Udvikling af en individuel-Tree Basal Area Increment Model ved hjælp af en lineær mixed-effects tilgang

Summary

Mixed effects-modeller er fleksible og nyttige værktøjer til analyse af data med en hierarkisk stokastisk struktur inden for skovbrug og kan også bruges til at forbedre skovvækstmodellernes ydeevne betydeligt. Her præsenteres en protokol, der syntetiserer oplysninger vedrørende lineære blandede effektmodeller.

Abstract

Her har vi udviklet en individuel-træ model af 5-årige basal område stigninger baseret på et datasæt, herunder 21898 Picea asperata træer fra 779 prøve parceller beliggende i Xinjiang-provinsen, nordvest Kina. For at forhindre høje korrelationer mellem observationer fra den samme prøvetagningsenhed udviklede vi modellen ved hjælp af en lineær blandet effektmetode med tilfældig ploteffekt for at tage højde for stokastisk variation. Forskellige træ- og standniveauvariabler, såsom indekser for træstørrelse, konkurrence og tilstand på stedet, blev inkluderet som faste effekter for at forklare restvariationen. Desuden blev heteroscedasticitet og autokorrelation beskrevet ved at indføre variansfunktioner og autokorrelationsstrukturer. Den optimale lineære mixed effects-model blev bestemt af flere fit-statistikker: Akaikes informationskriterium, Bayesian-informationskriterium, logaritme sandsynlighed og en sandsynlighedsforholdstest. Resultaterne viste, at signifikante variabler af individuelle træ basale areal stigning var den omvendte omdannelse af diameter ved brysthøjde, det basale areal af træer større end emnet træet, antallet af træer pr hektar, og elevation. Desuden blev fejl i variansstrukturen modelleret mest af eksponentiel funktion, og autokorrelationen blev i væsentlig grad korrigeret af den autoregressive struktur (AR(1)). Udførelsen af den lineære mixed-effects model blev væsentligt forbedret i forhold til modellen ved hjælp af almindelige mindst firkanter regression.

Introduction

Sammenlignet med lige ældre monokultur har skovforvaltning af ujævne arter af blandede arter med flere mål fået øget opmærksomhed på det seneste^1,2,3. Forudsigelse af forskellige forvaltningsalternativer er nødvendig for at formulere robuste skovforvaltningsstrategier, især for komplekse skovsorter af ujævne arter af blandede arter⁴. Modeller for skovvækst og udbytte er i vid udstrækning blevet anvendt til at forudsige udvikling og høst af træer eller bevoksning under forskellige forvaltningsordninger^5,6,7. Skovvækst- og udbyttemodeller klassificeres i individuelle træmodeller, størrelsesklassemodeller og helstandsvækstmodeller^6,7,8. Desværre er modeller i størrelsesklassen og helhedsmodeller ikke egnede til ujævne skove af blandede arter, som kræver en mere detaljeret beskrivelse for at støtte beslutningsprocessen for skovforvaltning. Af denne grund har individuelle trævækst- og udbyttemodeller fået øget opmærksomhed gennem de sidste par årtier på grund af deres evne til at lave forudsigelser for skovstande med en række arters sammensætninger, strukturer og forvaltningsstrategier^9,10,11.

Almindelig mindst kvadratisk regression (OLS) er den mest anvendte metode til udvikling af individuelle trævækstmodeller^12,13,14,15. Datasættene for individuelle trævækstmodeller , der gentagne gange er indsamlet over en bestemt periode på den samme prøvetagningsenhed (dvs^. Den hierarkiske stokastiske struktur overtræder ols-regressions grundlæggende antagelser, nemlig uafhængige residualer og normalt distribuerede data med lige store afvigelser. Derfor giver brugen af OLS-regression uundgåeligt partiske estimater af standardfejlen i parameterestimater for disse data^13,14.

Mixed effects-modeller er et effektivt værktøj til analyse af data med komplekse strukturer, f.eks. Mixed effects-modeller består af både faste komponenter, der er fælles for hele populationen, og tilfældige komponenter, som er specifikke for hvert prøveudtagningsniveau. Desuden tager modeller med blandede effekter højde for heteroscedasticitet og autokorrelation i tid og rum ved at definere ikke-diagonale varians-kovariansstrukturmatrixer^17,18,19. Af denne grund er blandede effekter modeller blevet flittigt brugt i skovbrug, såsom i diameter-højde modeller^20,21, krone modeller^22,23, selvfortyndende modeller^24,25, og vækstmodeller^26,27.

Her var hovedformålet at udvikle en individuel-træ basal område tilvækst model ved hjælp af en lineær blandet effekt tilgang. Vi håber, at den blandede virkning kan anvendes i vid udstrækning.

Protocol

1. Udarbejdelse af data Forbered modelleringsdata, som omfatter oplysninger om individuelle træer (art og diameter i brysthøjde ved 1,3 m) og plotoplysninger (hældning, aspekt og højde). I denne undersøgelse blev dataene indhentet fra den 8. (2009) og 9. (2014) kinesiske nationale skovbeholdning i Xinjiang-provinsen, nordvest Kina, som omfatter 21.898 observationer af 779 prøveområder. Disse prøveområder er firkantede med en størrelse på 1 Mu (kinesisk arealenhed svarende til 0,067 ha) og er systemat…

Representative Results

Den grundlæggende model for forøgelse af basalområdet for P. asperata blev udtrykt som Ligning (7). Parameterestimaterne, de tilsvarende standardfejl og statistikkerne over manglende tilpasning fremgår af tabel 2. Restområdet er vist i figur 1. Udtalt heteroscedasticitet af residualerne blev observeret.(7) Skøn</s…

Discussion

Et afgørende spørgsmål for udviklingen af mixed effects-modeller er at afgøre , hvilke parametre der kan behandles som tilfældige effekter , og hvilke der bør betragtes som faste virkninger^34,35. Der er foreslået to metoder. Den mest almindelige tilgang er at behandle alle parametre som tilfældige effekter og derefter få den bedste model valgt af AIC, BIC, Loglik og LRT. Dette var den metode, der anvendes af vores undersøgelse³⁵….

Materials

Computer	acer
Microsoft Office 2013
R x64 3.5.1