUC” (attēla A daļā), kas raksturo laukumu zem uztvērēja operēšanu raksturojošās līknes (angļu - Arue Under the receiver operating Curve), kur uztvērējs ir modelis un telpas laukumu veido sensitivitāte (uz y-ass) un 1 - specifiskums (uz x-ass). Vērtība 0.5 apzīmē klasifikācijas (piemērotās vai nepiemērotās dzīvotnēs) spējas līdzināšanos nejaušībai (ideālās monētas mešanai), lielākas vērtības liecina par uzlabojošos modeļa spēju un vērtība 1 liecina par perfektu klasifikāciju. Vērtības mazākas par 0.5 liecina par negatīvu prognozi. AUC tiecas priekšroku dot modeļiem, kuri ir pārpielāgoti (overfitted), tā vērtības sniegtas informatīvos nolūkos. Par pieņemiem bieži uzskata modeļus, kuru AUC \(\ge\) 0.7 un par labiem, ja AUC \(\ge\) 0.8;

  5. “ROC līkne” (attēla B daļā), kas raksturo modeļa spēju atšķirt sugai piemērotās dzīvotnes no nepiemērotajām modeļa apmācībā izmantotajos (Train, ar zilu) un neatkarīgās testēšanas kopas (train, ar sarkanu) datos (aptvere ar AUC vērtību sniegta apzīmējumos), informācijas telpu raksturojot ar sensitivitāti (True Positive Rate; y-ass) un viltus pozitīvo gadījumu īpatsvaru (False Positive Rate, kas raksturo nekorekti par sugai piemērotām dzīvotnēm klasificēto īpatsvaru (pirmā tipa statistiskā kļūda); skaitliski atbilst \(1 - \text{specifiskums}\); x-ass). Šis attēls pats par sevi informē par klasifikācijas kļūdu savstarpējo saistību, sniedzot arī ieskatu modeļa izvērtēšanā:

  • jo tuvāk augšējam labajam stūrim, jo labāka ir modeļa aptvere. Diagonālā līnija raksturo 50% klasifikācijas korketumu jeb ir pielīdzināma ideālās monētas mētāšai, klasificējot dzīvotņu piemērotību;

  • sekojot vērtībām katrā asī, ir iespējams izvērtēt klasifikācijas kļūdu apjomu, zinot vienu no tām (sugu apakšnodaļās sniegtajās biežāk lietoto sliekšņa līmeņu aprakstu tabulās redzamās “omission rate” vērtības var atņemt no vērtības “1”, lai iegūtu šajā attēlā esošo True Positive Rate un nolasītu atbilstošo False Positive Rate vērtību, no kuras, ja tas ir nepieciešams, aprēķināt specifiskumu);

  • par labāko izvēlētā modeļa stabilitāti dzīvotņu piemērotības projekcijā - jo līdzīgākas ir AUC vērtības un līkņu formas kopumā, jo labāka ir modeļa vispārināšanās spēja. Tas nozīmē, ka gan apmācību, gan, jo sevišķi, testa datos novērotā spēja (vai tās trūkums - dzīvotņu piemērotības klasifikācijas kļūdu apjoms) ir sagaidāma populācijā (Latvijā kopumā);

  • par labāko izvēlētā modeļa vienmērīgumu dzīvotņu piemērotības projekcijā. Ideālā situācijā šīs līknes pieaug vienmērīgi, bez izteiktiem lecieniem vai ilgstošiem plato, turklāt savstarpēji līdzīgi. Tomēr ir jāņem vērā, ka, jo mazāks ir izlases apjoms, jo lielāka ietekme ik vienam gadījumam, kas neizbēgami līknes padarīs “kāpņveidīgas”, šī īpašība neatkarīgās testēšanas kopas līknei būs izteiktāka. Līknes ir jāvērtē saistībā ar modelēšanā pieejamo izlases apjomu (pirmais attēls ik sugas apakšnodaļā) un jāpārskata izvēloties sliekšņa līmeņus projicētās dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās;

  1. “AUC (validācijas)” (attēla C daļā), kas raksturo atkārtoti pielāgotā modeļa AUC vērtību validācijas datos - tā parēķināta pēc noklusējuma un vizualizēta informatīvos nolūkos un, lai piedāvātu ieskatu modeļa dzīvotņu piemērotības projekcijas stabilitātē un salīdzināšanai ar nejauši ģenerētiem sadalījumiem konkrētā modeļa ekoģeogrāfisko mainīgo veidoto vides gradientu informācijas telpā. Lai gan pats par sevi AUC ir pamatoti kritizēts saistībā ar tā tieksmi dot priekšroku pārāk pielāgotiem modeļiem (overfitted), vienotā informācijas telpā (kā nulles modeļu gadījumā) tas ir noderīgs savstarpējai salīdzināšanai;

  2. “Continuous Boyce Index (validācijas)” (attēla C daļā), kas raksturo modeļa prognozētās dzīvotņu piemērotības (nepārtraukti variējoša [0, 1]) korelācijas koeficientu ar sugas klātbūtnes vietu skaitu dzīvotņu piemērotības diapozona daļās, tas ir no sliekšņa dalījumam piemērotajās un nepiemērotajās vietās līmeņa neatkarīgs modeļa vērtējums. Kā korelācijas koeficentam, vērtības variē no -1 līdz +1, kur 0 nozīmē korelācijas trūkumu jeb trūkumu modeļa spējai prognozēt piemērotas dzīvotnes sugas klātbūtnes vietās un ir salīdzināma ar nejaušu prognozi (beznosacījumu vidē). Pieaugošas pozitīvas vērtības nozīmē pieaugošu modeļa prognozes spēju sugas klātbūtnes vietām, tādēļ, jo augstākas ir šī rādītāja vērtības, jo augstāka ir modeļa prognozes spēja. Šis rādītājs ir aprēķināts un raksturots:

  • pats par sevi kā labākā modeļa atkārtota piemērošanas vidējais aritmētiskais telpisko bloku kosvalidācijas procedūras testa (validēšanas) klātbūtnēm. Interpretācijai - tas nozīmē, ka trenko melno atzīmi šajā attēlā vēlamies iespējami lielāku;

  • sporādiski izplatītām sugām ar nelielu dzīves telpu jeb atkarīgām no vides apstākļiem šauros ainavas mērogos, prognozes var izskatīties nejaušas (kā sāls un piparu mainījums), tādēļ tās ir vērts salīdzināt ar modelim specifisko ekoģeogrāfisko mainīgo veidoto vides gradientu informācijas telpu. Tas ir nozīmīgi arī visām pārējām sugām, lai raksturotu modeļa kvalitāti. Šis salīdzinājums veikts ar 100 nejauši ģenerētām pseido-klātbūtnes vietām labākā modeļa ekoģeogrāfisko mainīgo veidotajā vides gradientu informācijas telpā. Nejaušo (nulles) modeļu vērtību salīdzinājums ar empīrisko (labākā modeļa) ļauj skaidrot cik nejaušas ir modeļa apmācībā izmantotās klātbūtnes vietas tieši konkrēto vides gradientu telpā. Par labu ir uzskatāms modelis, kura empīriskā vērtība (treknais melnais punkts) ir ne tikai pozitīva, bet tā arī atrodas nulles modeļu sadalījuma augšdaļā vai virs tā;

  1. “10% training omission rate” (attēla C daļā), kas raksturo kādu īpatsvaru no modeļa apmācībā izslēgtiem 10% klātbūtnes punktu (veidojot pseido-neatkarīgās testēšanas kopu) modelis nespēj prognozēt kā sugai piemērotās vietās esošus. Šajā modeļa pārbaudē projekcijas vēl nav informētas par optimālo dalījumu piemērotās un nepiemērotās vietās, tādēļ faktiskās vērtības nav svarīgas - svarīgi, lai empīriskā vērtība (labākā modeļa prognoze; trknais punkts attēlā) ir iespējami zemāka un ir zemāka par nulles modeļiem, tomēr modeļiem ar maz klātbūtnēm, svarīgi, lai empīriskā vērtība nav augstāk par nulles sadalījuma centrālo daļu, jo tas ierosina modeļa pārpielāgošanu (overfitting), kas nozīmē dzīvotņu piemērotības projicēšanas vispārināšanās spējas trūkumu;
  1. “Minimum training omission rate” (attēla C daļā), pēc būtības ir līdzīgs iepriekš aprakstītajam “10% training omission rate” un arī interpretējams ir līdzīgi - saistībā ar nulles modeļiem. Tomēr šis mērs raksturo minimālo no apmācību kopas izslēdzamo klātbūtnes vietu skaitu, kas spēj sasniegt augstu prognozes spēju. Ja klasifikācijas sliekšņa līmenis ir korekts (šajā brīdī modelis par to nav informēts un pieņem 0.5), vērtības no \(\le\) 5 līdz 10 % ir uzskatāmas par labām un stabilām, kas indicē modeli, kas spēj labi vispārināties jaunā vidē, sevišķi tuvu nullei esošas vērtības liecina, ka modelis ir pārāk vienkāršs, lai notvertu vides (un par to svarīgāk - sugas ekoloģiskās nišas) sarežģītību, savukārt vērtības kas ievērojami pārsniedz 10% līmeni liecina par modeļa pārpielāgošanu - pielipšanu konkrētām situācijām un nespēju vispārināt dzīvotņu piemērotības projekciju jaunā vidē. Tā kā šī izvērtējuma brīdī modelis nav informēts par optimālo sliekšņa līmeni dalījumam piemērotajās un nepiemērotajās dzīvotnēs, kas ir sevišķi nozīmīgi zemas prevalences situācijās - kā šī, ir svarīgi empīrisko vērtību (labākā modeļa rezultātu; treknais melnais punkts attēlā) salīdzināt ar tā paša modeļa ekoģeogrāfisko mainīgo raksturotajā vides informācijas telpā nejauši ģenerētiem (nulles) modeļiem - par nulles modeļiem augstāka empīriskā vērtība liecina par datiem pārlieku pielipušu modeli (overfitted), kas nespēs vispārināt dzīvotņu piemērotības projekciju;
  1. tabula ar raksturojumu atsvišķiem biežāk lietotajiem projicētās dzīvotņu piemērotības izvērtējumiem, kas raksturo modeli, veicot dalījumu piemērotajās un nepiemērotajās vietās:
  1. rindas raksturo sekojošus sliekšņa līmeņus (projicētās dzīvotņu piemērotības vērtība, kas nošķir piemērotās no nepiemērotajām vietām):

  • “Minimum training presence”, kas sekojošajos tabulas laukos raksturo modeļa spēju, projicētās dzīvotņu piemērotības dalījumam sugai piemērotajās un nepiemērotajās dzīvotnēs pieņemot zemāko (projicētās dzīvotņu piemērotības) vērtību modeļa apmācībai izmantotajās sugas klātbūtnes vietās. Šī pieeja tiecās nepalaist garām nevienu sugai potenciāli piemēroto vietu, tomēr starp tām iekļauj nezināmu (provizoriski - lielu) apjomu nepiemēroto;

  • “Equal training sensitivity and specificity”, kas sekojošajos tabulas laukos raksturo modeļa spēju, projicētās dzīvotņu piemērotības dalījumam sugai piemērotajās un nepiemērotajās dzīvotnēs pieņemot (projicētās dzīvotņu piemērotības) vērtību, kurā sensitivitāte (spēja klātbūtnes vietas klasificēt kā piemērotas) ir vienāda ar specifiskumu (spēja fona punktos izdalīt nepiemērotās vietas tādā apjomā, lai par piemērotiem netiktu uzskatīts lielāks apjoms nekā 1-sensitivitāte). Šajā nodaļā ir izvēlēta šī metode tās stabilitātes saistībā ar sugas prevalenci, kopumā augsto spēju korektai klasifikācijai retai sastopamībai jeb zemai prevalencei
    (visos gadījumos ir 20 000 fona punktu, bet klātbūtnes vietas nepārsniedz 3300, tātad, mazāk par 16.5%), konkurētspēju ar jaunākām bet analītiski izaicinošākām metodēm (Jiménez-Valverde and Lobo, 2007; Yu et al., 2024). Turklāt tas nodrošina ērtu interpretāciju - ja sensitivitāte un specifiskums ir vienādi, zinot nekorekti par nepiemērotām klasificētās klātbūtnes vietas, var aprēķināt nekorekti par piemērotām uzskatīto vietu apjomu - tas ir apmēram tāds pats. Līdzīgas īpašības, protams, būtu sliekšņa līmeni izvēlot pēc testa kopas, tomēr modeļa apmācību kopa ir vairāk informēta par sugas klātbūtnes vietām;

  • “Maximum training sensitivity plus specificity”, kas sekojošajos tabulas laukos raksturo modeļa spēju, projicētās dzīvotņu piemērotības dalījumam sugai piemērotajās un nepiemērotajās dzīvotnēs pieņemot (projicētās dzīvotņu piemērotības) vērtību, kurā sensitivitātes un specifiskuma summa ir visaugstākā. Nereti šī pieeja ir uzticama, tomēr tās stabilitāte ir saistīta ar prevalenci - labāk strādā biežāk sastopamām sugām (Yu et al., 2024) un ir saistīta ar risku retākajām sugām prognozēt visu vidi kā nepiemērotu (Scherrer et al., 2018);

  • “Equal test sensitivity and specificity”, kas visā savā būtība ir tāda pati kā “Equal training sensitivity and specificity”, tomēr sliekšņa līmeni vērtē neatkarīgos (modeļa apmācībā nevienā brīdī neiesaistītos) testa datos, kuru ir mazāk;

  • “Maximum test sensitivity plus specificity”, kas visā savā būtība ir tāda pati kā “Maximum training sensitivity plus specificity”, tomēr sliekšņa līmeni vērtē neatkarīgos (modeļa apmācībā nevienā brīdī neiesaistītos) testa datos, kuru ir mazāk;

  1. katram no tiem sniegts sekojošs izvērtējums:

  • “Cloglog value”, kas raksturo projicētās dzīvotņu piemērotības sliekšņa līmeni dalījumam sugai piemērotajās (sākot ar vērtību šajā laukā) un nepiemērotajās (ar zemāku vērtību par šajā laukā norādīto) atbilstoši dalījuma veidam (rindās - iepriekšējais uzskaitījums šajā punktā);

  • “Fractional predicted area”, kas raksturo telpas (Latvijas iekšzemes teritorija) īpatsvaru, kurā projicētā dzīvotņu piemērotība ir lielāka par sliekšņa līmeni dalījumam sugai piemērotajās un nepiemērotajās (laukā “Cloglog value” norādītā vērtība);

  • “Training omission rate”, kas raksturo modeļa apmācībā izmantoto klātbūtnes vietu īpatsvaru, kuras atrodas vietās ar zemāku projicēto dzīvotņu piemērotību par laukā “Cloglog value” norādīto vērtību;

  • “Test omission rate”, kas raksturo testa klātbūtnes vietu īpatsvaru, kuras atrodas vietās ar zemāku projicēto dzīvotņu piemērotību par laukā “Cloglog value” norādīto;

  • “P-values”, kas raksturo izvēlētā sliekšņa līmeņa (šī punkta iepriekšējais uzskaitījums) varbūtību nekorekti noraidīt nulles hipotēzi (pirmā tipa statistiskās kļūdas varbūtību), kura viena virziena eksaktajā binomiālajā testā pieņem, ka vietas virs sliekšņa līmeņa nav biežāk sastopamas klātbūtnes punktos nekā telpā nejauši izvēlētas tik daudz vietas, cik atbilst konkrētajam sliekšņa līmenim (lauks “Fractional predicted area”);

  1. projicētā (cloglog) dzīvotņu piemērotības karte diapozonam no 0 (nepiemērotāka) līdz 1 (piemērotāka) ar centrālā dalījuma vietu atbilstoši iepriekšējās tabulas “Equal training sensitivity and specificity” sliekšņa līmenim. Šis rādītājs izvēlēts tādēļ, (1) ka tas ir labāk informēts par sugas sastapšanas vietām nekā neatkarīgā testa kopa, kas ir sevišķi aktuāli sugām ar nelielu novērojumu skaitu, (2) tā uzticamības un stabilitātes, kā arī (3) vienkāršās interpretējamības dēļ - ja sensitivitāte un specifiskums ir pēc vērtībām salīdzināmi mēri, zinot vienu, var tieši aplēst otru;

