Name: 선형 혼합 효과 접근 방식을 사용하여 개별 트리 기초 영역 증분 모델 개발 (동영상) | JoVE Journal
Uploaded: 2020-07-03T13:00:00.000+00:00
Duration: 4 min 35 s
Description: 학습하세요 개별 수목 흉고단면적 증가 모델 개발 방법을 선형 혼합 효과 모델링과 R의 nlme 패키지를 사용하여. 계층적 임업 데이터 구조를 분석하고 산림 성장 예측 성능을 크게 향상시키는 통계 기법을 탐색하세요.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 연구는 중앙 대학에 대한 기본 연구 기금에 의해 투자되었다, 부여 번호 2019GJZL04. 우리는 산림 재고 및 계획 아카데미에서 교수 Weisheng Zeng 교수 에게 감사, 국립 임업 및 초원 행정, 중국에 대한 액세스를 제공에 대한.

1. 데이터 준비
<ol><li>개별 트리 정보(1.3m의 유방 높이의 종 및 직경)와 플롯 정보(경사, 측면 및 고도)를 포함하는 모델링 데이터를 준비합니다. 이 연구에서는 중국 북서부 신장성에서 8일(2009년)과 9일(2014년) 중국 국유림 인벤토리에서 779개의 표본플롯을 관측한 21,898건의 관측을 통해 입수했다. 이 샘플 플롯은 1 Mu (0.067 ha에 해당하는 면적의 중국 단위)의 크기로 사각형 모양이며 4km x 8km의 격자 위에 체계적으로 배치됩니다. 참고: 모델링(기초 영역) 증분에 대한 데이터는 적어도 하나의 성장 기간(즉, 두 가지 관찰)이 필요합니다.</li>
	<li>623개의 샘플 플롯에서 17,145개의 관측값과 156개의 샘플 플롯에서 4,753개의 관측으로 구성된 모델 유효성 검사(모델 유효성 검사 데이터 집합)의 20%로 구성된 모델 피팅(모델 개발 데이터 집합)에 사용되는 샘플 플롯의 데이터의 80%와 데이터를 무작위로 두 개의 데이터 집합으로 나눕니다. 사용되는 주요 변수에 대한 설명 통계는 표 1에제공됩니다. 참고: 모델링 절차의 이 단계를 생략할 수 있으며 모든 데이터는 모델 개발에 사용됩니다.</li>
</ol><table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td rowspan="2">변수</td>
			<td colspan="4">데이터 피팅</td>
			<td></td>
			<td colspan="4">유효성 검사 데이터</td>
		</tr>
<tr>
<td>분</td>
			<td>최대</td>
			<td>의미</td>
			<td>Sd.</td>
			<td></td>
			<td>분</td>
			<td>최대</td>
			<td>의미</td>
			<td>Sd.</td>
		</tr>
<tr>
<td>DBH 1(cm)</td>
			<td>5</td>
			<td>124.8</td>
			<td>19.9</td>
			<td>13.2</td>
			<td></td>
			<td>5</td>
			<td>101.5</td>
			<td>19.5</td>
			<td>13.4</td>
		</tr>
<tr>
<td>QMD(cm)</td>
			<td>6.7</td>
			<td>82.3</td>
			<td>22.5</td>
			<td>8.5</td>
			<td></td>
			<td>9.2</td>
			<td>73.3</td>
			<td>21.8</td>
			<td>9.2</td>
		</tr>
<tr>
<td>신분증(cm)</td>
			<td>0.1</td>
			<td>14.4</td>
			<td>1.1</td>
			<td>1</td>
			<td></td>
			<td>0.1</td>
			<td>16.9</td>
			<td>1</td>
			<td>1.1</td>
		</tr>
<tr>
<td>BAL (m3)</td>
			<td>0</td>
			<td>5.2</td>
			<td>1.7</td>
			<td>0.9</td>
			<td></td>
			<td>0</td>
			<td>5.4</td>
			<td>1.7</td>
			<td>1</td>
		</tr>
<tr>
<td>NT(나무/하)</td>
			<td>14.9</td>
			<td>3642</td>
			<td>1072</td>
			<td>673.7</td>
			<td></td>
			<td>14.9</td>
			<td>3418</td>
			<td>1205</td>
			<td>829.3</td>
		</tr>
<tr>
<td>BA (m2/ha)</td>
			<td>0.1</td>
			<td>77.5</td>
			<td>34.2</td>
			<td>13.9</td>
			<td></td>
			<td>0.1</td>
			<td>80.6</td>
			<td>34.5</td>
			<td>15.3</td>
		</tr>
<tr>
<td>EL (m)</td>
			<td>2</td>
			<td>3302</td>
			<td>2189</td>
			<td>340.3</td>
			<td></td>
			<td>1441</td>
			<td>3380</td>
			<td>2256</td>
			<td>308.3</td>
		</tr>
</tbody></table>표 1. 피팅 및 유효성 검사 데이터에 대한 요약 통계입니다. DBH1: 유방 높이에서 초기 직경 1.3 m (DBH), DBH2: DBH는 5 년 의 성장 후 측정, QMD: 이차 평균 직경, ID: 5년 동안 직경 증분(DBH2 - DBH1),BAL: 피사체 트리보다 큰 나무의 기저면적(주제트리: 경쟁 지수를 계산한 나무), NT: 헥타르당 나무 수, BA: 헥타르당 나무 수, EL: 고도, S.D.: 표준 기량
2. 기본 모델 개발
