---
title: "Metadata over de Rode-Lijststatus per groep"
date: 2025-05-27T09:30:00+01:00
bibliography: ../references.bib
link-citations: TRUE
thema:
  - Flora & fauna
  - Water 
keywords:
  - Rode Lijst
  - IUCN

lang: nl
tab: metadata
verantwoordelijke:
   - Lieve Vriens <lieve.vriens@inbo.be>
output: html_document
---
## Technische informatie

```{r setup, include=FALSE}
library(knitr)
opts_chunk$set(echo = FALSE, message = FALSE, warning = FALSE)
library(git2rdata)
```

```{r databereik}
afkorting <- read_vc("afkorting")
```

- **Periodiciteit**: jaarlijks
- **Volgende update**: niet gekend

## Databron

- **Producent**: Instituut voor Natuur- en Bosonderzoek
- **Dataset**: [Gevalideerde Rode Lijsten van Vlaanderen](https://www.gbif.org/dataset/fc18b0b1-8777-4c8a-8cb8-f9f15870d6a9)
- **Gegevensinzameling**: Zie @MaesEtAl2019

## Berekeningswijze

De rode lijsten kennen zes categorieën met de mate waarin een soort bedreigd is.
Een rode lijst zal soorten van een bepaalde groep waar mogelijk toekennen aan een van volgende categorieën: `r paste(afkorting$nl[afkorting$volgorde >= 0], collapse = ", ")`.
De categorie onvoldoende data betreft soorten met onvoldoende informatie om de kans op uitsterven goed te bepalen.
Er is bijvoorbeeld te weinig geweten over de verspreiding of de populatiegrootte.
Niet geëvalueerde soorten zijn soorten die (nog) niet getoetst zijn aan de bedreigingscriteria.

De categorieën met gekende bedreigingstatus hebben een logische volgorde.
Ze volgen een [ordinale schaal](https://nl.wikipedia.org/wiki/Meetschaal#Ordinale_schaal).
We kunnen elke van de categorieën een volgnummer $k$ geven gaande van $k = 1$ voor de meest bedreigde categorie tot $k = `r max(afkorting$volgorde) + 1`$ voor de minst bedreigde categorie.
[Ordinale data](https://en.wikipedia.org/wiki/Ordinal_data) kunnen we met behulp van een [proprotional odds model (POM)](https://en.wikipedia.org/wiki/Ordinal_data#Proportional_odds_model) analyseren.
Een POM beschrijft dat kans dat een soort $y$ tot hoogste categorie $k$ behoort als.

$$\mbox{Prob}(y \le k) = \frac{e^{\gamma_k}}{1 + e^{\gamma_k}}$$

Hierbij hangt $\gamma_k$ af van een drempel $\alpha_k$ tussen categorie $k$ en $k + 1$ en een lineaire predictor $\eta$.

$$\gamma_k = \alpha_k - \eta$$

Als lineaire predictor $\eta$ gebruiken we twee componenten: een globaal effect $\beta_0$ en effect per soortengroep $b_i$.
Het globale effect kunnen we interpreteren als het effect voor een gemiddelde soortengroep.
Het effect per soortengroep kunnen we gebruiken om de verschillende soortengroepen met elkaar te vergelijken.

$$\eta = \beta_0 + b_i \quad \quad b_i \sim \mathcal{N}(0, \sigma_s^2)$$

De statistische analyse maakt gebruikt van R versie 4.0.1 [@R2025] en het INLA package [@INLA].

## Download

```{r child = "../../template/download_tabel.Rmd"}
```

```{r tsv-tabel, results = "asis"}
download_tabel(
  rmd = "rode_lijst.Rmd",
  tsv = c(
    rodelijst_nieuw = "Aantal soorten per rode lijst en per categorie",
    afkorting = "Lijst van de categorieën"
  ),
  rel_path = file.path("..", "rode_lijst")
)
```

## Referenties
