Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Uncertainty, priors, autocorrelation and disparate data in downscaling of species distributions

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11620%2F14%3A10285290" target="_blank" >RIV/00216208:11620/14:10285290 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1111/ddi.12199" target="_blank" >http://dx.doi.org/10.1111/ddi.12199</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1111/ddi.12199" target="_blank" >10.1111/ddi.12199</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Uncertainty, priors, autocorrelation and disparate data in downscaling of species distributions

  • Popis výsledku v původním jazyce

    We provide a step-by-step demonstration of how a map of species' detections at continental extent can be downscaled to a fine-grain map of occurrence probabilities using a two-scale hierarchical Bayesian modelling (HBM). The method requires fine-grain environmental data, but it does not require fine-grain data on species detections. We demonstrate how it can incorporate spatial autocorrelation (SAC) and informative priors based on known habitat preferences, and how it can provide maps of uncertainty about the downscaled predictions.

  • Název v anglickém jazyce

    Uncertainty, priors, autocorrelation and disparate data in downscaling of species distributions

  • Popis výsledku anglicky

    We provide a step-by-step demonstration of how a map of species' detections at continental extent can be downscaled to a fine-grain map of occurrence probabilities using a two-scale hierarchical Bayesian modelling (HBM). The method requires fine-grain environmental data, but it does not require fine-grain data on species detections. We demonstrate how it can incorporate spatial autocorrelation (SAC) and informative priors based on known habitat preferences, and how it can provide maps of uncertainty about the downscaled predictions.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    EH - Ekologie – společenstva

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    R - Projekt Ramcoveho programu EK

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Diversity and Distributions

  • ISSN

    1366-9516

  • e-ISSN

  • Svazek periodika

    20

  • Číslo periodika v rámci svazku

    7

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    14

  • Strana od-do

    797-812

  • Kód UT WoS článku

    000337593000006

  • EID výsledku v databázi Scopus