Vegetation and soil cover are essen

Vegetation and soil cover are essential indicators of grassland health or degradation (Zhang et al 2013). Therefore, we visually estimated the percentages of vegetation, soil, and rock cover. However, due to observer estimation error, the vegetation cover estimates did not yield satisfying model results. To increase accuracy, we photographed the ground vegetation cover and further used these digital images to determine vegetation cover. Therefore each subplot was photographed with a handheld digital camera (Panasonic LUMIX DMC-TZ1, 5 Megapixel). Photos were taken from a distance to the canopy height over plain ground at nadir 140 cm. We used the image processing program Photoshop CS5 version 12 (Adobe Systems, Mountain View, CA) to calculate the vegetation cover of each subplot. Within each subplot image, we identified pixels that represented vegetation and used the ratio of vegetation pixels to total image pixels to define the percentage of vegetation cover.We further distinguished between the covers of vascular plants and mosses, as mosses considerably contribute to the greenness of sparsely vegetated terrain (Karnieli et al. 2002, 1996). Finally, the plot vegetation cover was computed from the mean of the embedded subplot values calculated before. Altogether, 5 plots were detected as outliers and were removed from further analysis. The remaining 93 plots were then grouped into 4 classes of degradation intensity, based on their percentage of vegetation cover (Table 1), a classification comparable to those used in other studies. We used the Wilcoxon rank sum test with Bonferroni correction method for post-hoc class comparisons. All analyses were performed using the R Project statistical computing software (R Core Team 2014)

ผลลัพธ์ (ไทย) 1:

พืชปกคลุมดินด้วยตัวชี้วัดที่สำคัญของสุขภาพทุ่งหญ้าหรือย่อยสลาย (Zhang et al 2013) ดังนั้น เราสายตาประเมินเปอร์เซ็นต์ของพืช ดิน และฝาครอบหิน อย่างไรก็ตาม เนื่องจากการประมาณการณ์ผิดพลาด การประเมินครอบคลุมพืชไม่ไม่เห็นผลน่าพอใจแบบ เพื่อเพิ่มความแม่นยำ เราถ่ายคลุมพืชของดิน และการ ใช้ภาพดิจิตอลเหล่านี้เพื่อระบุพืชปก ดังนั้น แต่ละ subplot ที่ถ่าย ด้วยกล้องดิจิตอลมือถือ (พานาโซนิค LUMIX DMC-TZ1, 5 ล้านพิกเซล) ถ่ายรูปจากระยะความสูงของหลังคาเหนือพื้นดินธรรมดาที่จอม 140 cm เราใช้ประมวลผลโปรแกรม Photoshop CS5 รุ่น 12 (ซิสเต็มส์ วิวภูเขา CA) การคำนวณครอบคลุมพืชของ subplot แต่ละภาพ ภายในแต่ละภาพ subplot เราระบุพิกเซลที่แสดงพืช และใช้อัตราส่วนของพิกเซลพืชเพื่อพิกเซลภาพรวมเพื่อกำหนดเปอร์เซ็นต์ของพืชปกคลุม เราเพิ่มเติมแตกต่างระหว่างการครอบคลุมของพืชของหลอดเลือดและมอ เป็นมอมากทำให้ไวน์ของภูมิประเทศค้นเบาบาง (Karnieli et al. 2002, 1996) ในที่สุด พล็อตพืชฝาถูกคำนวณจากค่าเฉลี่ยของค่าฝัง subplot คำนวณก่อน ทั้งหมด 5 ผืนเป็น outliers ตรวจพบ และถูกเอาออกจากการวิเคราะห์เพิ่มเติม ที่ดินแปลง 93 ที่เหลือแล้วได้ถูกจัดกลุ่มเป็นชนชั้นที่ 4 ของการลดความรุนแรง อิงเปอร์เซ็นต์ของพืชปกคลุม (ตาราง 1), การจัดประเภทเหมือนกับที่ใช้ในการศึกษาอื่น ๆ เราสามารถใช้ทดสอบ Wilcoxon อันดับรวมกับวิธีการแก้ไข Bonferroni สำหรับเปรียบเทียบชั้นโพสต์เฉพาะกิจ วิเคราะห์ทั้งหมดดำเนินการโดยใช้ R โครงการสถิติคอมพิวเตอร์ซอฟต์แวร์ (R Core ทีม 2014)

ผลลัพธ์ (ไทย) 2:

พืชพรรณและฝาครอบดินเป็นตัวชี้วัดที่สำคัญของสุขภาพทุ่งหญ้าหรือการย่อยสลาย (Zhang et al, 2013) ดังนั้นเราจึงมองเห็นประมาณร้อยละของพืชดินและฝาครอบหิน แต่เนื่องจากข้อผิดพลาดในการประมาณค่าสังเกตการณ์ประมาณการพืชฝาครอบไม่ได้ผลผลรูปแบบที่น่าพอใจ เพื่อเพิ่มความแม่นยำเราถ่ายภาพคลุมดินพืชและต่อไปใช้ภาพดิจิตอลเหล่านี้เพื่อกำหนดพืชพรรณ ดังนั้นแต่ละแผนถูกถ่ายภาพด้วยกล้องดิจิตอลแบบพกพา (พานาโซนิค LUMIX DMC-TZ1 5 ล้านพิกเซล) ถ่ายภาพจากระยะความสูงเหนือพื้นดินหลังคาธรรมดาที่จุดต่ำสุด 140 ซม. เราใช้โปรแกรมประมวลผลภาพ Photoshop CS5 รุ่น 12 (Adobe Systems, Mountain View, CA) ในการคำนวณพืชพรรณของแต่ละแผน ภายในแต่ละภาพแผนเราระบุพิกเซลที่เป็นตัวแทนของพืชและใช้อัตราส่วนของพิกเซลพืชพิกเซลภาพรวมในการกำหนดอัตราร้อยละของพืช cover.We เพิ่มเติมที่แตกต่างระหว่างครอบคลุมของพืชหลอดเลือดและมอสที่เป็นมอสมากนำไปสู่ความอ่อนหัดของ โซเบาบางภูมิประเทศ (Karnieli et al. 2002 1996) ในที่สุดพล็อตปกพืชคำนวณจากค่าเฉลี่ยของแผนฝังค่าที่คำนวณก่อน พรึบ 5 แปลงที่ถูกตรวจพบว่าเป็นค่าผิดปกติและถูกถอดออกจากการวิเคราะห์ต่อไป ส่วนที่เหลืออีก 93 แปลงแล้วถูกแบ่งออกเป็น 4 ชั้นของความเข้มของการย่อยสลายในอัตราร้อยละของพวกเขาจากพืชพรรณ (ตารางที่ 1) การจัดหมวดหมู่เปรียบได้กับที่ใช้ในการศึกษาอื่น ๆ เราใช้การทดสอบผลรวมอันดับ Wilcoxon ด้วยวิธีการแก้ไข Bonferroni สำหรับการเปรียบเทียบระดับการโพสต์-hoc การวิเคราะห์ทั้งหมดถูกดำเนินการโดยใช้ซอฟแวร์ R โครงการคอมพิวเตอร์ทางสถิติ (r หลักของทีม 2014)

ผลลัพธ์ (ไทย) 3:

และพืชคลุมดินเป็นตัวชี้วัดที่สำคัญของสุขภาพหรือการย่อยสลายทุ่งหญ้า ( Zhang et al 2013 ) ดังนั้นเราจึงมองเห็นประมาณร้อยละของพืช ดินและหินฝา อย่างไรก็ตาม เนื่องจากข้อผิดพลาดประมาณ สังเกตการณ์ พืชคลุม ประมาณการผลผลิตผลลัพธ์ที่ไม่น่าพอใจ โมเดล เพื่อเพิ่มความถูกต้อง เราถ่ายภาพพื้นดินพืชคลุมและเพิ่มเติม ใช้ภาพดิจิตอลเหล่านี้เพื่อตรวจสอบครอบคลุมพืช ดังนั้นแต่ละนิดถ่ายด้วยกล้องดิจิตอลพกพา ( Panasonic Lumix dmc-tz1 5 ล้านพิกเซล ) ภาพถ่ายจากระยะไกลกับทรงพุ่มสูงเหนือพื้นดินธรรมดาที่ท้ายน้ำ 140 ซม. เราใช้การประมวลผลภาพโปรแกรม Photoshop CS5 รุ่น 12 ( Adobe Systems , Mountain View , CA ) เพื่อคำนวณหาพืชที่ครอบคลุมของแต่ละนิด . ภายในแต่ละภาพนิด เราระบุพิกเซลที่แสดงอัตราส่วนของพืชและใช้พืชพิกเซลพิกเซลภาพทั้งหมดให้กำหนดเปอร์เซ็นต์ของครอบคลุมพืช เรายังแยกแยะระหว่างครอบคลุมของพรรณพืชมอสมอสมากและเป็นส่วนร่วมในความอ่อนหัดของ vegetated เบาบางภูมิประเทศ ( karnieli et al . 2002 , 1996 ) สุดท้าย แปลงพืชปกคลุมคือคำนวณจากค่าเฉลี่ยของการฝังตัวนิดการคำนวณก่อน พบทั้งหมด 5 แปลงเป็นค่าผิดปกติและถูกถอดออกจากการวิเคราะห์ต่อไป เหลือ 93 แปลง จึงแบ่งได้เป็น 4 ระดับความเข้มลดลงตามเปอร์เซ็นต์ของพวกเขาครอบคลุมพืช ( ตารางที่ 1 ) เปรียบเทียบกับการใช้ในการศึกษาอื่น ๆ เราใช้ The Wilcoxon rank sum ทดสอบด้วยวิธีบอนเฟอร์โรนีเพื่อแก้ไข Post Hoc ชั้นเปรียบเทียบ ทั้งหมด วิเคราะห์ข้อมูลโดยใช้สถิติ R โครงการคอมพิวเตอร์ซอฟต์แวร์ ( R Core ทีม 2014 )