2.1. Census dataThe 2007 X-ray surv

2.1. Census data
The 2007 X-ray survey dataset contained the number of birds and number of holders in every sub-district(administrative level 3) of Thailand. More recent data were available, but 2007 was the last year when the distinctions were made among the 8 major classes of poultry. These included 3 types of chicken-broilers, layers, andThai indigenous chickens (native); and 5 types of ducks-meattyped (MTD), egg typed (ETD), Muscovy (MD), meat typed free-grazing ducks (MTFGD), and egg typed free-grazing ducks (ETFGD). In subsequent years, some of these categories were pooled. Data were available for a total of 7410 sub-districts with a median size of 16 km2. For each of these types, the respective number of holders was also known. Fig. 1 ofthe Supplementary information (SI) shows the relative composition of the chicken and duck sectors in 2007.Fig. 1 shows the spatial distributions of four of these categories.
2.2. Predictors
Predictor variables were chosen in order to include the most important anticipated predictors of poultry farming: (i) availability of cheap feed available throughoutthe year (cropping intensity and irrigated areas),(ii) access tomarkets (human population and travel time to main cities), and distribution of local producers/consumers(rural population). Furthermore, all variables were taken from global or regional datasets to ensure that the approach presented here could be replicated in other countries and the results compared.The variables investigated as predictors of intensification are listed in Table 1. The number of crops cultivated per year (Xiaoet al., 2006; Biradar and Xiao, 2011) was derived from remote sensing measurements and predicts the number of cropping cycles. The percentage of irrigated areas (Siebert et al., 2007) is based both on remote sensing and sub-national water statistics. The human population densities were derived from the Global Rural Urban Mapping Project (GRUMP) database (CIESIN et al., 2005). Estimated travel times (accessibility)to Bangkok and to the closest provincial capital were derived from friction surface produced by Nelson (2008). Preprocessing of the predictors involved: (i) re-sampling the irrigation database to 1 km resolution by nearest neighbour assignation, (ii) averaging each predictors by sub-district.
2.3. Disaggregating survey data
Exploratory analysis suggested that log 10 transformed numbers of birds per holder was the best variable to discriminate intensive from extensive production systems for each poultry type,since a clear bimodal distribution of the number of birds per holder was observed for the poultry types for which intensive production is most important (Fig. 2). Two distinct frequency distribution patterns were observed in the log 10 transformed numbers of birds per holder.First was a unimodal distribution with a peak of low numbers of birds per holder (e.g., MD and native). In this case, animals were categorised as being extensively produced without further analysis.This was supported by the observation that any increase in the number of birds per sub-district was in proportion to an increase in the number of holders (e.g., native chickens Fig. 2g, see also the regression line in Fig. 2 SI).Second was a bimodal distribution, shown by the 6 poultry types: broiler, layer, MTD, ETD, MTFGD, ETFGD (e.g., Fig. 2a and f). These poultry categories were disaggregated using four consecutive steps: (i) sub-districts with mixed production were separated from those dominated by either extensive or intensive farms, (ii) the groups dominated by one or other systems were used to estimate the average number of birds per holder in extensive (AE) and intensive (AI) systems, (iii) the AE and AI parameters were fed into linear equations to predictthe respective number of birds and owners in each (extensive and intensive) system in all sub-districts, and (iv) numerical adjustments were applied for impossible values (e.g.,negative numbers, non integer values). This procedure is detailed in Protocol S1.
2.4. Statistical analysis
Statistical models were built in order to analyse at the sub district level the relationships between the densities of chickens and ducks by production system (birds km−2) and selected predictors.
Poultry classified as intensive showed a zero inflated distribution (ZID). Therefore two separate sets of analysis were carried out.Firstly, a logistic regression was used to identify predictors associated with the presence (>0) of animals raised in intensive systems.Secondly, in sub-districts where intensive production was present,the log10 transformed number of birds was analysed using a regression model assuming a normal distribution of errors.
Preliminary analyses indicated that the four categories (intensive chickens, extensive chickens, intensive ducks and extensive ducks) showed distinctlevels of spatial autocorrelation (SA)(Fig. 3).Exponential variograms, including a nugget component, were used to quantify the level of SA in the model residuals. No significant SA was found in the residuals of the logistic regression models used to analyse the presence or absence ofintensively raised birds, whereas high levels of SA were observed in the residuals of the bird density regression models. Accounting for SA was achieved through a mixed simultaneous autoregressive model (SARM) (Bivand et al.,2008) for the following reasons: first, SARM was recently shown to provide better estimates of coefficients than the classic auto covariate method (Dormann, 2007); second, SARM would converge in a reasonable time, despite having a relatively large dataset; third,SARM accounts for SA both within the response variable and within the predictor variables, within most of which there was assumed to be considerable SA. For computational reasons, SARM was applied to a sub-sample of each category. Two thousand points were randomly distributed over the entire territory and, at each location,the bird density from the corresponding sub-district was extracted.
