6. Spatial estimates of deer densit

6. Spatial estimates of deer density

We produce spatial estimates of deer density for northern hardwood stands in a section (20 km2) of our study area (Fig. 1b and c) by applying parameter estimates from the ‘best’ and averaged Bayesian linear regression models (from BMA) to raster maps (30 m resolution) of the independent variables.

Confidence intervals for each variable parameter estimate can be used to produce a model ensemble that provides both a mean estimate of deer density and a standard deviation of that estimate for each map pixel .

These standard deviations can be used as an indicator of uncertainty in the pixel estimate (larger standard deviation of predicted values across model realizations
implies greater uncertainty).

The model ensemble is composed of multiple realizations of the Bayesian linear regression models, with parameter values for each realization sampled from the
posterior probability distribution for each independent variable.


We use 1000 realizations for each model ensemble, performing analyses with a bespoke computer program. We examine a section of our study area because our data are spatially incomplete for the entire study area.

ผลลัพธ์ (ไทย) 1:

6. พื้นที่ประเมินความหนาแน่นของสัตว์เราผลิตพื้นที่ประเมินความหนาแน่นของเดียร์สำหรับยืนเหนือไม้ในส่วน (20 km2) ของเราศึกษาพื้นที่ (Fig. 1b c) โดยใช้การประเมินพารามิเตอร์จาก 'ส่วน' และ averaged แบบจำลองถดถอยเชิงเส้นทฤษฎี (จาก BMA) กับแผนที่ raster (ความละเอียด 30 เมตร) ของตัวแปรอิสระ ช่วงความเชื่อมั่นสำหรับการประเมินแต่ละพารามิเตอร์ตัวแปรสามารถใช้เพื่อสร้างวงดนตรีรูปแบบที่มีทั้งการประเมินเฉลี่ยของความหนาแน่นของเดียร์และค่าส่วนเบี่ยงเบนมาตรฐานของการประเมินสำหรับแต่ละพิกเซลของแผนที่ ส่วนเบี่ยงเบนมาตรฐานเหล่านี้สามารถใช้เป็นตัวบ่งชี้ความไม่แน่นอนในการประเมินพิกเซล (ใหญ่กว่าส่วนเบี่ยงเบนมาตรฐานของค่าคาดการณ์ข้ามรุ่น realizationsหมายถึงความไม่แน่นอนมากกว่า) วงดนตรีรุ่นประกอบด้วย realizations หลายรุ่นทฤษฎีการถดถอยเชิงเส้น ค่าพารามิเตอร์สำหรับรับรู้แต่ละตัวอย่างจากการหลังการกระจายความน่าเป็นสำหรับแต่ละตัวแปรอิสระเราใช้ 1000 realizations สำหรับวงดนตรีทุกรูปแบบ การวิเคราะห์ ด้วยโปรแกรมคอมพิวเตอร์จิบ เราตรวจสอบส่วนของพื้นที่ศึกษาเนื่องจากข้อมูลไม่สมบูรณ์ spatially สำหรับพื้นที่ศึกษาทั้งหมด

ผลลัพธ์ (ไทย) 2:

6. ประมาณการเชิงพื้นที่ของความหนาแน่นของกวางเราผลิตประมาณการเชิงพื้นที่ของความหนาแน่นกวางสำหรับไม้เนื้อแข็งภาคเหนือยืนในส่วน (? 20 กิโลเมตร 2) พื้นที่การศึกษาของเรา (รูปที่ 1b. และค) โดยใช้ประมาณการพารามิเตอร์จาก 'ที่ดีที่สุดและเฉลี่ยเชิงเส้นแบบเบย์ รูปแบบการถดถอย (จากกทม) แผนที่แรสเตอร์ (30 เมตรความละเอียด) ตัวแปรอิสระ. ช่วงความเชื่อมั่นสำหรับแต่ละประมาณการพารามิเตอร์ตัวแปรสามารถนำมาใช้ในการผลิตชุดรูปแบบที่มีทั้งประมาณการค่าเฉลี่ยของความหนาแน่นของกวางและค่าเบี่ยงเบนมาตรฐานของประมาณการว่า สำหรับแต่ละพิกเซลแผนที่. ค่าเบี่ยงเบนมาตรฐานเหล่านี้สามารถใช้เป็นตัวชี้วัดของความไม่แน่นอนในการประมาณการพิกเซล (ค่าเบี่ยงเบนมาตรฐานของค่าขนาดใหญ่ที่คาดการณ์ไว้ข้ามการรับรู้รูปแบบการแสดงถึงความไม่แน่นอนมากขึ้น). ชุดรูปแบบประกอบด้วยการรับรู้หลายรูปแบบการถดถอยเชิงเส้นคชกรรม กับค่าพารามิเตอร์สำหรับการสำนึกแต่ละตัวอย่างจากการกระจายความน่าจะเป็นหลังสำหรับแต่ละตัวแปรอิสระ. เราใช้ 1000 การรับรู้สำหรับชุดแต่ละรุ่นการแสดงการวิเคราะห์ด้วยโปรแกรมคอมพิวเตอร์ bespoke เราตรวจสอบในส่วนของพื้นที่การศึกษาของเราเพราะข้อมูลของเราไม่สมบูรณ์สันนิฐานสำหรับพื้นที่การศึกษาทั้งหมด

ผลลัพธ์ (ไทย) 3:

6 . การประมาณการของ

กวางเราผลิตเชิงพื้นที่ ความหนาแน่นประมาณความหนาแน่นของกวางในตอนเหนือของไม้ยืนในส่วน (  20 กม. 2 ) ศึกษาในพื้นที่ของเรา ( รูปที่ 1A และ C ) โดยการใช้พารามิเตอร์การประมาณจาก ' ดี ' และเฉลี่ยการถดถอยเชิงเส้นแบบเบส์ ( จากกทม. ) แผนที่ Raster ( 30 M ความละเอียด ) ของ ตัวแปรอิสระ

ช่วงความเชื่อมั่นสำหรับแต่ละตัวแปรพารามิเตอร์การประเมินสามารถใช้ผลิตเป็นชุดรูปแบบที่มีทั้งหมายถึงประเมินความหนาแน่นของกวาง และส่วนเบี่ยงเบนมาตรฐานของค่าประมาณแผนที่แต่ละพิกเซล

ส่วนเบี่ยงเบนมาตรฐานเหล่านี้สามารถใช้เป็นตัวบ่งชี้ของความไม่แน่นอนในพิกเซลประมาณ ( ส่วนเบี่ยงเบนมาตรฐานของค่าพยากรณ์ในรูปแบบขนาดใหญ่ realizations
แสดงถึงความไม่แน่นอนมากขึ้น )

รูปแบบวงดนตรีที่ประกอบด้วยหลายแบบที่รับรู้ของการถดถอยเชิงเส้นแบบที่มีค่าพารามิเตอร์สำหรับแต่ละการรับรู้ข้อมูลจาก
การแจกแจงความน่าจะเป็นด้านหลังสำหรับแต่ละตัวแปรอิสระ


เราใช้ 1000 realizations แต่ละรุ่นวงดนตรีแสดงวิเคราะห์ด้วยคอมพิวเตอร์โปรแกรม bespoke .เราตรวจสอบในส่วนของพื้นที่ศึกษา เพราะข้อมูลจะเปลี่ยนสมบูรณ์สำหรับพื้นที่ศึกษาทั้งหมด