Environmental variablesTo investiga

Environmental variables
To investigate the importance of our environmental variables in
determining species presence, we compared rescaled, standardized
values of the environmental variables at locations where the
species was predicted present or absent. To do this, we overlapped
the layer of the single binary ensemble with the nine environmental
variables used in the modeling. For each variable, we
extracted the value for each pixel at which the species was
predicted present or not present. To compare niche dimensions,
we converted all variables to the same scale, such that the values
from the whole study area ranged between 0 and 1. We assume
that the most limiting variable for species occurrence is the one
with the smallest standard deviation for predicted presence and
with the greatest difference between the means of predicted
present and not present.
To complement the previous analysis, we overlapped the maned
sloth 42 occurrence points with the nine environmental variables
used in the modeling, and extracted the value for each pixel. Then
we performed a principal component analysis (PCA) to associate
the maned sloth occurrence points records to the environmental
variables, aiming to provide the means to explain the variance
magnitudes related to environmental variables to reveal the
internal structure of the data. This technique is used to represent,
in the environmental space, the niche occupied by the species

ผลลัพธ์ (ไทย) 1:

ตัวแปรสภาพแวดล้อมการตรวจสอบความสำคัญของตัวแปรของสภาพแวดล้อมในเรากำหนดสถานะพันธุ์ เปรียบเทียบ rescaled มาตรฐานค่าของตัวแปรสภาพแวดล้อมในสถานที่จะพันธุ์คาดการณ์ปัจจุบัน หรือขาด การทำเช่นนี้ เราซ้อนกันชั้นของวงดนตรีไบนารีเดียวกับเก้าสิ่งแวดล้อมตัวแปรที่ใช้ในการสร้างโมเดล สำหรับแต่ละตัวแปร เราแยกค่าสำหรับแต่ละพิกเซลที่มีสายพันธุ์คาดการณ์ปัจจุบัน หรือไม่มี การเปรียบเทียบขนาดช่องเราแปลงเป็นตัวแปรทั้งหมดสเกลเดียวกัน ให้ค่าจากทั้งหมดศึกษาตั้งอยู่ในช่วงระหว่าง 0 ถึง 1 เราคิดว่าว่าตัวแปรส่วนใหญ่จำกัดการเกิดสปีชีส์หนึ่งมีส่วนเบี่ยงเบนมาตรฐานน้อยที่สุดสำหรับคาดการณ์สถานะ และมีความแตกต่างมากที่สุดระหว่างวิธีการคาดการณ์ปัจจุบัน และไม่มีเพื่อเติมเต็มการวิเคราะห์ก่อนหน้านี้ เราซ้อนกันที่เคราขาวsloth 42 จุดเกิดขึ้นกับตัวแปรด้านสิ่งแวดล้อม 9ใช้ในการสร้างโมเดล และแยกค่าสำหรับแต่ละพิกเซล แล้วเราทำการวิเคราะห์ส่วนประกอบหลัก (PCA) การเชื่อมโยงเกิด sloth เคราขาวชี้ระเบียนไปที่สิ่งแวดล้อมตัวแปร มุ่งให้หมายถึงการอธิบายความแปรปรวนmagnitudes ที่เกี่ยวข้องกับตัวแปรด้านสิ่งแวดล้อมให้เหมาะกับการโครงสร้างภายในของข้อมูล เทคนิคนี้จะใช้ในการแสดงในพื้นที่สิ่งแวดล้อม โพรงด้วยสายพันธุ์

ผลลัพธ์ (ไทย) 2:

ตัวแปรสิ่งแวดล้อม
เพื่อศึกษาความสำคัญของตัวแปรด้านสิ่งแวดล้อมของเราใน
การตรวจหาสายพันธุ์ที่เราเปรียบเทียบปรับมาตรฐาน
ค่าของตัวแปรด้านสิ่งแวดล้อมในสถานที่ที่
สายพันธุ์ที่ได้รับการคาดการณ์ในปัจจุบันหรือขาด การทำเช่นนี้เราซ้อนทับ
ชั้นของวงดนตรีไบนารีเดียวกับเก้าสิ่งแวดล้อม
ตัวแปรที่ใช้ในการสร้างแบบจำลอง สำหรับแต่ละตัวแปรเรา
สกัดค่าสำหรับแต่ละพิกเซลที่สายพันธุ์ที่ได้รับการ
คาดการณ์ในปัจจุบันหรือไม่ปัจจุบัน เพื่อเปรียบเทียบมิติเฉพาะ
ที่เราแปลงตัวแปรทั้งหมดขนาดเดียวกันเช่นว่าค่า
จากพื้นที่การศึกษาทั้งในช่วงระหว่าง 0 และ 1 เราคิด
ว่าตัวแปรที่ จำกัด มากที่สุดสำหรับการเกิดสปีชีส์เป็นหนึ่ง
ที่มีส่วนเบี่ยงเบนมาตรฐานที่เล็กที่สุดสำหรับการแสดงที่คาดการณ์ไว้ และ
ด้วยความแตกต่างที่ยิ่งใหญ่ที่สุดระหว่างความหมายของการคาดการณ์
ในปัจจุบันและไม่ได้อยู่.
เพื่อเติมเต็มการวิเคราะห์ก่อนหน้านี้เราซ้อนทับเครา
เฉื่อยชา 42 คะแนนเกิดขึ้นกับเก้าตัวแปรด้านสิ่งแวดล้อม
มาใช้ในการสร้างแบบจำลองและสกัดค่าสำหรับแต่ละพิกเซล จากนั้น
เราจะดำเนินการวิเคราะห์องค์ประกอบหลัก (PCA) ที่จะเชื่อมโยง
การเกิดเคราเฉื่อยชาชี้ระเบียนเพื่อสิ่งแวดล้อม
ตัวแปรวัตถุประสงค์เพื่อให้วิธีการที่จะอธิบายความแปรปรวน
เคาะที่เกี่ยวข้องกับตัวแปรด้านสิ่งแวดล้อมที่จะเปิดเผย
โครงสร้างภายในของข้อมูล เทคนิคนี้จะใช้ในการเป็นตัวแทน
ในพื้นที่สิ่งแวดล้อมเฉพาะที่ถูกครอบครองโดยสายพันธุ์

ผลลัพธ์ (ไทย) 3:

สิ่งแวดล้อม
เพื่อศึกษาความสำคัญของตัวแปรสิ่งแวดล้อมของเรา
กำหนดชนิดตน เราเทียบ rescaled มาตรฐาน
ค่าของตัวแปรสิ่งแวดล้อมในสถานที่ที่
สายพันธุ์พบว่าปัจจุบันหรือขาด ทำแบบนี้ เราซ้อน
ชั้นเดี่ยวไบนารีทั้งหมดที่มีเก้าสิ่งแวดล้อม
ตัวแปรที่ใช้ในการสร้างโมเดล สำหรับแต่ละตัวแปรเรา
สกัดค่าสำหรับแต่ละพิกเซลที่สปีชีส์คือ
ทำนายปัจจุบันหรือไม่ ปัจจุบัน เปรียบเทียบขนาดของโพรง
เราแปลงตัวแปรทั้งหมดในขนาดเดียวกัน เช่นค่า
จากพื้นที่ศึกษาทั้งหมดมีค่าอยู่ระหว่าง 0 และ 1 เราถือว่า
ที่จำกัดตัวแปรชนิดที่เกิดขึ้นเป็นหนึ่ง
กับน้อยที่สุดส่วนเบี่ยงเบนมาตรฐานสำหรับทำนายการมีอยู่และ
กับใหญ่ที่สุดแตกต่างระหว่างวิธีการทำนาย
ปัจจุบัน และปัจจุบันไม่ได้ .
เพื่อเสริมการวิเคราะห์ก่อนหน้านี้ เราซ้อนที่แผงคอ
Sloth 42 เกิดจุดกับเก้าสิ่งแวดล้อมตัวแปร
ที่ใช้ในการสร้างแบบจำลอง และแยกค่าของแต่ละพิกเซล งั้น
เราแสดงการวิเคราะห์องค์ประกอบหลัก ( PCA ) เพื่อเชื่อมโยง
ส่วนแผงคอ Sloth จุดเกิดระเบียนเพื่อสิ่งแวดล้อม
ตัวแปร มีวัตถุประสงค์เพื่อให้หมายถึงการอธิบายความแปรปรวน
ขนาดเกี่ยวข้องกับสิ่งแวดล้อมที่จะเปิดเผย
ภายในโครงสร้างของข้อมูล เทคนิคนี้จะใช้เพื่อแสดง ,
ในพื้นที่สิ่งแวดล้อมช่องครอบครองโดยชนิด