<ol><li>개별 트리 기초 영역 증분에 영향을 주는 변수를 식별하려면 참조를 참조하십시오.</li>
	<li>데이터를 기반으로 변수를 선택하고 계산합니다. 일반적으로, 개별 나무 기저면적 증분은 트리 크기, 경쟁 및 사이트조건(27,28,29,30)의세 가지 변수 그룹에 의해 영향을 받습니다.<ol>
<li>DBH1,DBH 1(1/DBH1)의 <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> 역변환, DBH1(logDBH 1)또는 조합의 일반적인 로고릿헴과같은 나무 크기 효과를 고려한다.</li>
		<li>경쟁의 1면 지수와 같은 경쟁 효과를 고려하여 나무가 경험한 경쟁 수준을 보다 포괄적으로 정량화하고 스탠드 내의 사회적 위치를 보다 포괄적으로 정량화하십시오. 일방적 경쟁으로는 BAL 및 상대 밀도 지수(RD=DBH 1/QMD)가 포함됩니다. 양면 경쟁으로는 NT와 BA가 포함됩니다. 참고: 데이터를 사용할 수 있는 경우 거리 종속 경쟁 지수를 고려해야 합니다.</li>
		<li>위상(ASP), 경사(SL), EL. SL 및 ASP와 같은 사이트 효과를 스테이지 변환31을사용하여 포함해야 합니다.</li>
	</ol>
</li>
	<li>로그를 <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> 선택(- <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> +1) <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> (DBH2의정사각형)을 종속 변수로 나타낸다.</li>
	<li>단계별 회귀 방법을 사용하여 기본 모델을 개발합니다. 모델이 생물학적으로 합리적이고 독립적인 변수 간에 상당한 차이를 보이는지 확인합니다. 분산 인플레이션 계수(VIF)를 활용하여 다중 collinearity를 확인합니다.</li>
	<li>기본 모델에 는 독립적인 변수를 p&amp;lt, 0.05 및 VIF &amp; lt; 5로 둡니다.</li>
	<li>기본 모델 결과와 잔여 플롯을 출력합니다. 여기서 생산되는 기본 모델은 혼합 효과 모델의 추가 개발을 위한 토대가 됩니다.</li>
</ol>3. R 소프트웨어의 패키지 "nlme"와 선형 혼합 효과 모델 개발
<ol><li>모델 개발 데이터 집합을 읽고 패키지 "nlme"를 로드합니다. &gt;model.development.dataset=read.csv("E:/DATA/JoVE/모델링 데이터.csv.csv 헤더=TRUE) &gt;라이브러리(nlme)</li>
	<li>샘플 플롯을 임의 효과로 선택하여 혼합 효과 모델을 개발합니다.</li>
	<li>최대 가능성(ML) 메서드와 임의 효과의 가능한 모든 조합을 맞추고 결과를 출력합니다. &gt;모델&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=model.development.dataset, 방법 ="ML", 무작위 =~1| 플롯) &gt;요약(모델) 
	<ol>
<li>랜덤 =~1을 설정하는 것은 임의의 매개 변수에 대한 가로채기입니다. 모든 조합이 장착될 때까지 임의문을 변경합니다. 예를 들어 1/DBH1 및 BAL을 임의 매개 변수로 설정하려면 코드는 다음과 같습니다: 임의 =~1/DBH1+BAL-1. 또한 피팅 과정에서 코드는 장착된 모델의 수렴되지 않아 오류를 보고할 수 있습니다.</li>
	</ol></li>
	<li>아카이케의 정보 기준(AIC), 베이지안 정보 기준(BIC), 로가릿가능성(Loglik), 가능성 비율 테스트(LRT)로 최고의 모델을 선택합니다. &gt;아노바 (모델.1, 모델.6) &gt;아노바 (모델.6, 모델.23) &gt;아노바 (모델.23, 모델.30)</li>
	<li>R i의 구조를 결정합니다. Ri32의이종과 자기 상관 관계를 해결하십시오. Ri는 다음과 같이 작성됩니다. <img alt="Equation 1" src="/files/ftp_upload/60827/60827eq1.jpg">(1) σ2가 모델 잔여 분산과 동일한 알 수 없는 스케일링 계수인 경우 Gi는 이종성을 설명하는 대각선 행렬이며 Γ나는 자기 상관 관계를 설명하는 매트릭스입니다.<ol>
<li>잔류물잔류가 잔류 음모로부터 이종성이 있는지 관찰한다. 이종성(잔류에는 명확한 패턴 또는 추세가 있음)이 있는 경우, 오류 분산 구조를 모델링하기 위해 상수 플러스 전원 기능, 전원 함수 및 지수 함수와 같은 자주 사용되는 세 가지 분산 함수를 소개합니다. &gt;Model.30.1&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.개발.데이터셋, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯 가중치=varConstPower(폼=~ 장착(.)) &gt;요약(모델.30.1) &gt;Model.30.2&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.개발.데이터셋, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯 가중치=varPower(폼=~ 장착(.)) &gt;요약(모델.30.2) &gt;Model.30.3&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.개발.데이터셋, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯 가중치=varExp(폼=~ 장착(.)) &gt;요약(모델.30.3)
</li>
		<li>AIC, BIC, Loglik 및 LRT에 따라 모델에 가장 적합한 분산 함수를 결정합니다. &gt;아노바(모델.30, 모델.30.1) &gt;아노바(모델.30, 모델.30.2) &gt;아노바 (모델.30, 모델.30.3)
