reality: “A1B describes rapid econo

reality: “A1B describes rapid economic development and growth,
with balanced technological development across all sources, i.e.
neither fossil intensive nor all non-fossil sources” (Cameron et al.,
2012).
We used the Maxent algorithm, which estimates a target probability
distribution by finding the probability associated with
the maximum entropy (or the closest to a uniform distribution)
(Phillips et al., 2006). The Maxent approach is useful primarily
because it can be applied to analyze small and presence-only
datasets (Wisz et al., 2008). The area under the curve (AUC) of the
receiver-operating graph (ROC) was used to estimate the success
and failure of the prediction during the modeling process with a
set of test data (30% of the data) (Fielding and Bell, 1997). The AUC
values vary from 0 to 1. A value of 1 indicates the highest accuracy.
The output of Maxent represents the occurrence probability for
each grid cell used in the model. We classified these probabilities
into three categories: high probability, corresponding to the cells
that show a predicted probability of presence of more than 75%;
medium probability, corresponding to a range of probabilities of
50–75%; and minimum probability, representing probabilities less
than 50%. We classified all of the models of all of the species using
these three classes.
We first compared the total frequency of pixels with the maximum
occurrence probability (>75%) obtained for the current and
2050 scenarios per species. Based on this information, we evaluated
the change in the amount of suitable area for each species based on
the future scenario of climate change. Because our objective was
to determine future suitable areas to protect species, we used the
highest probability of occurrence to avoid spending resources to
preserve species in unsuitable areas (Araújo and Peterson, 2012).
We then overlapped the areas of maximum probability for all of
the bee species to build the final models; we performed the same
overlapping with the models of all of the plant species. The purpose
of this procedure was to build a representation of the total
area that shows the highest suitability both for all passion fruit
pollinator bees and for their forage plants. We considered the same
procedure to forecast the future potential occurrence according to
the postulated scenario of climate change.
Finally, we overlapped the current and future models of bees
and plants to identify the areas in which both groups of species
are potentially present now and the areas in which they will
occur under the future scenario. This procedure aimed to identify
potential areas for preserving these species. All of the procedures
involving the maps obtained through modeling were performed
with ArcGIS 10 (Esri Inc.).

ผลลัพธ์ (ไทย) 1:

ความจริง: " A1B อธิบายการพัฒนาทางเศรษฐกิจอย่างรวดเร็วและเจริญเติบโต,
กับสมดุลพัฒนาเทคโนโลยีแหล่งทั้งหมด ฟอสซิ i.e.
neither เร่งรัด หรือแหล่งซากดึกดำบรรพ์ไม่ใช่ทั้งหมด" (คาเมรอน et al.,
2012) .
เราใช้ Maxent อัลกอริทึม การประเมินความน่าเป็นเป้าหมาย
กระจาย โดยการหาความน่าเป็นที่เกี่ยวข้องกับ
เอนโทรปีสูงสุด (หรือใกล้เคียงกับการกระจายสม่ำเสมอ)
(ไขควงและ al., 2006) วิธี Maxent คือประโยชน์
เนื่องจากสามารถใช้วิเคราะห์ขนาดเล็ก และสถานะเดียว
datasets (Wisz et al., 2008) พื้นที่ใต้เส้นโค้ง (AUC) ของ
รับทำกราฟ (ROC) ถูกใช้เพื่อประเมินความสำเร็จ
และความล้มเหลวของการคาดการณ์ในระหว่างกระบวนการสร้างโมเดลด้วยการ
ชุดข้อมูลทดสอบ (30% ของข้อมูล) (Fielding และเบลล์ 1997) AUC ใน
ค่าแตกต่างไปจาก 0 เป็น 1 ค่าของ 1 บ่งชี้ว่า สูงสุดความแม่นยำ
เหตุการณ์ความน่าเป็นการแสดงถึงผลลัพธ์ของ Maxent
แต่ละเซลล์ตารางที่ใช้ในแบบจำลอง เราจัดกิจกรรมเหล่านี้
ออกเป็นสามประเภท: ความสูง ที่สอดคล้องกับเซลล์
ที่แสดงการคาดการณ์น่าเป็นของมากกว่า 75%;
น่าเป็นขนาดกลาง ที่สอดคล้องกับช่วงของกิจกรรมของ
50-75% และน่า เป็นต่ำสุด แสดงกิจกรรมน้อย
กว่า 50% เราจัดประเภทของแบบจำลองทั้งหมดใช้พันธุ์
เหล่านี้สามชั้น
เราเปรียบเทียบความถี่รวมของพิกเซลสูงสุดแรก
เหตุการณ์ความน่าเป็น (> 75%) ได้ปัจจุบัน และ
2050 สถานการณ์ต่อสปีชีส์ ตามข้อมูลนี้ เราประเมิน
การเปลี่ยนแปลงจำนวนพื้นที่เหมาะสมสำหรับแต่ละชนิดตาม
สถานการณ์ของการเปลี่ยนแปลงสภาพภูมิอากาศในอนาคต เนื่องจากวัตถุประสงค์ของเรา
เพื่อกำหนดพื้นที่ที่เหมาะในอนาคตเพื่อป้องกันพันธุ์ เราใช้
น่าเกิดขึ้นเพื่อหลีกเลี่ยงการใช้ทรัพยากรสูงสุด
รักษาสายพันธุ์ในพื้นที่ที่ไม่เหมาะสม (Araújo และ Peterson, 2012) .
เราเหลื่อมซ้อนกับพื้นที่ของความน่าเป็นสูงสุดของทั้งหมดแล้ว
พันธุ์ผึ้งสร้างรุ่นสุดท้าย เราทำเหมือน
ทับซ้อนกับรูปแบบของชนิดพืชทั้งหมด วัตถุประสงค์
ของขั้นตอนนี้คือการ สร้างการแสดงผลรวม
แสดงสูงสุดความเหมาะสมทั้งสำหรับเสาวรสทั้งหมด
pollinator ผึ้ง และของพืชอาหารสัตว์ เราถือว่าเหมือนกัน
กระบวนการคาดการณ์เหตุการณ์ที่อาจเกิดขึ้นในอนาคตตาม
สถานการณ์ postulated ของสภาพภูมิอากาศเปลี่ยนแปลง
สุดท้าย เราเหลื่อมกับรุ่นปัจจุบัน และอนาคตของผึ้ง
และระบุพื้นที่ที่กลุ่มทั้งสองพันธุ์
อาจจะอยู่ตอนนี้และในพื้นที่ที่พวกเขาจะ
เกิดขึ้นภายใต้สถานการณ์ในอนาคต กระบวนการนี้มีวัตถุประสงค์เพื่อระบุ
พื้นที่มีศักยภาพสำหรับการรักษาสายพันธุ์เหล่านี้ ขั้นตอนทั้งหมด
เกี่ยวข้องกับแผนที่ที่ได้รับผ่านโมเดลดำเนิน
กับ ArcGIS 10 (Esri Inc.)

ผลลัพธ์ (ไทย) 2:

