Numerical Ecology with R

بوم شناسی عددی با R پلی است که مدت ها در انتظار آن بودیم بین یک کتاب درسی در اکولوژی عددی و اجرای این رشته به زبان R. نویسندگان پس از بررسی های نظری کوتاه، کاربران را در کاوش روش ها با استفاده از مثال های کاربردی و گسترده همراهی می کنند. از کاربران دعوت می شود تا از این کتاب به عنوان یک همراه آموزشی در رایانه استفاده کنند. سفر با رویکردهای اکتشافی آغاز می‌شود، با ساخت ماتریس‌های ارتباطی ادامه می‌یابد، سپس به سه خانواده از روش‌ها می‌پردازد: خوشه‌بندی، ترتیب‌بندی نامحدود و متعارف، و تحلیل فضایی. تمام فایل های داده لازم، اسکریپت های مورد استفاده در فصل ها، و همچنین توابع و بسته های R اضافی نوشته شده توسط نویسندگان، را می توان از یک صفحه وب قابل دسترسی از طریق وب سایت Springer دانلود کرد (http: //adn.biol.umontreal.ca/~numericalecology/numecolR/).

این کتاب برای محققان حرفه ای، پزشکان، دانشجویان فارغ التحصیل و معلمان در اکولوژی، علوم محیطی و مهندسی، و در زمینه های مرتبط است. مانند اقیانوس شناسی، اکولوژی مولکولی، کشاورزی و علوم خاک، که در حال حاضر پیشینه ای در آمار کلی و چند متغیره دارند و مایلند این دانش را با استفاده از زبان R در داده های خود و همچنین افرادی که مایل به همراهی هستند به کار ببرند. یادگیری انضباطی آنها با کاربردهای عملی. افرادی از رشته‌های دیگر (مانند زمین‌شناسی، جغرافیا، دیرینه‌اکولوژی، فیلوژنتیک، مردم‌شناسی، علوم اجتماعی و آموزشی و غیره) نیز می‌توانند از مطالب ارائه‌شده در این کتاب بهره‌مند شوند.

این سه نویسنده در دوره‌های معمولی در دانشگاه‌های خود و در دوره‌های کوتاهی که در سرتاسر جهان ارائه می‌شوند، بوم‌شناسی عددی را، هم به صورت نظری و هم عملی، به طیف وسیعی از مخاطبان آموزش می‌دهند. دانیل بورکارد مدرس آمار زیستی و اکولوژی و محقق در اکولوژی عددی در دانشگاه مونترال، کبک، کانادا است. فرانسوا ژیله استاد اکولوژی اجتماعی و مدل‌سازی بوم‌شناختی در دانشگاه فرانش-کامته، بزانسون، فرانسه است. پیر لژاندر استاد زیست شناسی کمی و بوم شناسی در دانشگاه مونترال، عضو انجمن سلطنتی کانادا، و محقق بسیار معتبر ISI در اکولوژی/محیط زیست است.

Numerical Ecology with R provides a long-awaited bridge between a textbook in Numerical Ecology and the implementation of this discipline in the R language. After short theoretical overviews, the authors accompany the users through the exploration of the methods by means of applied and extensively commented examples. Users are invited to use this book as a teaching companion at the computer. The travel starts with exploratory approaches, proceeds with the construction of association matrices, then addresses three families of methods: clustering, unconstrained and canonical ordination, and spatial analysis. All the necessary data files, the scripts used in the chapters, as well as the extra R functions and packages written by the authors, can be downloaded from a web page accessible through the Springer web site(http://adn.biol.umontreal.ca/~numericalecology/numecolR/).

This book is aimed at professional researchers, practitioners, graduate students and teachers in ecology, environmental science and engineering, and in related fields such as oceanography, molecular ecology, agriculture and soil science, who already have a background in general and multivariate statistics and wish to apply this knowledge to their data using the R language, as well as people willing to accompany their disciplinary learning with practical applications. People from other fields (e.g. geology, geography, paleoecology, phylogenetics, anthropology, the social and education sciences, etc.) may also benefit from the materials presented in this book.

The three authors teach numerical ecology, both theoretical and practical, to a wide array of audiences, in regular courses in their Universities and in short courses given around the world. Daniel Borcard is lecturer of Biostatistics and Ecology and researcher in Numerical Ecology at Université de Montréal, Québec, Canada. François Gillet is professor of Community Ecology and Ecological Modelling at Université de Franche-Comté, Besançon, France. Pierre Legendre is professor of Quantitative Biology and Ecology at Université de Montréal, Fellow of the Royal Society of Canada, and ISI Highly Cited Researcher in Ecology/Environment.