We used partial canonical correspon

We used partial canonical correspondence analysis (pCCA), a method widely applied in plant species composition studies (Borcard, Legendre, Drapeau, 1992). This method evaluates the independent effect of a set of variables, i.e. pure effect, by running an analysis after first removing the effects of undesirable or known variables (covariables). All analyses were led using the local factors selected as covariables i.e. condition in pCCA. Several pCCA were conducted to assess the contribution of landscape composition (percentage cover of habitats) at each spatial scale in determining species assemblages. From a landscape point of view, the analysis of scale effects may only appear meaningful if it considers the entire buffer, i.e. habitat amount over total extent of the window, but from a statistical point of view, it is critical to consider only the “buffer ring”, i.e. to remove the effects of all other scales, in order to properly quantify the independent effect of a focal scale. In fact, any one buffer shares effects with the inferior buffer (inscribed buffer) but also with the superior buffer (circumscribed buffer, see Fig. 2). Consequently, after taking each landscape scale as the unique constraint in the pCCA (1—What is the effect of each landscape scale?), we repeated the analysis but treating the inferior scale as a condition in pCCA (2—Is there an advantage to enlarging landscape scale?), and finally taking the other two scales as conditions in pCCA (3—What is the unique contribution of each landscape scale?). pCCA were conducted on the floristic matrix of 1902 relevés × 150 species (species counting more than 20 occurrences). Permutation tests (1000 permutations) were carried out to verify significance of constraint after condition effect was removed. As the number of conditions differed among the three types of pCCA performed, we calculated percentage of variance explained by the constraint as the ratio of variance explained by the constraint to variance explained by the complete CCA, i.e. the three landscape scales plus local factors, in order to work with comparable results. Considering the percentage cover of all habitats or only the percentage cover of the four main habitats did not change the hierarchy in scale effects. Moreover, as there is ongoing debate over the use of CCA versus RDA, we checked whether the results remained unchanged by performing pRDA in the same way as we did for pCCA, but also considering the adjusted r2 values and Hellinger transformation of the floristic matrix (see Legendre and Gallagher, 2001 and Peres-Neto et al., 2006). As the hierarchy in scale effects turned out the same, we reported results only for CCA. We used vegan package (version 2.0-4, Oksanen et al., 2012) of the free R software (R Development Core Team 2012, www.r-project.org).

ผลลัพธ์ (ไทย) 1:

เราใช้บางส่วนมาตรฐานติดต่อวิเคราะห์ (pCCA), วิธีการใช้กันอย่างแพร่หลายในโรงงานชนิดองค์ประกอบศึกษา (Borcard เลอฌ็องดร์ Drapeau, 1992) วิธีการนี้ประเมินผลขึ้นอยู่กับชุดของตัวแปร เช่นบริสุทธิ์ผล โดยใช้การวิเคราะห์หลังจากครั้งแรกเอาผลของตัวแปรผล หรือรู้จัก (covariables) วิเคราะห์ทั้งหมดถูกนำใช้ปัจจัยภายในที่เลือกเป็น covariables เช่นเงื่อนไขใน pCCA ด้วย หลาย pCCA ได้ดำเนินการประเมินสัดส่วนขององค์ประกอบภูมิทัศน์ (เปอร์เซ็นต์ครอบคลุมของการอยู่อาศัย) ในแต่ละระดับพื้นที่ในการกำหนดชนิด assemblages จากมุมของจุดภูมิทัศน์ การวิเคราะห์อัตราผลอาจปรากฏเฉพาะมีความหมายถ้าถือเอาบัฟเฟอร์ทั้งหมด เช่นยอดเงินที่อยู่อาศัยเกินขอบเขตทั้งหมดของหน้าต่าง แต่จากสถิติจุดของมุมมอง มันเป็นสิ่งสำคัญที่พิจารณาเฉพาะ "บัฟเฟอร์แหวน" เช่นเอาผลทั้งหมด อื่น ๆ ปรับขนาด การกำหนดปริมาณผลอิสระของสเกลโฟกัสอย่างถูกต้อง ในความเป็นจริง บัฟเฟอร์ใด ๆ หนึ่งหุ้นผล ด้วยบัฟเฟอร์น้อย (บัฟเฟอร์จารึกไว้) แต่ยัง มีบัฟเฟอร์ซู (circumscribed บัฟเฟอร์ ดู Fig. 2) ดังนั้น หลังจากแต่ละสเกลแนวนอนเป็นข้อจำกัดที่ไม่ซ้ำใน pCCA (1 — อะไรคือผลของแต่ละสเกลแนวนอน?), เราซ้ำวิเคราะห์ แต่รักษาขนาดน้อยเป็นเงื่อนไขใน pCCA (2 — มีข้อดีของการขยายสเกลแนวนอน?), และสุดท้าย ระดับสองเป็นเงื่อนไขใน pCCA (3 — เป็นสัดส่วนเฉพาะของแต่ละสเกลแนวนอน?) pCCA ได้ดำเนินการบนเมตริกซ์ floristic 1902 relevés × 150 ชนิด (สปีชีส์นับมากกว่า 20 ครั้ง) ทดสอบการเรียงสับเปลี่ยน (สับ 1000) ได้ดำเนินการตรวจสอบนัยสำคัญของข้อจำกัดหลังจากเงื่อนไขผลถูกเอาออก เป็นจำนวนของเงื่อนไขที่แตกต่างระหว่างทั้งสามชนิดของ pCCA ดำเนิน เราคำนวณเปอร์เซ็นต์อธิบาย โดยข้อจำกัดที่เป็นอัตราส่วนของความแปรปรวนที่อธิบาย โดยข้อจำกัดในการอธิบาย โดย CCA สมบูรณ์ผลต่าง ผลต่างเช่นสามนอนสมดุลรวมทั้งปัจจัยภายใน ทำงานร่วมกับผลลัพธ์เทียบเท่าการ พิจารณาเปอร์เซ็นต์ครอบคลุมของการอยู่อาศัยทั้งหมดหรือเฉพาะเปอร์เซ็นต์ ครอบคลุมของการอยู่อาศัยหลักสี่ได้ไม่เปลี่ยนแปลงลำดับชั้นในลักษณะมาตราส่วน นอกจากนี้ มีการอภิปรายอย่างต่อเนื่องผ่านการใช้ CCA กับ RDA เราตรวจสอบว่า ผลลัพธ์ยังคงไม่เปลี่ยนแปลง โดยทำ pRDA แบบเดียวกับที่เราทำใน pCCA แต่ยัง พิจารณาค่า r2 ปรับปรุงและการเปลี่ยนแปลง Hellinger ของเมตริกซ์ floristic (ดูเลอฌ็องดร์ และ Gallagher, 2001 และ Peres Neto และ al., 2006) เป็นลำดับชั้นในลักษณะมาตราส่วนเปิดออกเหมือนกัน เรารายงานผลสำหรับ CCA เราใช้แพคเกจพัฒน์ (เวอร์ชัน 2.0-4, Oksanen et al., 2012) ซอฟต์แวร์ R ฟรี (R พัฒนาหลักทีมงาน 2012, www.r-project.org)

ผลลัพธ์ (ไทย) 2:

เราใช้การวิเคราะห์บางส่วนจดหมายที่ยอมรับ (pCCA) ซึ่งเป็นวิธีการที่ใช้กันอย่างแพร่หลายในการศึกษาองค์ประกอบพันธุ์พืช (Borcard, Legendre, Drapeau, 1992) วิธีนี้จะประเมินผลกระทบที่เป็นอิสระจากการตั้งค่าของตัวแปรที่มีผลบังคับใช้เช่นบริสุทธิ์โดยใช้การวิเคราะห์ครั้งแรกหลังจากที่เอาผลของตัวแปรที่ไม่พึงประสงค์หรือที่รู้จักกัน (covariables) การวิเคราะห์ทั้งหมดถูกนำไปใช้ปัจจัยท้องถิ่นเลือกเป็น covariables เช่นภาวะ pCCA pCCA หลายคนถูกดำเนินการในการประเมินผลงานขององค์ประกอบภูมิทัศน์ (ปกร้อยละของแหล่งที่อยู่อาศัย) ในแต่ละระดับเชิงพื้นที่ในการกำหนดสายพันธุ์ assemblages จากจุดภูมิทัศน์ในมุมมองของการวิเคราะห์ผลกระทบขนาดเพียงอาจปรากฏความหมายถ้าจะมีการพิจารณาบัฟเฟอร์ทั้งหมดคือจำนวนที่อยู่อาศัยที่เหนือขอบเขตรวมของหน้าต่าง แต่จากจุดทางสถิติในมุมมองของมันเป็นสิ่งสำคัญที่จะต้องพิจารณาเพียง "กันชน แหวน "คือการลบผลกระทบของเครื่องชั่งอื่น ๆ ในการสั่งซื้อที่จะต้องปริมาณผลกระทบที่เป็นอิสระจากระดับโฟกัส ในความเป็นจริงคนใดคนหนึ่งมีผลกระทบกับหุ้นบัฟเฟอร์บัฟเฟอร์ด้อยกว่า (บัฟเฟอร์จารึกไว้) แต่ยังมีบัฟเฟอร์ที่เหนือกว่า (บัฟเฟอร์ circumscribed ดูรูป. 2) ดังนั้นหลังจากที่แต่ละระดับภูมิทัศน์ที่เป็นข้อ จำกัด ที่ไม่ซ้ำกันใน pCCA (1 อะไรคือผลของแต่ละระดับภูมิทัศน์?) เราซ้ำวิเคราะห์ แต่การรักษาระดับรองลงมาเป็นเงื่อนไขใน pCCA (ที่ 2 มีประโยชน์ไปยัง ขยายขนาดภูมิทัศน์?) และในที่สุดการอีกสองเครื่องชั่งที่เป็นเงื่อนไขใน pCCA (3 สิ่งที่เป็นผลงานที่ไม่ซ้ำกันในแต่ละระดับภูมิทัศน์?) pCCA ได้ดำเนินการในเมทริกซ์ของ floristic relevés 1902 × 150 สายพันธุ์ (สายพันธุ์นับกว่า 20 เกิดขึ้น) การทดสอบการเปลี่ยนแปลง (1000 พีชคณิต) ได้ดำเนินการเพื่อตรวจสอบความสำคัญของการ จำกัด ผลกระทบหลังจากที่สภาพถูกลบออก ขณะที่จำนวนของเงื่อนไขที่แตกต่างกันในสามประเภท pCCA ดำเนินการเราร้อยละคำนวณความแปรปรวนอธิบายได้ด้วยข้อ จำกัด เป็นอัตราส่วนของความแปรปรวนอธิบายได้ด้วยข้อ จำกัด ในการแปรปรวนอธิบายโดยสมบูรณ์ CCA คือสามเกล็ดภูมิทัศน์บวกปัจจัยท้องถิ่น เพื่อที่จะทำงานร่วมกับผลการเทียบเคียง พิจารณาปกร้อยละของที่อยู่อาศัยทั้งหมดหรือเฉพาะปกร้อยละของสี่ที่อยู่อาศัยหลักไม่ได้เปลี่ยนลำดับชั้นในลักษณะขนาด นอกจากนี้ยังเป็นที่มีการอภิปรายอย่างต่อเนื่องมากกว่าการใช้ CCA กับ RDA ที่เราตรวจสอบว่าผลยังคงไม่เปลี่ยนแปลงโดยการดำเนินการ pRDA ในลักษณะเดียวกับที่เราทำสำหรับ pCCA แต่ยังพิจารณาค่า r2 ปรับและการเปลี่ยนแปลง Hellinger ของเมทริกซ์ floristic ( เห็น Legendre และกัลลาเกอร์ปี 2001 และเปเรเน-et al., 2006) ในฐานะที่เป็นลำดับชั้นในลักษณะขนาดเปิดออกเหมือนกันที่เรารายงานผลเฉพาะมะเร็งท่อน้ำดี เราใช้แพคเกจมังสวิรัติ (รุ่น 2.0-4, Oksanen et al., 2012) ของซอฟแวร์ฟรี R (R พัฒนาหลักของทีม 2012, www.r-project.org)

ผลลัพธ์ (ไทย) 3:

ที่เราใช้ในการวิเคราะห์ความสอดคล้อง Canonical บางส่วน ( pcca ) ซึ่งเป็นวิธีการที่ใช้กันอย่างแพร่หลายในพืชการศึกษา ( borcard legendre Drapeau , , 2535 ) วิธีนี้ประเมินผลของชุดของตัวแปรอิสระ คือ บริสุทธิ์ ผล โดยใช้การวิเคราะห์ก่อนการเอาผลของตัวแปรที่ไม่พึงประสงค์หรือที่รู้จักกัน covariables )ทั้งหมดถูกนำไปใช้วิเคราะห์ท้องถิ่น ปัจจัยที่เลือกเป็น covariables เช่นเงื่อนไขใน pcca . หลาย pcca มีวัตถุประสงค์เพื่อประเมินอิทธิพลขององค์ประกอบภูมิทัศน์ ( ร้อยละครอบคลุมของแหล่งที่อยู่อาศัยในแต่ละพื้นที่ ) ขนาดในการกำหนดชนิดทะเลของทะเล . จากภูมิทัศน์มุมมอง การวิเคราะห์ผลขนาดอาจปรากฏเฉพาะความหมายถ้ามันเห็นบัฟเฟอร์ทั้งหมด ได้แก่ที่อยู่อาศัยจำนวนกว่าขอบเขตทั้งหมดของหน้าต่าง แต่จากมุมมองทางสถิติ มันเป็นสิ่งสำคัญที่จะพิจารณาเฉพาะ " buffer แหวน " คือ เอาผลของระดับอื่น ๆทั้งหมด เพื่อจะได้ปริมาณผลอิสระขนาดโฟกัส ในความเป็นจริงใด ๆหนึ่งบัฟเฟอร์หุ้นผลด้วยบัฟเฟอร์ ( Buffer ) ด้อยกว่า ) แต่ยังเหนือกว่าด้วยบัฟเฟอร์ ( พื้นที่ที่ จํากัด บัฟเฟอร์ดูรูปที่ 2 ) ดังนั้น หลังจากถ่ายภูมิทัศน์แต่ละระดับเป็นข้อจำกัดเฉพาะใน pcca ( 1-what คือผลของแต่ละภูมิประเทศมาตราส่วน ? ) เราทำซ้ำการวิเคราะห์ แต่การรักษาระดับด้อยกว่าเป็นเงื่อนไขใน pcca ( 2-is มีข้อดีของการขยายแนวนอนขนาด ? ) ,และในที่สุดก็จะพาอีกสองชั่งเป็นเงื่อนไขใน pcca ( 3-what เป็นส่วนเฉพาะของแต่ละภูมิประเทศมาตราส่วน ? ) . pcca มีวัตถุประสงค์ในโครงสร้างของเมทริกซ์ 1902 relev é s × 150 สปีชีส์ ( species นับกว่า 20 เหตุการณ์ ) การทดสอบการเปลี่ยนแปลง ( 1000 กฎการสลับที่ ) ได้ดำเนินการเพื่อตรวจสอบความสำคัญของข้อจำกัดตามสภาพ ผลเป็นลบเป็นหมายเลขของเงื่อนไขที่แตกต่างระหว่างสามประเภทของ pcca แสดง เราคำนวณค่าความแปรปรวนอธิบายด้วยข้อจำกัดเมื่ออัตราส่วนของความแปรปรวนอธิบายด้วยข้อจำกัดความอธิบายจากมะเร็งที่สมบูรณ์ คือ สามภูมิระดับบวกปัจจัยในท้องถิ่น เพื่อที่จะทำงานกับผลลัพธ์เดียวกันเมื่อพิจารณาจากร้อยละของพื้นที่ครอบคลุมทั้งหมดหรือเพียงร้อยละปกสี่หลักถิ่นที่ไม่ได้เปลี่ยนลำดับในผลขนาด นอกจากนี้ ยังได้มีการอภิปรายอย่างต่อเนื่องมากกว่าการใช้ CCA เมื่อเทียบกับปริมาณที่เราตรวจสอบว่าผลลัพธ์ที่ยังคงไม่เปลี่ยนแปลง โดยการแสดง prda ในแบบเดียวกับที่เราทำเพื่อ pcca ,แต่ยังพิจารณาปรับ R2 ค่าและเฮลลินเกอร์การแปลงเมทริกซ์โครงสร้าง ( ดู legendre และ Gallagher , 2001 และเปเร Neto et al . , 2006 ) เป็นลำดับในผลขนาดออกมาเหมือนกัน เรารายงานผลสำหรับ CCA . เราใช้แพคเกจ ( รุ่น 2.0-4 oksanen มังสวิรัติ , et al . , 2012 ) ของโปรแกรม R ฟรี ( R การพัฒนาหลักทีม 2012 , www.r-project . org )