</li>
		<li>일반적으로 사용되는 세 가지 자동 상관 구조(CS), 일차 자동 회귀 구조 [AR(1)], 선차 자동 회귀 및 이동 평균 구조 [ARMA(1,1]]의 조합 --자기 상관 관계를 고려합니다. &gt;Model.30.3.1&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.development.dataset, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯, 가중치=varExp(폼=~장착(.)), 코르= 코르콤심()) &gt;요약(모델.30.3.1) &gt;Model.30.3.2&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.development.dataset, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯, 가중치=바렉스(폼=~ 장착(.)), 코르=코라1()) &gt;요약(모델.30.3.2) &gt;Model.30.3.3&amp;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.development.dataset, 메서드="ML", 랜덤=~1/DBH1+BAL+NT| 플롯, 가중치=varExp(폼=~ 장착(.)), 코르=코르아르마(q=1,p=1)) &gt;요약(모델.30.3.3)
</li>
		<li>AIC, BIC, Loglik 및 LRT에 따라 최고의 자기 상관 구조를 결정합니다. &gt;아노바 (모델.30.3, 모델.30.3.2) 참고: 이종성 및 자기 상관관계가 없는 경우 Gi와 Γi를 정의할 수 없습니다.</li>
		<li>제한된 최대 가능성(REML) 방법을 사용하여 혼합 효과 모델의 최종 결과를 출력합니다. &gt;Mixed.model&lt;lme(Y~1/DBH1+BAL+NT+EL, 데이터=모델.개발.데이터셋, 메서드="REML", 랜덤=~1/DBH1+BAL+NT| 플롯 가중치=varExp(폼=~ 장착(.)), 코르=코르아1()) &gt;요약(혼합.모델)
</li>
	</ol></li>
</ol>4. 바이어스 수정
<ol><li>로그리스믹 스케일의 최종 모델을 사용하여 기초 영역 증분의 예측값을 원래 축척으로 변환합니다. 그러나 로그 변환 모델에서 예측값의 선형 백 변환은 연결된 로그 변환 편향을 생성합니다. 로그 바이어스를 처리하기 위해 보정 계수가 파생되고 예측 방정식에 통합되어 지정된 트리 [방정식(2)]에 대한 실제 예측 기저 영역 증분을 추정합니다. <img alt="Equation 2" src="/files/ftp_upload/60827/60827eq2.jpg">(2) <img alt="Equation 13" src="/files/ftp_upload/60827/60827eq13.jpg">여기서 모델으로부터 기저면적증의 로그와스믹값이 예측되는 반면, <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> 로그 변환 편향을 보정한 후 5년 동안 기저면적증의 예측된 역변화값은 <img alt="Equation 15" src="/files/ftp_upload/60827/60827eq15.jpg"> 플롯및 σ2의 무작위 효과로부터의 분산이다.</li>
	<li>기저 면적 <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> 증분()을 직경 증분으로 변환합니다.</li>
</ol>5. 모델 예측 및 평가
<ol><li>예측을 위해 섹션 1.2에서 생성된 모델 유효성 검사 데이터 집합을 준비합니다.</li>
	<li>선형 혼합 효과 모델을 사용하여 개별 트리 기저 영역 증분을 예측합니다. 임의 구성 요소는 다음과 같은 최고의 선형 편향되지 않은 예측 변수를 사용하여 계산되었습니다. <img alt="Equation 3" src="/files/ftp_upload/60827/60827eq3.jpg">(3) <img alt="Equation 16" src="/files/ftp_upload/60827/60827eq16.jpg">임의 구성 요소에 대한 벡터는 어디; 플롯 간 <img alt="Equation 17" src="/files/ftp_upload/60827/60827eq17.jpg"> 가변성에 대한 분산-코바변 <img alt="Equation 18" src="/files/ftp_upload/60827/60827eq18.jpg"> 매트릭스; 상호 보완적인 관측에서 작용하는 임의구성요소에 대한 설계 매트릭스; <img alt="Equation 19" src="/files/ftp_upload/60827/60827eq19.jpg"> 고정효과 모델을 이용한 기저 면적 증분과 예측된 증분의 차이에 의해 구성요소가 주어지는 잔류 벡터이다.</li>
	<li>다음 세 가지 통계지표(23,33)를사용하여 기본 모델 및 선형 혼합 효과 모델의 예측 능력을 평가하고 비교한다. <img alt="Equation 4" src="/files/ftp_upload/60827/60827eq4.jpg">(4) <img alt="Equation 5" src="/files/ftp_upload/60827/60827eq5.jpg">(5) <img alt="Equation 6" src="/files/ftp_upload/60827/60827eq6.jpg">(6) obji가 기저 면적 증분인 경우, esti는 예측된 기저 면적 증분이며, <img alt="Equation 20" src="/files/ftp_upload/60827/60827eq20.jpg"> 관측의 평균이며, N은 관측수의 수입니다.</li>
</ol>

