Inligting

Is daar 'n skaal wat geskik is vir deurlopende opsporing en aantekening van plantgewig?

Is daar 'n skaal wat geskik is vir deurlopende opsporing en aantekening van plantgewig?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ek wil watertranspirasie en verdamping in 'n bonsaiboom meet, en om die gewig van die boom in sy pot te meet, is my volmag vir waterverbruik. Dit het goed gewerk met handmatige metings, maar ek wil na die volgende vlak gaan.

Ek wil graag die gewig van iets deurlopend monitor (bv. een keer per minuut) en maklik toegang tot die data kry via 'n foontoepassing. Is daar so iets?

Daar is talle opsies vir soortgelyke toestelle as jy omgewingstemperatuur en humiditeit wil meet (bv. https://www.amazon.com/SensorPush-Wireless-Thermometer-Hygrometer-Android/dp/B01AEQ9X9I).

Maar al my soeke na balanse met soortgelyke funksionaliteit het misluk. Ek het baie laboratoriumbalanse en kombuisskale en liggaamsgewigskale gevind. Slegs die liggaamsgewigskale werk in wisselwerking met toepassings op jou foon, maar hulle neem nie deurlopend op nie.

As jy van een weet, of net beter google-fu as ek het en 'n meer presiese soekterm kan voorstel, sal enige wenke waardeer word.


miskien hierdie maatskappy https://www.industrial-needs.com/scales-and-balances/recording-scales.htm

Ons skaalsagteware laat 'n intydse meting op 'n rekenaar toe en afhangende van die weegdata, kan dit ook met 'n datumstempel as 'n TXT-lêer op die rekenaar gestoor word


Diskrete vs deurlopende data: met vergelykingskaart

Statistiek en databestuurwetenskappe vereis 'n diepgaande begrip van wat die verskil tussen diskrete en deurlopende data stel en veranderlikes.


Die ooreenkoms is dat albei die twee tipes kwantitatiewe data is wat ook numeriese data genoem word. In die praktyk hang baie data-ontginning en statistiese besluite egter daarvan af of die basiese data diskreet of kontinu is.

Op hierdie bladsy sal jy leer:

  • Wat is diskrete data? Definisie en voorbeelde.
  • Wat is deurlopende data? Definisie en voorbeelde.
  • Diskrete vs deurlopende data: verskille.
  • Vergelykingskaart/infografika in PDF


Meting van plantgroei

Om genoeg data oor die algehele gesondheid van jou plante vas te lê, beveel ons aan dat jy ten minste een finale gewigsmaat, een maatstaf van wortelgesondheid en al die waarnemingsmetings wat betrekking het op die tipe plant wat jy gebruik, aanteken.

Weeg plante: vars vs. droë gewig

  • Meting van vars gewig: Alhoewel jy tegnies die vars gewig van plante kan meet sonder om hulle te benadeel, kan die eenvoudige handeling om 'n plant uit sy groeiende "medium" te verwyder trauma veroorsaak en die voortdurende groeitempo en dus jou eksperiment beïnvloed. Om die vars gewig van plante te meet is moeilik en moet waarskynlik as 'n finale maatstaf van groei aan die einde van die eksperiment gestoor word. Hier is die proses om vars gewig te meet:
    1. Verwyder plante uit grond en was enige los grond af.
    2. Dep plante saggies met sagte papierhanddoek om enige vrye oppervlakvog te verwyder.
    3. Weeg dadelik (plante het 'n hoë samestelling van water, so wag om hulle te weeg kan lei tot 'n bietjie uitdroging en dus onakkurate data produseer).
  • Meting van droë gewig: Aangesien plante 'n hoë samestelling van water het en die vlak van water in 'n plant sal afhang van die hoeveelheid water in sy omgewing (wat baie moeilik is om te beheer), is die gebruik van droë gewig as 'n maatstaf van plantgroei geneig om meer betroubaar wees. Jy kan hierdie data net een keer vaslê as 'n finale maatstaf aan die einde van jou eksperiment.
    1. Verwyder die plante uit die grond en was enige los grond af.
    2. Dep die plante en verwyder enige vrye oppervlakvog.
    3. Droog die plante oornag in 'n oond wat op lae hitte (100&° F) gestel is.
    4. Laat die plante in 'n droë omgewing afkoel ('n Ziploc-sak sal vog uithou) - in 'n vogtige omgewing sal die plantweefsel water opneem. Sodra die plante afgekoel het, weeg hulle op 'n skaal.
    5. Plante bevat meestal water, so maak seker dat jy 'n skaal het wat tot milligram daal, aangesien 'n droë plant nie baie sal weeg nie.

Wortelmassa

Wortelmassa word aanbeveel as 'n finale meting aangesien die plant uit sy groeimedium verwyder moet word om akkurate data vas te lê. Daar is heelwat verskillende metodes om wortelmassa te meet, afhangende van die tipe en struktuur van die wortels

  • Rooster sny tegniek:
    1. Verwyder die plant uit die grond.
    2. As jy met dun of ligte wortels werk, kan jy die wortels met 'n suur vlek kleur.
    3. Lê die wortels op 'n roosterpatroon en tel die aantal kere wat die wortels die rooster sny.
  • Trek die wortels op papier na, meet elkeen van die spore en bereken die wortellengte uit die spore.
  • Tel die aantal wortels.
  • Meet die deursnee van die wortel. Dit is veral nuttig vir wortelgroente soos beet, wortels, aartappels, ens. wat 'n groot wortel het.

Wortelskietverhouding

Wortels laat 'n plant toe om water en voedingstowwe uit die omliggende grond te absorbeer, en 'n gesonde wortelstelsel is die sleutel tot 'n gesonde plant. Die wortel:loot-verhouding is een maatstaf om jou te help om die algemene gesondheid van jou plante te bepaal. Jou kontrolegroep plante sal jou voorsien van 'n "normale" wortel:loot verhouding vir elk van jou planttipes, enige veranderinge vanaf hierdie normale vlak (óf op of af) sal 'n aanduiding wees van 'n verandering in die algemene gesondheid van jou plant . Dit is belangrik om die data van die wortel:loot verhouding met data van waarnemings te kombineer om 'n akkurate begrip te kry van wat met jou plante gebeur. Byvoorbeeld, 'n toename in wortel:loot-verhouding kan 'n aanduiding wees van 'n gesonder plant, mits die toename van groter wortelgrootte kom en NIE uit 'n afname in lootgewig nie. Om die wortel:loot verhouding te meet:

  1. Verwyder die plante uit die grond en was enige los grond af.
  2. Dep die plante en verwyder enige vrye oppervlakvog.
  3. Droog die plante oornag in 'n oond wat op lae hitte (100&° F) gestel is.
  4. Laat die plante in 'n droë omgewing afkoel ('n Ziploc-sak sal vog uithou) - in 'n vogtige omgewing sal die weefsel water opneem. Sodra die plante afgekoel het, weeg hulle op 'n skaal.
  5. Skei die wortel van bo af (sny by grondlyn).
  6. Weeg en teken die wortel en bokant vir elke plant afsonderlik aan. (Droë gewig vir wortels/droë gewig vir bokant van plant = wortel/loot verhouding)
  7. Die wortel/loot verhouding kan vir elke behandeling bereken word.
  8. Plante bevat meestal water, so maak seker dat jy 'n skaal het wat tot milligram daal, aangesien 'n droë plant nie baie sal weeg nie.

