2.5. Data analysis2.5.1. Tree speci

2.5. Data analysis
2.5.1. Tree species richness, density and composition
All data analysis was performed in the statistical computing
program R (R Core Team, 2013). To observe the accumulation of
species richness within each landscape element we conducted
rarefaction analyses using the function ‘specaccum’ in R package
‘vegan’ (Oksanen et al., 2013). Accumulation curves were calculated
based on both (i) survey sites (using the ‘exact’ method)
and (ii) individuals sampled (using the ‘rarefaction’ method).
We modelled species density (sensu Gotelli and Colwell, 2001)
for each element using generalised linear mixed models (GLMMs)
in the ‘lme4’ package (Bates et al., 2013). Our response variable
was the total number of species recorded at each site, and was
modelled as a Poisson distribution. Each transect was specified as
a random effect to account for non-independent error structures
associated with potential clustering of study sites (Zuur et al.,
2011), and the landscape element that sites were located within
(i.e. young plantation, mature plantation, etc.) was specified as a
fixed effect. Landscape elements were considered an important
influence on species richness where 95% confidence intervals (CI)
for parameter estimates did not overlap zero when compared to
the reference element (unlogged forest).

ผลลัพธ์ (ไทย) 1:

2.5 ข้อมูลวิเคราะห์2.5.1. ต้นไม้ชนิดความเข้มข้น ความหนาแน่น และองค์ประกอบดำเนินการวิเคราะห์ข้อมูลทั้งหมดในการคำนวณทางสถิติโปรแกรม R (R Core ทีม 2013) จะสังเกตเห็นการสะสมของชนิดความเข้มข้นในแต่ละองค์ประกอบของภูมิทัศน์ที่เราดำเนินการวิเคราะห์ rarefaction ใช้ฟังก์ชัน 'specaccum' ในแพคเกจ R'มังสวิรัติ' (Oksanen et al. 2013) คำนวณสะสมเส้นโค้ง(i) อิงทั้งสำรวจสถานที่ (โดยใช้วิธีการ 'แน่นอน')และ (ii) บุคคลตัวอย่าง (โดยใช้วิธีการ 'rarefaction')เราจำลองแบบมาชนิดความหนาแน่น (แอ Gotelli และ Colwell, 2001)สำหรับแต่ละองค์ประกอบที่ใช้ทั่วไปเชิงเส้นรูปแบบผสม (GLMMs)ในแพ็คเกจ 'lme4' (เบตส์ et al. 2013) ตัวแปรการตอบสนองของเราจำนวนรวมของสายพันธุ์แต่ละไซต์ และแก้ไขจำลองแบบมาเป็นการแจกแจงปัวซอง ระบุแต่ละ transect เป็นผลการสุ่มสำหรับโครงสร้างข้อผิดพลาดไม่ใช่อิสระเกี่ยวข้องกับคลัสเตอร์ที่มีศักยภาพของสถานศึกษา (Zuur et al.,2011), และองค์ประกอบภูมิทัศน์ที่อยู่เว็บไซต์(เช่นหนุ่มไร่ สวนญี่ปุ่น ฯลฯ) ระบุเป็นการผลถาวร องค์ประกอบภูมิทัศน์การพิจารณาว่ามีความสำคัญอิทธิพลต่อความอุดมสมบูรณ์ของพันธุ์ 95% ช่วงความเชื่อมั่น (CI)สำหรับพารามิเตอร์ การประเมินไม่ได้ซ้อนทับเป็นศูนย์เมื่อเทียบกับองค์ประกอบอ้างอิง (แบ่งป่า)

ผลลัพธ์ (ไทย) 2:

2.5 การวิเคราะห์ข้อมูล
2.5.1 ต้นไม้ชนิดความร่ำรวยความหนาแน่นและองค์ประกอบของ
การวิเคราะห์ข้อมูลทั้งหมดที่ได้ดำเนินการในการคำนวณทางสถิติ
โปรแกรม R (R แกนทีม 2013) จะสังเกตเห็นการสะสมของ
สายพันธุ์ที่ร่ำรวยในแต่ละองค์ประกอบภูมิทัศน์ที่เราดำเนินการ
เจือวิเคราะห์โดยใช้ฟังก์ชั่น 'specaccum' ในแพคเกจ R
'มังสวิรัติ (Oksanen et al., 2013) เส้นโค้งการสะสมถูกคำนวณ
บนพื้นฐานของทั้งสอง (i) การสำรวจเว็บไซต์ (โดยใช้ 'แน่นอน' วิธีการ)
และ (ii) บุคคลตัวอย่าง (โดยใช้ 'เจือ' วิธีการ).
เราสร้างแบบจำลองความหนาแน่นของสปีชีส์ (sensu Gotelli และ Colwell, 2001)
สำหรับแต่ละองค์ประกอบ โดยใช้ทั่วไปหลากหลายรูปแบบเชิงเส้น (GLMMs)
ใน 'lme4' แพคเกจ (เบตส์ et al., 2013) ตัวแปรตอบสนองของเรา
เป็นจำนวนของสายพันธุ์ที่บันทึกไว้ในแต่ละเว็บไซต์และถูก
จำลองเป็นการกระจาย Poisson แต่ละผ่าถูกระบุว่าเป็น
ผลสุ่มไปยังบัญชีสำหรับโครงสร้างข้อผิดพลาดที่ไม่อิสระ
ที่เกี่ยวข้องกับการจัดกลุ่มที่มีศักยภาพของพื้นที่ศึกษา (Zuur et al.,
2011) และองค์ประกอบภูมิทัศน์ว่าเว็บไซต์ถูกตั้งอยู่ภายใน
(ไร่หนุ่มเช่นสวนผู้ใหญ่ ฯลฯ .) ถูกระบุว่าเป็น
ผลคงที่ องค์ประกอบภูมิทัศน์ได้รับการพิจารณาที่สำคัญ
มีอิทธิพลต่อความร่ำรวยชนิดที่ช่วงความเชื่อมั่น 95% (CI)
สำหรับการประมาณการพารามิเตอร์ไม่ทับซ้อนศูนย์เมื่อเทียบกับ
องค์ประกอบอ้างอิง (ป่า unlogged)

ผลลัพธ์ (ไทย) 3:

2.5 การวิเคราะห์ข้อมูลดาวน์โหลด . ไม้ต้นชนิดความ หนาแน่น และองค์ประกอบการวิเคราะห์ข้อมูลทั้งหมดถูกดำเนินการในการคำนวณทางสถิติโปรแกรม R ( ทีมหลัก R 2013 ) สังเกตการสะสมความร่ำรวยของชนิดภายในภูมิทัศน์แต่ละองค์ประกอบเราดำเนินการrarefaction วิเคราะห์โดยใช้ฟังก์ชัน " " R specaccum แพคเกจ" มังสวิรัติ " ( oksanen et al . , 2013 ) เส้นโค้งที่ได้สะสมบนพื้นฐานของทั้งสอง ( ฉัน ) เว็บไซต์การสำรวจ ( ใช้วิธี " แน่นอน " )( 2 ) บุคคลตัวอย่าง ( ใช้วิธี " rarefaction " )เราจำลองชนิดความหนาแน่น ( เซ็นสุ gotelli และ คอลเวลล์ , 2001 )สำหรับแต่ละองค์ประกอบที่ใช้สรุปแบบผสมเชิงเส้น ( glmms )ในแพคเกจ lme4 " " ( Bates et al . , 2013 ) ตัวแปรการตอบสนองของเราคือจำนวนของชนิดที่บันทึกไว้ในแต่ละเว็บไซต์และจำลองเป็น การแจกแจงปัวซง . แต่ละพื้นที่ถูกกำหนดเป็นผลแบบสุ่มไปยังบัญชีไม่ใช่ข้อผิดพลาดโครงสร้างอิสระที่เกี่ยวข้องกับศักยภาพของกลุ่มการศึกษา ( zuur et al . ,2011 ) และองค์ประกอบที่เว็บไซต์ตั้งอยู่ในแนวนอน( เช่นเด็กผู้ใหญ่ปลูกสวนป่า ฯลฯ ) ที่ระบุเป็นถาวรผล การจัดองค์ประกอบก็ถือว่าสำคัญมีอิทธิพลในความร่ำรวยของชนิดที่ช่วงความเชื่อมั่น 95% ( CI )สำหรับประมาณการพารามิเตอร์ไม่ทับซ้อนกัน เมื่อเทียบกับศูนย์อ้างอิงองค์ประกอบ ( unlogged ป่า )