Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
SIMONE PESARESI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea - [AT02] SCIENZE FORESTALI E AMBIENTALI First Cycle Degree (3 years) - [AT02] FOREST AND ENVIRONMENTAL SCIENCES
Dipartimento: [040027] Dip.Scienze Agrarie,Alimentari e AmbientaliDepartment: [040027] Dip.Scienze Agrarie,Alimentari e Ambientali
Anno di corsoDegree programme year : 3 - Secondo Semestre
Anno offertaAcademic year: 2020-2021
Anno regolamentoAnno regolamento: 2018-2019
Opzionale
Crediti: 6
Ore di lezioneTeaching hours: 54
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: BIO/03 - BOTANICA AMBIENTALE E APPLICATA
ITALIANO
English
Conoscenze di base di biologia vegetale
Basic knowledge in biology
Il corso si svolge in lezioni frontali, esemplificazioni con materiale didattico multimediale (4 CFU), esercitazioni pratiche (in R software) e visite didattiche (2 CFU).
The course includes theoretical lessons with multimedia files (4 ECTS) as well as practical exercises (with R software) and study visits (2 ECTS).
L’insegnamento permette agli studenti di acquisire le conoscenze di base teoriche e pratiche dell'Ecologia numerica e quantitativa applicata ai dati biologici e geobotanici.
Capacità di applicare conoscenze e comprensione.
L’insegnamento sviluppa la capacità di applicare in maniera appropriata i principali metodi di Ecologia numerica utili a modellizzare, quantificare e spazializzare le relazioni esistenti tra i fattori ambientali e la vegetazione (a livello di specie e comunità). Tali analisi sono infatti richieste per molti aspetti della ricerca ambientale e della gestione del territorio quali: il monitoraggio, la conservazione e la gestione della biodiversità.
Competenze trasversali.
Le conoscenze teoriche e pratiche acquisite dallo studente risulteranno utili ed applicabili a qualsiasi disciplina biologica ed ecologica.
Knowledge and Understanding.
The course enables students to acquire the basic knowledge of Numerical Ecology applied to biological and geobotanical data.
Capacity to apply Knowledge and Understanding.
The course enables students to properly apply the main Numerical Ecology techniques useful to describe, model and spatialize the environmental-vegetation relationships (at species and plant community level). Those analysis are required for many aspects of environmental research, resource management, and conservation planning as biodiversity assessment.
Transversal Skills.
The theoretical and practical knowledge acquired by the student will be useful and applicable to any biological and ecological discipline.
1. ANALISI UNIVARIATE E BIVARIATE DEI DATI ECOLOGICI (1 CFU)
I dati ecologici (tipi di dato). Analisi esplorative dei dati. Analisi univariate e bivariate. Regressione lineare (semplice e multipla). Cenni di regressione lineare generalizzata. Regressione e Classificazione ad albero.
2. ANALISI MULTIVARIATE DEI DATI ECOLOGICI (2 CFU)
Somiglianza ecologica (coefficienti di somiglianza, distanza e dipendenza). La classificazione e la partizione dei dati ecologici (Cluster Analysis). Interpretazione ecologica dei risultati della cluster analysis. Ordinamento dei dati ecologici (analisi indiretta e diretta del gradiente). Cenni sulle analisi dei dati funzionali.
3. ESERCITAZIONI PRATICHE (2 CFU).
Visite didattiche con esercitazione di campionamento dei dati. Esercitazioni pratiche di analisi dei dati di comunità vegetazionali (clustering, ordinamento e mappatura) con il software R.
1. Univariate and bivariate data analysis.
Ecological descriptors. Exploratory data analysis. Linear regression model. Multiple linear regression model. Basics of Generalized Linear Model (GLM). Regression and Classification tree.
2 Multivariate data analysis (2 CFU).
Ecological resemblance (Similarity, distance and dependence coeffiencients). Distance matrices. Cluster analysis. Ecological interpretation of clustering results. Odination methods. Interpretation of ordination results. Basics of Functional Data Analysis (FDA).
3. Practice (2 CFU).
Study visits with data sampling. Practical analysis of community-level vegetation data (clustering, ordination and mapping) using the R software.
La verifica finale verterà su un colloquio orale
Criteri di valutazione dell'apprendimento.
Conoscenza degli argomenti trattati ed appropriatezza del linguaggio tecnico-scientifico.
Criteri di misurazione dell'apprendimento.
Attribuzione del voto finale in trentesimi
Criteri di attribuzione del voto finale.
La prova orale sarà articolata su tre quesiti principali, ognuno dei quali sarà valutabile con un punteggio variabile fra 0 e 10 punti
Learning Evaluation Methods.
Oral discussion on the subjects listed in the teaching program
Learning Evaluation Criteria.
Knowledge of the topics listed in the program and appropriateness of the technical-scientific language.
Learning Measurement Criteria.
The final vote is attributed in thirtieths
Final Mark Allocation Criteria.
The oral examination consists of three questions concerning the subjects listed in the teaching program, each of ones will be quantified in the range 0 - 10.
1. PODANI J. 2007 – Analisi ed esplorazione multivariata dei dati in Ecologia e Biologia. Liguori Editore S.r.l, Napoli
2. ZUUR, A.F., IENO, E.N. & SMITH, G.M. (2007) Analysing Ecological Data. Springer, New York.
1. PODANI J. 2007 – Analisi ed esplorazione multivariata dei dati in Ecologia e Biologia. Liguori Editore S.r.l, Napoli
2. ZUUR, A.F., IENO, E.N. & SMITH, G.M. (2007) Analysing Ecological Data. Springer, New York.
Gli argomenti trattati in accordo al programma sono disponibile sulla piattaforma E-learning
https://learn.univpm.it/course/view.php?id=10676
https://learn.univpm.it/course/view.php?id=10676
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2020-2021
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427