Waarneming

Daar is baie verskillende kenmerke van 'n plant wat deur waarneming gemeet kan word om die omvang van plantgroei/gesondheid te bepaal. Die volgende tabel beskryf sommige van die maatreëls wat jy kan maak en beveel ook aan hoe gereeld jy hierdie waarnemings moet maak tydens jou eksperiment.


Watter kontrolekaart pas by u datatipe?

Die eerste stap in die keuse van 'n toepaslike beheerkaart is om te bepaal of jy deurlopende of kenmerkdata het.

Deurlopende data behels gewoonlik metings, en sluit dikwels breuke of desimale in. Gewig, hoogte, breedte, tyd en soortgelyke metings is almal deurlopende data. As jy na metingsdata vir individue kyk, sal jy 'n I-MR grafiek. As jou data in subgroepe ingesamel word, sal jy 'n Xbar-R grafiek as die subgroepe 'n grootte van 8 of minder het, of 'n Xbar-S grafiek as die subgroepgrootte groter as 8 is.


'n U-kaart vir kenmerkdata skets die aantal defekte per eenheid.

As jy kenmerkdata het, moet jy bepaal of jy na proporsies of tellings kyk. As dit proporsies is, sal jy tipies die aantal gebrekkige items in 'n groep tel, en dus met 'n "slaag-druip" persentasie vorendag kom. In hierdie geval wil jy 'n gebruik P grafiek. As jy die aantal defekte meet per eenheid, jy het teldata, wat jy sal vertoon met behulp van 'n U grafiek.

Natuurlik krap ons net die oppervlak hier -- daar is baie meer om die regte beheerkaart vir elke individuele situasie te vind as wat ons in 'n eenvoudige blogplasing kan inpas.

Maar as jy Minitab Statistical Software gebruik, kan jy kies Assistent > Beheerkaarte. en kry stap-vir-stap leiding deur die proses om 'n beheerkaart te skep, van die bepaling van watter tipe data jy het, om seker te maak dat jou data aan die nodige aannames voldoen, tot die interpretasie van die resultate van jou grafiek.

As jy dit nog nie gebruik nie, kan jy Minitab aflaai en dit vir 30 dae gratis probeer. Benewens leiding vir beheerkaarte, kan die nuwe Assistent-kieslys jou ook deur regressie, hipotesetoetse, metingstelselanalise, en meer lei. As 'n persoon wat statistieke moet gebruik, maar nie van nature geneig is tot syfers en wiskunde nie, vind ek dit nogal gaaf om daardie leiding direk vanaf die sagteware te kan kry.


Metodologie

Literatuur is sistematies hersien deur voorkeurverslagitems vir sistematiese resensies en meta-ontledings (PRISMA)-riglyne te volg. PRISMA [18] spesifiseer riglyne wat gevolg moet word om 'n onbevooroordeelde stel bronne te versamel om as basis vir die resensievraag te gebruik. Die PRISMA-stappe vir die huidige resensie word in Fig 2 getoon, tesame met die aantal opgespoorde of behoue ​​publikasies in elke stadium.

Van: Moher D, Liberati A, Tetzlaff J, Altman DG, The PRISMA Group (2009). Pverwys Rrapporteer ekterme vir Ssistematiese Resensies en Meta-Aontleed: Die PRISMA-verklaring, PLoS Med 6(7): e1000097. doi:10.1371/journal.pmed1000097. Vir meer inligting, besoek www.prisma-statement.org.

Kwalifikasiekriteria

Literatuur is beoordeel ongeag publikasiejaar. Slegs eweknie-geëvalueerde publikasies en eweknie-geëvalueerde konferensieverrigtinge wat in Engels geskryf is, is oorweeg. Slegs studies oor outomatiese (masjienvisie) opname van vee- en pluimvee-gedrag gebaseer op konvensionele of 3D-kameras is ingesluit, en daardeur is enige studies wat diergebaseerde (liggaamsgedra) sensors of op nie-gedragseienskappe soos liggaamsgewig gebruik, uitgesluit.

Inligtingsbronne

Die volgende databasisse is deursoek: Google Scholar, Web of Science, PubMed, AGRICOLA, AMiner, SciVerse en ACM Digital Library. Daarbenewens het ons die grys (nie-kommersieel gepubliseerde) literatuur deursoek deur Google te gebruik om bykomende inligtingsbronne te vind. Literatuur uit hierdie databasisse is in Maart 2018 versamel.

Soekstrategie en seleksie van publikasies

Elkeen van die databasisse is deursoek vir die volgende soektermkombinasies: outom* + gedrag* + lewendehawe outom* + gedrag* + vark outom* + gedrag* + video + lewendehawe outom* + gedrag* + video + varkgedrag* + opsporing + vark outomaties* + gedrag* + video-opsporing + vark. 'n Sterretjie is gebruik om die soekterm outomaties in te vul om verwante woorde soos gedrag, gedrag, gedrag, ens. in te sluit. As die databasis nie die gebruik van die asterisk in die soekterm toegelaat het nie (wat die geval was vir Google Scholar) dan is die term outomaties is gebruik vir outom*, en gedrag of gedrag vir gedrag*.

Aanvanklik is alle veespesies in ag geneem deur die soekterm ‘vee’ te gebruik. Nadat dit duidelik geword het dat varke die hoofstudiespesie was vir geoutomatiseerde visuele opname van gedrag, is die meer gedetailleerde soekterme met 'detection' en 'video-detection' slegs in kombinasie met die woord 'vark' gebruik. Die gebruik van die soekkombinasie 'gedrag* + outom* + video-opsporing + vark' in Google (nie Google Scholar nie) het 1 470 000 resultate opgelewer, waarvan slegs die eerste 10 bladsye van resultate in detail ondersoek is aangesien addisionele bladsye van soekresultate nie wetenskaplike resultate verskaf het nie vraestelle wat aan die soekkriteria voldoen.

Alle opgespoorde titels (n = 448) is aangeteken saam met die databasis waar dit gevind is en soekterme wat gebruik is om die artikel op te spoor. Alle duplikate (n = 108) is verwyder op grond van outeurnaam, jaartal en artikeltitel. Daarna is alle titels en opsommings gekeur. Aangesien die fokus van die resensie op visuele waarneming was, het ons alle publikasies wat verband hou met draagbare monitors soos versnellingsmeters (n = 187) verwyder. Uit die oorblywende publikasies (n = 153), is die volledige teks verkry en gekeur vir geskiktheid deur gebruik te maak van duidelike, nie-arbitrêre reëls. Nadat irrelevante publikasies (n = 45) verwyder is, is die finale publikasies gekeur vir relevante verwysings wat nog nie geïdentifiseer is nie, met behulp van die sneeubalmetode (m.a.w. soek na verwysings uit relevante literatuur). Nuut geïdentifiseerde publikasies wat deur die sneeubalmetode verkry is (n = 41) is vir die abstrakte gekeur en, indien relevant, vir die volledige teks gekeur. Die aantal publikasies by elke stadium word in die PRISMA-vloeidiagram (Fig 2) gegee.

Data onttrekking

Uit elke volledige vraestel (n = 108) is inligting oor die navorsingsmetodes en -uitkomste ingesamel. Die volledige beskrywing van data-insameling word in die aanvullende lêers (S1-tabel) gegee. Die data wat ingesamel is, word in S2-tabel aangebied. Kortliks, inligting is aangeteken oor die doel van die studie, 'n gedetailleerde beskrywing van spesies en behuisingstoestande, toesteltipe wat vir opname gebruik word, die kamera en lens spesifikasies en instellings, of diere opgespoor is of nie, of nagespoorde individue gemerk is, tipe gedrag aangeteken, die dataverwerkingsmetode, die metode wat gebruik word om outomatiese opsporing te valideer, en resultate soos akkuraatheid en akkuraatheid.