Since the average radius of a sub-district was 3.82 km,the neighbourhood radius value used in the SARM was 20 km around each sub-district’s centroid to ensure that the closest neighbours of a sub-district would contribute to the autoregressive term. Finally,the stability ofthe values ofthe estimated coefficients was assessed by repeating the analysis for five sub-samples of 2000 randomly distributed observations.
A selection of goodness of fit (GOF) indices was derived from fitted values of the models to measure the overall degree of agreement of each model. More specifically, a correlation coefficient (COR),and root mean square error (RMSE) were estimated for the SARM models. Two GOF indices were calculated to measure the accuracy of the multiple logistic regressions: Cohen’s Kappa and the area under the curve (AUC) of the receiver operator characteristic (ROC)curve. The AUC is a measure of the capacity of the model to predict correctly the absence or presence of poultry, its value can range from 0.5 (random prediction) to 1 (perfect prediction). To calculate Cohen’s Kappa a cut-off value was first applied to the predicted probabilities of presence of poultry to classify these into two classes (present or absent). The threshold value chosen was the optimal cut-point probability obtained from the ROC curve, since this value represents the best possible cut-point (where the rate of true positives is optimised, compared to that of false positives). Finally, the relative contribution of each predictor to the model was quanti-fied by the difference in deviance (DD) after sequential exclusion of each predictor from the model including all predictor variables.
All analyses were implemented in the open source software R x 64 2.12 (R Development Core Team, 2010)

ผลลัพธ์ (ไทย) 1:

2.1 การสำมะโนข้อมูลชุดข้อมูลการสำรวจการเอ็กซ์เรย์ 2007 ประกอบด้วยจำนวนนกและจำนวนผู้ถือในทุกตำบล (บริหารระดับ 3) ของประเทศไทย ข้อมูลล่าสุดมี แต่ 2007 เป็นปีสุดท้ายที่เมื่อข้อแตกต่างที่เกิดขึ้นระหว่าง 8 วิชาที่สำคัญของสัตว์ปีก เหล่านี้รวม 3 ชนิดของไก่ เนื้อไก่ ชั้น (ดั้งเดิม), ไก่พื้นเมือง andThai และไข่เป็ด-meattyped (MTD), ชนิด 5 พิมพ์ (ETD), Muscovy (MD) เนื้อพิมพ์ฟรี-grazing เป็ด (MTFGD), และไข่พิมพ์ฟรี-grazing เป็ด (ETFGD) ในปีต่อมา บางประเภทเหล่านี้ได้ถูกทางถูกพู ข้อมูลสำหรับจำนวน 7410 ย่อย ๆ 16 km2 ขนาดมัธยฐานได้ สำหรับแต่ละชนิด จำนวนผู้เกี่ยวข้องถูกเรียกอีกอย่างหนึ่ง 1 fig. ข้อมูลเสริม (ซี) แสดงญาติส่วนประกอบของไก่และเป็ดภาคใน 2007.Fig. 1 แสดงการกระจายพื้นที่ของ 4 ประเภทเหล่านี้2.2. predictorsตัวแปรจำนวนประตูที่ถูกเลือกเพื่อรวม predictors คาดว่าสำคัญที่สุดของสัตว์ปีกที่เลี้ยง: (i) ความประหยัดอาหารว่าง throughoutthe ปี (ครอบความเข้ม และ areas),(ii) ยามเข้า tomarkets (มนุษย์ประชากรเดินทางเวลาและการเมืองหลัก), และการกระจายของผู้ผลิตท้องถิ่น consumers(rural population) นอกจากนี้ ตัวแปรทั้งหมดที่ถ่ายจากส่วนกลาง หรือภูมิภาค datasets เพื่อให้แน่ใจว่า วิธีที่นำเสนอสามารถจำลองแบบในประเทศและผลการเปรียบเทียบตัวแปรตรวจสอบเป็น predictors ของแรงอยู่ในตารางที่ 1 จำนวนพืช cultivated ต่อปี (Xiaoet al., 2006 Biradar และเสี่ยว 2011) รับมาจากระยะไกลการตรวจวัด และทำนายจำนวนรอบครอบ เปอร์เซ็นต์ของพื้นที่ยาม (Siebert et al., 2007) อยู่ทั้งแชมพูและน้ำย่อยแห่งชาติสถิติ ความหนาแน่นประชากรมนุษย์ได้มาจากฐานข้อมูลส่วนกลางชนบทเมืองแม็ปโครงการ (GRUMP) (CIESIN et al., 2005) เดินทางโดยประมาณเวลา (ถึง) กรุงเทพมหานคร และจังหวัดใกล้เคียงที่สุดทุนได้มาจากแรงเสียดทานพื้นผิวผลิต โดยเนลสัน (2008) ประมวลผลเบื้องต้นของ predictors ที่เกี่ยวข้อง: (i) อีกครั้งการสุ่มตัวอย่างฐานข้อมูลชลประทานความละเอียด 1 กม. โดย neighbour assignation สุด (ii) predictors แต่ละตำบลโดยหาค่าเฉลี่ย2.3. disaggregating ข้อมูลสำรวจวิเคราะห์เชิงบุกเบิกแนะนำว่า เลขล็อก 10 แปลงของนกต่อผู้ถูกแปรสุดถือพวกเร่งรัดจากระบบการผลิตอย่างละเอียดสำหรับแต่ละชนิดสัตว์ปีก เนื่องจากกระจายชัดเจน bimodal จำนวนนกต่อผู้ถูกตรวจสอบสำหรับสัตว์ปีกชนิดที่เร่งรัดผลิตเป็นสำคัญ (Fig. 2) รูปแบบการแจกแจงความถี่แตกต่างกันสองสุภัคล็อกเลข 10 แปรรูปของนกต่อเจ้าก่อน มีการกระจาย unimodal กับสูงสุดของหมายเลขต่ำสุดของนกต่อยึด (เช่น MD และพื้นเมือง) ในกรณีนี้ สัตว์ถูกจัดเป็นผลิตโดยวิเคราะห์อย่างกว้างขวางนี้ได้รับการสนับสนุน โดยสังเกตว่ามีการเพิ่มจำนวนนกต่อตำบลสัดการเพิ่มขึ้นของจำนวนผู้ถือ (เช่น ไก่พื้นเมือง Fig. 2 กรัม ดูเส้นถดถอยใน Fig. 2 ซี)สอง คือการกระจาย bimodal แสดงชนิดของสัตว์ปีก 6: ไก่เนื้อ ชั้น MTD, ETD, MTFGD, ETFGD (เช่น Fig. 2a และ f) ประเภทสัตว์ปีกเหล่านี้ถูก disaggregated โดยใช้ขั้นตอนต่อเนื่องกัน 4: (i) ย่อย ๆ ผลิตผสมถูกแยกจากที่ครอบงำ โดยฟาร์มอย่างละเอียด หรือเร่งรัด กลุ่ม (ii) การครอบงำ โดยหนึ่งหรือระบบอื่น ๆ ใช้ในการประเมินจำนวนเฉลี่ยของนกต่อใส่อย่างละเอียด (AE) และระบบแบบเร่งรัด (AI) AE (iii) และพารามิเตอร์ AI ถูกเลี้ยงเป็นสมการเชิงเส้น predictthe ตามจำนวนนกและเจ้าของในแต่ละระบบ (อย่างละเอียด และเข้มข้น) ในเขตย่อยทั้งหมดและปรับปรุงตัวเลข (iv) ใช้สำหรับค่าที่เป็นไปไม่ได้ (หมายเลข e.g.,negative ค่าจำนวนเต็มที่ไม่ใช่) ขั้นตอนนี้เป็นรายละเอียดใน S1 โพรโทคอล2.4. สถิติวิเคราะห์แบบจำลองทางสถิติถูกสร้างขึ้นเพื่อวิเคราะห์ความสัมพันธ์ระหว่างความหนาแน่นของไก่และเป็ดในระดับเขตย่อย โดยระบบการผลิต (นก km−2) และ predictors เลือกแบ่งเป็นคอร์สัตว์ปีกพบศูนย์สูงเกินจริงกระจาย (ZID) ดังนั้น สองชุดที่แยกการวิเคราะห์ได้ดำเนินการออกประการแรก ใช้ระบุ predictors ที่เกี่ยวข้องกับการถดถอยโลจิสติก (> 0) ของสัตว์เลี้ยงในระบบเร่งรัดการประการที่สอง ในเขตย่อยที่ผลิตแบบเร่งรัดที่อยู่ จำนวน log10 แปลงนกถูก analysed โดยใช้แบบจำลองถดถอยที่สมมติว่าการแจกแจงปกติของข้อผิดพลาดวิเคราะห์เบื้องต้นระบุว่า ในสี่ประเภท (ไก่เร่งรัด ไก่อย่างละเอียด เข้มข้น และกว้างขวางเป็ดเป็ด) แสดงให้เห็นว่า distinctlevels ของ autocorrelation ปริภูมิ (SA)(Fig. 3)Variograms เนน รวมถึงส่วนประกอบนักเก็ท ใช้วัดปริมาณระดับ SA ในค่าคงเหลือรูปแบบ SA