Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Doğrusal Karma EfektLer Yaklaşımı Kullanılarak Tek Tek Ağaç Bazal Alan Artış Modelinin Geliştirilmesi

3.1K görüntülenme

⸱

DOI:

10.3791/60827

⸱

3 Temmuz 2020

 ,  ,  , 
1Research Center of Forest Management Engineering of National Forestry and Grassland Administration, Beijing Forestry University, 2Research Institute of Forestry, Chinese Academy of Forestry

Bu makalede

Özet

Karma efekt modelleri, ormancılıkta hiyerarşik stokastik bir yapıya sahip verileri analiz etmek için esnek ve kullanışlı araçlardır ve orman büyüme modellerinin performansını önemli ölçüde artırmak için de kullanılabilir. Burada, doğrusal karma efekt modelleri ile ilgili bilgileri sentezleyen bir protokol sunulmuştur.

Özet

Burada, Çin'in kuzeybatısındaki Sincan Eyaleti'nde bulunan 779 örnek arsadan 21898 Picea asperata ağacı içeren bir veri kümesine dayanarak 5 yıllık bazal alan artışlarından oluşan bir bireysel ağaç modeli geliştirdik. Aynı örnekleme ünitesinden gözlemler arasında yüksek korelasyonları önlemek için, stochastic değişkenliği hesaba katmak için rastgele çizim etkisine sahip doğrusal bir karma efekt yaklaşımı kullanarak modeli geliştirdik. Ağaç boyutu, rekabet ve site durumu endeksleri gibi çeşitli ağaç ve stand düzeyi değişkenleri, artık değişkenliği açıklamak için sabit efektler olarak dahil edildi. Ayrıca varyans fonksiyonları ve otokorrelasyon yapıları getirilerek heterosklastisite ve otokorrelasyon tanımlanmıştır. Optimal lineer karma efekt modeli birkaç uygun istatistikle belirlendi: Akaike'nin bilgi kriteri, Bayes bilgi kriteri, logaritma olasılığı ve olasılık oranı testi. Sonuçlar, bireysel ağaç bazal alan artışındaki önemli değişkenlerin, meme yüksekliğinde çapın ters dönüşümü, konu ağaçtan daha büyük ağaçların bazal alanı, hektar başına ağaç sayısı ve yükseklik olduğunu gösterdi. Ayrıca, varyans yapısındaki hatalar en başarılı şekilde üstel işlev tarafından modellenmiş ve otomatik ilişki birinci dereceden otoregressif yapı (AR(1)) ile önemli ölçüde düzeltilmiştir. Doğrusal karışık efektler modelinin performansı, sıradan en az kare gerilemesi kullanılarak modele göre önemli ölçüde geliştirilmiştir.

Giriş

Çift yaşlı monokültür ile karşılaştırıldığında, birden fazla hedefe sahip düzensiz yaşlı karma tür orman yönetimi son zamanlarda artan ilgi gördü1,2,3. Farklı yönetim alternatiflerinin öngörüsü, özellikle karmaşık düzensiz yaşlanmış karma türler ormanı4için sağlam orman yönetim stratejileri oluşturmak için gereklidir. Orman büyüme ve verim modelleri, çeşitli yönetim şemaları5,6,7altında ağaç veya stand geliştirme ve hasat tahmin etmek için yaygın olarak kullanılmıştır. Orman büyüme ve verim modelleri bireysel ağaç modelleri, boyut sınıfı modeller ve tüm stand büyüme modelleri6, 7,8olarak sınıflandırılır. Ne yazık ki, boyut sınıfı modeller ve tüm stand modelleri, orman yönetimi karar verme sürecini desteklemek için daha ayrıntılı bir açıklama gerektiren düzensiz yaşlı karma tür ormanları için uygun değildir. Bu nedenle, bireysel ağaç büyüme ve verim modelleri, çeşitli tür kompozisyonları, yapıları ve yönetim stratejileri 9 , 10,11ile orman standları için tahminlerde bulunma yetenekleri nedeniyle son birkaç on yıl boyunca artan ilgi gördü.

Sıradan en az kareler (OLS) gerilemesi, bireysel ağaç büyüme modellerinin geliştirilmesi için en yaygın kullanılan yöntemdir12,13,14,15. Aynı örnekleme ünitesinde (örn. örnek arsa veya ağaç) sabit bir süre boyunca tekrar tekrar toplanan bireysel ağaç büyüme modelleri için veri kümeleri, bağımsızlık eksikliği ve gözlemler arasında yüksek mekansal ve zamansal korelasyon ile hiyerarşik bir stokastik yapıya sahiptir10,16. Hiyerarşik stokastik yapı OLS gerilemesinin temel varsayımlarını ihlal eder: yani bağımsız artıklar ve normalde eşit farklılıklara sahip dağıtılmış veriler. Bu nedenle, OLS regresyonunun kullanımı kaçınılmaz olarak bu veriler için parametre tahminlerinin standart hatasının önyargılı tahminlerini üretir13,14.

