Statistical models that set environ

Statistical models that set environmental determinism
and dispersal hypotheses against each other, while
allowing natural spatial variation in the sampled environment,
have shown that the environment appears
to be more important than dispersal at large spatial
scales (Tuomisto et al. 2003). However, at scales
1
ha and less than tens of square kilometers (the mesoscale),
the effects of the environment and dispersal are
difficult to distinguish because of a common correlation
between environmental gradients and the geographic
distribution of sampling points (Duivenvoorden et al.
2002). Gilbert and Lechowicz (2004) used a spatially
structured sampling design to break the correlation between
the environment and the geographic location,
and were able to show that environmental correlates of
plant distributions remain important at the mesoscale,
but spatial correlates do not. These studies of diverse
plants (from trees to ferns to graminoids) in both temperate
and tropical regions suggest that, at the mesoscale
and the large scale, the abiotic environment can,
in fact, be as important in affecting plant distributions
as any simple spatial effects arising from dispersal acting
independently. This contrasts with the dominant
role for stochastic factors associated with dispersal that
is predicted at larger spatial scales in neutral models
(Bell 2001, Hubbell 2001).

ผลลัพธ์ (ไทย) 1:

โมเดลทางสถิติที่ตั้งชะตาสิ่งแวดล้อมและสมมติฐานการกระจายกับแต่ละอื่น ๆ ในขณะที่ช่วยให้สภาพแวดล้อมเชิงพื้นที่ในสภาพแวดล้อมตัวอย่างแสดงให้เห็นว่า สภาพแวดล้อมที่ปรากฏจะสำคัญมากกว่าแพร่กระจายที่ใหญ่เชิงพื้นที่เครื่องชั่ง (Tuomisto et al. 2003) อย่างไรก็ตาม ที่ชั่ง 1ฮา และน้อยกว่าหลายสิบตารางกิโลเมตร (mesoscale),ผลกระทบของสภาพแวดล้อมและการแพร่กระจายยากที่จะแยกแยะจากความสัมพันธ์ทั่วไประหว่างสิ่งแวดล้อมไล่ระดับสีและการทางภูมิศาสตร์การกระจายของคะแนน (Duivenvoorden et al การสุ่มตัวอย่าง2002) . กิลเบิร์ตและ Lechowicz (2004) ใช้เป็น spatiallyออกแบบการสุ่มตัวอย่างโครงสร้างจะทำลายความสัมพันธ์ระหว่างสิ่งแวดล้อมและสถานที่ทางภูมิศาสตร์และสามารถที่จะแสดงว่าสิ่งแวดล้อมของการกระจายพืชยังคงสำคัญ mesoscaleแต่สัมพันธ์ spatial ไม่ การศึกษาของความหลากหลายเหล่านี้พืช (จากต้นเฟิร์นเพื่อ graminoids) ทั้งหนาวและเขตร้อนแนะนำ ที่ mesoscaleและขนาดใหญ่ สิ่งแวดล้อม abiotic สามารถในความเป็นจริง จะเป็นสิ่งสำคัญในการส่งผลกระทบต่อการกระจายของพืชผลเชิงพื้นที่ใด ๆ เป็นง่ายเกิดจากรักษาการแพร่กระจายอย่างอิสระ ควบคุมการที่โดดเด่นบทบาทสำหรับ stochastic ปัจจัยเกี่ยวข้องกับการกระจายที่คาดว่า ที่เครื่องชั่งเชิงพื้นที่ใหญ่ในรุ่นกลาง(ระฆัง 2001, Hubbell 2001)

ผลลัพธ์ (ไทย) 2:

แบบจำลองทางสถิติที่กำหนดชะตาสิ่งแวดล้อม
และสมมติฐานกระจายกับแต่ละอื่น ๆ ในขณะ
ที่ช่วยให้การเปลี่ยนแปลงเชิงพื้นที่ธรรมชาติในสภาพแวดล้อมตัวอย่างที่
แสดงให้เห็นว่าสภาพแวดล้อมที่ปรากฏ
จะมีความสำคัญมากกว่าการกระจายเชิงพื้นที่ที่มีขนาดใหญ่
เครื่องชั่งน้ำหนัก (Tuomisto et al. 2003) อย่างไรก็ตามในระดับ 1
ไร่และน้อยกว่าหลายสิบตารางกิโลเมตร (mesoscale) จาก
ผลกระทบของสภาพแวดล้อมและการแพร่กระจายเป็น
เรื่องยากที่จะแยกแยะความแตกต่างเพราะมีความสัมพันธ์ร่วมกัน
ระหว่างการไล่ระดับสีและสิ่งแวดล้อมทางภูมิศาสตร์
การกระจายตัวของจุดเก็บตัวอย่าง (Duivenvoorden et al,
2002) กิลเบิร์และ Lechowicz (2004) ใช้ตำแหน่ง
การออกแบบโครงสร้างการสุ่มตัวอย่างที่จะทำลายความสัมพันธ์ระหว่าง
สภาพแวดล้อมและที่ตั้งทางภูมิศาสตร์
และมีความสามารถที่จะแสดงให้เห็นว่ามีความสัมพันธ์ด้านสิ่งแวดล้อมของ
การกระจายของพืชยังคงมีความสำคัญที่ mesoscale ที่
แต่ความสัมพันธ์เชิงพื้นที่ไม่ได้ การศึกษาความหลากหลายเหล่านี้
พืช (จากต้นไม้เฟิร์นจะ graminoids) ทั้งในกาลเทศะ
ภูมิภาคเขตร้อนที่ชี้ให้เห็นว่าที่ mesoscale
และขนาดใหญ่สภาพแวดล้อม abiotic สามารถ,
ในความเป็นจริงจะเป็นสิ่งสำคัญในการส่งผลกระทบต่อการกระจายของพืช
เป็นผลกระทบเชิงพื้นที่ใด ๆ ที่เรียบง่าย ที่เกิดขึ้นจากการแพร่กระจายทำหน้าที่
อย่างอิสระ ความขัดแย้งนี้ด้วยที่โดดเด่น
บทบาทปัจจัยสุ่มที่เกี่ยวข้องกับการแพร่กระจายที่
มีการคาดการณ์ในระดับเชิงพื้นที่ขนาดใหญ่ในรูปแบบที่เป็นกลาง
(เบลล์ 2001 Hubbell 2001)