  2. visām sugām, kurām izstrādāti modeļi, piedāvāta iespēja lejupielādēt sekojošus datu objektus:

  1. par labāko atzītā modeļa projicētā (cloglog) dzīvotņu piemērotība kā GeoTIFF slānis;

  2. tabula ar sliekšņa līmeņiem iepriekšējā punkta projicētās dzīvotņu piemērotības dalījumam piemērotās un nepiemērotās (kā .xlsx fails);

  3. pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF);

  4. binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

  5. labāka modeļa izvēles tabula (*.xlsx)

  6. par labāko atzītais modelis (krosvalidāciju objekts kā *.RDS fails);

  7. par labāko atzītais modelis (kombinēts krosvalidāciju objekts kā *.RDS fails);

  8. tabula ar ekoģeogrāfisko mainīgo izvēles gaitu, to VIF (savstarpējās prognozētspējas raksturojuma) vērtībām un ietekmes modelī (permutāciju procedūrā) raksturojums (kā *.xlsx fails);

  1. attēls ar marginālajām atbildes funkcijām krosvalidāciju modelī. Marginālā atbilde raksturo interesējošās pazīmes ietekmi uz dzīvotņu piemērotību, pārējām pazīmēm esot to vidējo vērtību līmenī;

  2. no piemēroto dzīvotņu (binarizēta dzīvotņu piemērotības projekcija) izvietojuma aprēķinātā preference:

  1. zemes seguma/lietojuma veidos no Ainava slāņa, kurā:

  • “Ūdeņi” ir klases ar kodiem [200, 300);

  • “Lauki” ir klases ar kodiem [300, 400);

  • “Mazdārziņi” ir klases ar kodiem [400, 500);

  • “Apbūve” ir klases ar kodiem [500, 600);

  • “Ceļi” ir klases ar kodiem [0, 200);

  • “Koki, krūmi, izcirtumi” ir klases ar kodiem [600, 700);

  • “Mitrāji” ir klases ar kodiem [700, 800);

  • “Smiltāji, virsāji un kūdras lauki” ir klases ar kodiem [800, 899);

  1. Natura 2000 tīklam, par pamatu izmantojot Dabas aizsardzības pārvaldes atvērtie dati;

  2. Eiropas Savienībā aizsargājamo biotopu grupām, dalījumam izmantojot biotopa koda pirmo ciparu un nosaukumu piešķirot pēc (Auniņš, 2013). Dati iegūti no Dabas aizsardzības pārvaldes atvērtie dati;

  3. īpaši aizsargājamo dabas teritoriju funkcionālajām zonām. Dati iegūti no Dabas aizsardzības pārvaldes atvērtie dati. Informācija gan par teritorijām, gan funkcionālajām zonām apvienota grupās, kuras vismaz mežos demonstrā saimnieciskās darbības ierobežojumu apjomu vispārīgajos noteikumos. Grupu sagatavošanas procedūrā ik 10 m šūnai piešķirta augstākā (zemāk sarakstā esošā) aizsardzības pazīme, ja vienā šūnā iespējamas dažādas kategorijas:

  • “Nav aizsargāts” ietver visu Latvijas sauszemes teritoiju ārpus īpaši aizsargājamām dabas teritorijām un mikroliegumiem ar to buferzonām;

  • “Neitrālā zona” apvieno funkcionālo zonu slāņa lauka NAME klases “NZ”, “KvZ”, “cita” un īpaši aizsargājamo dabas teritoriju lauka CATEGORY klases “BR”, “Dpie:cits”, “DPie:DS”, “DPie:ĢĢ”, “DPie:DA”, “NP”, ja tām nav norādīta augstāka aizsardzības pazīme;

  • “Ainavu aizsardzības zona” apvieno funkcionālo zonu slāņa lauka NAME klasi “AAZ” un īpaši aizsargājamo dabas teritoriju lauka CATEGORY klases “AAA”, “AJT”, ja tām nav norādīta augstāka aizsardzības pazīme;

  • “Dabas parka zona un ML buferzona” apvieno funkcionālo zonu slāņa lauka NAME klases “DPZ” un “SLZ” un īpaši aizsargājamo dabas teritoriju lauka CATEGORY klasi “DP”, ja tai nav norādīta augstāka aizsardzības pazīme, un tām pievieno mikroliegumu buferoznas;

  • “Dabas lieguma zona” apvieno funkcionālo zonu slāņa lauka NAME klasi “DLZ” un īpaši aizsargājamo dabas teritoriju lauka CATEGORY klasi “DL”, ja tai nav norādīta augstāka aizsardzības pazīme;

  • “Mikroliegums” raksturo mikroliegumus;

  • “Regulējamā un stingrā režīma zonas” apvieno funkcionālo zonu slāņa lauka NAME klases “RRZ” un “SRZ” un īpaši aizsargājamo dabas teritoriju lauka CATEGORY klasi “DR”;

  1. sniegts komentārs par nepieciešamību sugas individuālai aizsardzībai ar telpiski izdalāmām platībām;

  2. sugām, kurām ierosināta individuālās aizsardzības plānošana, vietu prioritizēšanas aizsardzībai rezultāti:

  1. attēls ar vietu nozīmes sugas aizsardzībā rangiem, izzušanas riska un aizsargātās populācijas daļas līknēm, aizsardzībai prioritārajām vietām - tām, kurās nozīmes rangi ir kopš izzušanas un aizsargātās populācijas daļas līkņu krustpunkta uz labo pusi;

  2. vietu nozīmes (rangu: [0, 1]) sugas aizsardzībā GeoTIFF slānis lejupielādei;

10.1.1 COTCOT - paipala Coturnix coturnix

Novērojumu atlases gaita un modelēšanā izmantojamie paipalas *Coturnix coturnix* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.1: Novērojumu atlases gaita un modelēšanā izmantojamie paipalas Coturnix coturnix novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.2: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.1: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0761345 0.3183201 0.00 0.0000000 0 COTCOT
Equal training sensitivity and specificity 0.4208457 0.1206045 0.12 0.0005318 0 COTCOT
Maximum training sensitivity plus specificity 0.3487651 0.1466906 0.06 0.0002659 0 COTCOT
Equal test sensitivity and specificity 0.3744407 0.1365654 0.12 0.0003989 0 COTCOT
Maximum test sensitivity plus specificity 0.3237619 0.1554192 0.06 0.0000000 0 COTCOT


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.3: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.4: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.5: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.6: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.2 PERPER - laukirbe Perdix perdix

Novērojumu atlases gaita un modelēšanā izmantojamie laukirbes *Perdix perdix* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.7: Novērojumu atlases gaita un modelēšanā izmantojamie laukirbes Perdix perdix novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.8: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.2: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0044795 0.5087581 0.0000000 0.0001318 0 PERPER
Equal training sensitivity and specificity 0.1858196 0.1287808 0.1305970 0.0019768 0 PERPER
Maximum training sensitivity plus specificity 0.1523842 0.1490107 0.0820896 0.0011861 0 PERPER
Equal test sensitivity and specificity 0.1608136 0.1431884 0.1044776 0.0015814 0 PERPER
Maximum test sensitivity plus specificity 0.1322200 0.1650466 0.0671642 0.0009225 0 PERPER


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.9: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.10: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.11: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.12: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.3 BONBON - mežirbe Bonasa bonasia

Novērojumu atlases gaita un modelēšanā izmantojamie mežirbes *Bonasa bonasia* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.13: Novērojumu atlases gaita un modelēšanā izmantojamie mežirbes Bonasa bonasia novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.14: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.3: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0317780 0.6665223 0.0000000 0.0000000 0 BONBON
Equal training sensitivity and specificity 0.4668006 0.2119594 0.2116603 0.0088678 0 BONBON
Maximum training sensitivity plus specificity 0.3739409 0.2741617 0.1242079 0.0050122 0 BONBON
Equal test sensitivity and specificity 0.4376456 0.2310579 0.1812421 0.0078396 0 BONBON
Maximum test sensitivity plus specificity 0.3898327 0.2623755 0.1432193 0.0050122 0 BONBON


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.15: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.16: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.17: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.18: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.19: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.4 TETURO - mednis Tetrao urogallus

Novērojumu atlases gaita un modelēšanā izmantojamie medņa *Tetrao urogallus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.20: Novērojumu atlases gaita un modelēšanā izmantojamie medņa Tetrao urogallus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.21: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.4: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0194665 0.3768215 0.0000000 0.0005234 0 TETURO
Equal training sensitivity and specificity 0.2252829 0.1230558 0.1230366 0.0044485 0 TETURO
Maximum training sensitivity plus specificity 0.1585802 0.1560277 0.0785340 0.0026168 0 TETURO
Equal test sensitivity and specificity 0.1525412 0.1592660 0.0759162 0.0026168 0 TETURO
Maximum test sensitivity plus specificity 0.1285482 0.1759482 0.0680628 0.0018317 0 TETURO


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.22: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.23: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.24: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.25: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.26: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.5 LYRTET - rubenis Lyrurus tetrix

Novērojumu atlases gaita un modelēšanā izmantojamie rubeņa *Lyrurus tetrix* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.27: Novērojumu atlases gaita un modelēšanā izmantojamie rubeņa Lyrurus tetrix novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.28: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.5: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0403762 0.7002465 0.0000000 0.0002633 0 LYRTET
Equal training sensitivity and specificity 0.3341712 0.1456114 0.1459075 0.0026333 0 LYRTET
Maximum training sensitivity plus specificity 0.3987272 0.1156312 0.1601423 0.0026333 0 LYRTET
Equal test sensitivity and specificity 0.2624681 0.1909270 0.1103203 0.0021066 0 LYRTET
Maximum test sensitivity plus specificity 0.4092372 0.1111933 0.1672598 0.0026333 0 LYRTET


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.29: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.30: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.31: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.32: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.33: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.6 CYGCYG - ziemeļu gulbis Cygnus cygnus

Novērojumu atlases gaita un modelēšanā izmantojamie ziemeļu gulbja *Cygnus cygnus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.34: Novērojumu atlases gaita un modelēšanā izmantojamie ziemeļu gulbja Cygnus cygnus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.35: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.6: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0177310 0.6128378 0.0000000 0.0000000 0 CYGCYG
Equal training sensitivity and specificity 0.0996767 0.1188261 0.1165049 0.0010569 0 CYGCYG
Maximum training sensitivity plus specificity 0.0961859 0.1235772 0.1067961 0.0010569 0 CYGCYG
Equal test sensitivity and specificity 0.0936124 0.1268930 0.1067961 0.0010569 0 CYGCYG
Maximum test sensitivity plus specificity 0.1318117 0.0864595 0.1504854 0.0011891 0 CYGCYG


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.36: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.37: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.38: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.39: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.40: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.7 ANSANS - meža zoss Anser anser

Novērojumu atlases gaita un modelēšanā izmantojamie meža zoss *Anser anser* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.41: Novērojumu atlases gaita un modelēšanā izmantojamie meža zoss Anser anser novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.42: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.7: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0114829 0.1580311 0.0000000 0.0001328 0 ANSANS
Equal training sensitivity and specificity 0.0646166 0.0450379 0.0416667 0.0001328 0 ANSANS
Maximum training sensitivity plus specificity 0.0363634 0.0701475 0.0138889 0.0001328 0 ANSANS
Equal test sensitivity and specificity 0.0779740 0.0383619 0.0555556 0.0001328 0 ANSANS
Maximum test sensitivity plus specificity 0.0779740 0.0383619 0.0555556 0.0001328 0 ANSANS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.43: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.44: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.45: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.46: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.47: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.8 TADTAD - Sāmsalas dižpīle Tadorna tadorna

Novērojumu atlases gaita un modelēšanā izmantojamie Sāmsalas dižpīles *Tadorna tadorna* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.48: Novērojumu atlases gaita un modelēšanā izmantojamie Sāmsalas dižpīles Tadorna tadorna novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.49: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.8: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0000059 0.5115873 0.0000000 0.0000000 0 TADTAD
Equal training sensitivity and specificity 0.0306102 0.0307501 0.0307692 0.0001328 0 TADTAD
Maximum training sensitivity plus specificity 0.1964418 0.0111139 0.0307692 0.0002656 0 TADTAD
Equal test sensitivity and specificity 0.0234568 0.0348368 0.0307692 0.0001328 0 TADTAD
Maximum test sensitivity plus specificity 0.1489954 0.0132071 0.0307692 0.0001328 0 TADTAD


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.50: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.51: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.52: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.53: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.9 AYTFER - brūnkaklis Aythya ferina

Novērojumu atlases gaita un modelēšanā izmantojamie brūnkakļa *Aythya ferina* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.54: Novērojumu atlases gaita un modelēšanā izmantojamie brūnkakļa Aythya ferina novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.55: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.9: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1095929 0.0219171 0.0000000 0.0001331 0 AYTFER
Equal training sensitivity and specificity 0.1103891 0.0218672 0.0333333 0.0001331 0 AYTFER
Maximum training sensitivity plus specificity 0.1095929 0.0219171 0.0000000 0.0001331 0 AYTFER
Equal test sensitivity and specificity 0.0410611 0.0280579 0.0000000 0.0000000 0 AYTFER
Maximum test sensitivity plus specificity 0.0410611 0.0280579 0.0000000 0.0000000 0 AYTFER


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.56: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.57: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.58: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.59: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.10 AYTFUL - cekulpīle Aythya fuligula

Novērojumu atlases gaita un modelēšanā izmantotie cekulpīles *Aythya fuligula* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.60: Novērojumu atlases gaita un modelēšanā izmantotie cekulpīles Aythya fuligula novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.61: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.10: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0399784 0.0306494 0.000000 0.0001331 0 AYTFUL
Equal training sensitivity and specificity 0.0412121 0.0303000 0.030303 0.0001331 0 AYTFUL
Maximum training sensitivity plus specificity 0.0399784 0.0306494 0.000000 0.0001331 0 AYTFUL
Equal test sensitivity and specificity 0.0304975 0.0332951 0.000000 0.0000000 0 AYTFUL
Maximum test sensitivity plus specificity 0.0304975 0.0332951 0.000000 0.0000000 0 AYTFUL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.62: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.63: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.64: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.65: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.11 SPAQUE - prīkšķe Spatula querquedula

Novērojumu atlases gaita un modelēšanā izmantojamie prīkšķes *Spatula querquedula* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.66: Novērojumu atlases gaita un modelēšanā izmantojamie prīkšķes Spatula querquedula novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.67: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.11: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1835825 0.1435063 0.000000 0.0000000 0 SPAQUE
Equal training sensitivity and specificity 0.6479682 0.0370500 0.037037 0.0003995 0 SPAQUE
Maximum training sensitivity plus specificity 0.7210880 0.0309582 0.037037 0.0003995 0 SPAQUE
Equal test sensitivity and specificity 0.4052703 0.0663604 0.037037 0.0001332 0 SPAQUE
Maximum test sensitivity plus specificity 0.4045521 0.0665102 0.037037 0.0000000 0 SPAQUE


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.68: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.69: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.70: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.71: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.12 SPACLY - platknābis Spatula clypeata

Novērojumu atlases gaita un modelēšanā izmantojamie platknābja *Spatula clypeata* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.72: Novērojumu atlases gaita un modelēšanā izmantojamie platknābja Spatula clypeata novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.73: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.12: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.2885996 0.0698452 0.0000000 0.0000000 0 SPACLY
Equal training sensitivity and specificity 0.4018557 0.0475786 0.0333333 0.0001332 0 SPACLY
Maximum training sensitivity plus specificity 0.2885996 0.0698452 0.0000000 0.0000000 0 SPACLY
Equal test sensitivity and specificity 0.3661598 0.0523714 0.0333333 0.0001332 0 SPACLY
Maximum test sensitivity plus specificity 0.3660819 0.0524214 0.0333333 0.0000000 0 SPACLY


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.74: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.75: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.76: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.77: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.78: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.13 MARSTR - pelēkā pīle Mareca strepera

Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās pīles *Mareca strepera* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.79: Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās pīles Mareca strepera novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.80: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.13: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1179216 0.0092754 0 0.0009312 0 MARSTR
Equal training sensitivity and specificity 0.1179216 0.0092754 0 0.0009312 0 MARSTR
Maximum training sensitivity plus specificity 0.1179216 0.0092754 0 0.0009312 0 MARSTR
Equal test sensitivity and specificity 0.0007697 0.0761981 0 0.0001330 0 MARSTR
Maximum test sensitivity plus specificity 0.0005439 0.0879170 0 0.0000000 0 MARSTR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.81: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.82: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.83: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.84: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.85: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.14 MARPEN - baltvēderis Mareca penelope

Novērojumu atlases gaita un modelēšanā izmantojamie baltvēdera *Mareca penelope* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.86: Novērojumu atlases gaita un modelēšanā izmantojamie baltvēdera Mareca penelope novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.87: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.14: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.5256300 0.0117900 0 0.0003997 0 MARPEN
Equal training sensitivity and specificity 0.5256300 0.0117900 0 0.0003997 0 MARPEN
Maximum training sensitivity plus specificity 0.5256300 0.0117900 0 0.0003997 0 MARPEN
Equal test sensitivity and specificity 0.0810023 0.0561023 0 0.0000000 0 MARPEN
Maximum test sensitivity plus specificity 0.0810023 0.0561023 0 0.0000000 0 MARPEN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.88: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.89: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.90: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.91: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.92: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.15 TACRUF - mazais dūkuris Tachybaptus ruficollis

Novērojumu atlases gaita un modelēšanā izmantojamie mazā dūkura *Tachybaptus ruficollis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.93: Novērojumu atlases gaita un modelēšanā izmantojamie mazā dūkura Tachybaptus ruficollis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.94: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.15: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0490090 0.3386872 0.0000000 0.000133 0 TACRUF
Equal training sensitivity and specificity 0.1952491 0.0761173 0.0833333 0.000266 0 TACRUF
Maximum training sensitivity plus specificity 0.1948423 0.0761672 0.0625000 0.000266 0 TACRUF
Equal test sensitivity and specificity 0.1905257 0.0782622 0.0625000 0.000133 0 TACRUF
Maximum test sensitivity plus specificity 0.1905257 0.0782622 0.0625000 0.000133 0 TACRUF


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.95: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.96: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.97: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.98: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.16 PODGRI - pelēkvaigu dūkuris Podiceps grisegena

Novērojumu atlases gaita un modelēšanā izmantojamie pelēkvaigu dūkura *Podiceps grisegena* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.99: Novērojumu atlases gaita un modelēšanā izmantojamie pelēkvaigu dūkura Podiceps grisegena novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.100: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.16: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.2881740 0.0046398 0 0.0006652 0 PODGRI
Equal training sensitivity and specificity 0.2881740 0.0046398 0 0.0006652 0 PODGRI
Maximum training sensitivity plus specificity 0.2881740 0.0046398 0 0.0006652 0 PODGRI
Equal test sensitivity and specificity 0.0061842 0.0215027 0 0.0000000 0 PODGRI
Maximum test sensitivity plus specificity 0.0061842 0.0215027 0 0.0000000 0 PODGRI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.101: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.102: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.103: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.104: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.105: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.17 PODCRI - cekuldūkuris Podiceps cristatus

Novērojumu atlases gaita un modelēšanā izmantojamie cekuldūkura *Podiceps cristatus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.106: Novērojumu atlases gaita un modelēšanā izmantojamie cekuldūkura Podiceps cristatus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.107: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.17: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0725176 0.0294292 0.0000000 0.0005275 0 PODCRI
Equal training sensitivity and specificity 0.2729136 0.0206252 0.0183486 0.0015825 0 PODCRI
Maximum training sensitivity plus specificity 0.2032831 0.0232466 0.0045872 0.0011869 0 PODCRI
Equal test sensitivity and specificity 0.0447607 0.0314571 0.0000000 0.0002637 0 PODCRI
Maximum test sensitivity plus specificity 0.0432582 0.0316550 0.0000000 0.0000000 0 PODCRI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.108: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.109: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.110: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.111: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.18 STRTUR - parastā ūbele Streptopelia turtur

Novērojumu atlases gaita un modelēšanā izmantojamie parastās ūbeles *Streptopelia turtur* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.112: Novērojumu atlases gaita un modelēšanā izmantojamie parastās ūbeles Streptopelia turtur novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.113: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.18: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0262569 0.7888358 0.0000000 0.0003945 0 STRTUR
Equal training sensitivity and specificity 0.3775259 0.1694832 0.1683502 0.0043398 0 STRTUR
Maximum training sensitivity plus specificity 0.3859237 0.1647041 0.1717172 0.0043398 0 STRTUR
Equal test sensitivity and specificity 0.3071500 0.2145145 0.1279461 0.0028932 0 STRTUR
Maximum test sensitivity plus specificity 0.2971520 0.2208208 0.1279461 0.0026302 0 STRTUR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.114: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.115: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.116: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.117: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.19 CAPEUR - vakarlēpis Caprimulgus europaeus

Novērojumu atlases gaita un modelēšanā izmantojamie vakarlēpja *Caprimulgus europaeus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.118: Novērojumu atlases gaita un modelēšanā izmantojamie vakarlēpja Caprimulgus europaeus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.119: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.19: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0112099 0.9456206 0.0000000 0.0001265 0 CAPEUR
Equal training sensitivity and specificity 0.3806361 0.1992007 0.1992188 0.0096166 0 CAPEUR
Maximum training sensitivity plus specificity 0.3442964 0.2210381 0.1738281 0.0084778 0 CAPEUR
Equal test sensitivity and specificity 0.3647833 0.2086683 0.1923828 0.0092370 0 CAPEUR
Maximum test sensitivity plus specificity 0.3535119 0.2158999 0.1816406 0.0084778 0 CAPEUR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.120: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.121: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.122: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.123: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.124: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.20 RALAQU - dumbrcālis Rallus aquaticus

Novērojumu atlases gaita un modelēšanā izmantojamie dumbrcāļa *Rallus aquaticus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.125: Novērojumu atlases gaita un modelēšanā izmantojamie dumbrcāļa Rallus aquaticus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.126: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.20: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0013303 0.7712639 0.0000000 0.00000 0 RALAQU
Equal training sensitivity and specificity 0.1163639 0.0703001 0.0697674 0.00053 0 RALAQU
Maximum training sensitivity plus specificity 0.1136966 0.0717905 0.0465116 0.00053 0 RALAQU
Equal test sensitivity and specificity 0.0896164 0.0902226 0.0465116 0.00053 0 RALAQU
Maximum test sensitivity plus specificity 0.1407943 0.0588235 0.1007752 0.00053 0 RALAQU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.127: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.128: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.129: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.130: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.21 CRECRE - grieze Crex crex

Novērojumu atlases gaita un modelēšanā izmantojamie griezes *Crex crex* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.131: Novērojumu atlases gaita un modelēšanā izmantojamie griezes Crex crex novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.132: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.21: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0047805 0.9971894 0.0000000 0.0001248 0 CRECRE
Equal training sensitivity and specificity 0.4644873 0.2336519 0.2333826 0.0170930 0 CRECRE
Maximum training sensitivity plus specificity 0.4104192 0.2747330 0.1838996 0.0142233 0 CRECRE
Equal test sensitivity and specificity 0.4270068 0.2623665 0.2038405 0.0148472 0 CRECRE
Maximum test sensitivity plus specificity 0.3536816 0.3247611 0.1425406 0.0097318 0 CRECRE


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.133: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.134: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.135: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.136: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.137: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.22 PORPOR - ormanītis Porzana porzana

Novērojumu atlases gaita un modelēšanā izmantojamie ormanīša *Porzana porzana* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.138: Novērojumu atlases gaita un modelēšanā izmantojamie ormanīša Porzana porzana novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.139: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.22: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0603700 0.4377520 0.0000000 0.0007965 0 PORPOR
Equal training sensitivity and specificity 0.2496912 0.1482901 0.1444444 0.0018585 0 PORPOR
Maximum training sensitivity plus specificity 0.2465833 0.1502315 0.1333333 0.0018585 0 PORPOR
Equal test sensitivity and specificity 0.1203890 0.2836378 0.0777778 0.0011947 0 PORPOR
Maximum test sensitivity plus specificity 0.1684570 0.2164866 0.1000000 0.0011947 0 PORPOR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.140: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.141: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.142: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.143: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.144: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.23 ZAPPAR - mazais ormanītis Zapornia parva

Novērojumu atlases gaita un modelēšanā izmantojamie mazā ormanīša *Zapornia parva* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.145: Novērojumu atlases gaita un modelēšanā izmantojamie mazā ormanīša Zapornia parva novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.146: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.23: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0787360 0.3394729 0.0000000 0.0002663 0 ZAPPAR
Equal training sensitivity and specificity 0.5538747 0.0622442 0.0571429 0.0003995 0 ZAPPAR
Maximum training sensitivity plus specificity 0.5538747 0.0622442 0.0571429 0.0003995 0 ZAPPAR
Equal test sensitivity and specificity 0.1002424 0.2911550 0.0285714 0.0003995 0 ZAPPAR
Maximum test sensitivity plus specificity 0.8531426 0.0235100 0.2571429 0.0003995 0 ZAPPAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.147: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.148: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.149: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.150: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.151: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.24 FULATR - laucis Fulica atra

Novērojumu atlases gaita un modelēšanā izmantojamie lauča *Fulica atra* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.152: Novērojumu atlases gaita un modelēšanā izmantojamie lauča Fulica atra novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.153: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.24: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0056641 0.4390685 0.0000000 0.0000000 0 FULATR
Equal training sensitivity and specificity 0.1273132 0.0634998 0.0634921 0.0020831 0 FULATR
Maximum training sensitivity plus specificity 0.0938799 0.0737244 0.0362812 0.0013019 0 FULATR
Equal test sensitivity and specificity 0.0946078 0.0732841 0.0385488 0.0013019 0 FULATR
Maximum test sensitivity plus specificity 0.0721408 0.0844381 0.0317460 0.0007811 0 FULATR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.154: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.155: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.156: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.157: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.158: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.25 GRUGRU - dzērve Grus grus

Novērojumu atlases gaita un modelēšanā izmantojamie dzērves *Grus grus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.159: Novērojumu atlases gaita un modelēšanā izmantojamie dzērves Grus grus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.160: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.25: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0306192 0.9614240 0.0000000 0.0000000 0 GRUGRU
Equal training sensitivity and specificity 0.4540730 0.2696958 0.2695035 0.0166859 0 GRUGRU
Maximum training sensitivity plus specificity 0.4187338 0.3058248 0.2234043 0.0148890 0 GRUGRU
Equal test sensitivity and specificity 0.3876300 0.3420497 0.1938534 0.0121936 0 GRUGRU
Maximum test sensitivity plus specificity 0.3711265 0.3640246 0.1761229 0.0109100 0 GRUGRU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.161: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.162: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.163: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.164: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.26 CICNIG - melnais stārķis Ciconia nigra

Novērojumu atlases gaita un modelēšanā izmantojamie melnā stārķa *Ciconia nigra* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.165: Novērojumu atlases gaita un modelēšanā izmantojamie melnā stārķa Ciconia nigra novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.166: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.26: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0084213 0.3262475 0.000 0.0002662 0 CICNIG
Equal training sensitivity and specificity 0.1460774 0.0622255 0.050 0.0003993 0 CICNIG
Maximum training sensitivity plus specificity 0.1460774 0.0622255 0.050 0.0003993 0 CICNIG
Equal test sensitivity and specificity 0.0221578 0.2095309 0.025 0.0003993 0 CICNIG
Maximum test sensitivity plus specificity 0.2124904 0.0461577 0.075 0.0003993 0 CICNIG


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.167: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.168: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.169: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.170: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.27 CICCIC - baltais stārķis Ciconia ciconia

Novērojumu atlases gaita un modelēšanā izmantojamie baltā stārķq *Ciconia ciconia* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.171: Novērojumu atlases gaita un modelēšanā izmantojamie baltā stārķq Ciconia ciconia novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.172: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.27: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0034527 0.8027594 0.0000000 0.0001226 0 CICCIC
Equal training sensitivity and specificity 0.3652380 0.1629996 0.1632877 0.0136130 0 CICCIC
Maximum training sensitivity plus specificity 0.2673641 0.2085167 0.1068493 0.0094432 0 CICCIC
Equal test sensitivity and specificity 0.2934118 0.1942611 0.1243836 0.0106696 0 CICCIC
Maximum test sensitivity plus specificity 0.2757125 0.2039329 0.1134247 0.0094432 0 CICCIC


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.173: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.174: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.175: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.176: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.177: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.28 BOTSTE - lielais dumpis Botaurus stellaris

Novērojumu atlases gaita un modelēšanā izmantojamie lielā dumpja *Botaurus stellaris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.178: Novērojumu atlases gaita un modelēšanā izmantojamie lielā dumpja Botaurus stellaris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.179: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.28: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0768154 0.0283453 0.0000000 0.0010551 0 BOTSTE
Equal training sensitivity and specificity 0.2278378 0.0201336 0.0186047 0.0029016 0 BOTSTE
Maximum training sensitivity plus specificity 0.1601347 0.0224586 0.0046512 0.0026378 0 BOTSTE
Equal test sensitivity and specificity 0.0215078 0.0413060 0.0000000 0.0002638 0 BOTSTE
Maximum test sensitivity plus specificity 0.0201472 0.0421469 0.0000000 0.0001319 0 BOTSTE


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.180: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.181: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.182: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.183: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.184: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.29 IXOMIN - mazais dumpis Ixobrychus minutus

Novērojumu atlases gaita un modelēšanā izmantojamie mazā dumpja *Ixobrychus minutus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.185: Novērojumu atlases gaita un modelēšanā izmantojamie mazā dumpja Ixobrychus minutus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.186: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.29: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.5541535 0.0801399 0.0000000 0 0 IXOMIN
Equal training sensitivity and specificity 0.6043790 0.0666500 0.0666667 0 0 IXOMIN
Maximum training sensitivity plus specificity 0.5541535 0.0801399 0.0000000 0 0 IXOMIN
Equal test sensitivity and specificity 0.6240410 0.0625531 0.0666667 0 0 IXOMIN
Maximum test sensitivity plus specificity 0.6240410 0.0625531 0.0666667 0 0 IXOMIN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.187: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.188: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.189: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.190: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.30 HAEOST - jūrasžagata Haematopus ostralegus

Novērojumu atlases gaita un modelēšanā izmantojamie jūrasžagatas *Haematopus ostralegus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.191: Novērojumu atlases gaita un modelēšanā izmantojamie jūrasžagatas Haematopus ostralegus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.192: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.30: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0941500 0.0299870 0.0000000 0.0005321 0 HAEOST
Equal training sensitivity and specificity 0.1449789 0.0238000 0.0238095 0.0006652 0 HAEOST
Maximum training sensitivity plus specificity 0.0941500 0.0299870 0.0000000 0.0005321 0 HAEOST
Equal test sensitivity and specificity 0.0214606 0.0665103 0.0000000 0.0001330 0 HAEOST
Maximum test sensitivity plus specificity 0.0398191 0.0468516 0.0000000 0.0001330 0 HAEOST


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.193: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.194: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.195: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.196: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.31 PLUAPR - dzeltenais tārtiņš Pluvialis apricaria

Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenā tārtiņa *Pluvialis apricaria* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.197: Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenā tārtiņa Pluvialis apricaria novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.198: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.31: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0323966 0.0117735 0.0000000 0 0 PLUAPR
Equal training sensitivity and specificity 0.0328734 0.0117236 0.0222222 0 0 PLUAPR
Maximum training sensitivity plus specificity 0.0323966 0.0117735 0.0000000 0 0 PLUAPR
Equal test sensitivity and specificity 0.0762430 0.0089798 0.0444444 0 0 PLUAPR
Maximum test sensitivity plus specificity 0.0762430 0.0089798 0.0444444 0 0 PLUAPR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.199: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.200: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.201: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.202: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.203: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.32 CHAHIA - smilšu tārtiņš Charadrius hiaticula