ที่สำคัญไม่พบในค่าคงเหลือของโมเดลถดถอยโลจิสติกที่ใช้ในการวิเคราะห์สถานะ หรือขาด ofintensively ยกนก ในขณะที่ระดับสูงของ SA สุภัคค่าคงเหลือของแบบจำลองถดถอยความหนาแน่นของนก บัญชีสำหรับสำเร็จผ่านแบบ autoregressive พร้อมผสม (SARM) (Bivand et al., 2008) ด้วยเหตุผลต่อไปนี้: ครั้งแรก SARM เพิ่งแสดงให้ประเมินสัมประสิทธิ์ดีกว่าวิธีการอัตโนมัติคลาสสิก covariate (Dormann, 2007); สอง SARM จะมาบรรจบกันในเวลาที่เหมาะสม แม้จะมีชุดข้อมูลที่ค่อนข้างใหญ่ ที่สาม SARM บัญชีสำหรับทั้งภาย ในตัวแปรตอบสนอง และภาย ในตัว แปร predictor ภายในซึ่งส่วนใหญ่ มีถือว่า สะอาดมาก เหตุผลคำนวณ SARM ถูกนำไปใช้กับตัวอย่างย่อยของแต่ละประเภท จุดสองพันได้สุ่มกระจายเหนือดินแดนทั้งหมด และ ที่ตั้ง ความหนาแน่นของนกจากอำเภอที่เกี่ยวข้องถูกสกัดเนื่องจากรัศมีเฉลี่ยของอำเภอถูก 3.82 km ค่ารัศมีไปใช้ใน SARM ถูกกม. 20 รอบแต่ละอ.ของเซนทรอยด์เพื่อให้แน่ใจว่า เพื่อนบ้านใกล้เคียงที่สุดของอำเภอจะนำไปสู่คำ autoregressive สุดท้าย ความมั่นคงของค่าของสัมประสิทธิ์ประเมินถูกประเมิน โดยการทำซ้ำการวิเคราะห์ตัวอย่างย่อย 5 สังเกต 2000 แบบสุ่มกระจายเลือกกลม ๆ ของดัชนี (GOF) พอดีได้มาจากค่าผ่อนของโมเดลการวัดองศาภาพรวมของข้อตกลงของแต่ละรุ่น อื่น ๆ โดยเฉพาะ สัมประสิทธิ์สหสัมพันธ์ (COR), และข้อผิดพลาดรากค่าเฉลี่ยกำลังสอง (RMSE) ได้โดยประมาณสำหรับรุ่น SARM มีคำนวณดัชนี GOF 2 วัดความถูกต้องของ regressions โลจิสติกหลาย: กัปปะของโคเฮนและพื้นที่ใต้เส้นโค้ง (AUC) ของเส้นโค้งลักษณะ (ROC) ตัวรับสัญญาณ AUC เป็นหน่วยวัดกำลังการผลิตของแบบจำลองเพื่อทำนายถูกต้องขาดงานหรือสถานะของสัตว์ปีก ค่าความสามารถช่วงจาก 0.5 (คาดเดาสุ่ม) 1 (โกคาดเดา) การคำนวณของโคเฮนกัปปะ ค่าตัดถูกครั้งแรกกับกิจกรรมคาดการณ์ของของสัตว์ปีกเพื่อจัดประเภทเหล่านี้ออกเป็น 2 ประเภท (ปัจจุบัน หรือขาด) ค่าขีดจำกัดที่เลือกถูกน่าเป็นจุดตัดสูงสุดที่ได้จากเส้นโค้ง ROC เนื่องจากค่านี้แสดงถึงสุดได้ตัดจุด (อัตราการทำงานผิดพลาดจริงจะเหมาะงานกราฟฟิก เปรียบเทียบกับการทำงานผิดพลาดปลอม) สุดท้าย สัดส่วนสัมพัทธ์ของผู้ทายผลแต่ละรุ่นมี quanti ฟอง โดยความแตกต่างของ deviance (DD) หลังจากแยกตามลำดับของแต่ละผู้ทายผลจากแบบจำลองที่รวมตัวแปรจำนวนประตูทั้งหมดวิเคราะห์ทั้งหมดถูกนำมาใช้ในซอฟต์แวร์โอเพนซอร์ซ R x 2.12 64 (R พัฒนาหลักทีม 2010)

ผลลัพธ์ (ไทย) 2:

2.1 ข้อมูลการสำรวจสำมะโนประชากร
2007 ชุดข้อมูลที่สำรวจ X-ray ที่มีจำนวนของนกและจำนวนของผู้ถือในทุกตำบล (ระดับบริหาร 3) แห่งประเทศไทย ข้อมูลล่าสุดอื่น ๆ ที่มีอยู่ แต่ปี 2007 เป็นปีที่ผ่านมาเมื่อความแตกต่างที่ถูกสร้างขึ้นในหมู่ 8 ชั้นเรียนที่สำคัญของสัตว์ปีก เหล่านี้รวมถึง 3 ประเภทไก่ไก่, ชั้น, andThai ไก่พื้นเมือง (พื้นเมือง); และ 5 ประเภทของเป็ด-meattyped (MTD) ไข่พิมพ์ (ETD), มัสโกวี (MD) เนื้อเป็ดพิมพ์ฟรีแทะเล็ม (MTFGD) และไข่เป็ดพิมพ์ฟรีแทะเล็ม (ETFGD) ในปีต่อ ๆ มาบางส่วนของประเภทเหล่านี้ถูกรวบรวม ข้อมูลที่มีอยู่รวมเป็น 7410 ตำบลที่มีขนาดเฉลี่ยของ 16 กิโลเมตร 2 สำหรับแต่ละประเภทนี้จำนวนตามลำดับของผู้ถือยังเป็นที่รู้จัก มะเดื่อ 1 ofthe ข้อมูลเสริม (SI) แสดงให้เห็นองค์ประกอบญาติของภาคไก่และเป็ดใน 2007.Fig 1 แสดงการกระจายเชิงพื้นที่ของสี่ประเภทเหล่านี้.