<ol><li>Meng, J., Lu, Y., Ji, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Transformation+of+a+Degraded+Pinus+massoniana+Plantation+into+a+Mixed-Species+Irregular+Forest%3A+Impacts+on+Stand+Structure+and+Growth+in+Southern+China%5BTitle%5D)+AND+%22Forests%22%5BJournal%5D)">Transformation of a Degraded Pinus massoniana Plantation into a Mixed-Species Irregular Forest: Impacts on Stand Structure and Growth in Southern China.</a> Forests. 5 (12), 3199-3221 (2014).</li>
<li>Sharma, A., Bohn, K., Jose, S., Cropper, W. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Converting+even-aged+plantations+to+uneven-aged+stand+conditions%3A+A+simulation+analysis+of+silvicultural+regimes+with+slash+pine+%28Pinus+elliottii+Engelm%29%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Converting even-aged plantations to uneven-aged stand conditions: A simulation analysis of silvicultural regimes with slash pine (Pinus elliottii Engelm).</a> Forest Science. 60 (5), 893-906 (2014).</li>
<li>Zhu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Feasibility+of+implementing+thinning+in+even-aged+Larix+olgensis+plantations+to+develop+uneven-aged+larch%E2%80%93broadleaved+mixed+forests%5BTitle%5D)+AND+%22Journal+of+Forest+Research%22%5BJournal%5D)">Feasibility of implementing thinning in even-aged Larix olgensis plantations to develop uneven-aged larch–broadleaved mixed forests.</a> Journal of Forest Research. 15 (1), 71-80 (2010).</li>
<li>Leites, L. P., Robinson, A. P., Crookston, N. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accuracy+and+equivalence+testing+of+crown+ratio+models+and+assessment+of+their+impact+on+diameter+growth+and+basal+area+increment+predictions+of+two+variants+of+the+Forest+Vegetation+Simulator%5BTitle%5D)+AND+%22Canadian+Journal+of+Forest+Research%22%5BJournal%5D)">Accuracy and equivalence testing of crown ratio models and assessment of their impact on diameter growth and basal area increment predictions of two variants of the Forest Vegetation Simulator.</a> Canadian Journal of Forest Research. 39 (3), 655-665 (2009).</li>
<li>Pretzsch, H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPretzsch%2C+H+%22Forest+Dynamics%2C+Growth+and+Yield%22">Forest Dynamics, Growth and Yield</a>. , (2009).</li>
<li>Weiskittel, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Forest+growth+and+yield+modeling%5BTitle%5D)+AND+%22Forest+Growth+%26+Yield+Modeling%22%5BJournal%5D)">Forest growth and yield modeling.</a> Forest Growth & Yield Modeling. 7 (2), 223-233 (2002).</li>
<li>Burkhart, H. E., Tomé, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBurkhart%2C+HE+%22Modeling+Forest+Trees+and+Stands%22">Modeling Forest Trees and Stands</a>. , Springer. Netherlands. (2012).</li>
<li>Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chinese+Academy+Of+Forestry.+A+linkage+among+whole-stand+model%2C+individual-tree+model+and+diameter-distribution+model%5BTitle%5D)+AND+%22Journal+of+Forest+Science%22%5BJournal%5D)">Chinese Academy Of Forestry. A linkage among whole-stand model, individual-tree model and diameter-distribution model.</a> Journal of Forest Science. 56 (56), 600-608 (2010).</li>
<li>Peng, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Growth+and+yield+models+for+uneven-aged+stands%3A+past%2C+present+and+future%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">Growth and yield models for uneven-aged stands: past, present and future.</a> Forest Ecology & Management. 132 (2), 259-279 (2000).</li>
<li>Lhotka, J. M., Loewenstein, E. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+individual-tree+diameter+growth+model+for+managed+uneven-aged+oak-shortleaf+pine+stands+in+the+Ozark+Highlands+of+Missouri%2C+USA%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">An individual-tree diameter growth model for managed uneven-aged oak-shortleaf pine stands in the Ozark Highlands of Missouri, USA.</a> Forest Ecology & Management. 261 (3), 770-778 (2011).</li>
<li>Porté, A., Bartelink, H. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modelling+mixed+forest+growth%3A+a+review+of+models+for+forest+management%5BTitle%5D)+AND+%22Ecological+Modelling%22%5BJournal%5D)">Modelling mixed forest growth: a review of models for forest management.</a> Ecological Modelling. 150 (1), 141-188 (2002).</li>
<li>Moses, L. E., Gale, L. C., Altmann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Methods+for+analysis+of+unbalanced%2C+longitudinal%2C+growth+data%5BTitle%5D)+AND+%22American+Journal+of+Primatology%22%5BJournal%5D)">Methods for analysis of unbalanced, longitudinal, growth data.</a> American Journal of Primatology. 28 (1), 49-59 (2010).</li>
<li>Biging, G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+Estimates+of+Site+Index+Curves+Using+a+Varying-Parameter+Model%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Improved Estimates of Site Index Curves Using a Varying-Parameter Model.</a> Forest Science. 31 (31), 248-259 (1985).</li>
<li>Kowalchuk, R. K., Keselman, H. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mixed-model+pairwise+multiple+comparisons+of+repeated+measures+means%5BTitle%5D)+AND+%22Psychological+Methods%22%5BJournal%5D)">Mixed-model pairwise multiple comparisons of repeated measures means.</a> Psychological Methods. 6 (3), 282-296 (2001).</li>
<li>Hayes, A. F., Cai, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+heteroskedasticity-consistent+standard+error+estimators+in+OLS+regression%3A+An+introduction+and+software+implementation%5BTitle%5D)+AND+%22Behavior+Research+Methods%22%5BJournal%5D)">Using heteroskedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation.</a> Behavior Research Methods. 39 (4), 709-722 (2007).</li>
<li>Gutzwiller, K. J., Riffell, S. K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGutzwiller%2C+KJ+%22Using+Statistical+Models+to+Study+Temporal+Dynamics+of+Animal-Landscape+Relations%22">Using Statistical Models to Study Temporal Dynamics of Animal-Landscape Relations</a>. , Springer. Boston, MA. (2007).</li>
<li>Calama, R., Montero, G. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCalama%2C+R+%22Multilevel+linear+mixed+model+for+tree+diameter+increment+in+stone+pine+%28Pinus+pinea%29%3A+a+calibrating+approach%22">Multilevel linear mixed model for tree diameter increment in stone pine (Pinus pinea): a calibrating approach</a>. 39, (2005).</li>
<li>Vonesh, E. F., Chinchilli, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Linear+and+nonlinear+models+for+the+analysis+of+repeated+measurements%5BTitle%5D)+AND+%22Journal+of+Biopharmaceutical+Statistics%22%5BJournal%5D)">Linear and nonlinear models for the analysis of repeated measurements.</a> Journal of Biopharmaceutical Statistics. 18 (4), 595-610 (1996).</li>
<li>Zobel, J. M., Ek, A. R., Burk, T. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+Forest+Inventory+and+Analysis+surveys%2C+basal+area+models%2C+and+fitting+methods+for+the+aspen+forest+type+in+Minnesota%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">Comparison of Forest Inventory and Analysis surveys, basal area models, and fitting methods for the aspen forest type in Minnesota.</a> Forest Ecology & Management. 262 (2), 188-194 (2011).</li>