Novērojumu atlases gaita un modelēšanā izmantojamie smilšu tārtiņa *Charadrius hiaticula* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.204: Novērojumu atlases gaita un modelēšanā izmantojamie smilšu tārtiņa Charadrius hiaticula novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.205: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.32: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0430774 0.0071813 0.0000000 0 0 CHAHIA
Equal training sensitivity and specificity 0.0430774 0.0071813 0.0000000 0 0 CHAHIA
Maximum training sensitivity plus specificity 0.0430774 0.0071813 0.0000000 0 0 CHAHIA
Equal test sensitivity and specificity 0.2381384 0.0034411 0.0961538 0 0 CHAHIA
Maximum test sensitivity plus specificity 0.2381384 0.0034411 0.0961538 0 0 CHAHIA


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.206: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.207: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.208: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.209: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.33 CHADUB - upes tārtiņš Charadrius dubius

Novērojumu atlases gaita un modelēšanā izmantojamie upes tārtiņa *Charadrius dubius* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.210: Novērojumu atlases gaita un modelēšanā izmantojamie upes tārtiņa Charadrius dubius novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.211: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.33: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0010861 0.9450327 0.0000000 0.0000000 0 CHADUB
Equal training sensitivity and specificity 0.1856509 0.1314566 0.1314554 0.0019784 0 CHADUB
Maximum training sensitivity plus specificity 0.1619056 0.1538195 0.0938967 0.0017146 0 CHADUB
Equal test sensitivity and specificity 0.1542022 0.1611419 0.0892019 0.0017146 0 CHADUB
Maximum test sensitivity plus specificity 0.1353576 0.1820701 0.0751174 0.0007913 0 CHADUB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.212: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.213: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.214: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.215: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.34 VANVAN - ķīvīte Vanellus vanellus

Novērojumu atlases gaita un modelēšanā izmantojamie ķīvītes *Vanellus vanellus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.216: Novērojumu atlases gaita un modelēšanā izmantojamie ķīvītes Vanellus vanellus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.217: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.34: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0103694 0.5456370 0.0000000 0.0002553 0 VANVAN
Equal training sensitivity and specificity 0.3876800 0.1893338 0.1898598 0.0099579 0 VANVAN
Maximum training sensitivity plus specificity 0.2798582 0.2524133 0.0981661 0.0054896 0 VANVAN
Equal test sensitivity and specificity 0.3393033 0.2166683 0.1456311 0.0079152 0 VANVAN
Maximum test sensitivity plus specificity 0.2269472 0.2884928 0.0711974 0.0028086 0 VANVAN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.218: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.219: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.220: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.221: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.35 NUMPHA - lietuvainis Numenius phaeopus

Novērojumu atlases gaita un modelēšanā izmantojamie lietuvaiņa *Numenius phaeopus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.222: Novērojumu atlases gaita un modelēšanā izmantojamie lietuvaiņa Numenius phaeopus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā lietuvaiņa Numenius phaeopus izplatība nav modelējama


10.1.36 NUMARQ - kuitala Numenius arquata

Novērojumu atlases gaita un modelēšanā izmantojamie kuitalas *Numenius arquata* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.223: Novērojumu atlases gaita un modelēšanā izmantojamie kuitalas Numenius arquata novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.224: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.35: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.4115293 0.3996009 0.0000000 0.000133 0 NUMARQ
Equal training sensitivity and specificity 0.7174242 0.2093290 0.2000000 0.000266 0 NUMARQ
Maximum training sensitivity plus specificity 0.6911306 0.2473934 0.0888889 0.000133 0 NUMARQ
Equal test sensitivity and specificity 0.7305719 0.1819406 0.2444444 0.000399 0 NUMARQ
Maximum test sensitivity plus specificity 0.7137015 0.2154153 0.1777778 0.000133 0 NUMARQ


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.225: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.226: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.227: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.228: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.37 LIMLIM - melnā puskuitala Limosa limosa

Novērojumu atlases gaita un modelēšanā izmantojamie melnās puskuitalas *Limosa limosa* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.229: Novērojumu atlases gaita un modelēšanā izmantojamie melnās puskuitalas Limosa limosa novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā melnās puskuitalas Limosa limosa izplatība nav modelējama


10.1.38 GALMED - ķikuts Gallinago media

Novērojumu atlases gaita un modelēšanā izmantojamie ķikuta *Gallinago media* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.230: Novērojumu atlases gaita un modelēšanā izmantojamie ķikuta Gallinago media novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā ķikuta Gallinago media izplatība nav modelējama


10.1.39 GALGAL - mērkaziņa Gallinago gallinago

Novērojumu atlases gaita un modelēšanā izmantojamie mērkaziņas *Gallinago gallinago* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.231: Novērojumu atlases gaita un modelēšanā izmantojamie mērkaziņas Gallinago gallinago novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.232: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.36: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0191342 0.9539901 0.0000000 0.0000000 0 GALGAL
Equal training sensitivity and specificity 0.4703152 0.2630775 0.2633788 0.0136358 0 GALGAL
Maximum training sensitivity plus specificity 0.3967886 0.3389653 0.1678909 0.0090480 0 GALGAL
Equal test sensitivity and specificity 0.4467168 0.2864166 0.2350472 0.0117242 0 GALGAL
Maximum test sensitivity plus specificity 0.4275154 0.3057942 0.2109129 0.0096852 0 GALGAL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.233: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.234: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.235: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.236: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.40 TRINEB - lielā tilbīte Tringa nebularia

Novērojumu atlases gaita un modelēšanā izmantojamie lielās tilbītes *Tringa nebularia* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.237: Novērojumu atlases gaita un modelēšanā izmantojamie lielās tilbītes Tringa nebularia novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā lielās tilbītes Tringa nebularia izplatība nav modelējama


10.1.41 TRITOT - pļavu tilbīte Tringa totanus

Novērojumu atlases gaita un modelēšanā izmantojamie pļavu tilbītes *Tringa totanus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.238: Novērojumu atlases gaita un modelēšanā izmantojamie pļavu tilbītes Tringa totanus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.239: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.37: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1435399 0.3106355 0.0000000 0.0001330 0 TRITOT
Equal training sensitivity and specificity 0.4759110 0.0974758 0.0869565 0.0007981 0 TRITOT
Maximum training sensitivity plus specificity 0.4759110 0.0974758 0.0869565 0.0007981 0 TRITOT
Equal test sensitivity and specificity 0.2432658 0.2062257 0.0217391 0.0003990 0 TRITOT
Maximum test sensitivity plus specificity 0.2317081 0.2147561 0.0217391 0.0001330 0 TRITOT


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.240: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.241: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.242: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.243: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.244: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.42 TRIGLA - purva tilbīte Tringa glareola

Novērojumu atlases gaita un modelēšanā izmantojamie purva tilbīte *Tringa glareola* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.245: Novērojumu atlases gaita un modelēšanā izmantojamie purva tilbīte Tringa glareola novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.246: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.38: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0356567 0.0304088 0.0000000 0.0005319 0 TRIGLA
Equal training sensitivity and specificity 0.0587718 0.0223330 0.0166667 0.0009309 0 TRIGLA
Maximum training sensitivity plus specificity 0.0356567 0.0304088 0.0000000 0.0005319 0 TRIGLA
Equal test sensitivity and specificity 0.0069080 0.0712861 0.0000000 0.0001330 0 TRIGLA
Maximum test sensitivity plus specificity 0.0069080 0.0712861 0.0000000 0.0001330 0 TRIGLA


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.247: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.248: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.249: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.250: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.251: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.43 GLAPAS - apodziņš Glaucidium passerinum

Novērojumu atlases gaita un modelēšanā izmantojamie apodziņa *Glaucidium passerinum* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.252: Novērojumu atlases gaita un modelēšanā izmantojamie apodziņa Glaucidium passerinum novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.253: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.39: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0093200 0.6333170 0.0000000 0.0002608 0 GLAPAS
Equal training sensitivity and specificity 0.3702813 0.1862035 0.1863636 0.0053455 0 GLAPAS
Maximum training sensitivity plus specificity 0.2349547 0.2697162 0.0750000 0.0024772 0 GLAPAS
Equal test sensitivity and specificity 0.3473045 0.1977984 0.1750000 0.0040417 0 GLAPAS
Maximum test sensitivity plus specificity 0.2875470 0.2337084 0.1250000 0.0026076 0 GLAPAS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.254: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.255: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.256: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.257: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.258: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.44 AEGFUN - bikšainais apogs Aegolius funereus

Novērojumu atlases gaita un modelēšanā izmantojamie bikšainā apoga *Aegolius funereus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.259: Novērojumu atlases gaita un modelēšanā izmantojamie bikšainā apoga Aegolius funereus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.260: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.40: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0577697 0.1158167 0.0000000 0.0005304 0 AEGFUN
Equal training sensitivity and specificity 0.1258757 0.0696888 0.0677966 0.0009281 0 AEGFUN
Maximum training sensitivity plus specificity 0.0577697 0.1158167 0.0000000 0.0005304 0 AEGFUN
Equal test sensitivity and specificity 0.0659266 0.1072671 0.0169492 0.0005304 0 AEGFUN
Maximum test sensitivity plus specificity 0.0496603 0.1269013 0.0000000 0.0002652 0 AEGFUN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.261: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.262: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.263: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.264: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.265: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.45 ASIOTU - ausainā pūce Asio otus

Novērojumu atlases gaita un modelēšanā izmantojamie ausainās pūces *Asio otus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.266: Novērojumu atlases gaita un modelēšanā izmantojamie ausainās pūces Asio otus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.267: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.41: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0027168 0.9807378 0.0000000 0.0000000 0 ASIOTU
Equal training sensitivity and specificity 0.4092425 0.2194107 0.2193878 0.0018496 0 ASIOTU
Maximum training sensitivity plus specificity 0.4067552 0.2212924 0.2142857 0.0018496 0 ASIOTU
Equal test sensitivity and specificity 0.4133848 0.2165883 0.2295918 0.0019818 0 ASIOTU
Maximum test sensitivity plus specificity 0.4133324 0.2166378 0.2244898 0.0018496 0 ASIOTU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.268: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.269: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.270: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.271: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.46 STRALU - meža pūce Strix aluco

Novērojumu atlases gaita un modelēšanā izmantojamie meža pūces *Strix aluco* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.272: Novērojumu atlases gaita un modelēšanā izmantojamie meža pūces Strix aluco novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.273: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.42: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0324331 0.8235774 0.0000000 0.0006393 0 STRALU
Equal training sensitivity and specificity 0.4701241 0.2484406 0.2479339 0.0107403 0 STRALU
Maximum training sensitivity plus specificity 0.3804215 0.3311103 0.1404959 0.0065209 0 STRALU
Equal test sensitivity and specificity 0.4527378 0.2635544 0.2266824 0.0097174 0 STRALU
Maximum test sensitivity plus specificity 0.4211828 0.2897994 0.1877214 0.0079274 0 STRALU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.274: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.275: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.276: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.277: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.47 STRURA - urālpūce Strix uralensis

Novērojumu atlases gaita un modelēšanā izmantojamie urālpūces *Strix uralensis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.278: Novērojumu atlases gaita un modelēšanā izmantojamie urālpūces Strix uralensis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.279: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.43: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0209011 0.5333658 0.0000000 0.0002594 0 STRURA
Equal training sensitivity and specificity 0.3501375 0.1375000 0.1375000 0.0038911 0 STRURA
Maximum training sensitivity plus specificity 0.2624175 0.1712549 0.0910714 0.0019455 0 STRURA
Equal test sensitivity and specificity 0.3359681 0.1420233 0.1303571 0.0032425 0 STRURA
Maximum test sensitivity plus specificity 0.2652242 0.1702821 0.0982143 0.0019455 0 STRURA


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.280: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.281: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.282: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.283: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.284: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.48 BUBBUB - ūpis Bubo bubo

Novērojumu atlases gaita un modelēšanā izmantojamie ūpja *Bubo bubo* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.285: Novērojumu atlases gaita un modelēšanā izmantojamie ūpja Bubo bubo novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.286: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.44: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0110502 0.1479355 0.0000000 0.0000000 0 BUBBUB
Equal training sensitivity and specificity 0.0506608 0.0689500 0.0689655 0.0000000 0 BUBBUB
Maximum training sensitivity plus specificity 0.1130990 0.0389435 0.0689655 0.0002663 0 BUBBUB
Equal test sensitivity and specificity 0.0704057 0.0554196 0.0689655 0.0001332 0 BUBBUB
Maximum test sensitivity plus specificity 0.0703607 0.0554696 0.0689655 0.0000000 0 BUBBUB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.287: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.288: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.289: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.290: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.291: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.49 PANHAL - zivjērglis Pandion haliaetus

Novērojumu atlases gaita un modelēšanā izmantojamie zivjērgļa *Pandion haliaetus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.292: Novērojumu atlases gaita un modelēšanā izmantojamie zivjērgļa Pandion haliaetus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.293: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.45: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0930246 0.1689418 0.0000000 0.0010633 0 PANHAL
Equal training sensitivity and specificity 0.2747872 0.0694500 0.0694444 0.0021265 0 PANHAL
Maximum training sensitivity plus specificity 0.2874936 0.0670088 0.0694444 0.0021265 0 PANHAL
Equal test sensitivity and specificity 0.0665652 0.2041650 0.0000000 0.0006645 0 PANHAL
Maximum test sensitivity plus specificity 0.0657412 0.2055600 0.0000000 0.0003987 0 PANHAL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.294: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.295: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.296: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.297: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.50 PERAPI - ķīķis Pernis apivorus

Novērojumu atlases gaita un modelēšanā izmantojamie ķīķa *Pernis apivorus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.298: Novērojumu atlases gaita un modelēšanā izmantojamie ķīķa Pernis apivorus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.299: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.46: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0640793 0.9835935 0.0000000 0.0000000 0 PERAPI
Equal training sensitivity and specificity 0.5724827 0.3240529 0.3217391 0.0025202 0 PERAPI
Maximum training sensitivity plus specificity 0.6476807 0.2302376 0.3826087 0.0026529 0 PERAPI
Equal test sensitivity and specificity 0.5409945 0.3665606 0.2782609 0.0018570 0 PERAPI
Maximum test sensitivity plus specificity 0.4836071 0.4438699 0.2521739 0.0006632 0 PERAPI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.300: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.301: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.302: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.303: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.51 CLAPOM - mazais ērglis Clanga pomarina

Novērojumu atlases gaita un modelēšanā izmantojamie mazā ērgļa *Clanga pomarina* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.304: Novērojumu atlases gaita un modelēšanā izmantojamie mazā ērgļa Clanga pomarina novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.305: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.47: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0104916 0.4722480 0.0000000 0.0005214 0 CLAPOM
Equal training sensitivity and specificity 0.2273339 0.1063217 0.1065574 0.0044323 0 CLAPOM
Maximum training sensitivity plus specificity 0.1596267 0.1356114 0.0614754 0.0032590 0 CLAPOM
Equal test sensitivity and specificity 0.1358343 0.1490359 0.0532787 0.0028679 0 CLAPOM
Maximum test sensitivity plus specificity 0.1482394 0.1408836 0.0614754 0.0028679 0 CLAPOM


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.306: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.307: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.308: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.309: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.310: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.52 CIRAER - niedru lija Circus aeruginosus

Novērojumu atlases gaita un modelēšanā izmantojamie niedru lijas *Circus aeruginosus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.311: Novērojumu atlases gaita un modelēšanā izmantojamie niedru lijas Circus aeruginosus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.312: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.48: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0316536 0.9250779 0.0000000 0.0001320 0 CIRAER
Equal training sensitivity and specificity 0.2425187 0.1661639 0.1674208 0.0019799 0 CIRAER
Maximum training sensitivity plus specificity 0.2612889 0.1493497 0.1674208 0.0021119 0 CIRAER
Equal test sensitivity and specificity 0.2214221 0.1910390 0.1538462 0.0018479 0 CIRAER
Maximum test sensitivity plus specificity 0.3446224 0.0990554 0.2443439 0.0022439 0 CIRAER


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.313: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.314: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.315: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.316: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.317: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.53 ACCNIS - zvirbuļvanags Accipiter nisus

