با سلام لطفا ایمیتان را چک کنید.

به نام خدا با سلام در خصوص سوال (یادگیری نحوه استخراج صحیح اطلاعات از GBIF برای گونه های مختلف گیاه، حیوانات و … از یک منطقه و یا کشور) من سعی کردم به طور مختصر و مفید در این دوره نحوه دانلود داده ها را از GBIF با بسته های مربوطه توضیح دهم. در خصوص مورد دوم، دو تا بحث مطرح هست. این که برای مدل سازی و تهیه نقشه غنا شما می توانید غنای را در هر واحد نمونه برداری محاسبه کنید و سپس مدل سازی کرده و براساس متغیرهای پیشگو که به صورت نقشه موجود هستند، نقشه غنای را تهیه کنید. در خصوص تهیه نقشه غنا همان طور که عرض کردم می توانید برای هر گونه مدل سازی پراکنش گونه ای را انجام دهید و سپس احتمال حضور را به داده 0 و 1 تبدیل کنید و سپس نقشه های 0 و1 مربوط به تمامی گونه را جمع و به نقشه غنا برسید. اگر این رویکرد مد نظر شما باشد می توانید از این دوره استفاده کنید. به طور آلترناتیو می توانید از بسته SSDM استفاده کنید که من توضیح ندادم در این دوره. در مورد رویکرد ترکیبی یا اجماع توضیح دادم. موفق باشید

سلام. وقت به خیر. ضمن سپاس. در خصوص سوالی که مطرح فرمودید با عرض کنم خدمت شما که همان طور که اطلاع دارید برای برررسی تنوع شاخص های متعددی وجود دارد که از جمله آن ها می توان به شاخص غنا، شانون، سیمپسون و غیره اشاره داشت. برای مدل سازی تنوع زیستی شما بایستی از تکنیک های مدل سازی که در بخش یادگیری ماشین به آن ها اشاره شد بایستی استفاده نمایید. که در آن شاخص های تنوع زیستی به عنوان متغیر پاسخ به همراه سایر متغیرهای محیطی مورد بررسی قرار می گیرد. با توجه به این که در مدل های پراکنش گونه ای تنها حضور و عدم حضور گونه ها و یا داده های صرفا حضور مورد بررسی قرار می گیرند، طبیعتا برای متغیرهای تنوع زیستی که ماهیت کمی پیوسته دارند همانند شاخص شانون، کارآیی ندارد به همین دلیل بایستی از تکنیک های رگرسیونی به جای تکنیک های طبقه بندی استفاده کنید. البته در مورد شاخص غنای گونه ای داستان کمی متفاوت است. هم می توانید غنای گونه ای را در هر واحد نمونه برداری محاسبه کنید و آن را نسبت به متغیرهای محیطی مدل سازی کنید و همین این که می توانید برای تک تک گونه ها که در هر واحد نمونه برداری وجود دارند، مدل سازی پراکنش گونه ای انجام دهید و نقشه پتانسل حضور را برای هر گونه به صورت انفرادی تهسه کنسد و در نهایت آن ها را stack کنید و به نقشه غنا دست یابید. این رویکرد به SSDM: Stacked Species Distribution Models معروف می باشد. برای کسب اطلاعات در خصوص این رویکرد می توانید به لینک زیر مراجعه کنید: https://cran.r-project.org/web/packages/SSDM/vignettes/SSDM.html به صور خلاصه اگر هدف شما مدل سازی تنوع زیستی براساس شاخص های غنا، شانون، سییمپسون، مارگالف، و کلا شاخص هایی که ماهیت کمی دارند، باشد این دوره نمی تواند به شما کمک کنید. اما اگر صرفا بخواهید روی غنا تمرکز کنید از این دوره می توانید استفاده کنید. همان طور که عرض شد بایستی براساس ماهیت متغیر پاسخ در این خصوص تصمیم گیری شود.لازم به توضیح است که در این دوره رویکرد SSDM توضیح نشده است. با آرزوی سلامتی و موفقیت علوی

سلام مجدد خواهش می کنم. چون روش های تحلیلی بسیار زیادی در این خصوص وجود دارد من تا جایی که یادم هست در دوره یادگیری ماشین به بخشی از آن ها اشاره کردم. البته در این گونه مطالعه ها، همان طور که عرض کردم ماهیت متغیر پاسخ در انتخاب آزمون آماری مناسب بسیار تعیین کننده هست. امید وارم که پاسخ گویا بوده باشد. کتاب ارسالی رو حتما دانلود و مطالعه فرمایید. با تجدید احترام علوی