<li>Sharma, M., Parton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Height-diameter+equations+for+boreal+tree+species+in+Ontario+using+a+mixed-effects+modeling+approach%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach.</a> Forest Ecology & Management. 249 (3), 187-198 (2007).</li>
<li>Crecente-Campo, F., Tomé, M., Soares, P., Diéguez-Aranda, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+generalized+nonlinear+mixed-effects+height%E2%80%93diameter+model+for+Eucalyptus+globulus+L.+in+northwestern+Spain%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">A generalized nonlinear mixed-effects height–diameter model for Eucalyptus globulus L. in northwestern Spain.</a> Forest Ecology & Management. 259 (5), 943-952 (2010).</li>
<li>Fu, L., Sharma, R. P., Hao, K., Tang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+generalized+interregional+nonlinear+mixed-effects+crown+width+model+for+Prince+Rupprecht+larch+in+northern+China%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">A generalized interregional nonlinear mixed-effects crown width model for Prince Rupprecht larch in northern China.</a> Forest Ecology & Management. 389 (2017), 364-373 (2017).</li>
<li>Hao, X., Yujun, S., Xinjie, W., Jin, W., Yao, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Linear+mixed-effects+models+to+describe+individual+tree+crown+width+for+China-fir+in+Fujian+Province%2C+southeast+China%5BTitle%5D)+AND+%22Plos+One%22%5BJournal%5D)">Linear mixed-effects models to describe individual tree crown width for China-fir in Fujian Province, southeast China.</a> Plos One. 10 (4), 0122257(2015).</li>
<li>Vanderschaaf, C. L., Burkhart, H. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparing+methods+to+estimate+Reineke%27s+Maximum+Size-Density+Relationship+species+boundary+line+slope%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Comparing methods to estimate Reineke's Maximum Size-Density Relationship species boundary line slope.</a> Forest Science. 53 (3), 435-442 (2007).</li>
<li>Zhang, L., Bi, H., Gove, J. H., Heath, L. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+alternative+methods+for+estimating+the+self-thinning+boundary+line%5BTitle%5D)+AND+%22Canadian+Journal+of+Forest+Research%22%5BJournal%5D)">A comparison of alternative methods for estimating the self-thinning boundary line.</a> Canadian Journal of Forest Research. 35 (6), 1507-1514 (2005).</li>
<li>Hart, D. R., Chute, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimating+von+Bertalanffy+growth+parameters+from+growth+increment+data+using+a+linear+mixed-effects+model%2C+with+an+application+to+the+sea+scallop+Placopecten+magellanicus%5BTitle%5D)+AND+%22Ices+Journal+of+Marine+Science%22%5BJournal%5D)">Estimating von Bertalanffy growth parameters from growth increment data using a linear mixed-effects model, with an application to the sea scallop Placopecten magellanicus.</a> Ices Journal of Marine Science. 66 (9), 2165-2175 (2009).</li>
<li>Uzoh, F. C. C., Oliver, W. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual+tree+diameter+increment+model+for+managed+even-aged+stands+of+ponderosa+pine+throughout+the+western+United+States+using+a+multilevel+linear+mixed+effects+model%5BTitle%5D)+AND+%22Forest+Ecology+%26+Management%22%5BJournal%5D)">Individual tree diameter increment model for managed even-aged stands of ponderosa pine throughout the western United States using a multilevel linear mixed effects model.</a> Forest Ecology & Management. 256 (3), 438-445 (2008).</li>
<li>Condés, S., Sterba, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparing+an+individual+tree+growth+model+for+Pinus+halepensis+Mill.+in+the+Spanish+region+of+Murcia+with+yield+tables+gained+from+the+same+area%5BTitle%5D)+AND+%22European+Journal+of+Forest+Research%22%5BJournal%5D)">Comparing an individual tree growth model for Pinus halepensis Mill. in the Spanish region of Murcia with yield tables gained from the same area.</a> European Journal of Forest Research. 127 (3), 253-261 (2008).</li>
<li>Pokharel, B., Dech, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mixed-effects+basal+area+increment+models+for+tree+species+in+the+boreal+forest+of+Ontario%2C+Canada+using+an+ecological+land+classification+approach+to+incorporate+site+effects%5BTitle%5D)+AND+%22Forestry%22%5BJournal%5D)">Mixed-effects basal area increment models for tree species in the boreal forest of Ontario, Canada using an ecological land classification approach to incorporate site effects.</a> Forestry. 85 (2), 255-270 (2012).</li>
<li>Wykoff, W. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+basal+area+increment+model+for+individual+conifers+in+the+northern+Rocky+Mountains%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">A basal area increment model for individual conifers in the northern Rocky Mountains.</a> Forest Science. 36 (4), 1077-1104 (1990).</li>
<li>Stage, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Notes%3A+An+Expression+for+the+Effect+of+Aspect%2C+Slope%2C+and+Habitat+Type+on+Tree+Growth%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Notes: An Expression for the Effect of Aspect, Slope, and Habitat Type on Tree Growth.</a> Forest Science. 22 (4), 457-460 (1976).</li>
<li>Gregorie, T. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generalized+Error+Structure+for+Forestry+Yield+Models%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Generalized Error Structure for Forestry Yield Models.</a> Forest Science. 33 (2), 423-444 (1987).</li>
<li>Zhao, L., Li, C., Tang, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual-tree+diameter+growth+model+for+fir+plantations+based+on+multi-level+linear+mixed+effects+models+across+southeast+China%5BTitle%5D)+AND+%22Journal+of+Forest+Research%22%5BJournal%5D)">Individual-tree diameter growth model for fir plantations based on multi-level linear mixed effects models across southeast China.</a> Journal of Forest Research. 18 (4), 305-315 (2013).</li>
<li>Hall, D. B., Bailey, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+and+Prediction+of+Forest+Growth+Variables+Based+on+Multilevel+Nonlinear+Mixed+Models%5BTitle%5D)+AND+%22Forest+Science%22%5BJournal%5D)">Modeling and Prediction of Forest Growth Variables Based on Multilevel Nonlinear Mixed Models.</a> Forest Science. 47 (3), 311-321 (2001).</li>
<li>Yang, Y., Huang, S., Meng, S. X., Trincado, G., Vanderschaaf, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+multilevel+individual+tree+basal+area+increment+model+for+aspen+in+boreal+mixedwood+stands+%3A+Journal+canadien+de+la+recherche+forestie%CC%80re%5BTitle%5D)+AND+%22Revue+Canadienne+De+Recherche+Foresti%C3%A8re%22%5BJournal%5D)">A multilevel individual tree basal area increment model for aspen in boreal mixedwood stands : Journal canadien de la recherche forestière.</a> Revue Canadienne De Recherche Forestière. 39 (39), 2203-2214 (2009).</li>
<li>Pinheiro, J. C., Bates, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mixed-effects+models+in+S+and+S-Plus%5BTitle%5D)+AND+%22Publications+of+the+American+Statistical+Association%22%5BJournal%5D)">Mixed-effects models in S and S-Plus.</a> Publications of the American Statistical Association. 96 (455), 1135-1136 (2000).</li>
</ol>