Karma efekt modelleri, yinelenen ölçü verileri, boyuna veriler ve çok düzeyli veriler gibi karmaşık yapılarla verileri analiz etmek için güçlü bir araç sağlar. Karışık efekt modelleri, hem tam popülasyonda ortak olan sabit bileşenlerden hem de her örnekleme düzeyine özgü rastgele bileşenlerden oluşur. Buna ek olarak, karışık efektli modeller, diyagonal olmayan varyans-kovaryans yapısı matrisleri17 , 18,19tanımlayarak uzay ve zamanda heterosklastisiteyi ve otomatik tutarlılığı dikkate alır. Bu nedenle, karma efekt modelleri, çap yüksekliği modelleri20 , 21, taç modelleri 22,23,kendiliğinden inceltme modelleri24,25ve büyüme modelleri26,27gibi ormancılıkta yaygın olarak kullanılmaktadır.

Burada temel amaç, doğrusal bir karma efekt yaklaşımı kullanarak bireysel ağaç bazal alan artış modeli geliştirmekti. Karma efekt yaklaşımının geniş çapta uygulanabileceğini umuyoruz.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

1. Veri hazırlama

  1. Bireysel ağaç bilgilerini (1,3 m'de meme yüksekliğinde tür ve çap) ve çizim bilgilerini (eğim, yön ve yükseklik) içeren modelleme verilerini hazırlayın. Bu çalışmada, Çin'in kuzeybatısındaki Sincan Eyaleti'ndeki 8'inci (2009) ve 9'uncu (2014) Çin Ulusal Orman Envanteri'nden elde edilen veriler, 779 örneklem arsasının 21.898 gözlemini içermektedir. Bu örnek parseller 1 Mu (0.067 ha'ya eşdeğer Çince alan birimi) boyutuyla kare şeklindedir ve sistematik olarak 4 km x 8 km'lik bir ızgara üzerinde düzenlenmiştir.
    NOT: Modelleme (bazal alan) artışı için veriler en az bir büyüme dönemi (yani iki gözlem) gerektirir.

    1. figure-protocol-1

  3. figure-protocol-2figure-protocol-3figure-protocol-4











  5. figure-protocol-5



























  1. figure-protocol-6
    figure-protocol-7figure-protocol-8figure-protocol-9
  2. figure-protocol-10


  2. figure-protocol-11
    figure-protocol-12figure-protocol-13figure-protocol-14figure-protocol-15

  3. figure-protocol-16
    figure-protocol-17
    figure-protocol-18
    figure-protocol-19

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

P. asperata için temel bazal alan artış modeli Denklem (7) olarak ifade edildi. Parametre tahminleri, karşılık gelen standart hataları ve uygun olmayan istatistikler Tablo 2'de gösterilmiştir. Kalan arsa Şekil 1'de gösterilmiştir. Kalıntılarda belirgin heterosklastisite gözlendi.
figure-results-1(7)

TahminS...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Karma efektli modellerin geliştirilmesi için önemli bir konu, hangi parametrelerin rastgele efektler olarak değerlendirilebileceğini ve hangilerinin sabit efekt olarak kabul edilmesi gerektiğini belirlemektir34,35. İki yöntem önerildi. En yaygın yaklaşım, tüm parametreleri rasgele efektler olarak ele almak ve ardından AIC, BIC, Loglik ve LRT tarafından seçilen en iyi modele sahip olmaktır. Çalışmamızın kullandığı yöntem buydu35. Alternatif...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların açıklayacak bir şeyi yok.

Teşekkürler

Bu araştırma, 2019GJZL04 hibe numarası olan Merkez Üniversiteler için Temel Araştırma Fonları tarafından finanse edildi. Orman Envanteri ve Planlaması Akademisi, Ulusal Ormancılık ve Çayır İdaresi, Çin'deki Profesör Weisheng Zeng'e verilere erişim sağladığı için teşekkür ederiz.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Bilgisayaracer
Microsoft Office 2013
R x64 3.5.1

Kaynaklar

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

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

Lineer Karma Etkili ModelRastgele Parsel EtkisiVaryans FonksiyonlarıOtokorelasyon YapısıAkaike Bilgi KriteriBayesian Bilgi KriteriKısıtlanmış Maksimum OlabilirlikHeteroskedastisite DüzeltmesiBirinci Derece Otoregresif
Doğrusal Karma EfektLer Yaklaşımı Kullanılarak Tek Tek Ağaç Bazal Alan Artış Modelinin Geliştirilmesi
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.