For all models, scenarios were run

For all models, scenarios were run using river as a sitelevel
covariate to model the variability in abundance across
rivers. For each method (count and distance), the most appropriate
model was selected using Akaike’s information criterion
(AIC). We evaluated model selection using DAIC, i.e.,
the difference between the best model and each model, and
AIC weight (AICwt), representing the relative likelihood of
each model. Goodness of fit for the best models was evaluated
using the parametric bootstrapping function in
unmarked, parboot. One hundred bootstraps were run for
each model, and the Freeman–Tukey test was used to assess
fit. Estimates of abundance and 95% confidence intervals
were calculated for each of the best models using the predict
function in unmarked.
We estimated the proportion of the river scanned based on
the total surface area and the area surveyed by side-scan sonar
(48 m £ 179 2-km sites). River area measurements were performed
in Google Earth Pro (Google, Inc.). Our side-scan surveys
only covered 17.2 km2
, which was 0.13 of the area of the
survey reach for all rivers combined. Proportions for individual
rivers were 0.13 (Roanoke), 0.08 (Neuse), 0.26 (Cape
Fear), 0.11 (Pee Dee), 0.29 (Santee), and 0.11 (Edisto).

ผลลัพธ์ (ไทย) 1:

สำหรับทุกรุ่น สถานการณ์ถูกเรียกใช้โดยใช้แม่น้ำเป็น sitelevelcovariate แบบความแปรผันที่ระนาวทั่วแม่น้ำ สำหรับแต่ละวิธี (จำนวนและระยะทาง), เหมาะสมเลือกแบบจำลองใช้เกณฑ์ข้อมูลของ Akaike(AIC) เราประเมินการเลือกแบบจำลองที่ใช้ DAIC เช่นความแตกต่างระหว่างแบบจำลองดีที่สุดและแต่ละรุ่น และAIC น้ำหนัก (AICwt), แทนความน่าเป็นญาติของแต่ละรุ่น มีประเมินความกตัญญูสำหรับแบบจำลองที่ดีที่สุดใช้ฟังก์ชัน bootstrapping พาราเมตริกในparboot หมาย หนึ่งร้อย bootstraps ถูกเรียกใช้ใช้ในการประเมินแต่ละรุ่น และการทดสอบฟรีแมน – Tukeyพอดี การประเมินความอุดมสมบูรณ์และ 95% ช่วงความเชื่อมั่นมีคำนวณสำหรับแต่ละรุ่นดีที่สุดใช้การ predictฟังก์ชันในหมายเราประเมินสัดส่วนของแม่น้ำที่สแกนตามพื้นที่ผิวทั้งหมดและบริเวณที่สำรวจ โดยโซนาร์สแกนด้าน(ไซต์ m 48 ปอนด์ 179 2 km) วัดแม่น้ำตั้งได้ดำเนินการใน Google Earth Pro (Google, Inc.) สำรวจด้านการสแกนของเราครอบคลุมเฉพาะ 17.2 km2ซึ่งเป็น 0.13 ของพื้นที่ของการสำรวจถึงแม่น้ำทั้งหมดรวมกัน สัดส่วนสำหรับแต่ละบุคคลแม่น้ำได้ 0.13 (Roanoke), 0.08 (Neuse) 0.26 (แหลมความหวาดกลัว), 0.11 (พี่ Dee), 0.29 (Santee), และ 0.11 (Edisto)

ผลลัพธ์ (ไทย) 2:

สำหรับรุ่นทุกสถานการณ์ได้รับการทำงานโดยใช้แม่น้ำเป็น For all models, scenarios were run using river as a sitelevel
ตัวแปรร่วมในการจำลองความแปรปรวนในความอุดมสมบูรณ์ข้ามแม่น้ำ covariate to model the variability in abundance across
rivers. For each method (count and distance), the most appropriate
model was selected using Akaike’s information criterion
(AIC). We evaluated model selection using DAIC, i.e.,
the difference between the best model and each model, and
AIC weight (AICwt), representing the relative likelihood of
each model. Goodness of fit for the best models was evaluated
using the parametric bootstrapping function in
unmarked, parboot. One hundred bootstraps were run for
each model, and the Freeman–Tukey test was used to assess
fit. Estimates of abundance and 95% confidence intervals
were calculated for each of the best models using the predict
function in unmarked.
We estimated the proportion of the river scanned based on
the total surface area and the area surveyed by side-scan sonar
(48 m £ 179 2-km sites). River area measurements were performed
in Google Earth Pro (Google, Inc.). Our side-scan surveys
only covered 17.2 km2
, which was 0.13 of the area of the
survey reach for all rivers combined. Proportions for individual
rivers were 0.13 (Roanoke), 0.08 (Neuse), 0.26 (Cape
Fear), 0.11 (Pee Dee), 0.29 (Santee), and 0.11 (Edisto).

ผลลัพธ์ (ไทย) 3:

ทุกรุ่น , สถานการณ์ที่ถูกเรียกใช้แม่น้ำเป็น sitelevel
ชุดรูปแบบความแปรปรวนในความอุดมสมบูรณ์ใน
แม่น้ำ สำหรับแต่ละวิธี ( นับและระยะทาง ) , รูปแบบที่เหมาะสมที่สุด ก็เลือกใช้
เคราะห์ข้อมูลเกณฑ์
( AIC ) เราประเมินการเลือกรูปแบบการใช้ daic , I ,
ความแตกต่างระหว่างรุ่นที่ดีที่สุดและแต่ละรุ่น และน้ำหนัก 6
( aicwt )เป็นตัวแทนของโอกาสที่ญาติของ
แต่ละรุ่น ความดีของพอดีกับรูปแบบที่ดีที่สุดจะถูกประเมินโดยใช้พารามิเตอร์ในฟังก์ชัน bootstrapping

ที่ parboot , . หนึ่งร้อย bootstraps กำลังวิ่ง
แต่ละรุ่นและ Freeman –คู่ทดสอบที่ใช้ประเมิน
พอดี การประเมินความอุดมสมบูรณ์และ 95% ช่วงความเชื่อมั่น
คำนวณสำหรับแต่ละรุ่นที่ดีที่สุดที่ใช้พยากรณ์
ฟังก์ชันในป่าทึบ .
เราคาดว่าสัดส่วนของแม่น้ำสแกนตาม
พื้นที่ทั้งหมดและพื้นที่สำรวจข้างสแกนโซนาร์
( 48 เมตร ลดลง 179 2-km เว็บไซต์ ) การวัดพื้นที่แม่น้ำจำนวน
ใน Google Earth Pro ( Google Inc . ) ข้างเราสแกนสำรวจ
เท่านั้นครอบคลุม 17.2 กิโลเมตร
ที่ 0.13 ของพื้นที่ของ
สำรวจถึงแม่น้ำทุกสายรวมกัน สัดส่วนสำหรับบุคคล
แม่น้ำเป็น 0.13 ( เวอร์จิเนีย ) 0.08 ( neuse ) 0.26 ( แหลม
กลัว ) , 0.11 ( Pee Dee ) 0.29 ( การแสดง ) , และ 0.11 ( edisto )