Life-History and Ecological Traits

Life-History and Ecological Traits of Bintan Bird Species To investigate the correlates of local extinction of bird species in Bintan, we measured 10 life-history and ecological traits for each species. The data we used came from a global bird-ecology database (Sekercioglu et al.2004), which we updated with data from recent publications (del Hoyo et al. 2004–2008). The 10 traits were Indomalayan realm endemism (endemic or not endemic);forest specialist (forest most preferred habitat among 14 different habitats; specialist or nonspecialist); mass(average body mass); disturbed habitat use (occurs in disturbed habitats, e.g., secondary growth; yes or no);
habitat breadth (observed number of habitat a species occurs in; range 1–10); diet type of a species (primary diet type: invertebrates; vertebrate and fish; fruits, nectar and seeds); diet breadth (observed number of major diet type a species has; range 1–7); nest type (exposed [no nest,platform, saucer, scrape] or not); nest substrate (ground or aboveground [e.g., shrub, tree]); and minimum clutch size (minimum number of eggs laid; range 1–6).
We used a classification-tree procedure to examine the key correlates of local extinction. Classification trees repeatedly partition the data set into twomutually exclusive groups (i.e., binary splitting) to generate a tree-like classification and each split partitions deviance in successively smaller subsets of values of the dependent variable on the basis of a threshold value of an independent predictor (McCune & Grace 2002).We preferred tree modeling
to logistic regression because tree modeling is free from assumptions of parametric methods and provides analysis of complex ecological data, including missing values,nonlinear relations between variables and high-order interactions (Breiman et al. 1984). The response (i.e., extinct
or extant) and predictors (i.e., the 10 traits of life history or ecology; Supporting Information) were used to grow an overlarge tree, which was subsequently pruned to the optimum tree size (i.e., a tree size that minimizes the cost-complexity measure by snipping off the least important splits and hence reducing data overfitting and is within 1 SE of the minimum-error tree) through 10-fold cross-validations. We used the library rpart in Program R
(R Development Core Team 2008) with a minimum splitting group of size one and cost complexity measure of 0.0001.

ผลลัพธ์ (ไทย) 3:

ประวัติชีวิตและเศรษฐกิจ ลักษณะของนกชนิดและเพื่อศึกษาความสัมพันธ์ของการท้องถิ่นของชนิดนกในบินตันที่เราวัด 10 ชีวิตประวัติและลักษณะทางนิเวศวิทยาสำหรับแต่ละชนิด ข้อมูลที่เราใช้มาจากโลกนกนิเวศวิทยาฐานข้อมูล ( sekercioglu et al . 2004 ) ซึ่งเราสามารถปรับปรุงด้วยข้อมูลจากสิ่งพิมพ์ล่าสุด ( เดล ฮอยโอ et al . 2547 – 2551 )10 ลักษณะเป็น indomalayan ดินแดนถิ่น ( endemic หรือไม่ถิ่น ) ; ผู้เชี่ยวชาญด้านป่าไม้ ( ป่าที่ต้องการมากที่สุดของแหล่งที่อยู่อาศัยที่แตกต่างกัน 14 ; ผู้เชี่ยวชาญ หรือ nonspecialist ) ; มวล ( มวลกายเฉลี่ย ) ; รบกวนใช้เคอ ( เกิดขึ้นในรบกวนแหล่งที่อยู่อาศัย เช่น การเจริญเติบโต มัธยมใช่หรือไม่ ) ;
กว้าง ( สังเกตจำนวนที่อยู่อาศัย ที่อยู่อาศัยชนิดเกิดขึ้นใน ช่วงที่ 1 - 10 )อาหารประเภทของสายพันธุ์ ( หลักอาหารประเภท : สัตว์ไม่มีกระดูกสันหลัง ; สัตว์มีกระดูกสันหลังและ ปลา ผลไม้ น้ำหวาน และเมล็ด ) ; อาหารกว้าง ( สังเกตจำนวนของชนิดอาหารหลักเป็นชนิดมี ช่วงที่ 1 – 7 ) ; ประเภทรัง ( เปิดเผย [ ไม่รัง , แพลตฟอร์ม , จานรอง , ขูด ] หรือไม่ ) ; สารรัง ( ดิน หรือเหนือพื้นดิน เช่น ไม้พุ่ม ต้นไม้ [ , ] ) ; และต่ำสุดขนาด ( จำนวนต่ำสุดของคลัชไข่ ช่วงที่ 1 – 6
)ที่เราใช้ในการขั้นตอนการตรวจสอบคีย์ที่เกี่ยวข้องกับต้นไม้สูญพันธุ์ ในท้องถิ่น หมวดหมู่ต้นไม้ซ้ำชุดข้อมูลในพาร์ทิชัน twomutually เฉพาะกลุ่ม ( เช่นไบนารีการแยก ) เพื่อสร้างต้นไม้ เช่น จำแนกและแยกแต่ละพาร์ทิชันส่วนย่อยเล็กของค่าเบี่ยงเบนในอย่างต่อเนื่องของตัวแปรบนพื้นฐานของเกณฑ์มูลค่าของตัวแปรอิสระ ( เมิกคูน&เกรซ 2002 ) เราชอบต้นไม้แบบ
เพราะการถดถอยโลจิสติกแบบต้นไม้ฟรีจากสมมติฐานของวิธีการจัดและมีการวิเคราะห์ข้อมูล ระบบนิเวศที่ซับซ้อน รวมถึงค่าสูญหายค่าความสัมพันธ์ระหว่างตัวแปรและวงจรปฏิสัมพันธ์ ( breiman et al . 1984 ) การตอบสนอง ( เช่นสูญพันธุ์
หรือเท่าที่มีอยู่ ) และปัจจัย ( เช่น 10 ลักษณะของประวัติชีวิตหรือนิเวศวิทยาสนับสนุนข้อมูล ) ถูกใช้เพื่อปลูกต้น overlarge ซึ่งต่อมาได้ตัดกับต้นไม้ขนาด ที่เหมาะสม ( เช่น ต้นไม้ขนาด ที่ช่วยลดความซับซ้อน ราคาวัด โดยตัดส่วนออกแยกสำคัญน้อยที่สุด และด้วยเหตุนี้การลดข้อมูลและ overfitting ภายใน 1 เซของข้อผิดพลาดต้นไม้ต่ำสุด ) ถึง 10 เท่าข้าม validations . เราใช้ห้องสมุด rpart ในโปรแกรม R
( ทีมหลัก r พัฒนา 2008 ) กับกลุ่มแยกอย่างน้อยหนึ่งการวัดความซับซ้อนของขนาดและต้นทุน 2 .