• Главная
• Новое
• Популярное
• Поиск
• Карта
• Связь

Связь полевок с переменными среды

Экспериментальная генетика и физиология / Гис-анализ факторов территориального размещения рыжей полевки (clethrionomys glareolus) в мозаичном ландшафте Южной Карелии / Связь полевок с переменными среды

Страница 3

Наглядное представление о степени соответствия реальных и расчетных значений численности дает диаграмма на рис. 4.

Таблица 8. Оценки силы влияния (%) значимых (р = 0,05) переменных среды на численность рыжей полевки (доля объясненной дисперсии, %), полученные методом многофакторного дисперсионного анализа

Таблица 9. Значимые (р = 0,05) коэффициенты множественной регрессии в уравнениях (константа a0 = 0) связи между численностью рыжей полевки и характеристиками условий существования

Здесь представлено сравнение «отловов» из ячеек картограммы, содержащих значения расчетной численности, с результатами реальных отловов, выполненных в природе на тех же местах (рис. 5). Положение точек (рис. 4), далекое от идеальной прямой пропорции, указывает на две причины неполного соответствия расчетной и реальной оценок. Это, во-первых, естественный стохастический шум, размывающий линейную зависимость в эллипс рассеяния, во-вторых, неточный прогноз высоких значений численности.

Например, предсказанные моделью значения для весны (рис. 5,А) не превышают уровня 2,4 экз./100 д-с, хотя натурные оценки доходили до 5 экз./100 д-с.

Рис. 4. Соотношение между расчетными и реальными значениями численности рыжей полевки на фазе популяционного роста весной (А) и на фазе пика осенью (Б) (пунктиром отмечена прямая пропорция)

Рис. 5. Картограмма расчетной численности рыжей полевки весной на фазе популяционного роста (А) и осенью при пике численности (Б).

Линиями отмечены места расположения давилок

Здесь напрашивается предположение о криволинейном характере изучаемых зависимостей, которые проще всего исправить с помощью предварительного преобразования данных. Специальный анализ показал, что иногда рекомендуемое логарифмирование значений численности (Шитиков и др., 2003) в нашем случае не приводит к росту коэффициентов детерминации уравнений регрессии. Например, для весенней фазы популяционного роста линейная модель объяснила 67% изменчивости оценок численности (табл. 9), а логарифмическая модель — лишь 31%, для осени тех же лет аналогичные показатели составили 57 и 37%. Логарифмировать оценки численности имеет смысл только в том случае, если они прямо пропорциональны реальной плотности популяции и поэтому соответствуют разным фрагментам экспоненциальной кривой роста (в логарифмических осях становится линией). В случае же с показателем «численность на 100 д-с» это далеко не так, плотность популяции растет быстрее оценок по давилкам (Соколов и др., 1977; Коли, 1979), которые, таким образом, заранее «выпрямляют» экспоненту. Видимо, по этой причине линейные модели и оказались более адекватными, чем логарифмические. Причина меньшей величины расчетных значений численности, нежели исходных оценок, очевидно, состоит в том, что нами были зарегистрированы далеко не все факторы среды (или их индикаторы), существенные для животных.