Entwicklung eines Individual-Tree Basal Area Increment Modells mit einem linearen Mixed-Effects-Ansatz

Zusammenfassung

Modelle mit gemischten Effekten sind flexible und nützliche Werkzeuge zur Analyse von Daten mit einer hierarchischen stochastischen Struktur in der Forstwirtschaft und könnten auch verwendet werden, um die Leistung von Waldwachstumsmodellen deutlich zu verbessern. Hier wird ein Protokoll vorgestellt, das Informationen zu linearen Mixed-Effekt-Modellen synthetisiert.

Zusammenfassung

Hier haben wir ein individuelles Baummodell von 5-Jahres-Basalflächenschritten entwickelt, das auf einem Datensatz basiert, einschließlich 21898 Picea Asperata-Bäumen aus 779 Musterparzellen in der Provinz Xinjiang, Nordwestchina. Um hohe Korrelationen zwischen Beobachtungen derselben Stichprobeneinheit zu verhindern, haben wir das Modell mit einem linearen Mixed-Effekt-Ansatz mit zufälligem Ploteffekt entwickelt, um die stochastische Variabilität zu berücksichtigen. Verschiedene Variablen auf Baum- und Standebene, wie Z. B. Indizes für Baumgröße, Wettbewerb und Standortbedingung, wurden als feste Effekte zur Erklärung der Restvariabilität einbezogen. Darüber hinaus wurden Heteroskedastizität und Autokorrelation durch die Einführung von Varianzfunktionen und Autokorrelationsstrukturen beschrieben. Das optimale modellte lineare Mixed-Effekte wurde durch mehrere Anpassungsstatistiken bestimmt: das Informationskriterium von Akaike, das Bayessche Informationskriterium, die Logarithmuswahrscheinlichkeit und ein Wahrscheinlichkeitsverhältnistest. Die Ergebnisse zeigten, dass signifikante Variablen der Einzelbaum-Basalflächenzunahme die inverse Transformation des Durchmessers in Brusthöhe, die Basalfläche von Bäumen größer als der Themenbaum, die Anzahl der Bäume pro Hektar und die Höhe waren. Darüber hinaus wurden Fehler in der Varianzstruktur am erfolgreichsten durch die exponentielle Funktion modelliert, und die Autokorrelation wurde durch die autoregressive Struktur erster Ordnung (AR(1)) signifikant korrigiert. Die Leistung des linearen Mixed-Effekt-Modells wurde im Vergleich zum Modell mit der Regression der gewöhnlichen kleinsten Quadrate deutlich verbessert.

Einleitung

Im Vergleich zur monogetagten Monokultur hat die walduneinheitliche Waldbewirtschaftung mit mehreren Zielen in jüngster Zeit erhöhte Aufmerksamkeit erhalten^1,2,3. Die Vorhersage verschiedener Bewirtschaftungsalternativen ist für die Formulierung robuster Waldbewirtschaftungsstrategienerforderlich, insbesondere für komplexe, ungleich gealterte Mischarten4 . Waldwachstums- und Ertragsmodelle wurden ausgiebig zur Vorhersage der Baum- oder Standentwicklung und -ernte im Rahmen verschiedener Bewirtschaftungsschemata^5,

Protokoll

1. Datenaufbereitung

1. Vorbereiten von Modellierungsdaten, die Einzelbauminformationen (Art und Durchmesser bei Brusthöhe bei 1,3 m) und Diagramminformationen (Neigung, Aspekt und Höhe) enthalten. In dieser Studie wurden die Daten aus dem 8. (2009) und 9. (2014) Chinesischen National Forest Inventory in der Provinz Xinjiang, Nordwestchina, gewonnen, das 21.898 Beobachtungen von 779 Stichprobenparzellen enthält. Diese Stichprobenparzellen sind quadratisch mit einer Größe von 1 Mu (chinesische Einheit mit einer Fläche von 0,067 ha) und systematisch über ein Raster von 4 km x 8 km angeordnet.
   ANMERKUNG: Die Daten für die Modellierung (Basalfläche) erfordern mi....

Ergebnisse

Das grundlegende Grundflächeninkrementmodell für P. asperata wurde als Gleichung (7) ausgedrückt. Die Parameterschätzungen, die entsprechenden Standardfehler und die Nichtanpassungsstatistiken sind in Tabelle 2dargestellt. Das Restdiagramm ist in Abbildung 1dargestellt. Es wurde eine ausgeprägte Heteroskedastizität der Residuen beobachtet.
(7)

<.......

Diskussion

Eine entscheidende Frage für die Entwicklung von Modellen mit gemischten Effekten ist die Bestimmung, welche Parameter als Zufallseffekte behandelt werden können und welche als feste Effekte^34,35betrachtet werden sollten. Es wurden zwei Methoden vorgeschlagen. Der häufigste Ansatz besteht darin, alle Parameter als Zufallseffekte zu behandeln und dann das beste Modell von AIC, BIC, Loglik und LRT auswählen zu lassen. Dies war die Methode unserer Studie

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Computer	acer
Microsoft Office 2013
R x64 3.5.1