2.5 Statistical methodsPrincipal Co

2.5 Statistical methods
Principal Component Analysis (PCA)
was performed by using XLSTAT software
to establish the relationships
between abiotic variables (DOC, total phosphate, total nitrate, euphotic zone,
reservoir water level, rain and water
temperature) having the highest influence
on the phytoplankton community
(average total biomasses and average
cellular concentrations). For the ordination
analysis, we transformed the abiotic
and phytoplankton data by logx +1.

ผลลัพธ์ (ไทย) 1:

2.5 วิธีการทางสถิติวิเคราะห์ส่วนประกอบหลัก (PCA)ดำเนินการ โดยใช้ซอฟต์แวร์ XLSTATการสร้างความสัมพันธ์ระหว่างตัวแปร abiotic (DOC รวมฟอสเฟต ไนเตรตรวม โซน euphoticระดับน้ำในอ่างเก็บน้ำ ฝน และน้ำอุณหภูมิ) มีอิทธิพลสูงสุดชุมชนแพลงก์ตอนพืช(biomasses ค่าเฉลี่ยรวมและค่าเฉลี่ยเซลล์ความเข้มข้น) สำหรับการอบรมวิเคราะห์ เราเปลี่ยนการ abioticและแพลงก์ตอนพืชข้อมูล โดย logx + 1

ผลลัพธ์ (ไทย) 2:

2.5 วิธีการทางสถิติ
วิเคราะห์องค์ประกอบหลัก (PCA)
ได้ดำเนินการโดยใช้ซอฟต์แวร์ XLSTAT
เพื่อสร้างความสัมพันธ์
ระหว่างตัวแปร abiotic (DOC, ฟอสเฟตรวม, ไนเตรตรวม, เขต euphotic,
ระดับน้ำอ่างเก็บน้ำฝนและน้ำ
อุณหภูมิ) เป็นผู้มีอิทธิพลสูงสุด
ในแพลงก์ตอนพืช ชุมชน
(ชีวมวลเฉลี่ยและค่าเฉลี่ย
ความเข้มข้นของมือถือ) สำหรับการบวช
วิเคราะห์เราเปลี่ยน abiotic
ข้อมูลและแพลงก์ตอนพืชโดย logx 1

ผลลัพธ์ (ไทย) 3:

2.5 วิธีการทางสถิติการวิเคราะห์องค์ประกอบหลัก ( PCA )การใช้ซอฟต์แวร์ xlstatเพื่อสร้างความสัมพันธ์ระหว่างตัวแปร ไร่ ( หมอ รวมรวม ไนเตรท , ฟอสเฟต , โซน euphotic ,ระดับของอ่างเก็บน้ำ ฝนและน้ำอุณหภูมิที่มีอิทธิพลสูงสุดในชุมชนแพลงก์ตอนพืช( BIOMASSES เฉลี่ยรวมและค่าเฉลี่ยความเข้มข้นของเซลล์ ) สำหรับการบวชการวิเคราะห์ เราเปลี่ยนสิ่งมีชีวิตและแพลงก์ตอนพืชข้อมูล โดย logx + 1