Rogova et al. ch. 37 in Zuur et al. (edited) Analysing Ecological Data. pp.633-648.
1. Introduction
本研究目的在建立俄國Raifa地區的寒帶樹種空間分布與環境因子間的關係, 關係式如下:
Boreality = f(explanatory variables) + auto-correlation noise + noise
其中
Boreality以zj表示
f(explanatory variables)以f(xj)表示, 包括溫度, 濕度和地形
auto-correlation noise以wi(zi-f(xi))之總和表示, 包括鄰近地區的加權殘差總和, 權重w為距離
noise以ej表示
2. Data exploration
(1)樹種資料
本研究在534個樣區(100m x 100m)中記錄到485種樹種, 其中327種出現在3個以上的樣區中, 寒帶樹種共22種, 在各樣區中所佔比例由0%到60%不等; 由Cleveland dotplot中可以看出並沒有哪個樣區有特別極端的比例.
(2)環境特性資料
本研究採用4種環境特性標指標: NDVI(標準化差異植栽指標, 用以區分植栽和非植栽元素), 凱式溫度, 濕度指標, Grn(綠量指標, 用以表示植栽密度), 另以經緯度表示氣候梯度; 由pairplot中可以看出每個指標都有離散值和共線性, 其中Grn和NDVI, Grn和濕度, NDVI和濕度之間相關性極高, R值分別是0.96, 0.86, 0.82
3. Models
(1)未考慮鄰近樣區影響的LM(線性迴歸模型)和AM(加成迴歸模型)
原本z是以寒帶特性(boreality)代表之, 亦即寒帶樹種的數量, 為了符合一個我沒看懂的biological sense, 應以第638頁的公式轉換, 並以transformed boreality代表z
由於只有緯度, 溫度和濕度在模式中達顯著(p<0 .001="" br="">(2)考慮鄰近樣區影響的LM(線性迴歸模型)和AM(加成迴歸模型)
上一步驟所獲得的AM相關係數已達0/697, 在本步驟中考量鄰近樣區的影響, 提升模型的解釋力
