The contribution of environmental v

The contribution of environmental variables to the epiphyllous liverwort distribution is shown in Fig. 3. Fig. 3a and b indicates that topographic variables (e.g. altitude, slope and aspect) result in very little gain for the clim-topo and the veg-topo model, suggesting they barely contribute to the prediction of epiphyllous liverworts. Of the climatic variables, temperature seasonality, minimum temperature of the coldest month, temperature annual range, mean temperature of the driest quarter, mean temperature of the coldest quarter, annual precipitation, precipitation of the wettest month, precipitation in the wettest quarter, and precipitation in the warmest quarter were variables producing high gains (>1.5) in defining the epiphyllous liverworts’ distribution (Fig. 3a). The vegetation indices including mean NDVI, minimum NDVI, mean NDWI, and minimum NDWI (training gain > 2.0) were among the important satellite-derived vegetation variables contributing to the predicted distribution (Fig. 3b). These important nine climatic variables and four vegetation indices were used as environmental input variables in the combined model, and the result shows that the contribution of each of the four vegetation indices was superior to that of the nine climatic variables for habitat suitability for epiphyllous liverworts

ผลลัพธ์ (ไทย) 2:

การมีส่วนร่วมของตัวแปรสิ่งแวดล้อมเพื่อการกระจาย liverwort epiphyllous แสดงในรูป 3. รูป 3a และขบ่งชี้ว่าตัวแปรภูมิประเทศ (เช่นความสูงความลาดชันและภาพ) ที่ส่งผลให้กำไรน้อยมากสำหรับการ Clim-โทโปและรูปแบบผัก-โทโปบอกพวกเขาแทบจะไม่นำไปสู่​​การคาดการณ์ของ epiphyllous liverworts ของตัวแปรภูมิอากาศฤดูกาลอุณหภูมิอุณหภูมิต่ำสุดของเดือนที่หนาวเย็นอุณหภูมิช่วงปีอุณหภูมิเฉลี่ยของไตรมาสที่วิเศษสุดหมายถึงอุณหภูมิของไตรมาสที่หนาวเย็นฝนประจำปีการตกตะกอนของเดือนฝนตกชุกฝนในไตรมาสที่ฝนตกชุกและฝน ในไตรมาสที่อบอุ่นเป็นตัวแปรการผลิตเพิ่มสูง (> 1.5) ในการกำหนดกระจาย liverworts epiphyllous '(รูป. 3a) ดัชนีพืชรวมทั้งค่าเฉลี่ย NDVI ขั้นต่ำ NDVI เฉลี่ย NDWI และต่ำสุด NDWI (กำไรการฝึกอบรม> 2.0) เป็นหนึ่งในกลุ่มตัวแปรพืชดาวเทียมที่ได้รับที่สำคัญที่เอื้อต่อการกระจายที่คาดการณ์ไว้ (รูป. 3b) เหล่านี้ที่สำคัญเก้าตัวแปรภูมิอากาศและสี่ดัชนีพืชถูกนำมาใช้เป็นตัวแปรสิ่งแวดล้อมในรูปแบบการทำงานร่วมกันและผลที่ได้แสดงให้เห็นว่ามีส่วนร่วมของแต่ละแห่งที่สี่ดัชนีพืชจะดีกว่าที่เก้าตัวแปรภูมิอากาศที่เหมาะสมที่อยู่อาศัยสำหรับ liverworts epiphyllous

ผลลัพธ์ (ไทย) 3:

ผลงานของตัวแปรสิ่งแวดล้อมเพื่อการกระจายลิเวอร์เวิร์ต epiphyllous จะแสดงในรูปที่ 3 รูปที่ 3A และ B พบว่าภูมิประเทศตัวแปร ( เช่น ระดับความสูง ความลาดชัน และกว้างยาว ) ส่งผลในผลประโยชน์น้อยมากสำหรับ clim Topo และเวจสถานที่รุ่น แนะนำ พวกเขาแทบจะไม่สนับสนุนการคาดการณ์ epiphyllous ลิเวอร์เวิร์ท . ของตัวแปรภูมิอากาศ ฤดูกาล อุณหภูมิอุณหภูมิต่ำสุดของเดือนที่หนาวที่สุดอุณหภูมิประจำปีช่วงอุณหภูมิเฉลี่ยของไตรมาสแห้ง คือ อุณหภูมิของไตรมาสที่ปริมาณน้ำฝนรายปี การตกตะกอนของเดือนที่ฝนตกชุกปริมาณน้ำฝนในช่วงฝนตกชุกและตกตะกอนในไตรมาสอบอุ่นตัวแปรการผลิต กำไรสูง ( > 1.5 ) ในการกำหนดลิเวอร์เวิร์ท ' epiphyllous กระจาย ( ฟิค 3A )พืชดัชนีรวมหมายถึงเปลี่ยนแปลงด้านพืชพรรณเปลี่ยนแปลงด้านพืชพรรณ ขั้นต่ำหมายถึง , ndwi และ ndwi ขั้นต่ำ ( การฝึกอบรมได้รับ > 2.0 ) ของดาวเทียมที่สำคัญต่อพืชตัวแปรทำนายการกระจาย ( รูปที่ 3B ) ที่สำคัญเหล่านี้เก้าภูมิอากาศและพืชพรรณที่มีสี่ดัชนีที่ใช้ป้อนข้อมูลสิ่งแวดล้อมตัวแปรในโมเดลผสมและพบว่าสัดส่วนของแต่ละสี่พืชดัชนีถูกกว่าของเก้าภูมิอากาศตัวแปรสิ่งแวดล้อมความเหมาะสมสำหรับ epiphyllous ลิเวอร์เวิร์ท