300005 UE Species distribution modelling (2019S)
Prüfungsimmanente Lehrveranstaltung
Labels
Details
max. 16 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
04.03.
10:00 - 11:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Montag
18.03.
09:00 - 17:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Dienstag
19.03.
09:00 - 17:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Mittwoch
20.03.
09:00 - 17:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Donnerstag
21.03.
09:00 - 17:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Freitag
22.03.
09:00 - 17:00
Seminarraum (Fakultätszentrum für Biodiversität) Rennweg EG
Montag
25.03.
09:00 - 14:00
Hörsaal (Fakultätszentrum für Biodiversität) Rennweg EG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Participants will work in groups of two. Each group will have its own 'project' including the full sequence of modelling, projection and analysis work. Evaluation will be based on work during the course and on a final 15-min presentation of the groups' results.
Mindestanforderungen und Beurteilungsmaßstab
The course requires basic familiarity with R. As there will be groups of two, knowledge of partners may be complementary.
Positive evaluation requires regular presence, active work during the course and doing at least part of the final presentation.
Positive evaluation requires regular presence, active work during the course and doing at least part of the final presentation.
Prüfungsstoff
Literatur
J. Franklin 2010: Mapping Species Distributions. Cambridge University Press
A. Guisan, W. Thuiller & N.E. Zimmemann 2017: Habitat Suitability and Distribution Models. Cambridge University Press
A. Guisan, W. Thuiller & N.E. Zimmemann 2017: Habitat Suitability and Distribution Models. Cambridge University Press
Zuordnung im Vorlesungsverzeichnis
MEC-6, MBO 7
Letzte Änderung: Fr 17.05.2019 14:09
The course will combine introductory lectures with pratical work. Practical work will include all main steps from data preparation, model parameterization & evaluation to projection, mapping and analysis of projection results. All practical work will be done in R.