Novērojumu atlases gaita un modelēšanā izmantojamie zvirbuļvanaga *Accipiter nisus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.318: Novērojumu atlases gaita un modelēšanā izmantojamie zvirbuļvanaga Accipiter nisus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.319: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.49: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1150094 0.6620539 0.0000000 0.0001328 0 ACCNIS
Equal training sensitivity and specificity 0.5279710 0.1911494 0.1910112 0.0018590 0 ACCNIS
Maximum training sensitivity plus specificity 0.4703515 0.2352033 0.0898876 0.0014606 0 ACCNIS
Equal test sensitivity and specificity 0.4360436 0.2655184 0.0898876 0.0010623 0 ACCNIS
Maximum test sensitivity plus specificity 0.4073814 0.2914530 0.0674157 0.0007967 0 ACCNIS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.320: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.321: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.322: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.323: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.54 ACCGEN - vistu vanags Accipiter gentilis

Novērojumu atlases gaita un modelēšanā izmantojamie vistu vanaga *Accipiter gentilis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.324: Novērojumu atlases gaita un modelēšanā izmantojamie vistu vanaga Accipiter gentilis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.325: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.50: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0289197 0.5600654 0.0000000 0.0002642 0 ACCGEN
Equal training sensitivity and specificity 0.2670525 0.1166617 0.1166667 0.0033025 0 ACCGEN
Maximum training sensitivity plus specificity 0.2632815 0.1183963 0.1000000 0.0033025 0 ACCGEN
Equal test sensitivity and specificity 0.1229852 0.2116662 0.0444444 0.0018494 0 ACCGEN
Maximum test sensitivity plus specificity 0.1507421 0.1838141 0.0611111 0.0019815 0 ACCGEN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.326: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.327: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.328: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.329: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.330: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.55 HALALB - jūras ērglis Haliaeetus albicilla

Novērojumu atlases gaita un modelēšanā izmantojamie jūras ērgļa *Haliaeetus albicilla* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.331: Novērojumu atlases gaita un modelēšanā izmantojamie jūras ērgļa Haliaeetus albicilla novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.332: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.51: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0233736 0.3779081 0.0000000 0.0001326 0 HALALB
Equal training sensitivity and specificity 0.2153422 0.0928117 0.0948276 0.0021217 0 HALALB
Maximum training sensitivity plus specificity 0.2150941 0.0928614 0.0862069 0.0021217 0 HALALB
Equal test sensitivity and specificity 0.1200385 0.1539073 0.0603448 0.0007957 0 HALALB
Maximum test sensitivity plus specificity 0.1164878 0.1569895 0.0603448 0.0005304 0 HALALB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.333: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.334: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.335: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.336: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.337: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.56 MILMIL - sarkanā klija Milvus milvus

Novērojumu atlases gaita un modelēšanā izmantojamie sarkanās klijas *Milvus milvus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.338: Novērojumu atlases gaita un modelēšanā izmantojamie sarkanās klijas Milvus milvus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.339: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.52: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0159831 0.2852167 0.0000000 0.0002655 0 MILMIL
Equal training sensitivity and specificity 0.1662240 0.0703588 0.0721649 0.0011947 0 MILMIL
Maximum training sensitivity plus specificity 0.1409367 0.0796636 0.0412371 0.0010620 0 MILMIL
Equal test sensitivity and specificity 0.0752240 0.1204657 0.0309278 0.0005310 0 MILMIL
Maximum test sensitivity plus specificity 0.0713103 0.1239986 0.0309278 0.0002655 0 MILMIL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.340: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.341: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.342: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.343: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.57 MILMIG - melnā klija Milvus migrans

Novērojumu atlases gaita un modelēšanā izmantojamie melnās klijas *Milvus migrans* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.344: Novērojumu atlases gaita un modelēšanā izmantojamie melnās klijas Milvus migrans novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.345: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.53: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0220883 0.4435757 0.0000 0.0003986 0 MILMIG
Equal training sensitivity and specificity 0.1874402 0.1250000 0.1250 0.0013286 0 MILMIG
Maximum training sensitivity plus specificity 0.3103222 0.0777390 0.1375 0.0021257 0 MILMIG
Equal test sensitivity and specificity 0.1158873 0.1865040 0.0500 0.0006643 0 MILMIG
Maximum test sensitivity plus specificity 0.1097220 0.1941235 0.0500 0.0003986 0 MILMIG


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.346: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.347: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.348: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.349: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.350: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.58 BUTBUT - peļu klijāns Buteo buteo

Novērojumu atlases gaita un modelēšanā izmantojamie peļu klijāna *Buteo buteo* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.351: Novērojumu atlases gaita un modelēšanā izmantojamie peļu klijāna Buteo buteo novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.352: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.54: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0533842 0.7650655 0.0000000 0.0001307 0 BUTBUT
Equal training sensitivity and specificity 0.4708385 0.2364997 0.2364865 0.0037889 0 BUTBUT
Maximum training sensitivity plus specificity 0.4212981 0.2796419 0.1779279 0.0035276 0 BUTBUT
Equal test sensitivity and specificity 0.4887770 0.2226570 0.2477477 0.0041808 0 BUTBUT
Maximum test sensitivity plus specificity 0.4728392 0.2348855 0.2364865 0.0037889 0 BUTBUT


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.353: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.354: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.355: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.356: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.59 UPUEPO - pupuķis Upupa epops

Novērojumu atlases gaita un modelēšanā izmantojamie pupuķa *Upupa epops* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.357: Novērojumu atlases gaita un modelēšanā izmantojamie pupuķa Upupa epops novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.358: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.55: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0063628 0.8317872 0.0000000 0.0000000 0 UPUEPO
Equal training sensitivity and specificity 0.1617183 0.1200118 0.1200000 0.0034054 0 UPUEPO
Maximum training sensitivity plus specificity 0.1325694 0.1466156 0.0853333 0.0030124 0 UPUEPO
Equal test sensitivity and specificity 0.1215976 0.1587886 0.0826667 0.0026195 0 UPUEPO
Maximum test sensitivity plus specificity 0.1192289 0.1613410 0.0826667 0.0023576 0 UPUEPO


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.359: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.360: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.361: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.362: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.60 CORGAR - zaļā vārna Coracias garrulus

Novērojumu atlases gaita un modelēšanā izmantojamie zaļās vārnas *Coracias garrulus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.363: Novērojumu atlases gaita un modelēšanā izmantojamie zaļās vārnas Coracias garrulus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.364: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.56: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.3143353 0.0018473 0 0.0005325 0 CORGAR
Equal training sensitivity and specificity 0.3143353 0.0018473 0 0.0005325 0 CORGAR
Maximum training sensitivity plus specificity 0.3143353 0.0018473 0 0.0005325 0 CORGAR
Equal test sensitivity and specificity 0.0598291 0.0034450 0 0.0000000 0 CORGAR
Maximum test sensitivity plus specificity 0.0598291 0.0034450 0 0.0000000 0 CORGAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.365: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.366: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.367: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.368: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.61 JYNTOR - tītiņš Jynx torquilla

Novērojumu atlases gaita un modelēšanā izmantojamie tītiņa *Jynx torquilla* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.369: Novērojumu atlases gaita un modelēšanā izmantojamie tītiņa Jynx torquilla novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.370: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.57: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0300582 0.9467361 0.0000000 0.0002600 0 JYNTOR
Equal training sensitivity and specificity 0.3725017 0.2401498 0.2401434 0.0055895 0 JYNTOR
Maximum training sensitivity plus specificity 0.3446600 0.2646172 0.2043011 0.0049396 0 JYNTOR
Equal test sensitivity and specificity 0.3690386 0.2430197 0.2383513 0.0054595 0 JYNTOR
Maximum test sensitivity plus specificity 0.3415197 0.2677790 0.2043011 0.0046796 0 JYNTOR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.371: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.372: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.373: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.374: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.62 PICCAN - pelēkā dzilna Picus canus

Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās dzilnas *Picus canus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.375: Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās dzilnas Picus canus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.376: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.58: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0870909 0.6813351 0.0000000 0.0001325 0 PICCAN
Equal training sensitivity and specificity 0.4552391 0.1902752 0.1940299 0.0018555 0 PICCAN
Maximum training sensitivity plus specificity 0.4479004 0.1969802 0.1716418 0.0018555 0 PICCAN
Equal test sensitivity and specificity 0.3626765 0.2782855 0.1044776 0.0017230 0 PICCAN
Maximum test sensitivity plus specificity 0.4901097 0.1650939 0.2164179 0.0018555 0 PICCAN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.377: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.378: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.379: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.380: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.381: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.63 DRYMAR - melnā dzilna Dryocopus martius

Novērojumu atlases gaita un modelēšanā izmantojamie melnās dzilnas *Dryocopus martius* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.382: Novērojumu atlases gaita un modelēšanā izmantojamie melnās dzilnas Dryocopus martius novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.383: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.59: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0269726 0.7641945 0.0000000 0.0001311 0 DRYMAR
Equal training sensitivity and specificity 0.5028317 0.2555501 0.2555556 0.0039334 0 DRYMAR
Maximum training sensitivity plus specificity 0.4035688 0.3473969 0.1388889 0.0031467 0 DRYMAR
Equal test sensitivity and specificity 0.5137531 0.2456287 0.2611111 0.0040645 0 DRYMAR
Maximum test sensitivity plus specificity 0.5392806 0.2237721 0.2861111 0.0040645 0 DRYMAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.384: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.385: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.386: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.387: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.388: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.64 PICTRI - trīspirkstu dzenis Picoides tridactylus

Novērojumu atlases gaita un modelēšanā izmantojamie trīspirkstu dzeņa *Picoides tridactylus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.389: Novērojumu atlases gaita un modelēšanā izmantojamie trīspirkstu dzeņa Picoides tridactylus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.390: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.60: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0232301 0.5425458 0.00000 0.0000000 0 PICTRI
Equal training sensitivity and specificity 0.1908027 0.1562500 0.15625 0.0002655 0 PICTRI
Maximum training sensitivity plus specificity 0.1284610 0.2242237 0.06250 0.0000000 0 PICTRI
Equal test sensitivity and specificity 0.2821502 0.1016620 0.21875 0.0003982 0 PICTRI
Maximum test sensitivity plus specificity 0.2814836 0.1019108 0.21875 0.0002655 0 PICTRI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.391: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.392: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.393: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.394: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.395: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.65 LEIMED - vidējais dzenis Leiopicus medius

Novērojumu atlases gaita un modelēšanā izmantojamie vidējā dzeņa *Leiopicus medius* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.396: Novērojumu atlases gaita un modelēšanā izmantojamie vidējā dzeņa Leiopicus medius novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.397: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.61: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0050805 0.8780500 0.0000000 0.0000000 0 LEIMED
Equal training sensitivity and specificity 0.2666355 0.1504648 0.1504559 0.0049146 0 LEIMED
Maximum training sensitivity plus specificity 0.2663562 0.1506100 0.1489362 0.0049146 0 LEIMED
Equal test sensitivity and specificity 0.2447883 0.1634392 0.1398176 0.0042680 0 LEIMED
Maximum test sensitivity plus specificity 0.2447883 0.1634392 0.1398176 0.0042680 0 LEIMED


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.398: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.399: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.400: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.401: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.402: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.66 DRYMIN - mazais dzenis Dryobates minor

Novērojumu atlases gaita un modelēšanā izmantojamie mazā dzeņa *Dryobates minor* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.403: Novērojumu atlases gaita un modelēšanā izmantojamie mazā dzeņa Dryobates minor novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.404: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.62: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0839183 0.6090570 0.0000000 0.0001328 0 DRYMIN
Equal training sensitivity and specificity 0.4356895 0.1579000 0.1578947 0.0013278 0 DRYMIN
Maximum training sensitivity plus specificity 0.4448728 0.1523264 0.1578947 0.0014606 0 DRYMIN
Equal test sensitivity and specificity 0.3452528 0.2219955 0.1263158 0.0009295 0 DRYMIN
Maximum test sensitivity plus specificity 0.3318235 0.2332421 0.1052632 0.0005311 0 DRYMIN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.405: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.406: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.407: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.408: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.409: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.67 DENLEU - baltmugurdzenis Dendrocopos leucotos

Novērojumu atlases gaita un modelēšanā izmantojamie baltmugurdzeņa *Dendrocopos leucotos* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.410: Novērojumu atlases gaita un modelēšanā izmantojamie baltmugurdzeņa Dendrocopos leucotos novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.411: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.63: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0347474 0.6940838 0.0000000 0.0001323 0 DENLEU
Equal training sensitivity and specificity 0.3101320 0.1767417 0.1758242 0.0019849 0 DENLEU
Maximum training sensitivity plus specificity 0.3088151 0.1778317 0.1703297 0.0019849 0 DENLEU
Equal test sensitivity and specificity 0.2772078 0.2033000 0.1703297 0.0014556 0 DENLEU
Maximum test sensitivity plus specificity 0.2581977 0.2215340 0.1483516 0.0011909 0 DENLEU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.412: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.413: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.414: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.415: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.416: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.68 DENMAJ - dižraibais dzenis Dendrocopos major

Novērojumu atlases gaita un modelēšanā izmantojamie dižraibā dzeņa *Dendrocopos major* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.417: Novērojumu atlases gaita un modelēšanā izmantojamie dižraibā dzeņa Dendrocopos major novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.418: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.64: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0013063 0.9824047 0.0000000 0.0000000 0 DENMAJ
Equal training sensitivity and specificity 0.4592525 0.2552266 0.2550218 0.0146724 0 DENMAJ
Maximum training sensitivity plus specificity 0.3530964 0.3532305 0.1318777 0.0078421 0 DENMAJ
Equal test sensitivity and specificity 0.4382362 0.2737679 0.2279476 0.0123956 0 DENMAJ
Maximum test sensitivity plus specificity 0.3881048 0.3188913 0.1746725 0.0092335 0 DENMAJ


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.419: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.420: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.421: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.422: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.69 FALTIN - lauku piekūns Falco tinnunculus

Novērojumu atlases gaita un modelēšanā izmantojamie lauku piekūna *Falco tinnunculus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.423: Novērojumu atlases gaita un modelēšanā izmantojamie lauku piekūna Falco tinnunculus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.424: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.65: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0152096 0.5473214 0.00000 0.0005292 0 FALTIN
Equal training sensitivity and specificity 0.1976141 0.1450397 0.14375 0.0025139 0 FALTIN
Maximum training sensitivity plus specificity 0.1479819 0.1789187 0.08750 0.0019847 0 FALTIN
Equal test sensitivity and specificity 0.1157455 0.2117560 0.08125 0.0015877 0 FALTIN
Maximum test sensitivity plus specificity 0.1053122 0.2261905 0.07500 0.0011908 0 FALTIN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.425: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.426: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.427: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.428: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.70 FALCOL - purva piekūns Falco columbarius

Novērojumu atlases gaita un modelēšanā izmantojamie purva piekūna *Falco columbarius* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.429: Novērojumu atlases gaita un modelēšanā izmantojamie purva piekūna Falco columbarius novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā purva piekūna Falco columbarius izplatība nav modelējama


10.1.71 ORIORI - vālodze Oriolus oriolus

Novērojumu atlases gaita un modelēšanā izmantojamie vālodzes *Oriolus oriolus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.430: Novērojumu atlases gaita un modelēšanā izmantojamie vālodzes Oriolus oriolus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.431: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.66: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0139660 0.9596741 0.0000000 0.0000000 0 ORIORI
Equal training sensitivity and specificity 0.4768564 0.2670441 0.2670520 0.0228557 0 ORIORI
Maximum training sensitivity plus specificity 0.4542005 0.2871150 0.2387283 0.0215041 0 ORIORI
Equal test sensitivity and specificity 0.4417394 0.2997744 0.2306358 0.0206439 0 ORIORI
Maximum test sensitivity plus specificity 0.4944919 0.2515767 0.2878613 0.0235930 0 ORIORI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.432: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.433: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.434: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.435: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.72 LANCOL - brūnā čakste Lanius collurio