سلام. وقت به خیر. ضمن سپاس از طرح سوال خیلی خوب، در خصوص موردی که مطرح فرمودید باید عرض کنم خدمت شما که با توجه به این که حضور و عدم حضور گونه ها به صورت 0 و 1 و یا صرفا حضور (1) ثبت و سپس مدل سازی می گردد این دوره صرفا این نوع داده ها را پوشش می دهد. از آن جا که شاخص های تنوع زیستی به صورت غنا (که متغیر پاسخ از نوع شمارشی می باشد) و یا شاخص های دیگر نظیر شانون، سیمپسون و غیره محاسبه می شوند، ماهیت این نوع داده ها با داده های حضور و عدم حضور متفاوت است از این رو بایستی از تکنیک های مدل سازی دیگر نظیر مدل های خطی و یا جمعی تعمیم یافته (با توزیع متغیر پاسخ نظیر گوسی و یا گاما و پواسون و توابع پیوند غیر از logit و probit و cloglog که برای داده های حضور و عدم حضور به کار می رود) و یا تکنیک های درخت مبنا نظر الگوریتم جنگل تصادفی، درخت های رگرسیون تقویت شده و غیره استفاده کنید. پیشنهاد می کنم از کتاب ارزشمند زیر که قابل دانلود هست برای مدل سازی تنوع زیستی در زبان برنامه نویسی R استفاده کنید: Tree diversity analysis https://apps.worldagroforestry.org/downloads/Publications/PDFS/b13695.pdf با احترام علوی

به نام خدا با سلام ضمن تشکر، در خصوص سوالی که مطرح فرمودید باید خدمت شما عرض کنم که چنانچه با زبان برنامه نویسی R آشنایی نداشته باشید و با آن کار نکرده باشید، درک و اجرای کدهای این دوره برای شما سخت خواهد بود. هر چند من سعی کردم کار با زبان R را در چند جلسه اول توضیح دهم. اما ممکن است برای شما کمی سخت باشد. چنانچه این دوره را تهیه کرده اید و سوالی در این خصوص داشتید بنده در خدمتم. موفق و پیروز باشید با احترام علوی

به نام خدا با سلام ضمن تشکر، در خصوص این سوال که در این دوره آموزشی برای مدل سازی از چه بسته هایی استفاده می شود باید عرض کنم، همان طور که اطلاع دارید برای مدل سازی مطلوبیت رویشگاه در زبان برنامه نویسی R بسته های مختلفی وجود دارد که در این دوره بسته به هدفی که خواهیم داشت و تکنیک مدل سازی از بسته هایی نظیر biomod2، usdm، dismo، flexsdm و ENMEval استفاده خواهد شد. البته برای وارد سازی داده های مکانی و غیرمکانی، تبدیل داده های غیرمکانی به داده مکانی، دانلود داده های وب سایت chelsa و GBIF از بسته های خاص خود استفاده خواهد شد. با احترام علوی

به نام خدا با سلام ضمن سپاس، در خصوص سوالی که نطرح فرمودید باید عرض کنم خدمت شما که داده های وب سایت Chelsa برای تمام دنیا قابل دسترسی و دانلود هست. بعد از دانلود نیاز هست که داده ها را برای استان مورد نظر کراپ و ماسک کنید. در خصوص داده های GBIF در مقیاس جهانی داده های خوبی قابل دانلود هستند. اما برای گونه های موجود در ایران ما خلاهای زیادی داریم. ممکن است برای بعضی از گونه ها حتی یک رکورد هم از ایران نداشته باشیم. بسته به گونه مورد نظر تعداد رکوردها کاملا متفاوت هست. در زبان برنامه نویسی R به راحتی می توان از بسته های مورد نظر اطلاعات و رکوردهای مربوط به گونه ها را استخراج نمود و سپس مدل سازی کرد. با احترام علوی

سلام. وقت بخیر. ضمن سپاس. در این دوره در خصوص یادگیری عمیق آموزش داده نخواهد شد. احتمالاً در دوره پیشرفته علم داده این مورد آموزش داده شود

سلام.وقت به ضمن سپاس از شما. این دوره در چند سطح از مقدماتی تا پیشرفته برگزار خواهد شد. مطالب از صفر تا صد توضیح و آموزش داده خواهد شد. از این رو نیاز به هیچ پیش زمینه ای در خصوص برنامه نویسی با زبان R یا خرید محصول دیگر از بنده نمی باشد. با احترام علوی