저자는 공개 할 것이 없습니다.

혼합 효과 모델의 개발에 대 한 중요 한 문제는 어떤 매개 변수 임의 효과로 처리 될 수 있습니다 결정 하 고 고정 효과 간주 되어야 한다34,35. 두 가지 방법이 제안되었습니다. 가장 일반적인 방법은 모든 매개 변수를 임의의 효과로 처리한 다음 AIC, BIC, Loglik 및 LRT에서 선택한 최상의 모델을 사용하는 것입니다. 이것은 우리의 연구35에의해 채택된 방법이었습니다 . 대안은 OLS 회귀와 모든 샘플 플롯에 대한 기초 영역 증분 모델을 맞추는 것입니다. 이러한 모델 들 중 샘플 플롯에 걸쳐 높은 가변성과 신뢰 간격의 중복이 적은 매개 변수는 임의의 매개변수(17)로간주될 수 있다.
이종분과 자기 상관관계를 고려하기 위해 세 가지 분산 함수와 3개의 자기 상관 관계 구조가 도입...

짝수 숙성 된 단일 문화와 비교하여, 여러 목표를 가진 고르지 못한 숙성 혼합 종 산림 관리는 최근1,2,3의관심을 증가시켰습니다. 특히 복잡한 고르지 못한 혼합종 숲4에대해 강력한 산림 관리 전략을 수립하기 위해서는 다양한 관리 대안이 필요하다. 산림 의 성장과 수율 모델은 다양한 관리 계획에 따라 나무 또는 서 개발 및 수확을 예측하기 위해 광범위하게 사용되어왔다 5,6,7. 숲의 성장과 수율 모델은 개별 트리 모델, 크기 클래스 모델 및 전스탠드 성장 모델6,7,8로분류됩니다. 안타깝게도 크기 급 모델과 전스탠드 모델은 고르지 못한 숙성 된 혼합 종 숲에 적합하지 않으며, 산림 관리 의사 결정 과정을 지원하기 위해 보다 자세한 설명이 필요합니다. 이러한 이유로, 개별 나무 의 성장 및 수율 모델은 다양한 종 조성, 구조 및 관리 전략9,10,11로산림 스탠드에 대한 예측을 할 수있는 능력으로 인해 지난 수십 년 동안 증가 된 관심을 받고 있습니다.
일반 최소 제곱(OLS)회귀는 개별 트리 성장모델(12,13,14,15)의개발을 위해 가장 일반적으로 사용되는 방법입니다. 동일한 샘플링 단위(즉, 샘플 플롯 또는 트리)에서 고정된 시간 동안 반복적으로 수집된 개별 트리 성장 모델에 대한 데이터 집합은관측수(10,16)의독립성 및 높은 공간 적 및 시간적 상관관계가 없는 계층적 적재 구조를 갖는다. 계층적 적 재계 구조는 OLS 회귀의 기본 가정을 위반합니다: 즉 독립적 인 잔류물 및 일반적으로 동일한 분산 데이터를 분산합니다. 따라서 OLS 회귀의 사용은 필연적으로 이러한데이터(13,14)에대한 파라미터 추정치의 표준 오차에 대한 편향된추정치를생성한다.
혼합 효과 모델은 반복측정 데이터, 세로 데이터 및 다단계 데이터와 같은 복잡한 구조로 데이터를 분석할 수 있는 강력한 도구를 제공합니다. 혼합 효과 모델은 고정 된 구성 요소, 전체 채우기에 공통, 그리고 각 샘플링 수준에 특정 하는 임의구성 요소로 구성 됩니다. 또한, 혼합효과 모델은 비대각선 분산-공변구조행렬(17,18,19)을정의함으로써 공간과 시간의 이종성 및 자기상관성을 고려한다. 이러한 이유로, 혼합 효과 모델은 직경 높이모델(20, 21,크라운 모델22,23,자가 감산 모델24,25,및 성장 모델26,27)과같은 임업에 광범위하게 사용되어 왔다.
여기서 주요 목적은 선형 혼합 효과 접근 방식을 사용하여 개별 트리 기저 영역 증분 모델을 개발하는 것이었습니다. 우리는 혼합 효과 접근 방식이 광범위하게 적용될 수 있기를 바랍니다.