2.2 พยากรณ์
ตัวแปรทำนายที่ได้รับเลือกในการที่จะรวมถึงการพยากรณ์คาดการณ์ไว้ที่สำคัญที่สุดของการเลี้ยงสัตว์ปีก (i) ความพร้อมของฟีราคาถูกปี throughoutthe (ความเข้มของการปลูกพืชและพื้นที่ชลประทาน), (ii) การเข้าถึง tomarkets (ประชากรมนุษย์และเวลาในการเดินทางไปยังเมืองหลัก ) และการกระจายตัวของผู้ผลิตในท้องถิ่น / ผู้บริโภค (ประชากรในชนบท) นอกจากนี้ตัวแปรทั้งหมดถูกนำมาจากชุดข้อมูลในระดับโลกหรือระดับภูมิภาคเพื่อให้แน่ใจว่าวิธีการที่นำเสนอนี้จะได้รับการจำลองแบบในประเทศอื่น ๆ และผลการตรวจสอบตัวแปร compared.The พยากรณ์ของแรงมีการระบุไว้ในตารางที่ 1 จำนวนของพืชที่ปลูกต่อปี ( Xiaoet อัล, 2006. Biradar และเสี่ยว, 2011) ได้มาจากการวัดระยะไกลและคาดการณ์ว่าจำนวนรอบของการปลูกพืช ร้อยละของพื้นที่ชลประทาน (เบิร์ท et al., 2007) จะขึ้นทั้งในระยะไกลและสถิติน้ำย่อยแห่งชาติ ความหนาแน่นของประชากรมนุษย์ได้รับจากโครงการจัดทำแผนที่ในเมืองและชนบททั่วโลก (Grump) ฐานข้อมูล (CIESIN et al., 2005) เวลาในการเดินทางประมาณ (เข้าถึง) ที่กรุงเทพฯและเมืองหลวงของจังหวัดที่อยู่ใกล้ที่สุดได้มาจากพื้นผิวแรงเสียดทานที่ผลิตโดยเนลสัน (2008) กระบวนการเตรียมการผลิตของการพยากรณ์ที่เกี่ยวข้อง:. (i) อีกครั้งสุ่มตัวอย่างฐานข้อมูลการชลประทานถึง 1 กม. ความละเอียดโดยเพื่อนบ้านที่ใกล้ที่สุดนัด, (ii) ค่าเฉลี่ยการพยากรณ์แต่ละอำเภอย่อย
2.3 ข้อมูลจากการสำรวจแยกการ
วิเคราะห์สำรวจชี้ให้เห็นว่าการเข้าสู่ระบบ 10 เปลี่ยนหมายเลขของนกต่อผู้ถือเป็นตัวแปรที่ดีที่สุดที่จะเห็นความแตกต่างอย่างเข้มข้นจากระบบการผลิตที่หลากหลายสำหรับแต่ละประเภทสัตว์ปีกตั้งแต่การกระจาย bimodal ที่ชัดเจนของจำนวนของนกต่อผู้ถือเป็นข้อสังเกตสำหรับประเภทสัตว์ปีกสำหรับ ซึ่งการผลิตอย่างเข้มข้นเป็นสิ่งที่สำคัญมากที่สุด (รูปที่ 2). สองรูปแบบการกระจายความถี่ที่แตกต่างกันถูกตั้งข้อสังเกตในบันทึกของ 10 เปลี่ยนหมายเลขของนกต่อ holder.First เป็นกระจาย unimodal กับจุดสูงสุดของตัวเลขที่ต่ำของนกต่อผู้ถือ (เช่น MD และชาวพื้นเมือง) ในกรณีนี้สัตว์ที่ถูกแบ่งออกเป็นการผลิตอย่างกว้างขวางโดยไม่ต้อง analysis.This เพิ่มเติมได้รับการสนับสนุนโดยการสังเกตว่าการเพิ่มขึ้นในจำนวนของนกต่อตำบลที่อยู่ในสัดส่วนที่เพิ่มขึ้นในจำนวนของผู้ถือ (เช่นไก่พื้นเมืองรูป . 