(scFvs). Monoklonale teenliggaampiederivate wat 'n enkele polipeptied bevat waarin die veranderlike streke van die swaar en ligte immunoglobulienkettings deur 'n buigsame skakelaar aan mekaar verbind is. scFv's is voordelig omdat slegs een transgeen benodig word, en die molekules self is klein en het nie die effektorfunksies van normale teenliggaampies nie, maar 'n nadeel is dat hulle eenwaardig is, terwyl serumteenliggaampies tweewaardig is.

Die grootskaalse produksie van rekombinante proteïene in lewende selle of organismes word dikwels toegepas op die gebruik van gewasplante of huisdiere as ekspressiegashere as gevolg van die verwysing na landbou.

In die konteks van hierdie artikel, 'n geen of proteïen wat nie afkomstig is van die spesie waarin dit uitgedruk word nie.

'n Transgeniese plant waarin die transgeen in die plastiedgenoom eerder as die kerngenoom voorkom.

'n Rekombinante teenliggaam wat die swaar- en ligteketting-veranderlike streke bevat wat deur 'n buigsame peptiedkoppelaar verbind is. Die skakelaar is lank genoeg om skeiding van die domeine toe te laat sodat twee van die polipeptiede in 'n dimeer kan saamvoeg, wat die teenliggaam divalent maak.

'n Rekombinante teenliggaam waarin die swaar- en ligteketting-veranderlike streke deel is van dieselfde polipeptiedketting, wat ook die swaarkettingskarniergebied en een swaarkettingkonstante domein insluit.

Gewoonlik blare van tabak (alhoewel baie ander spesies gebruik kan word) wat tydelik getransformeer word met Agrobacterium tumefaciens, wat lei tot die verbygaande uitdrukking van rekombinante proteïene. Dit is 'n nuttige strategie vir die toets van uitdrukkingskonstrukte en die verkryging van klein hoeveelhede proteïen vir ontleding voordat dit ten koste gaan van transgenika.

Die vervaardiging van gifstowwe in die ingewande wat spesifiek die dermslymvlies beïnvloed.

(Dicots). Breëblaarblomplante waarvan die sade twee saadlobbe bevat (embrioniese saadblare wat óf in die saad bly wanneer die plant ontkiem óf uitkom en groen word). Voorbeelde sluit in aartappel, tamatie, tabak en alle ertjies en bone.

Smalblaarplante waarvan die sade een saadlob bevat. Voorbeelde sluit in graan, grasse, orgideë en lelies.

'n Enkele antigeniese determinant op 'n proteïen wat deur 'n teenliggaam herken word. 'n Enkele proteïen kan baie epitope hê.

Interstisiële selle in die testis wat verantwoordelik is vir die produksie van manlike geslagshormone, soos testosteroon, en is belangrik in manlike seksuele differensiasie.

An in vitro mutagenese prosedure wat dikwels uitgevoer word deur gebruik te maak van die polimerase kettingreaksie waarin spesifieke mutasies in 'n DNA-molekule ingebring word.

'n Kort reeks van hoofsaaklik hidrofobiese aminosure by die N-terminus van afgeskeide proteïene. Hierdie peptied word vasgevang deur 'n seinherkenningspartikel soos dit uit die ribosoom kom, wat dit moontlik maak om die ribosoom na die endoplasmiese retikulum te vervoer.

Proteïene waarvan die funksie is om die korrekte vou van ander proteïene tydens of na sintese te verseker, of die hervou van gedenatureerde proteïene.

Die ekstrasellulêre ruimte. By plante is dit 'n groot en aaneenlopende netwerk van holtes onder die selwand. Proteïene wat uit die sel afgeskei word, bly dikwels hier vasgevang.

Wanneer transgene in genomiese DNA integreer, word die uitdrukkingsvlak dikwels deur die omliggende chromatien beïnvloed. Plaaslike regulatoriese elemente, soos versterkers, beïnvloed ook transgeenuitdrukking. Posisie-effekte lei tot wye variasies in transgeen-uitdrukkingsvlakke, selfs in plante wat met identiese konstrukte getransformeer is.

Kort peptiedreekse wat by rekombinante proteïene gevoeg word, wat sterk aan bepaalde affiniteitsmatrikse bind en gebruik kan word om rekombinante proteïene te suiwer.

AGROBAKTERIUM-BEMIDDELDE TRANSFORMASIE

Transformasie wat bereik word deur die natuurlike geenoordragmeganisme van Agrobacterium tumefaciens.

Transformasie wat bewerkstellig word deur ommuurde plantselle te meng met silikonkarbiedvesels wat die selwand en membraan binnedring, wat porieë genereer waardeur DNS in die sel opgeneem kan word.

Transformasie wat bereik word deur selle of protoplaste bloot te stel aan 'n kort puls van elektrisiteit, wat lei tot die vorming van verbygaande membraanporieë waardeur DNS in die sel opgeneem kan word.

Enige tegniek om DNA in ongemuurde plantselle (protoplaste) in te voer, soos kalsiumfosfaattransfeksie, PEG-transfeksie of elektroporasie.

Onvolmaakte 25 bp direkte herhalingsvolgordes wat die stuk DNA flankeer wat na die plantgenoom oorgedra word d.m.v. Agrobacterium tumefaciens. Hierdie volgordes word herken deur die bakteriële VIRD1- en VIRD2-proteïene, wat 'n endonuklease-kompleks vorm. Splyting van die grensvolgordes begin T-DNA-oordrag.

'n Hibriedsellyn wat geskep word deur 'n sterflike teenliggaam-produserende B-limfosiet met 'n onsterflike myeloomlyn te versmelt. Die hibridoomlyn is onsterflik en produseer 'n deurlopende toevoer van 'n spesifieke monoklonale teenliggaam.

'n Familie blomplante (orde Solanales) wat ongeveer 100 genera en ~ 2 500 spesies bestaan, waarvan baie ekonomies belangrik is as voedsel of medisinale gewasse. Voorbeelde sluit in tabak, aartappel en tamatie.

Callusweefsel is ongedifferensieerde plantweefsel, wat groei wanneer sade of uitplantings gekweek word op media wat 'n gepaste balans van planthormone bevat. Bros eeltweefsel word maklik in fragmente opgebreek.

BATCH, FED-BATCH, PERFUSIE EN DEURLOPENDE GISTING

Bondelfermentasie is 'n geslote sisteem waarin al die substraat aan die begin bygevoeg word, terwyl die substraat in die voer-batch proses in inkremente bygevoeg word soos wat fermentasie voortgaan. Deurlopende fermentasie is 'n oop sisteem waarin substraat voortdurend teen 'n bestendige tempo bygevoeg word. Perfusiefermentasie is 'n aaneenlopende proses wat toelaat dat selle teen hoë digtheid gekweek word, en so lei tot verhoogde biomassa en produk opbrengste.

Die grondsone wat plantwortels omring, wat ryk is aan mikroörganismes en waarin interaksies tussen plante en mikrobes voorkom.

Vloeistof wat van die apoplast na die blaaroppervlak sypel. In plante met groot blare, soos tabak, kan groot hoeveelhede guttasievloeistof elke dag geproduseer word.


