Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
5
spoza listy
Status:
Autorzy: Babko Roman, Diachenko Tetiana, Danko Yaroslav, Zaburko Jacek, Szulżyk-Cieplak Joanna
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2019
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 1
Wolumen/Tom: 710
Strony: 1 - 9
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus | Web of Science Core Collection
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: IV International Conference of Computational Methods in Engineering Science - CMES'19
Skrócona nazwa konferencji: CMES'19
URL serii konferencji: LINK
Termin konferencji: 21 listopada 2019 do 23 listopada 2019
Miasto konferencji: Kazimierz Dolny
Państwo konferencji: POLSKA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Otwarte czasopismo
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 19 grudnia 2019
Abstrakty: angielski
The statistical analysis was carried out on the material collected from the Vorskla River (a first-order tributary of the Dnieper River) and the system of connected water bodies in the territory of the Getmanski National Nature Park (Sumy region, Ukraine). The methods of cluster analysis has enabled us to, first, isolate groups analogous to those obtained with the use of the method of dominants and, secondly, to compare the degree of their coincidence. From the comparison of the associations with the groups of the aquatic vegetation's species, a minimal overlapping could be seen in the composition of associations and clusters. In contrast, the groups identified by the hierarchical clustering method and by the k-means method showed significant similarities in the composition. For the objective assessment and classification of plant associations, it is most productive to use several methods with the coincidence of the results of which, it is possible to assert with more confidence that these combinations of species in nature are in fact not random.