2g เห็นเส้นถดถอยในรูปที่ 2 SI) เป็น .Second กระจาย bimodal แสดงโดย 6 ประเภทสัตว์ปีก.. ไก่เนื้อชั้น MTD, ETD, MTFGD, ETFGD (เช่นรูปที่ 2a และฉ) ประเภทสัตว์ปีกเหล่านี้ถูกแยกโดยใช้ขั้นตอนที่สี่ติดต่อกัน (i) ตำบลที่มีการผลิตผสมถูกแยกออกจากผู้ที่ถูกครอบงำโดยทั้งฟาร์มกว้างขวางหรือเข้มข้น (ii) กลุ่มครอบงำโดยหนึ่งหรือระบบอื่น ๆ ที่ถูกนำมาใช้ในการประมาณค่าเฉลี่ยของจำนวน นกต่อผู้ถือในกว้างขวาง (AE) และเข้มข้น (AI) ระบบ (iii) พารามิเตอร์ AE และ AI ได้รับการเลี้ยงดูเป็นสมการเชิงเส้นที่จะ predictthe จำนวนตามลำดับของนกและเจ้าของในแต่ละ (กว้างขวางและเข้มข้น) ระบบในทุกตำบล, และ (iv) การปรับตัวเลขถูกนำไปใช้สำหรับค่าเป็นไปไม่ได้ (เช่นหมายเลขลบค่าจำนวนเต็มไม่) ขั้นตอนนี้เป็นรายละเอียดในพิธีสาร S1.
2.4 การวิเคราะห์ทางสถิติ
แบบจำลองทางสถิติที่ถูกสร้างขึ้นเพื่อที่จะวิเคราะห์ในระดับตำบลความสัมพันธ์ระหว่างความหนาแน่นของไก่และเป็ดโดยระบบการผลิต (นกกม. 2) และเลือกพยากรณ์.
จัดเป็นสัตว์ปีกที่เข้มข้นแสดงให้เห็นว่าการกระจายศูนย์ที่สูงขึ้น (ZID) ดังนั้นสองชุดแยกต่างหากจากการวิเคราะห์ได้ดำเนิน out.Firstly, ถดถอยโลจิสติถูกนำมาใช้ในการระบุตัวทำนายที่เกี่ยวข้องกับการปรากฏตัว (> 0) ของสัตว์ที่เลี้ยงใน systems.Secondly เข้มข้นในตำบลที่ผลิตอย่างเข้มข้นเป็นปัจจุบัน log10 เปลี่ยน จำนวนของนกได้รับการวิเคราะห์โดยใช้แบบจำลองการถดถอยสมมติว่าการกระจายปกติของข้อผิดพลาด.
การวิเคราะห์เบื้องต้นพบว่าสี่ประเภท (ไก่เข้มข้นไก่กว้างขวางเป็ดเข้มข้นและเป็ดกว้างขวาง) พบ distinctlevels ของอวกาศ (SA) (รูปที่. 3) ชี้แจง variograms รวมถึงส่วนประกอบที่นักเก็ตถูกนำมาใช้เพื่อวัดปริมาณระดับของ SA ในรูปแบบที่เหลือ ไม่มีอย่างมีนัยสำคัญใน SA เหลือของรุ่นถดถอยโลจิสติใช้ในการวิเคราะห์มีหรือไม่มียก ofintensively นกในขณะที่ระดับสูงของ SA ถูกตั้งข้อสังเกตในความคลาดเคลื่อนของแบบจำลองถดถอยความหนาแน่นของนก การบัญชีสำหรับ SA ก็ประสบความสำเร็จผ่านการผสมแบบอัตพร้อมกัน (SARM) ด้วยเหตุผลดังต่อไปนี้ (Bivand et al, 2008.) ครั้งแรก SARM ก็แสดงให้เห็นเมื่อเร็ว ๆ นี้เพื่อให้การประมาณการที่ดีขึ้นของค่าสัมประสิทธิ์กว่าวิธีตัวแปรร่วมรถยนต์คลาสสิก (Dormann 2007) ; สอง SARM จะมาบรรจบกันในเวลาที่เหมาะสมแม้จะมีชุดข้อมูลขนาดใหญ่ค่อนข้าง; สามบัญชี SARM สำหรับ SA ทั้งภายในตัวแปรตอบสนองและภายในตัวแปรภายในซึ่งส่วนใหญ่มีการสันนิษฐานว่าจะเป็นมาก SA สำหรับเหตุผลการคำนวณ SARM ถูกนำไปใช้กับการย่อยตัวอย่างของแต่ละประเภท สองพันจุดกระจายสุ่มเหนือดินแดนทั้งหมดและในแต่ละสถานที่ความหนาแน่นของนกจากตำบลที่สอดคล้องกันสกัด.