Gevolgtrekkings

Alhoewel 'n begrip van hommelbybeweging nodig is vir spesiebewaring en instandhouding van bestuiwingsdienste, beperk die metodologiese probleme van studie ons vermoë om sleutelkennisgapings te sluit. Ons oorsig toon dat die keuse van die toepaslike metode en analitiese tegnieke dikwels konteks- en lewensfase-spesifiek sal wees en dat daar geen enkele beste metode is nie. Dit is eerder belangrik om die benadering te pas by die spesifieke konteks en besonderhede van die vrae wat oorweeg word. In die praktyk sal 'n mens waarskynlik die metode kies wat logistieke beperkings balanseer en die data wat nodig is om die vraag van belang aan te spreek.

In die algemeen bied tegnologiese vooruitgang en 'n groter bewustheid van die behoefte aan goed ingeligte hommelbybewegingsdata vir spesiebewaring 'n belowende toekoms om sleutelkennisgapings aan te spreek. Ons hoop dat ons resensie aan praktisyns en lesers 'n vaartbelynde gids verskaf het om die beskikbare gereedskap te verstaan ​​en die vermoë om hul voordele, beperkings en toepaslike toepassing te kontekstualiseer.


Top 13 eksperimente op transpirasie | Plante

Die onderstaande artikel bevat 'n versameling van dertien eksperimente oor transpirasie.

1. Eksperimenteer om die transpirasie-verskynsel met die klokkie-metode te demonstreer:

Klokkie, goed natgemaakte potplant, rubberplaat, glasplaat, Vaseline.

1. Neem 'n goed natgemaakte, gesonde potplant en bedek die pot met behulp van rubbervel. Slegs lugdele van die plant moet onbedek bly.

2. Hou die potplant op 'n glasplaat en bedek dit met 'n klokkie (Fig. 21).

3. Dien vaseline aan die onderkant van die fles toe om te verhoed dat die buitelug in die fles beweeg.

4. Hou die hele apparaat in die lig en hou 'n geruime tyd waar.

5. Stel nog 'n eksperiment presies op dieselfde manier, behalwe dat die pot sonder enige plant moet wees.

Waterdruppels verskyn binne-in die muur van die klokkie wat 'n potplant bevat, terwyl daar geen druppel in die ander klokkie is wat sonder enige plant is nie.

Omdat waterdruppels slegs in die klokkie verskyn waarin 'n plant 'n plant is met sy enigste lugdele blootgestel, kan die gevolgtrekking gemaak word dat hierdie druppels verskyn het as gevolg van die proses van transpirasie vanaf die lugdele van die plant. Dieselfde kan ook afgesluit word deur die waarnemings van die beheerapparaat, waarin geen waterdruppel voorkom as gevolg van die afwesigheid van plant in die pot nie.

2. Eksperiment vir demonstrasie van transpirasie deur kobaltchloriedskerm:

Filterpapier, kobaltchloriedoplossing, 'n potplant, knip.

Sommige stukke van die filtreerpapier word in kobaltchloriedoplossing gedoop en dan afgedroog. Hulle is blou gekleur. Nou word twee sulke stukke filtreerpapier geneem en met behulp van 'n knip op beide die oppervlaktes van die blaar van 'n potplant gedruk. Hierdie apparaat word vir 'n geruime tyd as sodanig gehou.

Na 'n paar uur, wanneer dit waargeneem word, word die kobaltchloriedpapier van die onderste oppervlak van die blaar pienk gekleur.

Die gedroogde bloukleurige kobaltchloriedpapier word rooi soos dit klam word. Die huidmondjies is meestal op die onderste oppervlak van die blaar beperk, en daarom word die kobaltchloriedpapier van daardie oppervlak klam en word rooi. Die papier van die boonste kant van die blaar kan ook tot 'n mate pienk word, aangesien min huidmondjies aan hierdie kant gevind word.

3. Eksperiment tot demonstrasie van transpirasie deur Vierblaar-eksperiment:

Vier blare, Vaseline en 'n toutjie.

Om die transpirasie vanaf die blaaroppervlak te demonstreer, word vier banianblare geneem. Beide die oppervlaktes van die A blaar, onderste oppervlak (met huidmondjies) van B blaar, boonste oppervlak (sonder huidmondjies) van C blaar is vaselined. Die Vaseline word nie op die D-blaar toegedien nie. Nou, soos in die figuur getoon, word die blare opgehang sodat hulle vrylik kan uitsteek.

Waarneming en verduideliking:

Wanneer die waarnemings na 'n dag of twee geneem word, is dit soos volg - die A-blaar, wat op sy beide oppervlaktes vaseline is, lyk vars en groen, aangesien geen oppervlak voorkom nie. Die B-blaar is vaselined op sy onderste oppervlak (met huidmondjies), en transpirasie vind slegs vanaf die boonste oppervlak plaas, wat weglaatbaar is. Hierdie blaar bly ook turgierig en groen soos die A-blaar.

As daar min huidmondjies op die boonste oppervlak van die blaar voorkom, verskrompel dit tot 'n mate. Die C-blaar is vaselined op sy boonste oppervlak, wat minder huidmondjies of geen huidmondjies bevat nie. Die transpirasie vind vanaf die onderste huidmondjie-oppervlak plaas, en die blaar verskrompel tot 'n groot mate.

Die D-blaar is nie vaselined nie en albei oppervlaktes vloei vrylik uit en stel baie water vry. Die blaar verwelk heeltemal in hierdie geval. Hierdie eksperiment bewys dat die tempo van stomatale transpirasie redelik hoër is as die kutikulêre transpirasie.

4. Eksperimenteer om die tempo van transpirasie vanaf beide die oppervlaktes van blaar te vergelyk deur Garreau’s Potometer:

Garreau’ se potometer, staander, blaar, ens.

Met behulp van hierdie apparaat word die vergelykende studie van die transpirasie vanaf beide die oppervlaktes van die blaar gedoen. Hierdie apparaat bestaan ​​uit twee klein klokkies wat saam in noue kontak gehou word soos in die figuur getoon.

'n Blaar van 'n potplant word tussen hierdie twee klokkies gehou. In elkeen van hierdie klokkies word 'n klein proefbuis gehou. Elke klein proefbuis bevat gelyke hoeveelheid watervrye kalsiumchloried (CaCl2).

Die apparaat word lugdig gemaak, met vaseline toe waar hulle die blaar tussenin druk. Daar is twee manometers aan die twee punte van die klokkies. Hulle is gedeeltelik gevul met olie.

Hierdie manometers hou egter die damp van die klokkies in stand. As die oppervlak van die olie binne die manometers verander, dui dit daarop dat die apparaat nie lugdig is nie of dat die damp wat van die blaaroppervlak vrygestel word nie heeltemal deur kalsiumchloried geabsorbeer word nie.

Die volledige apparaat word op 'n vertikale staander aangebring. Na 'n paar uur word die kalsiumchloriedbuisies uitgehaal en weer geweeg. Op hierdie manier kan die water wat vanaf beide die oppervlaktes van die blaar gevloei het, bekend wees.

Waarneming en verduideliking:

Die hoeveelheid water wat vanaf die onderste oppervlak (stomatale oppervlak) van die blaar gestroom word, is altyd groter, aangesien dit 'n groot aantal huidmondjies dra. Die kutikulêre transpirasie vind plaas vanaf die boonste oppervlak van die blaar, wat baie minder is.

5. Eksperimenteer om die tempo van transpirasie te meet deur eenvoudige potometer of Darwin se potometer te gebruik:

Eenvoudige potometer, beker, skaal, water, kurk, 'n vars gesnyde takkie, vet, stophorlosie.