<table><tbody><tr><td>컴퓨터</td><td>에이서</td><td></td><td></td></tr><tr><td>Microsoft Office 2013</td><td></td><td></td><td></td></tr><tr><td>R x64 3.5.1</td><td></td><td></td><td></td></tr></tbody></table>

선형 혼합 효과 접근 방식을 사용하여 개별 트리 기초 영역 증분 모델 개발

Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach

여기서 중국 북서부 신장성에 위치한 779개의 샘플 플롯에서 21898 피케아 아스페라타 나무를 포함한 데이터 세트를 기반으로 5년 기저면적 증분의 개별 트리 모델을 개발했습니다. 동일한 샘플링 단위의 관측 값 간의 높은 상관관계를 방지하기 위해 난사 적 가변성을 고려하여 임의의 플롯 효과가 있는 선형 혼합 효과 접근 방식을 사용하여 모델을 개발했습니다. 나무 크기, 경쟁 및 사이트 조건에 대한 인덱스와 같은 다양한 트리 및 스탠드 레벨 변수가 잔여 가변성을 설명하기 위한 고정 효과로 포함되었습니다. 또한, 이종분증 및 자기상관성은 분산 기능 및 자기 상관 구조를 도입하여 기술되었다. 최적의 선형 혼합 효과 모델은 아카이케의 정보 기준, 베이지안 정보 기준, 로가릿암 가능성 및 가능성 비율 테스트와 같은 여러 가지 적합성 통계에 의해 결정되었습니다. 그 결과 개별 나무 기저 면적 증분의 중요한 변수는 유방 높이에서 직경의 역 변환, 피사체 트리보다 큰 나무의 기저 면적, 헥타르당 나무 수 및 고도가 있음을 나타냈다. 또한 분산 구조의 오차는 지수 함수에 의해 가장 성공적으로 모델링되었으며, 1차 자동 회귀 구조(AR(1)에 의해 자가 상관관계가 현저히 수정되었다. 리니어 혼합 효과 모델의 성능은 일반 최소 제곱 회귀를 사용하여 모델에 비해 크게 향상되었습니다.

P. 아스페라타에 대한 기본 기저영역 증분 모델은 방정식(7)으로 표현되었다. 매개 변수 추정, 해당 표준 오류 및 적합성 부족 통계가 표 2에표시됩니다. 잔여 플롯은 그림 1에표시됩니다. 잔류물의 발음이 관찰되었다. <img alt="Equation 7" src="/files/ftp_upload/60827/60827eq7.jpg">(7)
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td></td>
			<td>견적</td>
			<td>표준 오류</td>
			<td>t-테스트</td>
			<td>P-값</td>
			<td>VIF</td>
		</tr>
<tr>
<td>Int</td>
			<td>2.41</td>
...

혼합 효과 모델은 임업의 계층적 스토세스 구조로 데이터를 분석하기 위한 유연하고 유용한 도구이며 산림 성장 모델의 성능을 크게 향상시키는 데 사용할 수도 있습니다. 여기서선형 혼합 효과 모델과 관련된 정보를 합성하는 프로토콜이 제시됩니다.

Here, we developed an individual-tree model of 5-year basal area increments based on a dataset including 21898 Picea asperata trees from 779 sample plots ...

이 프로토콜은 선형 혼합 효과 접근 방식을 사용하여 개별 트리 기저 면적 증가 모델을 개발하는 주요 절차를 제공합니다. 이 기술의 주요 특징은 임업의 복잡한 구조를 가진 데이터를 강력하게 분석하고 산림 성장 모델의 성능을 크게 향상시킬 수 있다는 것입니다. 먼저 모델 개발 데이터 세트를 읽고 R 소프트웨어에서 nlme" 패키지를 로드합니다.표본 플롯을 랜덤 효과로 선택하여 혼합 효과 모델을 개발합니다. 최대우도법으로 가능한 모든 랜덤 효과 조합을 피팅하고 결과를 출력합니다. 절편을 임의 모수로 설정한 다음, 모든 조합이 적합될 때까지 임의 문을 변경합니다.피팅 과정에서 코드는 피팅 모델의 비수렴으로 인해 오류를 보고할 수 있습니다. Akaike의 정보 기준, 베이지안 정보 기준, 로그 우도 및 우도 비율 검정에 의해 최상의 모형을 선택합니다. 잔차가 잔차 플롯에서 이분산성을 갖는지 여부를 관찰합니다.이분산성이 있는 경우 상수 플러스 전력 함수, 전력 함수 및 지수 함수를 도입하여 오류 분산 구조를 모델링합니다. Akaike의 정보 기준, 베이지안 정보 기준, 로그 우도 및 우도 비율 검정에 따라 모델에 대한 최상의 분산 함수를 결정합니다. 다음으로, 복합 대칭 구조, 1차 자기회귀 구조, 1차 자기회귀 구조와 이동평균 구조의 조합을 소개하여 자기상관을 설명합니다.Akaike의 정보 기준, 베이지안 정보 기준, 로그 우도 및 우도 비율 검정에 따라 최상의 자기 상관 구조를 결정합니다. 제한된 최대우도법을 사용하여 mixed-effects 모델의 최종 결과를 출력합니다. P.asperata에 대한 기본 기저 면적 증가 모델은 이 방정식으로 표현됩니다.모수 추정치, 이에 해당하는 표준 오차 및 적합성 부족 통계량이 여기에 표시되어 있습니다. 잔차의 뚜렷한 이분산성이 관찰되었습니다. 기본 기저 면적 증가 모델에 대한 무작위 효과 매개변수의 가능한 조합은 31개였습니다.피팅 후 300개의 조합이 수렴에 도달했습니다. 이 30가지 조합 중에서 Model 30이 선택되었는데, 그 이유는 가장 낮은 AIC, 가장 낮은 BIC 및 가장 큰 Loglik을 산출했기 때문입니다. 또한 LRT는 다른 모델과 비교할 때 크게 달랐습니다.분산 함수와 상관 구조를 가진 선형 혼합 효과 모델이 여기에 나와 있습니다. AIC, BIC, Loglik 및 LRT에 따르면 지수 함수와 AR(1)이 각각 최적 분산 함수와 자기 상관 구조로 선택되었습니다. 최종 선형 혼합 효과 개별 트리 기저 면적 증가 모델은 REML 방법을 사용하여 제안되었습니다.추정된 고정 모수, 해당 표준 오차 및 적합성 결여 통계량이 여기에 표시되어 있습니다. 잔차에서 유의한 개선이 관찰되었습니다. 두 모델의 예측 통계량은 선형 혼합 효과 모델의 성능이 기본 모델에 비해 크게 향상되었음을 보여줍니다.모델 비교가 완료되면 제한된 최대우도 방법을 사용하여 최종 결과를 출력해야 합니다.