Novērojumu atlases gaita un modelēšanā izmantojamie brūnās čakstes *Lanius collurio* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.436: Novērojumu atlases gaita un modelēšanā izmantojamie brūnās čakstes Lanius collurio novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.437: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.67: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0138732 0.9508158 0.0000000 0.0000000 0 LANCOL
Equal training sensitivity and specificity 0.4340123 0.2413858 0.2412060 0.0170234 0 LANCOL
Maximum training sensitivity plus specificity 0.3971690 0.2684557 0.2074659 0.0148955 0 LANCOL
Equal test sensitivity and specificity 0.3961134 0.2695311 0.2074659 0.0148955 0 LANCOL
Maximum test sensitivity plus specificity 0.3871665 0.2777596 0.2017229 0.0137689 0 LANCOL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.438: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.439: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.440: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.441: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.442: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.73 LANEXC - lielā čakste Lanius excubitor

Novērojumu atlases gaita un modelēšanā izmantojamie lielās čakstes *Lanius excubitor* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.443: Novērojumu atlases gaita un modelēšanā izmantojamie lielās čakstes Lanius excubitor novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.444: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.68: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0698624 0.6867093 0.0000000 0.0003970 0 LANEXC
Equal training sensitivity and specificity 0.4041920 0.1583569 0.1592357 0.0030439 0 LANEXC
Maximum training sensitivity plus specificity 0.4041653 0.1584065 0.1528662 0.0030439 0 LANEXC
Equal test sensitivity and specificity 0.2673128 0.2642754 0.0828025 0.0019852 0 LANEXC
Maximum test sensitivity plus specificity 0.3447583 0.1969043 0.1273885 0.0021175 0 LANEXC


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.445: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.446: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.447: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.448: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.74 NUCCAR - riekstrozis Nucifraga caryocatactes

Novērojumu atlases gaita un modelēšanā izmantojamie riekstroža *Nucifraga caryocatactes* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.449: Novērojumu atlases gaita un modelēšanā izmantojamie riekstroža Nucifraga caryocatactes novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.450: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.69: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0472366 0.5922511 0.0000000 0.0000000 0 NUCCAR
Equal training sensitivity and specificity 0.3963221 0.2020598 0.2020460 0.0032727 0 NUCCAR
Maximum training sensitivity plus specificity 0.2954782 0.2727317 0.1048593 0.0015709 0 NUCCAR
Equal test sensitivity and specificity 0.4101929 0.1937224 0.2122762 0.0034036 0 NUCCAR
Maximum test sensitivity plus specificity 0.3052229 0.2653752 0.1202046 0.0015709 0 NUCCAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.451: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.452: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.453: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.454: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.75 PERATE - meža zīlīte Periparus ater

Novērojumu atlases gaita un modelēšanā izmantojamie meža zīlītes *Periparus ater* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.455: Novērojumu atlases gaita un modelēšanā izmantojamie meža zīlītes Periparus ater novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.456: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.70: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0337048 0.5899083 0.0000000 0.0006224 0 PERATE
Equal training sensitivity and specificity 0.4400670 0.2077922 0.2077748 0.0139408 0 PERATE
Maximum training sensitivity plus specificity 0.3644216 0.2530373 0.1380697 0.0098332 0 PERATE
Equal test sensitivity and specificity 0.4115503 0.2253410 0.1796247 0.0118247 0 PERATE
Maximum test sensitivity plus specificity 0.3041601 0.2947447 0.1038874 0.0063480 0 PERATE


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.457: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.458: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.459: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.460: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.76 LOPCRI - cekulzīlīte Lophophanes cristatus

Novērojumu atlases gaita un modelēšanā izmantojamie cekulzīlītes *Lophophanes cristatus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.461: Novērojumu atlases gaita un modelēšanā izmantojamie cekulzīlītes Lophophanes cristatus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.462: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.71: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0077467 0.7511023 0.0000000 0.0000000 0 LOPCRI
Equal training sensitivity and specificity 0.4573092 0.2161033 0.2163380 0.0187753 0 LOPCRI
Maximum training sensitivity plus specificity 0.3377451 0.2827026 0.1205634 0.0107989 0 LOPCRI
Equal test sensitivity and specificity 0.4138531 0.2391604 0.1808451 0.0148484 0 LOPCRI
Maximum test sensitivity plus specificity 0.3156644 0.2963439 0.1138028 0.0088354 0 LOPCRI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.463: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.464: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.465: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.466: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.77 POEPAL - purva zīlīte Poecile palustris

Novērojumu atlases gaita un modelēšanā izmantojamie purva zīlītes *Poecile palustris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.467: Novērojumu atlases gaita un modelēšanā izmantojamie purva zīlītes Poecile palustris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.468: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.72: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0199488 0.7805207 0.0000000 0.0000000 0 POEPAL
Equal training sensitivity and specificity 0.4088454 0.2244455 0.2244624 0.0083784 0 POEPAL
Maximum training sensitivity plus specificity 0.3798046 0.2520251 0.1881720 0.0072184 0 POEPAL
Equal test sensitivity and specificity 0.3856921 0.2465284 0.1962366 0.0074762 0 POEPAL
Maximum test sensitivity plus specificity 0.3317280 0.3004339 0.1465054 0.0051560 0 POEPAL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.469: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.470: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.471: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.472: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.78 POEMON - pelēkā zīlīte Poecile montanus

Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās zīlītes *Poecile montanus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.473: Novērojumu atlases gaita un modelēšanā izmantojamie pelēkās zīlītes Poecile montanus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.474: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.73: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0237883 0.7473363 0.0000000 0.0000000 0 POEMON
Equal training sensitivity and specificity 0.5018770 0.2568411 0.2566845 0.0127916 0 POEMON
Maximum training sensitivity plus specificity 0.3726291 0.3807088 0.1176471 0.0063958 0 POEMON
Equal test sensitivity and specificity 0.5079199 0.2512556 0.2643239 0.0131678 0 POEMON
Maximum test sensitivity plus specificity 0.4626559 0.2944849 0.2116119 0.0096564 0 POEMON


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.475: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.476: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.477: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.478: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.79 LULARB - sila cīrulis Lullula arborea

Novērojumu atlases gaita un modelēšanā izmantojamie sila cīruļa *Lullula arborea* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.479: Novērojumu atlases gaita un modelēšanā izmantojamie sila cīruļa Lullula arborea novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.480: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.74: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0495886 0.9490826 0.0000000 0.0002445 0 LULARB
Equal training sensitivity and specificity 0.4565776 0.2705046 0.2702104 0.0223744 0 LULARB
Maximum training sensitivity plus specificity 0.4228652 0.3043578 0.2342193 0.0194400 0 LULARB
Equal test sensitivity and specificity 0.4385714 0.2876606 0.2552602 0.0206627 0 LULARB
Maximum test sensitivity plus specificity 0.4506177 0.2759633 0.2657807 0.0212740 0 LULARB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.481: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.482: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.483: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.484: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.485: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.80 ALAARV - lauku cīrulis Alauda arvensis

Novērojumu atlases gaita un modelēšanā izmantojamie lauku cīruļa *Alauda arvensis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.486: Novērojumu atlases gaita un modelēšanā izmantojamie lauku cīruļa Alauda arvensis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.487: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.75: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0001325 0.8558855 0.0000000 0.0000000 0 ALAARV
Equal training sensitivity and specificity 0.4747247 0.1848341 0.1852941 0.0064616 0 ALAARV
Maximum training sensitivity plus specificity 0.3277938 0.2502660 0.0720588 0.0040062 0 ALAARV
Equal test sensitivity and specificity 0.4125434 0.2124480 0.1382353 0.0052985 0 ALAARV
Maximum test sensitivity plus specificity 0.1931375 0.3003192 0.0367647 0.0016800 0 ALAARV


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.488: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.489: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.490: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.491: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.81 IDUCAL - klusais ķauķis Iduna caligata

Novērojumu atlases gaita un modelēšanā izmantojamie klusā ķauķa *Iduna caligata* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.492: Novērojumu atlases gaita un modelēšanā izmantojamie klusā ķauķa Iduna caligata novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.493: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.76: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.5637721 0.1527625 0.0000000 0.0000000 0 IDUCAL
Equal training sensitivity and specificity 0.6958279 0.0909681 0.1111111 0.0002664 0 IDUCAL
Maximum training sensitivity plus specificity 0.6958181 0.0910181 0.0555556 0.0002664 0 IDUCAL
Equal test sensitivity and specificity 0.6518297 0.1133979 0.0555556 0.0001332 0 IDUCAL
Maximum test sensitivity plus specificity 0.6516350 0.1134979 0.0555556 0.0000000 0 IDUCAL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.494: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.495: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.496: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.497: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.82 ACRRIS - purva ķauķis Acrocephalus palustris

Novērojumu atlases gaita un modelēšanā izmantojamie purva ķauķis *Acrocephalus palustris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.498: Novērojumu atlases gaita un modelēšanā izmantojamie purva ķauķis Acrocephalus palustris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.499: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.77: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0144053 0.9593199 0.0000000 0.0001265 0 ACRRIS
Equal training sensitivity and specificity 0.4403031 0.2379238 0.2379249 0.0099937 0 ACRRIS
Maximum training sensitivity plus specificity 0.4093564 0.2588558 0.2075134 0.0089817 0 ACRRIS
Equal test sensitivity and specificity 0.4552802 0.2274579 0.2468694 0.0101202 0 ACRRIS
Maximum test sensitivity plus specificity 0.4552602 0.2275052 0.2468694 0.0099937 0 ACRRIS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.500: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.501: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.502: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.503: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.83 ACRARU - niedru strazds Acrocephalus arundinaceus

Novērojumu atlases gaita un modelēšanā izmantojamie niedru strazda *Acrocephalus arundinaceus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.504: Novērojumu atlases gaita un modelēšanā izmantojamie niedru strazda Acrocephalus arundinaceus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.505: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.78: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0049626 0.6138783 0.0000000 0.0000000 0 ACRARU
Equal training sensitivity and specificity 0.1415310 0.0690497 0.0690377 0.0026025 0 ACRARU
Maximum training sensitivity plus specificity 0.1123554 0.0784745 0.0543933 0.0018217 0 ACRARU
Equal test sensitivity and specificity 0.0927884 0.0884852 0.0502092 0.0016916 0 ACRARU
Maximum test sensitivity plus specificity 0.1052077 0.0814044 0.0523013 0.0016916 0 ACRARU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.506: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.507: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.508: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.509: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.84 LOCFLU - upes ķauķis Locustella fluviatilis

Novērojumu atlases gaita un modelēšanā izmantojamie upes ķauķa *Locustella fluviatilis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.510: Novērojumu atlases gaita un modelēšanā izmantojamie upes ķauķa Locustella fluviatilis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.511: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.79: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0146528 0.8485703 0.0000000 0.0005195 0 LOCFLU
Equal training sensitivity and specificity 0.4011063 0.1794398 0.1787611 0.0075325 0 LOCFLU
Maximum training sensitivity plus specificity 0.3860338 0.1887279 0.1592920 0.0071429 0 LOCFLU
Equal test sensitivity and specificity 0.3212259 0.2330286 0.1292035 0.0058442 0 LOCFLU
Maximum test sensitivity plus specificity 0.2935124 0.2561758 0.1168142 0.0046753 0 LOCFLU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.512: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.513: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.514: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.515: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.85 LOCNAE - kārklu ķauķis Locustella naevia

Novērojumu atlases gaita un modelēšanā izmantojamie kārklu ķauķa *Locustella naevia* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.516: Novērojumu atlases gaita un modelēšanā izmantojamie kārklu ķauķa Locustella naevia novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.517: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.80: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0025672 0.8696013 0.0000000 0.0001304 0 LOCNAE
Equal training sensitivity and specificity 0.2962411 0.1619735 0.1629328 0.0065198 0 LOCNAE
Maximum training sensitivity plus specificity 0.2660833 0.1795422 0.1384929 0.0058678 0 LOCNAE
Equal test sensitivity and specificity 0.2138230 0.2168269 0.1221996 0.0045638 0 LOCNAE
Maximum test sensitivity plus specificity 0.1932095 0.2340052 0.1018330 0.0037815 0 LOCNAE


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.518: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.519: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.520: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.521: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.86 HIRRUS - bezdelīga Hirundo rustica

Novērojumu atlases gaita un modelēšanā izmantojamie bezdelīgas *Hirundo rustica* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.522: Novērojumu atlases gaita un modelēšanā izmantojamie bezdelīgas Hirundo rustica novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.523: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.81: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0113005 0.7571848 0.0000000 0.0000000 0 HIRRUS
Equal training sensitivity and specificity 0.2901339 0.1471140 0.1470968 0.0054103 0 HIRRUS
Maximum training sensitivity plus specificity 0.2239787 0.1856737 0.0941935 0.0033492 0 HIRRUS
Equal test sensitivity and specificity 0.2584312 0.1637221 0.1238710 0.0047662 0 HIRRUS
Maximum test sensitivity plus specificity 0.2285932 0.1826891 0.1045161 0.0033492 0 HIRRUS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.524: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.525: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.526: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.527: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.87 PHYSIB - svirlītis Phylloscopus sibilatrix

Novērojumu atlases gaita un modelēšanā izmantojamie svirlīša *Phylloscopus sibilatrix* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.528: Novērojumu atlases gaita un modelēšanā izmantojamie svirlīša Phylloscopus sibilatrix novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.529: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.82: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0655375 0.6278128 0.0000000 0.0002608 0 PHYSIB
Equal training sensitivity and specificity 0.4646117 0.1938790 0.1938776 0.0059990 0 PHYSIB
Maximum training sensitivity plus specificity 0.4668127 0.1927076 0.1938776 0.0059990 0 PHYSIB
Equal test sensitivity and specificity 0.4078063 0.2290721 0.1755102 0.0045644 0 PHYSIB
Maximum test sensitivity plus specificity 0.3349617 0.2817396 0.1224490 0.0031299 0 PHYSIB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.530: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.531: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.532: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.533: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.88 AEGCAU - garastīte Aegithalos caudatus

Novērojumu atlases gaita un modelēšanā izmantojamie garastītes *Aegithalos caudatus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.534: Novērojumu atlases gaita un modelēšanā izmantojamie garastītes Aegithalos caudatus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.535: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.83: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0304353 0.7511260 0.0000000 0.0001294 0 AEGCAU
Equal training sensitivity and specificity 0.4594043 0.2545886 0.2546012 0.0078913 0 AEGCAU
Maximum training sensitivity plus specificity 0.3827284 0.3258753 0.1610429 0.0051746 0 AEGCAU
Equal test sensitivity and specificity 0.4455505 0.2658240 0.2377301 0.0071151 0 AEGCAU
Maximum test sensitivity plus specificity 0.4212082 0.2876653 0.2070552 0.0059508 0 AEGCAU


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.536: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.537: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.538: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.539: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.89 CURNIS - svītrainais ķauķis Curruca nisoria

Novērojumu atlases gaita un modelēšanā izmantojamie svītrainā ķauķa *Curruca nisoria* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.540: Novērojumu atlases gaita un modelēšanā izmantojamie svītrainā ķauķa Curruca nisoria novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.541: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.84: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0216217 0.7461209 0.0000000 0.0002654 0 CURNIS
Equal training sensitivity and specificity 0.2917432 0.1540183 0.1574074 0.0015926 0 CURNIS
Maximum training sensitivity plus specificity 0.3356518 0.1320370 0.1574074 0.0015926 0 CURNIS
Equal test sensitivity and specificity 0.1489304 0.2927690 0.0648148 0.0013271 0 CURNIS
Maximum test sensitivity plus specificity 0.4742608 0.0821564 0.2685185 0.0017253 0 CURNIS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.542: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.543: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.544: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.545: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.546: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.90 CURCOM - brūnspārnu ķauķis Curruca communis

Novērojumu atlases gaita un modelēšanā izmantojamie brūnspārnu ķauķa *Curruca communis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.547: Novērojumu atlases gaita un modelēšanā izmantojamie brūnspārnu ķauķa Curruca communis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.548: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.85: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0176521 0.9907145 0.0000000 0.0000000 0 CURCOM
Equal training sensitivity and specificity 0.4732487 0.2778564 0.2778626 0.0333294 0 CURCOM
Maximum training sensitivity plus specificity 0.4468963 0.3002741 0.2519084 0.0303641 0 CURCOM
Equal test sensitivity and specificity 0.4341467 0.3123010 0.2423664 0.0287036 0 CURCOM
Maximum test sensitivity plus specificity 0.4177655 0.3288380 0.2263359 0.0260942 0 CURCOM