Dit bestaan ​​uit 'n glasbuis met 'n sybeen. Die bek van die sybuis is toegerus met 'n kurkprop met 'n gaatjie waardeur die takkie in die buis geplaas word. Boonste punt van die reguit buis word deur 'n kurkprop toegemaak en in sy onderkant is 'n kurkprop met 'n kapillêre buis aangebring. Onderste deel van die kapillêre buis word in beker met water geplaas. 'n Skaal word op die kapillêre buis aangebring (Fig. 29).

1. Vul die potometer met water en steek 'n vars gesnyde takkie in die gat van sybeen so dat sy onderpunt in die water is. Sny die takkie in die water.

2. Maak al die lasse lugdig deur ghries aan te smeer.

3. Plaas 'n borrel in die kapillêre buis en plaas die hele apparaat in lig.

4. Let op die lesings in skadu, wind en ook in donkerte.

Die waarnemings van bogenoemde tabel dui aan dat die grootste afstand deur die borrel in 'n gegewe tyd afgelê word wanneer die apparaat in sonlig voor 'n waaier geplaas word en die afstand wat afgelê word die minste in die skaduwee is. Daar is geen verandering in die posisie van borrel wanneer die apparaat in donkerder geplaas word nie.

Veranderinge in al hierdie toestande kan soos volg verduidelik word:

Wanneer die apparaat in sonlig geplaas word, sal die huidmondjies oopmaak en die temperatuur sal ook hoog wees. Die atmosferiese humiditeit sal dus minder wees. Al hierdie toestande bevoordeel die transpirasie en dus sal meer water getranspireer word, en byna gelyke hoeveelheid sal uit die potometer geabsorbeer word. Dit kan waargeneem word deur die beweging van borrel in die kapillêre buis.

Die atmosferiese humiditeit is hoog in die skadutoestande en dus is die atmosfeer buite die apparaat versadig met waterdampe. In die hoë atmosferiese humiditeit sal die temperatuur ook nie te hoog wees nie. Al hierdie toestande is ongunstig vir die transpirasie, en dus sal dit te minder wees.

Stomata maak nie oop in duisternis nie. Dus, wanneer die huidmondjies, die hoofapparate vir transpirasie, naby bly, ontstaan ​​daar geen vraag oor transpirasie nie en dus sal daar geen verandering in die posisie van die ingevoegde borrel wees nie.

4. Wanneer die apparaat in die sonlig voor die waaier geplaas word:

Sonlig is op sigself voldoende vir hoë transpirasie omdat dit die temperatuur verhoog, die atmosferiese humiditeit verlaag en die huidmondjies oopmaak, wat al hierdie toestande gunstig is vir die proses.

As 'n waaier ook voor apparaat geplaas word, sal dit 'n aaneenlopende windstroom verskaf wat ook die waterdampe verwyder en die atmosferiese humiditeit verminder, en dus uiteindelik meer bevoordeel vir die proses van transpirasie. Die transpirasieproses sal dus baie hoog wees in hierdie toestande.

6. Eksperimenteer om die tempo van transpirasie te meet deur Farmer’s Potometer te gebruik:

Boer se proto-meter, beker, water, kurk, vars takkie in water gesny, ghries, stophorlosie.

Dit bestaan ​​uit 'n wye mondbottel wat toegerus is met 'n rubberprop met 3 gate. In een gat is 'n disteltregter wat van 'n stopprop voorsien is deur die tweede gat 'n blaar takkie ingesit en in die derde gat is 'n gebuigde buis van smal boring wat van 'n skaal voorsien is aangebring. Die ander kant van die gebuigde buis word in 'n beker met water geplaas (Fig. 30).

1. Vul die hele apparaat met water en steek 'n vars gesnyde takkie deur een van die gaatjies.

2. Maak al die lasse lugdig deur ghries, deeglik aan te smeer.

3. Plaas een lugborrel in die gegradueerde buis, plaas dit weer in die beker wat water bevat en hou die hele apparaat in die lig.

4. Let op die aanvanklike en finale lesings van die borrel in 'n gegewe tyd.

5. Let op dieselfde lesings in dieselfde tyd in skaduwee, donkerte en deur 'n waaier voor apparaat te plaas.

Die waarnemings van bogenoemde tabel dui aan dat die grootste afstand deur die borrel in 'n gegewe tyd afgelê word wanneer die apparaat in sonlig voor 'n waaier geplaas word en die afstand wat afgelê word die minste in die skaduwee is. Daar is geen verandering in die posisie van borrel wanneer die apparaat in verdonker geplaas word nie.

7. Eksperimenteer om die tempo van transpirasie te meet deur Ganong’ se potometer te gebruik:

Ganong’ se potometer, takkie, water, beker, vet, stophorlosie.

Dit bestaan ​​uit 'n gegradueerde buis wat in die beker met water gedoop is. Die gegradueerde buis is verbind met 'n vertikale arm wat 'n kurkprop op sy mond dra. Die kurkprop bevat een gaatjie waardeur 'n takkie in die water van die vertikale arm gesteek word. Vertikale arm is ook geheg met 'n stopkurk wat met 'n waterreservoir verbind is (Fig. 31).

1. Vul die apparaat met water deur die waterreservoir.

2. Steek 'n vars gesnyde takkie in die water van die vertikale arm deur die gaatjie van die kurkprop.

3. Maak al die lasse lugdig deur ghries aan te smeer.

4. Plaas 'n lugborrel in die gegradueerde buis en hou die hele apparaat in sonlig.

5. Let op die aanvanklike en finale lesings van die borrel in gegewe tyd in verskillende toestande soos sonlig, skadu, donkerte en deur die plant voor 'n waaier in sonlig te plaas.

Die waarnemings van bogenoemde tabel dui aan dat die grootste afstand deur die borrel in 'n gegewe tyd afgelê word wanneer die apparaat in sonlig voor 'n waaier geplaas word en die afstand wat afgelê word die minste in die skaduwee is. Daar is geen verandering in die posisie van borrel wanneer die apparaat in donkerder geplaas word nie.

8. Eksperimenteer om die tempo van transpirasie te meet deur Bose’ se potometer te gebruik:

Bose’s potometer vars gesnyde takkie (in water), water, beker, ghries, stophorlosie, olie.

Dit bestaan ​​uit ’n breëbekbottel waarvan die mond met ’n tweegat-kurkprop toegerus is. Die bottel is gevul met water. 'n Vars gesnyde takkie word in een van die gaatjies geplaas. Through the another hole is fitted a bent tube having two bulbs. A small oil drop is introduced in the outer bulb of the bent tube (Fig. 32).

1. Fill the bottle with the water and insert the freshly cut twig in one of its hole.

2. Make the apparatus air-tight by applying grease on the joints.

3. Put a drop of the non-volatile oil in the outer bulb and keep the whole apparatus in light.

The twig is transpiring the water vapours from its leaves and it is also absorbing water from the bottle, thus creating a vacuum. Due to this, the oil drop is pushed towards the inner bulb through the horizontal arm. As soon as it reaches the inner bulb, it bursts and again moves back into the horizontal tube. This movement is again repeated into the inner bulb from the horizontal tube.

Note the time taken for two consecutive bursts with the help of stop watch.

Note the same readings in different conditions, i.e., shade, darkness and by placing the plant in front of fan in sunlight.

Transpiration is highest when the plant is placed in sunlight in front of fan and it is lowest or absent in darkness.

9. Experiment to demonstrate the water-lifting power of transpiration process:

Beaker, water, mercury, stand, capillary tube, vaseline, cork, plant twig, oil cloth.

