PCA indicated that 99.8% of the tot

PCA indicated that 99.8% of the total variance in the original 45
LiDAR metrics could be explained by the first 10 PCs. However,
stopping rules based on randomization (i.e., Rnd-Lambda and Avg-
Rnd) and broken-stick indices suggested that only the first three PCs
were significant (Peres-Neto et al., 2005). These three PCs explained
90.2% of the total variance, with PC1, PC2, and PC3 accounting for 58.1,
21.8, and 10.3% of the total variance, respectively. PC1 was positively
correlated with Lhq (sample quantiles of LiDAR canopy height), TAGB,
and Lorey's mean stand height (HL); PC2 was negatively correlated
with the coefficient of variation (LhCOV) and skewness (LhSKEW) of
canopy surface heights; PC2 was positively correlated with canopy
density in the upper portion of the canopy (CC0.75), and PC3 was
positively correlated with canopy profile shape (LhKURT).

ผลลัพธ์ (ไทย) 1:

ระบุสมาคมที่ 99.8% ของผลต่างรวมใน 45 เดิม
สามารถอธิบายการวัด LiDAR โดยชิ้นแรก 10 ได้ อย่างไรก็ตาม,
หยุดกฎตาม randomization (เช่น แลมบ์ดา Rnd และ Avg-
Rnd) และดัชนีเสียติ๊กแนะนำเท่านั้นชิ้นแรกสาม
สำคัญ (Peres Neto et al., 2005) Explained
90.2% ชิ้นเหล่านี้สามของผลต่างรวม กับ PC1, PC2 และบัญชี PC3 สำหรับ 58.1,
21.8 และ 10.3% ของความแปรปรวนทั้งหมด ตามลำดับ PC1 เป็นบวก
correlated กับ Lhq (ตัวอย่าง quantiles ความสูงฝาครอบ LiDAR), TAGB,
และค่าเฉลี่ยของ Lorey ยืนสูง (HL); PC2 ถูกส่ง correlated
กับค่าสัมประสิทธิ์ความผันแปร (LhCOV) ความเบ้ (LhSKEW) ของ
วิสูงผิว PC2 ถูกบวก correlated กับฝาครอบ
มีความหนาแน่นในส่วนบนของฝาครอบ (CC0.75), และ PC3
correlated บวกกับรูปร่างของส่วนกำหนดค่าฝาครอบ (LhKURT)

ผลลัพธ์ (ไทย) 3:

PCA พบว่า 99.8% ของความแปรปรวนทั้งหมดในต้นฉบับ 45
LIDAR เมตริกสามารถอธิบายได้โดยครั้งแรก 10 ชิ้น อย่างไรก็ตาม กฎ
หยุดตามชุด ( เช่น และใช้แลมด้า AVG -
RND ) และดัชนีติดเสียแนะนำว่าเพียงครั้งแรก 3 ชิ้น
อย่างมีนัยสำคัญ ( เปเร Neto et al . , 2005 ) ทั้งสามชิ้นอธิบาย
90.2 % ของความแปรปรวนทั้งหมดกับ PC pc2 , ,และบัญชีด้วย สำหรับปัจจัย
, แพร่ , และ 10.3 % ของความแปรปรวนทั้งหมด ตามลำดับ ปัจจัยที่มีความสัมพันธ์กับ lhq PC
( ตัวอย่าง quantiles ความสูง LIDAR หลังคา ) tagb
, , และมันหมายถึงความสูงลอรีย์ยืน ( HL ) มีความสัมพันธ์เชิงลบก pc2
กับค่าสัมประสิทธิ์ของความผันแปร ( lhcov ) และความเบ้ ( lhskew )
หลังคาสูงพื้นผิว pc2 มีความสัมพันธ์ทางบวก กับหลังคา
ความหนาแน่นในส่วนบนของหลังคา ( cc0.75 ) และมีความสัมพันธ์เชิงบวกกับรูปร่างด้วย
โปรไฟล์ของหลังคา ( lhkurt )