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.549: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.550: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.551: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.552: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.91 CERFAM - mizložņa Certhia familiaris

Novērojumu atlases gaita un modelēšanā izmantojamie mizložņas *Certhia familiaris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.553: Novērojumu atlases gaita un modelēšanā izmantojamie mizložņas Certhia familiaris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.554: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.86: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0020278 0.8271537 0.0000000 0.0000000 0 CERFAM
Equal training sensitivity and specificity 0.4501436 0.2282789 0.2282158 0.0207407 0 CERFAM
Maximum training sensitivity plus specificity 0.3506378 0.2976849 0.1381150 0.0132099 0 CERFAM
Equal test sensitivity and specificity 0.3941863 0.2668788 0.1760522 0.0159259 0 CERFAM
Maximum test sensitivity plus specificity 0.2981321 0.3388213 0.1072910 0.0086420 0 CERFAM


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.555: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.556: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.557: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.558: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.92 SITEUR - dzilnītis Sitta europaea

Novērojumu atlases gaita un modelēšanā izmantojamie dzilnīša *Sitta europaea* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.559: Novērojumu atlases gaita un modelēšanā izmantojamie dzilnīša Sitta europaea novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.560: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.87: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0165695 0.7098837 0.0000000 0.0002574 0 SITEUR
Equal training sensitivity and specificity 0.3463355 0.1872897 0.1867995 0.0109381 0 SITEUR
Maximum training sensitivity plus specificity 0.2793767 0.2399769 0.1245330 0.0079784 0 SITEUR
Equal test sensitivity and specificity 0.2758945 0.2431978 0.1232877 0.0077210 0 SITEUR
Maximum test sensitivity plus specificity 0.2758945 0.2431978 0.1232877 0.0077210 0 SITEUR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.561: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.562: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.563: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.564: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.93 STUVUL - mājas strazds Sturnus vulgaris

Novērojumu atlases gaita un modelēšanā izmantojamie mājas strazds *Sturnus vulgaris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.565: Novērojumu atlases gaita un modelēšanā izmantojamie mājas strazds Sturnus vulgaris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.566: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.88: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0139699 0.9197672 0.0000000 0.0000000 0 STUVUL
Equal training sensitivity and specificity 0.3612804 0.1965726 0.1968289 0.0176678 0 STUVUL
Maximum training sensitivity plus specificity 0.3548359 0.2005132 0.1891744 0.0169368 0 STUVUL
Equal test sensitivity and specificity 0.3195377 0.2235612 0.1705850 0.0144998 0 STUVUL
Maximum test sensitivity plus specificity 0.3236402 0.2205370 0.1738655 0.0144998 0 STUVUL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.567: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.568: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.569: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.570: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.94 TURVIS - sila strazds Turdus viscivorus

Novērojumu atlases gaita un modelēšanā izmantojamie sila strazda *Turdus viscivorus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.571: Novērojumu atlases gaita un modelēšanā izmantojamie sila strazda Turdus viscivorus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.572: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.89: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0136732 0.7515023 0.0000000 0.0001237 0 TURVIS
Equal training sensitivity and specificity 0.4673536 0.2234446 0.2234432 0.0173139 0 TURVIS
Maximum training sensitivity plus specificity 0.3300550 0.3009614 0.1257631 0.0098936 0 TURVIS
Equal test sensitivity and specificity 0.4270332 0.2466950 0.1910867 0.0137274 0 TURVIS
Maximum test sensitivity plus specificity 0.4030676 0.2594527 0.1746032 0.0124907 0 TURVIS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.573: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.574: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.575: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.576: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.95 TURILI - plukšķis Turdus iliacus

Novērojumu atlases gaita un modelēšanā izmantojamie plukšķa *Turdus iliacus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.577: Novērojumu atlases gaita un modelēšanā izmantojamie plukšķa Turdus iliacus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.578: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.90: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0417061 0.7265836 0.0000000 0.0005256 0 TURILI
Equal training sensitivity and specificity 0.3054225 0.2160752 0.2145110 0.0040731 0 TURILI
Maximum training sensitivity plus specificity 0.2725849 0.2509721 0.1640379 0.0034161 0 TURILI
Equal test sensitivity and specificity 0.2843184 0.2379288 0.1829653 0.0034161 0 TURILI
Maximum test sensitivity plus specificity 0.4388440 0.1223114 0.3438486 0.0047300 0 TURILI


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.579: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.580: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.581: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.582: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.96 CYASVE - zilrīklīte Cyanecula svecica

Novērojumu atlases gaita un modelēšanā izmantojamie zilrīklītes *Cyanecula svecica* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.583: Novērojumu atlases gaita un modelēšanā izmantojamie zilrīklītes Cyanecula svecica novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Ar šā brīža pieejām šajā projektā zilrīklītes Cyanecula svecica izplatība nav modelējama


10.1.97 LUSLUS - lakstīgala Luscinia luscinia

Novērojumu atlases gaita un modelēšanā izmantojamie lakstīgala *Luscinia luscinia* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.584: Novērojumu atlases gaita un modelēšanā izmantojamie lakstīgala Luscinia luscinia novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.585: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.91: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0294887 0.8735066 0.0000000 0.0002430 0 LUSLUS
Equal training sensitivity and specificity 0.4201512 0.2424989 0.2425026 0.0221088 0 LUSLUS
Maximum training sensitivity plus specificity 0.3995064 0.2593251 0.2176836 0.0204082 0 LUSLUS
Equal test sensitivity and specificity 0.3880353 0.2695394 0.2109617 0.0198008 0 LUSLUS
Maximum test sensitivity plus specificity 0.3384296 0.3145007 0.1778697 0.0140914 0 LUSLUS


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.586: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.587: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.588: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.589: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.98 FICPAR - mazais mušķērājs Ficedula parva

Novērojumu atlases gaita un modelēšanā izmantojamie mazā mušķērāja *Ficedula parva* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.590: Novērojumu atlases gaita un modelēšanā izmantojamie mazā mušķērāja Ficedula parva novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.591: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.92: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0122250 0.8104611 0.0000000 0.0001229 0 FICPAR
Equal training sensitivity and specificity 0.4466948 0.2084373 0.2081311 0.0156039 0 FICPAR
Maximum training sensitivity plus specificity 0.3485425 0.2747436 0.1225728 0.0089692 0 FICPAR
Equal test sensitivity and specificity 0.4237241 0.2216061 0.1911408 0.0141295 0 FICPAR
Maximum test sensitivity plus specificity 0.3622506 0.2641623 0.1383495 0.0093378 0 FICPAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.592: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.593: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.594: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.595: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.596: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.99 FICHYP - melnais mušķērājs Ficedula hypoleuca

Novērojumu atlases gaita un modelēšanā izmantojamie melnā mušķērāja *Ficedula hypoleuca* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.597: Novērojumu atlases gaita un modelēšanā izmantojamie melnā mušķērāja Ficedula hypoleuca novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.598: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.93: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0186785 0.8174665 0.0000000 0.0001306 0 FICHYP
Equal training sensitivity and specificity 0.3617557 0.1961196 0.1961207 0.0057449 0 FICHYP
Maximum training sensitivity plus specificity 0.3025782 0.2442576 0.1293103 0.0045698 0 FICHYP
Equal test sensitivity and specificity 0.3125157 0.2356075 0.1465517 0.0045698 0 FICHYP
Maximum test sensitivity plus specificity 0.3295532 0.2213860 0.1702586 0.0045698 0 FICHYP


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.599: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.600: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.601: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.602: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.100 SAXRUB - lukstu čakstīte Saxicola rubetra

Novērojumu atlases gaita un modelēšanā izmantojamie lukstu čakstītes *Saxicola rubetra* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.603: Novērojumu atlases gaita un modelēšanā izmantojamie lukstu čakstītes Saxicola rubetra novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.604: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.94: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0034503 0.9925960 0.0000000 0.0000000 0 SAXRUB
Equal training sensitivity and specificity 0.4447038 0.2249422 0.2250465 0.0161051 0 SAXRUB
Maximum training sensitivity plus specificity 0.3567844 0.2892180 0.1494110 0.0094153 0 SAXRUB
Equal test sensitivity and specificity 0.4200798 0.2429894 0.2058277 0.0143707 0 SAXRUB
Maximum test sensitivity plus specificity 0.3490692 0.2963443 0.1444513 0.0086720 0 SAXRUB


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.605: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.606: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.607: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.608: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.101 REGREG - zeltgalvītis Regulus regulus

Novērojumu atlases gaita un modelēšanā izmantojamie zeltgalvīša *Regulus regulus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.609: Novērojumu atlases gaita un modelēšanā izmantojamie zeltgalvīša Regulus regulus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.610: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.95: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0053686 0.8837199 0.0000000 0.0000000 0 REGREG
Equal training sensitivity and specificity 0.4855805 0.2426978 0.2426882 0.0174332 0 REGREG
Maximum training sensitivity plus specificity 0.3859272 0.3326853 0.1381456 0.0091494 0 REGREG
Equal test sensitivity and specificity 0.4660593 0.2585289 0.2240199 0.0157023 0 REGREG
Maximum test sensitivity plus specificity 0.4448854 0.2766282 0.2034848 0.0126113 0 REGREG


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.611: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.612: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.613: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.614: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.102 REGIGN - sārtgalvītis Regulus ignicapilla

Novērojumu atlases gaita un modelēšanā izmantojamie sārtgalvīša *Regulus ignicapilla* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.615: Novērojumu atlases gaita un modelēšanā izmantojamie sārtgalvīša Regulus ignicapilla novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.616: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.96: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0112468 0.5990097 0.0000000 0.0001297 0 REGIGN
Equal training sensitivity and specificity 0.3203405 0.1421428 0.1414309 0.0037604 0 REGIGN
Maximum training sensitivity plus specificity 0.2493156 0.1747172 0.1014975 0.0022044 0 REGIGN
Equal test sensitivity and specificity 0.3070321 0.1477256 0.1381032 0.0035010 0 REGIGN
Maximum test sensitivity plus specificity 0.2516892 0.1733579 0.1064892 0.0022044 0 REGIGN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.617: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.618: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.619: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.620: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.103 PASMON - lauku zvirbulis Passer montanus

Novērojumu atlases gaita un modelēšanā izmantojamie lauku zvirbuļa *Passer montanus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.621: Novērojumu atlases gaita un modelēšanā izmantojamie lauku zvirbuļa Passer montanus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.622: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.97: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0032636 0.6102383 0.0000000 0.0000000 0 PASMON
Equal training sensitivity and specificity 0.2684414 0.1326256 0.1326105 0.0073186 0 PASMON
Maximum training sensitivity plus specificity 0.2155766 0.1518754 0.0950792 0.0064353 0 PASMON
Equal test sensitivity and specificity 0.2040965 0.1563576 0.0934112 0.0061830 0 PASMON
Maximum test sensitivity plus specificity 0.1556863 0.1811748 0.0717264 0.0041640 0 PASMON


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.623: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.624: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.625: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.626: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.104 ANTPRA - pļavu čipste Anthus pratensis

Novērojumu atlases gaita un modelēšanā izmantojamie pļavu čipstes *Anthus pratensis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.627: Novērojumu atlases gaita un modelēšanā izmantojamie pļavu čipstes Anthus pratensis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.628: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.98: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0085986 0.7703614 0.0000000 0.0000000 0 ANTPRA
Equal training sensitivity and specificity 0.3956810 0.1828280 0.1834416 0.0064817 0 ANTPRA
Maximum training sensitivity plus specificity 0.3432972 0.2156682 0.1298701 0.0051854 0 ANTPRA
Equal test sensitivity and specificity 0.3515500 0.2104293 0.1412338 0.0054446 0 ANTPRA
Maximum test sensitivity plus specificity 0.2809545 0.2591802 0.0957792 0.0032409 0 ANTPRA


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.629: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.630: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.631: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.632: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.105 ANTCAM - stepes čipste Anthus campestris

Novērojumu atlases gaita un modelēšanā izmantojamie stepes čipstes *Anthus campestris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.633: Novērojumu atlases gaita un modelēšanā izmantojamie stepes čipstes Anthus campestris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.634: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.99: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1789404 0.0023966 0.0000000 0 0 ANTCAM
Equal training sensitivity and specificity 0.1789404 0.0023966 0.0000000 0 0 ANTCAM
Maximum training sensitivity plus specificity 0.1789404 0.0023966 0.0000000 0 0 ANTCAM
Equal test sensitivity and specificity 0.2782107 0.0019972 0.0714286 0 0 ANTCAM
Maximum test sensitivity plus specificity 0.2782107 0.0019972 0.0714286 0 0 ANTCAM


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.635: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.636: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.637: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.638: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.106 MOTFLA - dzeltenā cielava Motacilla flava

Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenā cielavas *Motacilla flava* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.639: Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenā cielavas Motacilla flava novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.640: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.100: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0073020 0.5004901 0.0000000 0.0001308 0 MOTFLA
Equal training sensitivity and specificity 0.2822294 0.1098422 0.1089109 0.0035308 0 MOTFLA
Maximum training sensitivity plus specificity 0.2569209 0.1190570 0.0891089 0.0027462 0 MOTFLA
Equal test sensitivity and specificity 0.2343689 0.1290560 0.0816832 0.0020923 0 MOTFLA
Maximum test sensitivity plus specificity 0.2115362 0.1404764 0.0693069 0.0017000 0 MOTFLA


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.641: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.642: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.643: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.644: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.107 MOTCIT - citroncielava Motacilla citreola

Novērojumu atlases gaita un modelēšanā izmantojamie citroncielava *Motacilla citreola* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.645: Novērojumu atlases gaita un modelēšanā izmantojamie citroncielava Motacilla citreola novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.646: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.101: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.4347749 0.0670930 0.0000000 0 0 MOTCIT
Equal training sensitivity and specificity 0.4868400 0.0588000 0.0588235 0 0 MOTCIT
Maximum training sensitivity plus specificity 0.4347749 0.0670930 0.0000000 0 0 MOTCIT
Equal test sensitivity and specificity 0.8920322 0.0049958 0.2352941 0 0 MOTCIT
Maximum test sensitivity plus specificity 0.8920322 0.0049958 0.2352941 0 0 MOTCIT


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.647: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.648: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.649: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.650: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.108 COCCOC - dižknābis Coccothraustes coccothraustes

Novērojumu atlases gaita un modelēšanā izmantojamie dižknābja *Coccothraustes coccothraustes* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.651: Novērojumu atlases gaita un modelēšanā izmantojamie dižknābja Coccothraustes coccothraustes novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.652: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.102: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0144964 0.9252797 0.0000000 0.0000000 0 COCCOC
Equal training sensitivity and specificity 0.3449411 0.2113013 0.2112676 0.0111182 0 COCCOC
Maximum training sensitivity plus specificity 0.3915400 0.1819964 0.2340195 0.0129073 0 COCCOC
Equal test sensitivity and specificity 0.2953338 0.2487810 0.1787649 0.0094569 0 COCCOC
Maximum test sensitivity plus specificity 0.2769500 0.2642700 0.1581798 0.0077955 0 COCCOC


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.653: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.654: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.655: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.656: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.109 CARERY - mazais svilpis Carpodacus erythrinus

Novērojumu atlases gaita un modelēšanā izmantojamie mazā svilpja *Carpodacus erythrinus* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.657: Novērojumu atlases gaita un modelēšanā izmantojamie mazā svilpja Carpodacus erythrinus novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.658: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.103: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0382714 0.9226905 0.0000000 0.0006220 0 CARERY
Equal training sensitivity and specificity 0.4530586 0.2579775 0.2579787 0.0186614 0 CARERY
Maximum training sensitivity plus specificity 0.4148126 0.2950507 0.2114362 0.0169196 0 CARERY
Equal test sensitivity and specificity 0.4230742 0.2866778 0.2240691 0.0171684 0 CARERY
Maximum test sensitivity plus specificity 0.4512797 0.2594660 0.2526596 0.0182881 0 CARERY


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.659: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.660: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.661: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.662: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.110 PYRPYR - svilpis Pyrrhula pyrrhula