1. Take some amount of mercury in the beaker and invert a wide-mouthed capillary tube over it.

2. Fill the capillary tube with water.

3. Insert the plant twig into the hole of the cork in such a way so that its cut end is dipped in the water.

4. Apply the vaseline on the cork and hole to make it air-tight (To make the cork region air-tight oil cloth may also be used instead of vaseline).

5. Keep the whole apparatus in sun.

6. Note the mercury level in the capillary tube and wait for some time.

Mercury level rises in the capillary tube (Fig. 16).

Mercury level rises in the capillary tube because of the pull or suction exerted by the transpiration process. Aerial parts of the plants are continuously evaporating water because of transpiration process. To compensate this loss the water is absorbed by the plant and lifted. So, the space in the capillary tube, which was first occupied by this absorbed water, is now occupied by the mercury. This demonstrates the water-lifting power of the transpiration process.

10. Experiment to demonstrate the suction and to measure suction force due to transpiration:

h-shaped three-limbed tube, capillary tube, beaker, stand, cork, mercury and a small entire plant with roots, stem and leaves.

1. Take a h-shaped three-limbed tube and fix it with a stand with the two limbs of the tube up as shown in Fig. 22.

2. Now in the lower limb of tube fit a cork fitted with a capillary tube.

3. Take some mercury in the beaker and keep in it the lower end of the capillary tube.

4. Fill the tube completely with water.

5. Fit a cork tightly in the straight end of the tube. Fit a cork, fitted with an entire small plant, in the another arm of the tube (Fig. 22).

6. Make the apparatus air tight, keep it in the sunlight and observe continuously for some time.

Mercury level in the capillary tube rises.

The rise in the mercury level is due to the fact that water is continuously evaporating from the aerial parts of the plant under the process of transpiration and on the other hand this loss of water is compensated by water absorbed by the roots. Because the roots are absorbing the water from the tube so the space in the capillary tube which was occupied previously by absorbed water is now occupied by the mercury due to the suction force.

This suction force can be estimated by the following formula:

Suction or pulling force = πr 2 h x 13.6 gms

r = radius of capillary tube

13.6= is the relative density of mercury.

11. Experiment to compare the rate of absorption with the rate of transpiration:

A wide-mouthed bottle with a graduated side tube, cork, oil, a small rooted plant, water, physical balance, weighing box.

1. Take a wide-mouthed bottle fitted with a graduated side tube.

2. Fill the apparatus with water.

3. Just above the water level, in the side tube, put a few drops of oil. It checks the evaporation of water.

4. In the mouth of the bottle fit a cork having a hole. Fix air-tightly a well developed rooted plant in the hole of cork in such a way that its roots remain in the water (Fig. 23).

5. Mark the initial water level in the graduated side tube and weigh the whole apparatus.

6. Keep the apparatus in light for some time, note the final level of water in the graduated tube and again weigh the whole apparatus.

The final weight of the apparatus decreases and there is also a decrease in the water level in the graduated side tube.

The difference between the initial and the final weight is equal to the amount of water evaporated under the process of transpiration. The difference in the initial and final water level in the graduated side tube is equal to the water absorbed by the plant.

The difference in the weight of apparatus is nearly equal to the difference in the water level in the graduated side tube, and this indicates the fact that water transpired by the plant is approximately equal to the water absorbed by the plant.

12. Experiment to compare the transpiration rate of lower and upper surfaces of leaf by bell jar method:

Narrow bell jars (2), small tubes (2), anhydrous calcium chloride, stand, potted plant, U- tube, glycerine, mercury.

1. Take two narrow bell jars and fix them on the two sides of a dorsiventral leaf of a potted plant.

2. Connect the bell jars with a clamp stand.

3. Keep a pre-weighed small tube containing anhydrous calcium chloride in each bell jar.

4. Connect one U-tube containing mercury or glycerine at the two ends of bell jars (Fig. 25).

5. Apply vaseline on the contacts between bell jars and the leaf to make the apparatus air-tight.

6. Keep the apparatus as such for a few hours. Remove both the calcium chloride-containing small tubes and weigh them again immediately.

7. Same experiment can be repeated with the other leaves of the same plant as well as the leaves of different plants, to be compared for rate of transpiration from upper and lower surfaces of leaves.

The weight of both the tubes increases. If a comparison is made then it is observed that weight of the lower tube increases more than the weight of the upper tube.

The weight of both the tubes increases because the water vapours are transpired from both the surfaces of the leaf and the same transpired water is absorbed by the anhydrous calcium chloride of the tubes, and hence shows an increase in their weight.

More increase in weight of the tube placed in the lower bell jar than that of the upper bell jar indicates that more water is transpired from the lower surface than the upper surface of the leaf. Side by side it also indicates that in the same area of leaf, more number of stomata are present on the lower surface than that of the upper surface.

13. Experiment to demonstrate that there is a loss in the total weight of plant due to transpiration:

1. Spring balance (2), two leaves of almost equal size, test tube (2), water, vaseline and stand.

1. Take two test tubes filled with water and close their mouth with a cork having a hole.

2. Insert the petiole of both the leaves, one in each test tube, and note that it is dipped in water.

3. Apply vaseline on both the surfaces of leaf ‘B’.

4. Connect both the spring balances with the stand and hang both the tubes on the hook of spring balances (Fig. 27).

5. Make both the corks air-tight by applying vaseline.

6. Note the weight of both the tubes.

7. Put the whole apparatus in light and wait for a few hours. Note the weight of both the tubes again.

It is observed that there is a clear loss in weight of test tube having leaf ‘A’ and there is no change in weight in leaf ‘B’.

Loss in the weight of leaf ‘A’ indicates that this is due to the process of transpiration because the leaf is continuously transpiring the water vapours. But on both the surfaces of leaf ‘B’ vaseline has been applied and so the leaf is not transpiring and so there is no change in its weight. These results clearly indicate that during the transpiration there is a loss in the total weight of the plant.


Present address: Institut Jean-Pierre Bourgin, UMR1318 INRA-AgroParisTech, Bâtiment 7, INRA Centre de Versailles-Grignon, Route de St-Cyr (RD10), 78026, Versailles Cedex, France

Affiliations

John Innes Centre, Norwich Research Park, Norwich, Norfolk, NR4 7UH, UK

Mathew S Box, Vincent Coustham, Caroline Dean & Joshua S Mylne

The University of Queensland, Institute for Molecular Bioscience, St Lucia, Queensland, Australia

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Corresponding author


6 MODEL INFERENCE AND EXAMPLE ANALYSES

Below, we present three examples of analysing continuous proportions as an illustration of the methods discussed above and to demonstrate the major steps in applying these techniques for inference. We have chosen two existing datasets to represent two commonly arising forms of continuous proportions: fractional cover (case study 1) and biomass partitioning among plant organs (case study 2). In Appendices S4 and S5, we use these case studies to provide detailed step-by-step demonstrations of all variations of beta and Dirichlet regression discussed in this paper using the popular statistical software package r . A number of r packages with which continuous and count-based proportions can be modelled are listed in Table 1. In addition, we use a simulation approach to compare transformation-based analyses with beta regression, and illustrate the effects of varying link functions (case study 3 and Appendix S5).

The steps to be taken to fit models to continuous proportions are similar as for any other type of regression analysis (Zuur & Ieno, 2016 Zuur et al., 2009 ). Here, we highlight a few points that warrant particular attention for analyses of this type.

