Furthermore, we applied the jackkni

Furthermore, we applied the jackknife test to identify the important factors affecting predictions. Our results showed that the highest accuracy (i.e., AUC = 0.98 and TSS = 0.93) in predicting epiphyllous liverworts was achieved by the model that combined climatic and remotely sensed vegetation variables. The satellite-derived annual mean and minimum Normalized Difference Vegetation Index (NDVI) as well as the annual mean and minimum Normalized Difference Water Index (NDWI) emerged as the most important predictors of distribution patterns of epiphyllous liverworts, while climatic variables such as precipitation in the wettest quarter and temperature of the coldest quarter were of ancillary importance.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ เราใช้ทดสอบ jackknife เพื่อระบุปัจจัยสำคัญที่มีผลต่อการคาดคะเน ผลของเราพบว่าความแม่นยำสูง (เช่น AUC = 0.98 และ TSS = 0.93) ในการทำนาย epiphyllous liverworts สำเร็จตามรูปแบบที่รวมตัวแปรพืช climatic และเหตุการณ์จากระยะไกล มาดาวเทียมประจำปีค่าเฉลี่ย และต่ำสุดตามปกติแตกต่างพืชดัชนี (NDVI) เป็นค่าเฉลี่ยประจำปี และขั้นต่ำตามปกติต่างน้ำดัชนี (NDWI) ปรากฏขึ้นเป็น predictors สำคัญของรูปแบบการกระจายของ epiphyllous liverworts ในขณะที่ตัวแปร climatic เช่นฝนในไตรมาส wettest และอุณหภูมิของไตรมาสกับความสำคัญพิเศษ

ผลลัพธ์ (ไทย) 2:

นอกจากนี้เรานำมาใช้ทดสอบพับเพื่อระบุปัจจัยที่สำคัญที่มีผลต่อการคาดการณ์ ผลของเราแสดงให้เห็นว่ามีความถูกต้องมากที่สุด (เช่น AUC = 0.98 และ TSS = 0.93) ในการทำนาย liverworts epiphyllous ได้สำเร็จโดยรูปแบบที่ผสมผสานภูมิอากาศและรู้สึกจากระยะไกลตัวแปรพืช ดาวเทียมที่ได้มาเฉลี่ยรายปีและต่ำสุดปกติแตกต่างดัชนีพืชพรรณ (NDVI) เช่นเดียวกับค่าเฉลี่ยรายปีและต่ำกว่าปกติแตกต่างดัชนีทางน้ำ (NDWI) กลายเป็นตัวทำนายที่สำคัญที่สุดของรูปแบบการกระจายของลิเวอร์เวิร์ epiphyllous ขณะที่ตัวแปรภูมิอากาศเช่นฝนใน ไตรมาสที่ฝนตกชุกและอุณหภูมิของไตรมาสที่หนาวเย็นมีความสำคัญเสริม

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ เราสามารถใช้มีดพับทดสอบเพื่อระบุปัจจัยที่มีผลต่อการคาดการณ์ . ผลของเราแสดงให้เห็นว่าความถูกต้องสูงสุด ( เช่น ยา = 0.98 และ TSS = 0.93 ) ในการทำนาย epiphyllous ลิเวอร์เวิร์ททำโดยแบบจำลองภูมิอากาศและพืชพรรณที่รวมระยะไกล ตัวแปรดาวเทียมได้มาหมายความว่ารายปีและความแตกต่างน้อยที่สุดได้แก่ดัชนีพืชพรรณตลอดจนหมายถึงปีขั้นต่ำ ปกติน้ำดัชนีความแตกต่าง ( ndwi ) กลายเป็นตัวแปรที่สำคัญที่สุดของการกระจายรูปแบบของลิเวอร์เวิร์ท epiphyllous ,ในขณะที่ตัวแปรภูมิอากาศ เช่น การตกตะกอนในช่วงฝนตกชุกและอุณหภูมิของไตรมาสที่ 1 ของรายสำคัญ