ความจริง: "A1B อธิบายถึงการพัฒนาทางเศรษฐกิจอย่างรวดเร็วและการเจริญเติบโต
ที่มีการพัฒนาเทคโนโลยีที่สมดุลในทุกแหล่งเช่น
ฟอสซิลไม่เข้มข้นหรือทั้งหมดไม่ใช่แหล่งฟอสซิล "(คาเมรอนและอัล,.
2012)
เราใช้ขั้นตอนวิธีการ MAXENT ซึ่งประเมินความน่าจะเป็นเป้าหมาย
การกระจายความน่าจะเป็นโดยการค้นหาที่เกี่ยวข้องกับ
เอนโทรปีสูงสุด (หรือที่ใกล้เคียงที่สุดที่จะกระจายชุด)
(ฟิลิปเอตอัล. 2006) วิธี MAXENT เป็นประโยชน์เป็นหลัก
เพราะสามารถนำไปใช้ในการวิเคราะห์ที่มีขนาดเล็กและการแสดงตนอย่างเดียว
ชุดข้อมูล (Wisz และคณะ. 2008) พื้นที่ใต้เส้นโค้ง (AUC) ของ
กราฟที่ได้รับจากการดำเนินงาน (ROC) ถูกนำมาใช้ในการประเมินความสำเร็จ
และความล้มเหลวของการทำนายในระหว่างขั้นตอนการสร้างแบบจำลองที่มี
ชุดของข้อมูลการทดสอบ (30% ของข้อมูล) (ฟีลดิงและเบลล์ 1997) AUC
ค่าแตกต่างกันไป 0-1. ค่า 1 หมายถึงความถูกต้องสูงสุด
ส่งออกของ MAXENT แสดงให้เห็นถึงความน่าจะเป็นที่เกิดขึ้นสำหรับ
แต่ละเซลล์ตารางที่ใช้ในรุ่น เราน่าจะจัดอยู่ในประเภทเหล่านี้
เป็นสามประเภท: ความน่าจะเป็นสูงที่เกี่ยวข้องกับเซลล์
ที่แสดงความน่าจะเป็นที่คาดการณ์ของการแสดงตนของกว่า 75%
น่าจะเป็นสื่อที่สอดคล้องกับช่วงของความน่าจะเป็นของ
50-75%; และความน่าจะเป็นขั้นต่ำที่เป็นตัวแทนของความน่าจะเป็นน้อย
กว่า 50% เราจัดทุกรุ่นทุกชนิดโดยใช้
เหล่านี้สามชั้นเรียน
ก่อนอื่นเราเทียบความถี่รวมของพิกเซลสูงสุด
น่าจะเกิดขึ้น (> 75%) ได้รับสำหรับปัจจุบันและ
2050 สถานการณ์ต่อสายพันธุ์ อยู่บนพื้นฐานของข้อมูลนี้เราได้รับการประเมิน
การเปลี่ยนแปลงในจำนวนของพื้นที่ที่เหมาะสมสำหรับแต่ละชนิดขึ้นอยู่กับ
สถานการณ์ในอนาคตของการเปลี่ยนแปลงสภาพภูมิอากาศ เพราะวัตถุประสงค์ของเราคือ
เพื่อตรวจสอบพื้นที่ที่เหมาะสมในอนาคตเพื่อปกป้องเผ่าพันธุ์เราใช้
ความน่าจะเป็นสูงสุดของการเกิดขึ้นเพื่อหลีกเลี่ยงการใช้จ่ายทรัพยากรที่จะ
รักษาสายพันธุ์ในพื้นที่ที่ไม่เหมาะสม (Araújoและปีเตอร์สัน, 2012)
จากนั้นเราจะซ้อนทับพื้นที่ของความน่าจะเป็นสูงสุดสำหรับทุก
สายพันธุ์ผึ้งในการสร้างรูปแบบสุดท้าย; เราดำเนินการเหมือนกัน
ที่ทับซ้อนกันด้วยรูปแบบทั้งหมดของพันธุ์พืช วัตถุประสงค์
ของขั้นตอนนี้คือการสร้างตัวแทนของทั้งหมด
พื้นที่ที่แสดงให้เห็นถึงความเหมาะสมสูงสุดทั้งสำหรับทุกเสาวรส
ผึ้งผสมเกสรและพืชอาหารสัตว์ของพวกเขา เราถือว่าเดียวกัน
ขั้นตอนในการคาดการณ์ที่เกิดขึ้นในอนาคตที่อาจเกิดขึ้นตาม
สถานการณ์การตั้งสมมติฐานของการเปลี่ยนแปลงสภาพภูมิอากาศ
ในที่สุดเราซ้อนทับรุ่นปัจจุบันและอนาคตของผึ้ง
และพืชเพื่อระบุพื้นที่ที่ทั้งสองกลุ่มของสิ่งมีชีวิต
ที่อาจนำเสนอในขณะนี้และพื้นที่ ในการที่พวกเขาจะ
เกิดขึ้นภายใต้สถานการณ์ในอนาคต ขั้นตอนนี้มีวัตถุประสงค์เพื่อระบุ
พื้นที่ที่มีศักยภาพในการรักษาชนิดนี้ ทุกขั้นตอน
ที่เกี่ยวข้องกับแผนที่ที่ได้รับผ่านการสร้างแบบจำลองได้ดำเนินการ
ด้วย ArcGIS 10 (Esri อิงค์)

ผลลัพธ์ (ไทย) 3:

ความเป็นจริง : " a1b อธิบายอย่างรวดเร็วการพัฒนาทางเศรษฐกิจและการเติบโต ด้วยการพัฒนาเทคโนโลยีสมดุล
ทั่วทุกแหล่ง คือ
ไม่เข้มข้นหรือฟอสซิลทั้งหมดที่ไม่ใช่แหล่งฟอสซิล " ( Cameron et al . ,
2012 ) .
เราใช้ขั้นตอนวิธี maxent ซึ่งประมาณการเป้าหมายการกระจายความน่าจะเป็น