In the data exploration phase, it is advisable to explore how the variation in the proportions vary as function of the covariates. An appropriate model for ϕ can improve estimates of the other model parameters. Additionally, the choice of the link function may affect model fit when at least one of the predictors is continuous.

Alternative link functions to the logit are possible, and in theory, any function which is invertible and that maps the unbounded linear predictor to the appropriate domain of the corresponding parameter ((0, 1) for µ en >0 for ϕ) could be used. In case of a continuous covariate, we recommend testing several link functions (see case study 3). Alternative link functions for µ besides the standard logit are the probit (inverse of the cumulative distribution function of the standard normal distribution), the complementary log–log (clog–log(θ) = log(−log(1 − bl))), and the Cauchit function (inverse of the cumulative distribution function of the Cauchy distribution). Link functions that do not map the real line to (0, 1), such as the log or identity link, can also be used, albeit with care (Marschner & Gillett, 2011 ). For example, the log link is commonly used in binomial GLM to assess relative risks, and can be used in a beta regression setting as well. However, a log link can lead to fitting problems when the log-likelihood function is maximized near the boundary of the parameter space, e.g log(µ) = βX ≈ 0, and may be practically impossible when using Bayesian MCMC methods. Similarly, even when stable solutions are obtained, confidence and prediction intervals may include non-sensical parameter values. In some contexts, these issues can be avoided by reparameterization of the model-data combination, see Case Study 3 below for an example.

Standard model selection criteria such as the likelihood ratio test (LRT), AIC or BIC can be used to compare among models with different link functions or variable ϕ, although these will be most reliable at larger sample sizes, so visual assessment of model fits should also be carried out for smaller datasets.

It is also recommended to determine whether the data contains a large number of zeros/ones, and if their presence in the dataset varies systematically with potential predictor variables. If this is the case, a zero-and/or-one augmented beta regression model may be more appropriate than transformations that remove zero or one observations from the dataset.

Once a model has been fitted, inspecting the standardized residuals may help in assessing any remaining pattern in the data that were not captured by the covariates. It is important to avoid inspecting raw residuals on the response scale, since the expected variance of observations is related to the fitted response. Plots of standardized residuals (e.g. Pearson) against fitted values, and/or available covariates should ideally not show any systematic pattern in either spread or location. In particular, a systematic pattern of variation in the spread of residuals along the range fitted values or covariates indicates the need for a separate model for the precision parameter ϕ (see e.g. Figure 2 in Case Study 1 below). For beta regression, a method of computing residuals that account for observation leverage has been proposed, which can more clearly identify atypical observations compared to the common standardized residuals (Espinheira, Ferrari, & Cribari-Neto, 2008 , and see Appendix S3). Calculation of these residuals is the default in the betareg r package, but is not universally implemented in more general modeling packages. See Espinheira et al. ( 2008 ) for a range of expressions for the calculation of standardized residuals, and a detailed discussion of their relative merits. To our knowledge, a comparable analysis of residuals has not yet been undertaken for Dirichlet regression.

Influential observations can be identified using measures such as generalized leverage or Cook's distance (for beta regression see Ferrari & Cribari-Neto, 2004 ). These measures can be applied in the same manner as for the classical linear model i.e. to identify specific observations that substantially change the model fit as candidates for further examination or exclusion from the dataset.

To further assess the fit of the model we recommend plotting the model predictions, either as posterior predictive densities, or simulations from the model, and comparing them with plots of the observed data. This can identify aspects of the original data that are inadequately captured by the model. This is particularly useful for Dirichlet regression where inspection of the parameter estimates themselves may not be very insightful because other categories are most likely also changing as a function of a given covariate.

6.1 Case Study 1 Percent cover in quadrats

The first example involves experimental manipulation of the density of the sea urchin Centrosthepanus rodgersii to investigate its effect of grazing on the colonization of filamentous algae (Andrew & Underwood, 1993 ). Algae colonization was measured by percent cover in five 0.25 m 2 quadrats randomly located within larger patches subject to one of four levels of grazer removal treatment. Andrew and Underwood ( 1993 ) analysed this data (reanalysed by Quinn & Keough, 2002 ) using a nested ANOVA to account for the within-patch replication. They concluded that treatments did not significantly affect the cover of filamentous algae.

In Appendix S3, we provide a detailed, step-by-step analysis of this dataset using different versions of beta regression, with accompanying code. We approach the analysis in two ways: first to illustrate the basic ideas we compare classical ANOVA to beta regression with and without a model for varying precision. To focus on the comparison of these basic model types, and the role of residuals in diagnostics, we use data pooled per patch and transform the data according to Equation (1) to initially avoid issues with nested observations, and the presence of zeroes, respectively. Secondly, we perform the analysis on the original data, retaining the hierarchical structure and comparing the results of models with and without zero-augmentation. This approach is what we would recommend in a ‘real-world’ analysis, since it incorporates a priori information about the presence of zeros and the structure of the experimental design.

Figure 2 and Table 2 compare the results of classical ANOVA (assuming normal errors), beta regression with a fixed ϕ, and beta regression with ϕ dependent on removal treatment. Model selection based on AIC clearly favours the variable ϕ model (Table 2). The improved fit is also evident from comparison of the residual plots (Figure 2, second column) – the first two models show a strong relationship between values of the standardized residuals and the fitted values. This is due to overestimation of the amount of variance in the control treatment plots, a fact also visible when comparing the posterior predictive densities of the first two models with the observed data (Figure 2, first column). Interestingly, there is not a large difference in the estimates for the mean of each group (Table 2), but the classical ANOVA model has much broader confidence intervals (leading to non-significant pairwise comparisons, see Appendix S3) than the beta regression, and moreover predicts values outside the possible range of (0, 1). Pairwise comparisons of the groups based on the variable ϕ beta regression model indicated that the control treatment differed significantly from the other treatments, but the other treatments did not differ significantly from each other, both in terms of mean response and precision.

Model Beheer 33% removal 66% removal Verwydering AIC
Classical ANOVA 0.04 0.21 0.23 0.40 −4.7
(−0.15–0.24) (0.02–0.40) (0.04–0.43) (0.21–0.59)
Beta regression, fixed ϕ 0.10 0.19 0.23 0.36 −13.2
(0.04–0.24) (0.09–0.36) (0.12–0.42) (0.21–0.55)
Beta regression, variable ϕ 0.04 0.20 0.23 0.38 −21.6
(0.04–0.05) (0.09–0.41) (0.12–0.39) (0.19–0.61)

To illustrate the use of mixed-effects and zero-augmented beta regression, we analyse the original dataset in which replicate quadrats (observational units) are observed within each patch (experimental units). Given the non-independence of quadrats within each patch a mixed-effects model is fit with patch as the grouping variable and ϕ dependent on treatment. The predicted distributions for each treatment (Figure 3a) are broadly similar to those obtained from the variable ϕ model on the pooled data (Figure 2), however, the higher number of data points seems to have increased the precision of the estimates for the non-control treatments. Incorporating a zero-augmented component to the model, where the probability of observing a zero is modelled as a function of removal treatment, leads to only slightly adjusted posterior predictions for the mean of each group (Figure 3b,c). As expected, the main added value of the zero-augmented model is a much more accurate prediction of zero observations in the dataset (Figure 3d). The inability of models without zero-augmentation to reproduce this important feature of the dataset would limit their usefuless for making further predictions.