ตั้งแต่รัศมีเฉลี่ยของเป็นตำบล 3.82 กม. ค่ารัศมีใกล้เคียงที่ใช้ในการ SARM เป็น 20 กิโลเมตรรอบแต่ละ centroid อำเภอย่อยเพื่อให้มั่นใจว่าประเทศเพื่อนบ้านที่ใกล้ที่สุดของอำเภอย่อยจะนำไปสู่ระยะอัต สุดท้ายความมั่นคง ofthe ofthe ค่าสัมประสิทธิ์โดยประมาณได้รับการประเมินโดยการวิเคราะห์การทำซ้ำเป็นเวลาห้าตัวอย่างย่อยของปี 2000 การกระจายสุ่มสังเกต.
ตัวเลือกของดีของพอดี (ขาด) ดัชนีได้มาจากค่าติดตั้งของรูปแบบการวัดการศึกษาระดับปริญญาโดยรวมของ ข้อตกลงของแต่ละรุ่น โดยเฉพาะอย่างยิ่งค่าสัมประสิทธิ์สหสัมพันธ์ (COR) และรากหมายถึงข้อผิดพลาดของตาราง (RMSE) อยู่ที่ประมาณสำหรับรุ่นที่ SARM สองขาดดัชนีจะถูกคำนวณในการวัดความถูกต้องของการถดถอยโลจิสติกหลาย: คัปปาโคเฮนและพื้นที่ใต้เส้นโค้ง (AUC) ลักษณะของผู้ประกอบการรับสัญญาณ (ROC) เส้นโค้ง AUC เป็นตัวชี้วัดของความจุของรูปแบบที่จะคาดการณ์ได้อย่างถูกต้องหรือขาดการปรากฏตัวของสัตว์ปีกค่าที่สามารถช่วงจาก 0.5 (คาดการณ์สุ่ม) ถึง 1 (การทำนายที่สมบูรณ์แบบ) ในการคำนวณแคปป้าของโคเฮนค่าตัดถูกนำมาใช้ครั้งแรกที่ความน่าจะเป็นที่คาดการณ์ไว้จากการปรากฏตัวของสัตว์ปีกที่จะจำแนกประเภทเหล่านี้เป็นสองชั้น (ปัจจุบันหรือขาด) ค่าเกณฑ์ได้รับการแต่งตั้งเป็นความน่าจะเป็นจุดตัดที่ดีที่สุดที่ได้รับจากโค้ง ROC เนื่องจากค่านี้แสดงให้เห็นถึงความเป็นไปได้ที่ดีที่สุดตัดจุด (โดยที่อัตราการบวกที่แท้จริงคือการเพิ่มประสิทธิภาพเมื่อเทียบกับที่บวกเท็จ) ในที่สุดการมีส่วนร่วมของญาติของทำนายรูปแบบแต่ละ quanti-กระแสไฟจากความแตกต่างในอันซ์ (DD) หลังจากการยกเว้นลำดับของแต่ละทำนายจากแบบจำลองรวมทั้งตัวแปรทั้งหมด.
การวิเคราะห์ทั้งหมดถูกนำมาใช้ในโอเพนซอร์สซอฟต์แวร์ R x 64 2.12 (R การพัฒนาทีมงานหลัก, 2010)

ผลลัพธ์ (ไทย) 3:

2.1 . ข้อมูลการสำรวจสำมะโนประชากร การสำรวจเอกซเรย์
2007 ข้อมูลที่มีอยู่จำนวนของนก และจำนวนผู้ถือทุกตำบล ( การบริหารระดับ 3 ) ของประเทศไทย ข้อมูลล่าสุดที่มีอยู่ แต่ปี 2007 เป็นปีสุดท้ายเมื่อความแตกต่างเกิดขึ้นในหมู่ 8 วิชาหลักของสัตว์ปีก เหล่านี้รวม 3 ประเภทไก่เนื้อ ชั้น และไก่พื้นเมือง ( Native )และ 5 ประเภทของเป็ด meattyped ( MTD ) ไข่ พิมพ์ ( etd ) , เป็ดเทศ ( MD ) , เนื้อพิมพ์ฟรีหญ้าเป็ด ( mtfgd ) และไข่พิมพ์ฟรีหญ้าเป็ด ( etfgd ) ใน ปีต่อมา บางส่วนของประเภทเหล่านี้ถูกรวม . ข้อมูลที่มีอยู่สำหรับทั้งหมดของ 7410 ย่อยเขตที่มีขนาดเฉลี่ยของ 16 ตารางกิโลเมตร . สำหรับแต่ละประเภทเหล่านี้ หมายเลข ที่เกี่ยวข้องของผู้ถือก็ยังรู้จัก ภาพประกอบ1 ตามข้อมูลเพิ่มเติม ( SI ) แสดงความสัมพันธ์องค์ประกอบของไก่และเป็ดในภาค 2007.fig 1 แสดงการกระจายเชิงพื้นที่ของทั้งสี่ประเภทเหล่านี้ .
