Principem modelování distribuce studovaného křečka polního (Cricetus cricetus) je modelování na základě statistických vztahů mezi prostorově lokalizovanými body studovaného druhu a prostorovými údaji o životním prostředí, kde se vyskytuje. Pomocí údajů o preferovaných lokalitách lze prostřednictvím SDM (species distribution modelling) odhadovat prezenci křečka na místech, kde údaje z průzkumů chybí, formou prediktivní mapy. Cílem bylo na základě konsolidovaných dat z různých zdrojů a vlastních nálezových dat z roku 2018 vytvořit habitatové modely pro křečka polního metodou SDM. Použité vstupní vrstvy (půdní typy, klimatické faktory, nadmořská výška, sklonitost svahu, krajinný pokryv a topografický index vlhkosti) byly hodnoceny ve formě t-testů kvůli zjištění preferencí křečka. Následně byl vypočítán habitatový model pomocí logistické regrese. Validovaný model z bakalářské práce (Mašín 2017) nebyl dostatečně přesný a nepředpovídal výskyt v místech, kde byla zaznamenána prezence křečka Agenturou ochrany přírody a krajiny ČR a Vohralíkem a Melicharem. Validovaný model BP vysvětluje jen o 0,7 % více celkové variability ve srovnání s bakalářskou prací (Mašín 2017). Jako nejlepší habitatový model byl vyhodnocen Model 9, kde se hodnota AIC = 1769,4 a R2 = 0,3342, což znamená, že model dokáže vysvětlit 33,42 % celkové variability. V tomto modelu bylo použito 7 faktorů: BIO 4 - teplotní sezónnost, BIO 12 - průměrné roční úhrny srážek, BIO 15 - sezónnost srážek, DEM - nadmořská výška, černozem, gleje a podzoly, sklonitost. Při porovnání s modelem z předchozí bakalářské práce (Mašín 2017) Model 9 vysvětluje o 6,28 % více celkové variability. Data pro Model 9 jsou z větší prostorové oblasti, především je prozkoumaná oblast rozšířena o Labskou nížinu. Ještě větší zpřesnění vypočítaných modelů by mohlo nastat zmapováním dalších predikovaných lokalit výskytu.The principle of modelling the distribution of the studied Common hamster (Cricetus cricetus) is modeling on the basis of statistical relationships between spatially localized points of the studied species and spatial data on the environment where it occurs. Using data on preferred localities, it is possible to estimate the presence of the hamster in places where survey data are missing by means of SDM (species distribution modelling), in the predictive map. The aim was to create habitat models for the hamster using the SDM method on the basis of consolidated data from various sources and my own findings in 2018. The input layers used (soil types, climatic factors, altitude, hillside slope, land cover and topographic moisture index) were evaluated in the form of t-tests, in order to determine the hamster's preferences. Subsequently, the habitat model was calculated using logistic regression. The validated model from the bachelor's thesis (Mašín 2017) was not sufficiently accurate and did not predict the occurrence in places where the presence of a hamster was recorded by the Nature Conservation Agency of the Czech Republic and Vohralík and Melichar. The validated bachelor's model explains only 0.7 % more overall variability compared to the bachelor's thesis (Mašín 2017). Model 9 was evaluated as the best habitat model, where the value of AIC = 1769.4 and R2 = 0.3342, which means that the model can explain 33.42 % of the total variability. 7 factors were used in this model: BIO 4 - temperature seasonality, BIO 12 - average annual precipitation totals, BIO 15 - precipitation seasonality, DEM - altitude, chernozem, gley and podzols, slope. Model 9 explains 6.28 % more overall variability compared to the model from the previous bachelor's thesis (Mašín 2017). The data for Model 9 are from a larger spatial area, especially the examined area is extended by the Elbe lowland. Even greater refinement of the calculated models could occur by mapping other predicted localities of occurrence.