As for the analysis of the pooled data, the conclusions from both the mixed-effects and zero-augmented mixed effects models are that any form of any degree of sea urchin removal from this environment leads to an increase in algal cover. This finding contrasts with the conclusions in the original analyses of Andrew and Underwood ( 1993 ) and the reanalysis by Quinn and Keough ( 2002 ), both of which concluded that there was no significant difference in percentage cover of filamentous algae between treatments. We would argue that by choosing a more realistic model for the response variable, allowing the dispersion to vary between treatments, and explicitly modelling the occurence of zeroes, a beta regression model better captures the features of the dataset, and therefore provides a more reliable basis for inference.

6.2 Case study 2 Biomass partitioning in plants

The second dataset comes from a study testing whether differences in growth parameters between fast- and slow-growing plant species at optimal nitrogen supply persisted at low nitrogen supply (Poorter & Sack, 2012 Poorter et al., 1995 ). Two species, Deschampsia flexuosa (slow growing) and Holcus lanatus (fast growing) were grown under low and high nitrate supply for a maximum of 49 days. Replicate individuals were harvested at regular intervals for determination of biomass in roots, stems and leaves. This case study is an illustration of proportions that arise in a situation where the size of the observational unit (total biomass) is not fixed, and where there are more than two continuous categories (biomass of stems, leaves and roots). Dirichlet regression (Appendix S4) was used, as the generalization of beta regression for situations where proportions are calculated for more than two categories.

The response variables were vectors of the proportions of total plant biomass in leaves (LMF), roots (RMF) and stems (SMF). These proportions were modelled as function of species identity and nitrate levels. In contrast to Poorter et al. ( 1995 ), we included time as a covariate to investigate the temporal dynamics of biomass partitioning. We refer to Poorter and Sack ( 2012 ) for other options regarding the analysis of biomass fractions. The most parsimonious model (based on AIC) explained the mean RMF and SMF as a function of time, a quadratic transformation of time, species, nitrate supply, total biomass, the interactions between species and nitrate supply, species and time, nitrate supply and time, and a three way interaction between species, nitrate supply and time. In addition, the precision was modelled as a function of species, nitrate supply, time and the interaction between species and time (Table 3).

Komponent Intercept Species (H. lanatus) Treatment (low) Day (scaled) Day (scaled) 2 Total biomass S × T S × D T × D S × T × D
LMF
RMF −0.914 0.210 0.05 0.03 −0.03 0.03 −0.160 −0.023 −0.004 0.143
(0.02) (0.05) (0.03) (0.03) (0.02) (0.02) (0.06) (0.06) (0.04) (0.07)
SMF −0.354 0.397 0.628 −0.057 −0.057 0.072 −0.062 −0.004 0.276 −0.267
(0.02) (0.04) (0.03) (0.03) (0.01) (0.01) (0.05) (0.05) (0.03) (0.05)
Precision 5.429 −0.277 −0.478 0.130 0.311
(0.08) (0.09) (0.10) (0.06) (0.31)

How the different fixed effects determine LMF, SMF and RMF is difficult to infer from direct inspection of the parameter estimates of the best fitted model because the different fractions are interrelated. We therefore displayed the predicted values of this model in Figure 4. The predicted fractions show that in the high nitrate supply treatment, both species changed their allocation to shoots, roots and leafs in a similar fashion, while under low nitrate supply H. lanatus en D. flexuosa allocate root and shoot biomass differently over time. This explains the significant three way interaction between time, species and nitrate supply. Excluding the species term led to an increase in AIC of 412, emphasizing the importance of species–specific effects on biomass partitioning. No obvious pattern remained in Pearson residuals when plotted against the fitted values or the covariates.

Another way to gain insight into the species effect is to compute the ratio of organ biomass of the two species. This ratio can be calculated from the predicted biomass fractions of the Dirichlet regression model, and can be thought of as a measure of effect size expressing the relative partitioning of biomass invested in leaves, stems and roots in H. lanatus compared to D. flexuosa (Figuur 5). For example, early on in development, it is predicted that H. lanatus invest up to 1.5 times more in roots than D. flexuosa, while at harvest the investment in roots is similar. Despite this pattern, the 95% prediction interval of the investment ratios, taking the variation of individual replicates into account, shows that the variation in investment ratio within species is substantial.

6.3 Case study 3 Percent cover and comparison of beta regression and transformations-based approaches

In this case study, beta regression and transformation-based approaches are compared to illustrate the mismatch between observations and predictions that can arise when using transformation-based approaches or when choosing an inappropriate link function within beta regression. A synthetic dataset was used to compare the performance of various approaches against true ground cover.

We created a dataset of tree cover using a stochastic, two dimensional spatial model where tree density is modeled as a function of mean annual precipitation (mm/year) following findings of (Hirota, Holmgren, Nes, & Scheffer, 2011 Staver, Archibald, & Levin, 2011 ). Importantly, the underlying data-generating process is not directly related to any of the model specifications we are comparing. Projected ground-cover of a range of 20 forests was simulated that varied in the mean annual rainfall received (ranging from 125 to 2,500 mm/year). Trees were positioned randomly in the area by drawing coordinates from a uniform distribution within the grid, and the size of the (circular) individuals was simulated by sampling values of crown diameter from a lognormal distribution. Percent cover on 1 ha plots was ‘estimated’ by simulating 15 randomly positioned non-overlapping quadrats of 10 × 10 m 2 (Figure 6a and Appendix S5 for details). We then used these simulated samples to estimate the relationship between mean percent cover and mean annual precipitation using one of five methods: log transformation or logit transformation followed by an ordinary least squares linear regression model, or a beta regression with either a cloglog, logit, or log link. To avoid fitting problems in the beta model with log link, we fitted a regression model on the proportion of non-cover (i.e. 1 − cover) and set the intercept at 1. This constrains the model to return zero cover at values of zero annual precipitation, which is biologically plausible in this case.

The beta regression with log link best fitted the data (Figure 6). The root mean squared error (RMSE) of the model predictions versus true tree cover was on average 0.058, 0.073 and 0.099 for the log, logit and cloglog link respectively, and 0.069 and 0.663 for the logit and log transformation respectively (average of 50 simulations). In all cases, the RMSE decreased with increasing quadrat size while keeping the area sampled constant to 16% of the total area. However, the RMSE for the logit transformation decreased much faster compared to the beta regression models, but always stayed above the RMSE of the beta regression model with log link. The stronger reduction in RMSE with increasing quadrat size compared to the decrease in RMSE in beta regression models illustrates the point that larger variance in the observed proportions increases the mismatch between observations and the predictions of transformation-based approaches (see Appendix S5). Furthermore, the choice of the link function substantially affected model fit (Figure 6). Thus, the simulations show that beta regression is better able to predict tree cover compared to transformation-based approaches, provided that the link function is chosen carefully.


This work was supported in part by grant AGL2017–87050-R of the State Research Agency (AEI)- Spanish Government.

Affiliations

Plant Genetic Group, Regional Service for Agrofood Research and Development (SERIDA), 33300, Villaviciosa, Asturias, Spain

Carmen García-Fernández, Ana Campa & Juan Jose Ferreira

Washington State Univ., Irrigated Agriculture Research and Extension Center, Prosser, Washington, 99350, USA

USDA-ARS, Grain Legume Genetics and Physiology Research Unit, Prosser, Washington, 99350, USA

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Bydraes

CG, performed the phenotyping and in silico analysis. AC, performed the genotyping. AS, performed the genomic analyses. PM, contributed to writing the manuscript. JJF, conceived and prepared the manuscript, and conducted statistical data analysis. All authors read and approved the last version.

Corresponding author


Kyk die video: Skyrim ep #5 skaal secrets (Oktober 2022).