2.2 .
ทำนายพยากรณ์ตัวแปรเลือกเพื่อรวมที่สำคัญที่สุดที่คาดทำนายฟาร์มสัตว์ปีก( 1 ) ความพร้อมของแต่ละปี ( การปลูกพืชอาหารสัตว์ที่มีราคาถูก ความเข้มและพื้นที่เขตชลประทาน ) ( 2 ) ( tomarkets เข้าถึงประชากรมนุษย์และใช้เวลาเดินทางไปยังเมืองหลัก ) และการกระจายของผู้ผลิตท้องถิ่น / ผู้บริโภค ( ประชากรในชนบท ) นอกจากนี้ตัวแปรทั้งหมดถ่ายจากโลกหรือข้อมูลในภูมิภาคเพื่อให้มั่นใจว่าวิธีการที่นำเสนอนี้สามารถนำในประเทศอื่น ๆและผลเปรียบเทียบ ตัวแปรที่ศึกษาคือแรงอยู่ในตารางที่ 1 จำนวนของพืชที่ปลูกต่อปี ( xiaoet al . , 2006 ; biradar และเสี่ยว2011 ) ที่ได้มาจากดาวเทียมวัดและคาดการณ์จำนวนการปลูกพืชรอบ เปอร์เซ็นต์ของพื้นที่เขตชลประทาน ( เบิร์ท et al . , 2007 ) ถูกใช้ทั้งในการรับรู้จากระยะไกลและข้อมูลน้ำแห่งชาติซบ ประชากรมนุษย์มีความหนาแน่นที่ได้มาจากโครงการ Global ชนบทเมืองแผนที่ ( Grump ) ฐานข้อมูล ( ciesin et al . , 2005 )โดยประมาณเดินทางครั้ง ( เข้าถึง ) และทุนจังหวัดใกล้กรุงเทพฯ มาจากแรงเสียดทานพื้นผิวที่ผลิตโดยเนลสัน ( 2008 ) การเตรียมของตัวแปรที่เกี่ยวข้อง : ( ฉัน ) อีกตัวอย่างฐานข้อมูลชลประทาน 1 กม. ความละเอียดที่กำหนดโดยเพื่อนบ้าน ( 2 ) เฉลี่ยแต่ละตัวโดยต. .
2.3 disaggregating การสำรวจ
การวิเคราะห์เชิงสำรวจ พบว่า ตัวเลขของนกล็อก 10 แปลงต่อผู้ถือคือตัวแปรที่ดีที่สุดในการเลือกปฏิบัติอย่างเข้มข้นจากระบบการผลิตกว้างขวางสำหรับแต่ละประเภทสัตว์ปีก เนื่องจากการกระจายไบโมดอลชัดเจนของจำนวนของนก ต่อผู้ถือเป็นสังเกตสำหรับประเภทสัตว์ปีกที่ผลิตอย่างเข้มข้น เป็นสิ่งสำคัญที่สุด ( รูปที่ 2 )การแจกแจงความถี่แตกต่างกันสองรูปแบบที่พบในบันทึกที่ 10 แปลง จำนวนนก ต่อเจ้าของ แรกคือการ unimodal ด้วยยอดตัวเลขที่ต่ำของนก ต่อผู้ถือ ( เช่น , MD และพื้นเมือง ) ในกรณีนี้ สัตว์ถูก categorised เป็นอย่างกว้างขวางผลิตโดยการวิเคราะห์ต่อไปนี้ได้รับการสนับสนุนโดยการสังเกตว่า การเพิ่มจำนวนของนก ต่อ ตำบลใด ในสัดส่วนที่เพิ่มขึ้นของจำนวนผู้ถือ ( เช่น ไก่พื้นเมือง รูปที่ 2 G , นอกจากนี้ยังเห็นเส้นถดถอยในรูปที่ 2 จังหวัด ) ประการที่สอง คือ การกระจายไบโมดอล แสดงโดย 6 ประเภทสัตว์ปีกไก่เนื้อ , ชั้น , MTD etd mtfgd etfgd , , ( เช่นรูปที่ 2A และ F )