Novērojumu atlases gaita un modelēšanā izmantojamie svilpja *Pyrrhula pyrrhula* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.663: Novērojumu atlases gaita un modelēšanā izmantojamie svilpja Pyrrhula pyrrhula novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.664: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.104: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0092439 0.9500399 0.0000000 0.0000000 0 PYRPYR
Equal training sensitivity and specificity 0.4726391 0.2504112 0.2500000 0.0173258 0 PYRPYR
Maximum training sensitivity plus specificity 0.4031784 0.3138130 0.1781250 0.0126805 0 PYRPYR
Equal test sensitivity and specificity 0.4409288 0.2772007 0.2179688 0.0151915 0 PYRPYR
Maximum test sensitivity plus specificity 0.3616812 0.3537623 0.1476562 0.0090395 0 PYRPYR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.665: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.666: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.667: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.668: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.111 CHLCHL - zaļžubīte Chloris chloris

Novērojumu atlases gaita un modelēšanā izmantojamie zaļžubītes *Chloris chloris* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.669: Novērojumu atlases gaita un modelēšanā izmantojamie zaļžubītes Chloris chloris novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.670: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.105: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0116369 0.9534389 0.0000000 0.0000000 0 CHLCHL
Equal training sensitivity and specificity 0.2674713 0.1796266 0.1796200 0.0125142 0 CHLCHL
Maximum training sensitivity plus specificity 0.2578308 0.1861498 0.1675302 0.0122614 0 CHLCHL
Equal test sensitivity and specificity 0.2172459 0.2182463 0.1416235 0.0094805 0 CHLCHL
Maximum test sensitivity plus specificity 0.2128831 0.2225006 0.1398964 0.0089748 0 CHLCHL


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.671: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.672: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.673: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.674: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.112 LINCAN - kaņepītis Linaria cannabina

Novērojumu atlases gaita un modelēšanā izmantojamie kaņepīša *Linaria cannabina* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.675: Novērojumu atlases gaita un modelēšanā izmantojamie kaņepīša Linaria cannabina novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.676: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.106: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0058033 0.8205894 0.0000000 0.0001286 0 LINCAN
Equal training sensitivity and specificity 0.2692667 0.1415639 0.1415584 0.0050167 0 LINCAN
Maximum training sensitivity plus specificity 0.2178973 0.1670840 0.0974026 0.0041163 0 LINCAN
Equal test sensitivity and specificity 0.2350136 0.1578390 0.1168831 0.0046308 0 LINCAN
Maximum test sensitivity plus specificity 0.2341096 0.1582723 0.1116883 0.0041163 0 LINCAN


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.677: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.678: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.679: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.680: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.113 LOXCUR - egļu krustknābis Loxia curvirostra

Novērojumu atlases gaita un modelēšanā izmantojamie egļu krustknābja *Loxia curvirostra* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.681: Novērojumu atlases gaita un modelēšanā izmantojamie egļu krustknābja Loxia curvirostra novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.682: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.107: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0558936 0.5755287 0.0000000 0.0001301 0 LOXCUR
Equal training sensitivity and specificity 0.3988564 0.1893090 0.1892925 0.0049453 0 LOXCUR
Maximum training sensitivity plus specificity 0.3375925 0.2230777 0.1453155 0.0041645 0 LOXCUR
Equal test sensitivity and specificity 0.3658552 0.2059253 0.1644359 0.0046851 0 LOXCUR
Maximum test sensitivity plus specificity 0.2886619 0.2540688 0.1281071 0.0020822 0 LOXCUR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.683: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.684: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.685: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.686: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.114 CARCAR - dadzītis Carduelis carduelis

Novērojumu atlases gaita un modelēšanā izmantojamie dadzīša *Carduelis carduelis* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.687: Novērojumu atlases gaita un modelēšanā izmantojamie dadzīša Carduelis carduelis novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.688: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.108: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0147343 0.8368837 0.0000000 0.0002508 0 CARCAR
Equal training sensitivity and specificity 0.3263041 0.1815628 0.1816176 0.0136677 0 CARCAR
Maximum training sensitivity plus specificity 0.3039336 0.1927993 0.1669118 0.0129154 0 CARCAR
Equal test sensitivity and specificity 0.2569263 0.2234187 0.1419118 0.0104075 0 CARCAR
Maximum test sensitivity plus specificity 0.2100058 0.2641509 0.1080882 0.0068966 0 CARCAR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.689: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.690: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.691: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.692: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.1.115 EMBHOR - dārza stērste Emberiza hortulana

Novērojumu atlases gaita un modelēšanā izmantojamie dārza stērstes *Emberiza hortulana* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.693: Novērojumu atlases gaita un modelēšanā izmantojamie dārza stērstes Emberiza hortulana novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.694: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.109: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.1297383 0.0876317 0.0000000 0.0000000 0 EMBHOR
Equal training sensitivity and specificity 0.2218460 0.0589704 0.0740741 0.0002664 0 EMBHOR
Maximum training sensitivity plus specificity 0.1297383 0.0876317 0.0000000 0.0000000 0 EMBHOR
Equal test sensitivity and specificity 0.1672245 0.0739002 0.0370370 0.0001332 0 EMBHOR
Maximum test sensitivity plus specificity 0.1672143 0.0739002 0.0370370 0.0000000 0 EMBHOR


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.695: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.696: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.697: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.698: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.

Figure 10.699: Vietu prioritizēšanas sugas aizsardzībai rezultāti, izmantojot saskaitāmo ieguvumu funkciju (additive benefit function) iteratīvā izslēgšanas procesā (100 šūnas ik solī), uzskaiti veicot tikai šūnu vērtībām (A, B, C daļās) un šūnu vērtības izlīdzinot ar Gausa funkciju, kuras mēroga parametrs ir sugas ligzdošanas iecirkņa rādiuss (D, E, F daļās). Augšējā rindā (A un D) - vietu nozīmes aizsardzībā ranki; vidējā rindā (B un E) - aizsargātās dzīvotņu piemērotības (populācijas daļas) un populācijas izzušanas telpiskā riska saistība ar aizsardzībai plānojamo telpas daļu (nozīmes aizsardzībā ranku), kurai ar fona tonējumu ierosināts vienāršots klasifikācijas variants, kas telpiski demonstrēts apakšējā rindā; apakšējā rindā (C un F) - ierosinātās vietu nozīmes sugas aizsardzībā klasifikācija, kur prioritārās vietas ir no aizsargātās šķietamās populācijas un izzušanas riska līkņu krustpunkta (C un E daļās) pa labi, augstas nozīmes ir zemāka ranka par prioritārajām, tādā apjomā, lai aptvertu piemērotajās dzīvotnēs (sliekšņa līmenis Equal sentivity and specificity kā pārējās šī materiāla daļās) sagaidāmo šķietamās populācijas daļu.


Vēl nē: Vietas līmeņa prioritizācijas rezultāti (.zip arhīvs)

Vēl nē: Iecirkņa līmenim izlīdzinātas prioritizācijas rezultāti (.zip arhīvs)


10.1.116 EMBCIT - dzeltenā stērste Emberiza citrinella

Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenās stērstes *Emberiza citrinella* novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)

Figure 10.700: Novērojumu atlases gaita un modelēšanā izmantojamie dzeltenās stērstes Emberiza citrinella novērojumi un fona punkti: A - novērojumu saglabāšanās atlases gaitā; B - visu pieejamo novērojumu (solis 1) izvietojums; C - ar vismaz iespējamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); D - ar vismaz ticamu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); E - ar pierādītu ligzdošanu saistītie novērojumi, kas izturējuši līdz septītā soļa beigām (punkti ir unikālie 1 km kvadrāti, krusti ir unikālie 100 m kvadrāti); F - modelēšanā izmantojamā apmācību kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai); G - modelēšanā izmantojamā neatkarīgās testēšanas kopa (punkti ir sugas klātbūtnes, krusti ir fona raksturošanai)


Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.

Figure 10.701: Labākā modeļa izvēle un izvērtējums: A - labākā modeļa (ar treknu melnu punktu) salīdzinājums ar citiem pielāgotajiem modeļiem (pelēkie punkti un to sastopamības blīvuma funkcijas); B - klasifikācijas spējas līknes labākā modeļa apmācību un neatkarīgās testēšanās kopās; C - labākā modeļa izvērtējums, to salīdzinot ar nejauši ģenerētiem nulles modeļiem (n=100) tajā pašā EGV, klātbūtnes un fona punktu veidotajā informācijas telpā.


Table 10.110: Biežāk lietotie projicētās dzīvotņu piemērotības sliekšņa līmeņi un to izvērtējums
Threshold Cloglog value Fractional predicted area Training omission rate Test omission rate P-values suga
Minimum training presence 0.0192709 0.8911112 0.0000000 0.0000000 0 EMBCIT
Equal training sensitivity and specificity 0.4102796 0.2096704 0.2096506 0.0084372 0 EMBCIT
Maximum training sensitivity plus specificity 0.3557435 0.2517112 0.1564060 0.0071391 0 EMBCIT
Equal test sensitivity and specificity 0.3448847 0.2602068 0.1514143 0.0067497 0 EMBCIT
Maximum test sensitivity plus specificity 0.3945478 0.2210787 0.1913478 0.0072690 0 EMBCIT


Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).

Figure 10.702: Dzīvotņu piemērotības projekcija. Krāsu skala reprezentē cloglog vērtību no 0 līdz 1, kur starp galapunktiem esošā atzīme ir vienādas sensitivātes un specifiskuma treniņdatos slieksnis iepriekšējā tabulā (izvēlēts vizualizēšanas mērķiem un skaidrošanas ērtumam).


Vēl nē: Dzīvotņu piemērotība (GeoTIFF)

Vēl nē: Biežāk izmantoto sliekšņa līmeņu dzīvotņu piemērotības dalījumam piemērotajās un nepiemērotajās tabula (*.xlsx)

Vēl nē: Pārcentrēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis pārvietots uz 0.5; GeoTIFF)

Vēl nē: Binarizēta dzīvotņu piemērotība (“Equal training sensitivity and specificity” sliekšņa līmenis; GeoTIFF)

Vēl nē: Labāka modeļa izvēles tabula (*.xlsx)

Vēl nē: Par labāko atzītais modelis (krosvalidācijas; *.RDS)

Vēl nē: Par labāko atzītais modelis (kombinēts; *.RDS)

Vēl nē: Ekoģeogrāfisko mainīgo izvēles gaita, to VIF (savstarpējās prognozētspējas raksturojums) un ietekmes modelī (permutāciju procedūrā) raksturojums (*.xlsx)


Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.

Figure 10.703: Par labāko atzītajā modelī iekļauto pazīmju marginālās atbilžu funkcijas (cloglog tranformētā informācijas telpā, uz y-ass), atkarībā no centrētas (aritmētiskajam vidējam) un mērogotas (standartnovirzei) EGV vērtības (uz x-ass). Līknes raksturo katras labākajā modelī iekļautās pazīmes ietekmi uz dzīvotņu piemērotību tādos vides apstākļos, kur visām pārējām pazīmēm ir pieņemta to vidējā aritmētiskā vērtība (marginalizēta vidējiem aritmētiskajiem informācijas telpā). Melnā līnija raksturo centrālo tendenci (aritmētisko vidējo) un pelēkā josla - nenoteiktību telpisko bloku krosvalidācijās. Puscaurspīdīgie melnie punkti katras attēla daļas augšpusē raksturo modeļa apmācībā pieejamās vērtības sugas klātbūtnes punktos, apakšdaļā - vidē kopumā. Pazīmju ietekmes novērtējums un savstarpējās neatkarības raksturojums (VIF) pieejams kā lejupielādes fails virs šī attēla esošajā hipersaitē, to vērtības labākajā modelī ir vizualizētas sekojošajā attēlā.


Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).

Figure 10.704: Par labāko atzītajā modelī iekļauto EGV (rindās uz y-ass) ietekme (vidējais ar standartnovirzi 99 permutācijās; uz x-ass), skaitļi labajā malā ir VIF vērtības (EGV savstarpējās neatkarības raksturošanai).


Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.

Figure 10.705: Par labāko atzītā modeļa sugai piemēroto dzīvotņu izvietojums (piemēroto dzīvotņu īpatsvars (%) ar skaitļiem attēla daļu augšdaļā) dažādos telpiskajos griezumos (to platīvas īpatsvars (%) ar skaitļiem attēla daļu apakšdaļā) un no tā aprēķinātā preference: A - Zemes seguma/lietojuma veidu klasēs; B - Natura 2000 teritoriju tīklā; C - Eiropas Savienībā aizsargājamo biotopu grupās; D - īpaši aizsargājamo dabas teritoriju funkcionālo zonu un mikroliegumu grupās.


10.2 Kopējie valsts līmeņa rezultāti

Veicot daudzsugu zonēšanu plašākai (par individuālām sugām) dabas aizsardzības plānošanai, iegūtie rezultāti ik videi ir pieejami zemāk. Apkopotā formā ar hiperstaitēm lejupielādei tie ir pieejami arī šajā tabulā (xlsx).

10.2.1 Mežu (putnu) aizsardzībai prioritārās vietas

Attēls ar vietu nozīmību aizsardzībai un/vai daudzsugu izzušanas līknes līdz ar kopējo vietu nozīmību

Aizsardzībai prioritārās vietas (GeoTIFF)

Vietu nozīmība aizsardzībai (GeoTIFF)

Vietu nozīmība iekļauto sugu populācijām (csv)

10.2.2 Lauku (putnu) aizsardzībai prioritārās vietas

Attēls ar vietu nozīmību aizsardzībai un/vai daudzsugu izzušanas līknes līdz ar kopējo vietu nozīmību

Aizsardzībai prioritārās vietas (GeoTIFF)

Vietu nozīmība aizsardzībai (GeoTIFF)

Vietu nozīmība iekļauto sugu populācijām (csv)

10.2.3 Mitrāju (putnu) aizsardzībai prioritārās vietas

Attēls ar vietu nozīmību aizsardzībai un/vai daudzsugu izzušanas līknes līdz ar kopējo vietu nozīmību

Aizsardzībai prioritārās vietas (GeoTIFF)

Vietu nozīmība aizsardzībai (GeoTIFF)

Vietu nozīmība iekļauto sugu populācijām (csv)

10.2.4 Ūdeņu (putnu) aizsardzībai prioritārās vietas

Attēls ar vietu nozīmību aizsardzībai un/vai daudzsugu izzušanas līknes līdz ar kopējo vietu nozīmību

Aizsardzībai prioritārās vietas (GeoTIFF)

Vietu nozīmība aizsardzībai (GeoTIFF)

Vietu nozīmība iekļauto sugu populācijām (csv)

10.2.5 Vietu ar skraju veģetāciju (putnu) aizsardzībai prioritārās vietas

Attēls ar vietu nozīmību aizsardzībai un/vai daudzsugu izzušanas līknes līdz ar kopējo vietu nozīmību

Aizsardzībai prioritārās vietas (GeoTIFF)

Vietu nozīmība aizsardzībai (GeoTIFF)

Vietu nozīmība iekļauto sugu populācijām (csv)

References

Allouche, O., Tsoar, A., Kadmon, R., 2006. Assessing the accuracy of species distribution models: Prevalence, kappa and the true skill statistic (TSS). Journal of Applied Ecology 43, 1223–1232. https://doi.org/10.1111/j.1365-2664.2006.01214.x
Auniņš, A. (red.), 2013. Eiropas savienības aizsargājamie biotopi latvijā. Noteikšanas rokasgrāmata. 2. Precizēts izdevums. Latvijas Dabas fonds, Vides aizsardzības un reģionālās attīstības ministrija, Rīga, Latvija.
Jiménez-Valverde, A., Lobo, J.M., 2007. Threshold criteria for conversion of probability of species presence to either–or presence–absence. Acta Oecologica 31, 361–369. https://doi.org/10.1016/j.actao.2007.02.001
Scherrer, D., D’Amen, M., Fernandes, R.F., Mateo, R.G., Guisan, A., 2018. How to best threshold and validate stacked species assemblages? Community optimisation might hold the answer. Methods in Ecology and Evolution 2155–2166. https://doi.org/10.1111/2041-210X.13041
Yu, B., Dai, W.W., Li, S., Wu, Z., Wang, J., 2024. A new threshold selection method for species distributionmodels with presence-only data: Extracting the mutation point of the p/e curve by threshold regression. Ecology and evolution 14. https://doi.org/10.1002/ece3.11208