โดยการหาความน่าจะเป็นที่เกี่ยวข้องกับเอนโทรปีสูงสุด ( หรือใกล้การแจกแจง )
( ฟิลิปส์ et al . , 2006 ) วิธีการ maxent มีประโยชน์หลัก
เพราะมันสามารถใช้เพื่อวิเคราะห์ขนาดเล็กและตนเท่านั้น
ข้อมูล ( wisz et al . , 2008 ) พื้นที่ใต้เส้นโค้ง ( ยา ) ของกราฟ ( ROC )
รับปฏิบัติการใช้ประเมินความสำเร็จและความล้มเหลวของการคาดการณ์

ในการสร้างแบบจำลองกับชุดข้อมูลทดสอบ ( 30% ของข้อมูล ) ( Fielding และระฆัง , 1997 ) ค่า
ค่าเปลี่ยนจาก 0 เป็น 1 ค่าของ 1 บ่งชี้ความถูกต้องสูงสุด ผลผลิตของ maxent แทน

แต่ละตารางความน่าจะเป็นที่เกิดขึ้นสำหรับเซลล์ที่ใช้ในแบบ เราจำแนกความน่าจะเป็นเหล่านี้
เป็นสามประเภท : ความเป็นไปได้สูงที่เซลล์
ที่แสดงค่าความน่าจะเป็นของตนมากกว่า 75% ;
ความน่าจะเป็นขนาดกลาง สอดคล้องกับช่วงของความน่าจะเป็นของ
50 - 75 เปอร์เซ็นต์ และต่ำสุดของความน่าจะเป็นความน่าจะเป็น น้อย
กว่า 50% เราจัดทุกรุ่นทุกชนิดด้วย
3
เราก่อนเรียน เมื่อเปรียบเทียบความถี่ทั้งหมดของพิกเซลที่มีโอกาสเกิดสูงสุด
( 75% ) ซึ่งปัจจุบันและ
2050 สถานการณ์ต่อชนิด จากข้อมูลนี้ เราประเมิน
การเปลี่ยนแปลงปริมาณของพื้นที่ที่เหมาะสมสำหรับแต่ละชนิดขึ้นอยู่กับ
สถานการณ์ของการเปลี่ยนแปลงภูมิอากาศในอนาคต เพราะเป้าหมายของเราคือ
หาพื้นที่ในอนาคตที่เหมาะสมเพื่อปกป้องเผ่าพันธุ์ เราใช้ความน่าจะเป็นสูงสุดของทรัพยากรเพื่อหลีกเลี่ยงการเกิด


รักษาสายพันธุ์ในพื้นที่ที่ไม่เหมาะสม ( ARA ú โจ และ ปีเตอร์สัน , 2012 ) .
จากนั้นเรากันพื้นที่ของความน่าจะเป็นสูงสุดทั้งหมด
ผึ้งพันธุ์เพื่อสร้างรุ่นสุดท้าย เราปฏิบัติเหมือนกัน
ซ้อนกับรุ่นทั้งหมดของชนิดของพืช วัตถุประสงค์
ของขั้นตอนนี้คือการสร้างการเป็นตัวแทนของพื้นที่ทั้งหมด
ที่แสดงสูงสุดความเหมาะสมทั้งผึ้งและแมลงผสมเกสรทั้งหมดตัณหาผลไม้
พืชอาหารสัตว์ของพวกเขา เราถือว่าขั้นตอนเดียวกัน
พยากรณ์เหตุการณ์ในอนาคตที่อาจเกิดขึ้นตาม
การสรุปสถานการณ์ของการเปลี่ยนแปลงสภาพภูมิอากาศ .
ในที่สุดเราซ้อนรุ่นปัจจุบันและอนาคตของผึ้ง
และพืชเพื่อระบุพื้นที่ที่ทั้งสองกลุ่มสายพันธุ์
ถูกซ่อนเร้นปัจจุบันตอนนี้ และพื้นที่ที่พวกเขาจะ
เกิดขึ้นภายใต้สถานการณ์ในอนาคต ขั้นตอนนี้ มีวัตถุประสงค์เพื่อระบุพื้นที่ที่มีศักยภาพสำหรับการรักษา
ชนิดเหล่านี้ ทั้งหมดของกระบวนการ
ที่เกี่ยวข้องกับแผนที่ที่ได้จากแบบจำลองการ
ด้วย ArcGIS . 10 ( ESRI Inc . )