development-an-individual-tree-basal-area-increment-model-using

Research

연구

JoVE Journal

Biology

생물학

Cervid 인구 가운데 phenotypic 차이 관련이 있을 수 있습니다 인구 수준 유전학 또는 영양; 분별 있는 야생에서 어렵습니다. 이 프로토콜은 우리가 영양 변형 삭제 되었다 제어 연구를 설계 하는 방법을 설명 합니다. 우리는 남성 흰 꼬리 사슴의 phenotypic 변이 유전학 보다 영양에 의해 더 제한 되었다 발견.

뿔과 긴 Cervid에 대 한 신체 성장에 환경 및 유전학의 상대적 효과 평가 하기 위한 프로토콜

리프 영역 지수(LAI)의 정확한 추정은 식물 생태계 내의 재료 및 에너지 플럭스 모델과 생태계와 대기 경계 층 사이에 매우 중요합니다. 따라서, 정확한 LAI 측정을 위한 3가지 방법(쓰레기 트랩, 바늘 기술 및 PCA)이 제시된 프로토콜에 있었다.

순수 낙엽 스탠드에서 세 가지 뚜렷한 방법을 사용한 잎 영역 지수 추정

우리는 잎과 가지의 끝을 가방에 밀봉하고, 포장 된 물질을 잘라 내고 동결하고, 이전에 냉동 된 물질을 물로 헹구어 기판에서 절지동물을 분리하여 정량화하여 잎 주거 절지동물을 정량화하는 방법을 설명합니다.

단풍 주거 절지동물을 정량화하는 방법

우리는 코르티콜러스 (껍질 주거) 절지 동물 공동체의 특성을 측정하는 반 정량적 접근 법을 설명합니다. 우리는 나무 종 간의 비교를 위해 풍부, 총 길이 (바이오 매스대리), 풍요로움 및 섀넌 다양성을 추정하기 위해 나무 볼에 상업적으로 제조 된 끈적 끈적한 트랩을 배치했습니다.

끈적 끈적한 함정을 사용하여 코르티몰러스 절지동물을 정량화

얼음 폭풍은 발생을 예측하는 데 어려움을 겪기 때문에 연구하기가 어려운 중요한 기상 현상입니다. 여기서는 동결 조건 동안 숲 캐노피 위에 물을 뿌리는 얼음 폭풍을 시뮬레이션하는 새로운 방법을 설명합니다.

산림 생태계에 얼음 폭풍의 영향 시뮬레이션

지상 생태계의 빠르고 정확한 리프 영역 지수(LAI) 추정은 광범위한 생태학적 연구와 원격 감지 제품을 교정하는 데 매우 중요합니다. 여기에 제시된 새로운 LP 110 광학 장치를 사용하여 현장 LAI 측정에서 지상 기반을 취하는 프로토콜이 있습니다.

식물 캐노피에서 광학 장치를 사용하여 효과적인 잎 영역 지수의 현장 측정

여기에서는 X선 컴퓨터 단층 촬영 도구 체인을 사용하여 나무 코어를 처리하는 방법을 보여줍니다. 일부 목적을 위한 화학적 추출을 제외하고는 추가적인 물리적 실험실 처리가 필요하지 않습니다. 툴체인은 바이오매스 추정, MXD/나이테 너비 데이터 획득 및 정량적 목재 해부학 데이터 획득에 사용할 수 있습니다.

X선 컴퓨터 단층 촬영을 사용한 나무 코어 분석

원격 조종 항공기 시스템(RPAS)의 최근 발전으로 산림 복구 모니터링에 이상적인 서브미터 해상도가 가능해졌습니다. 인공 지능(AI)을 통합하면 대규모 원격 감지 데이터 세트에서 더 깊은 통찰력을 얻을 수 있습니다. 이 프로토콜은 교란으로부터 회복되는 산림 토지의 보다 효율적인 평가 및 관리를 지원하여 모니터링을 개선합니다.

산림 복구 모니터링에 사용하기 위한 드론 기반 원격 감지 데이터 수집 및 처리

이 비디오에서는, 우리는 세포의 수축성 modulations을 평가하기 microfabricated 게시 배열 검출기를 (mPADs) 조작하고 활용하는 방법을 보여줍니다.

Microfabricated 포스트 - 배열 감지기 (mPADs) : 기계적 힘을 분리하는 접근

이 작품은 수질 개선 목표 지정된 집합에 대한 농업 보호 관행의 최적 (최저 비용) 게재 위치에 대해 해결하기 위해 진화 알고리즘을 이용하여 최적화 구성 요소와 수질 모델의 통합을 보여줍니다. 솔루션은 tradeoffs의 명시 적 정량화를 위해 수 있도록 여러 목적 접근법을 사용하여 생성됩니다.

SWAT 모델을 사용하여 농업 보호 관행의 공간 Multiobjective 최적화 및 진화 알고리즘

학습하세요 개별 수목 흉고단면적 증가 모델 개발 방법을 선형 혼합 효과 모델링과 R의 nlme 패키지를 사용하여. 계층적 임업 데이터 구조를 분석하고 산림 성장 예측 성능을 크게 향상시키는 통계 기법을 탐색하세요.

선형 혼합 효과 접근 방식을 사용하여 개별 트리 기초 영역 증분 모델 개발

더 많은 동영상 탐색