線形混合効果アプローチを用いた個別木基底領域増分モデルの開発

Summary

混合効果モデルは、林業における階層的確率構造を持つデータを分析するための柔軟で有用なツールであり、森林成長モデルのパフォーマンスを大幅に改善するためにも使用できます。ここでは、線形混合効果モデルに関する情報を合成するプロトコルを提示する。

Abstract

ここでは、中国北西部の新疆省にある779のサンプルプロットから21898 ピセアアスペラタ の木を含むデータセットに基づいて、5年間の基底面積増分の個々の木モデルを開発しました。同じサンプリングユニットからの観測値間の高い相関を防ぐために、確率的変動性を考慮してランダムプロット効果を用いた線形混合効果アプローチを用いてモデルを開発しました。樹木サイズ、競合、サイト条件のインデックスなど、さまざまなツリーレベルおよびスタンドレベル変数が、残留変動性を説明するための固定効果として含まれていました。また、不均一性と自己相関性は、分散関数と自己相関構造を導入して説明した。最適な線形混合効果モデルは、アカイケの情報基準、ベイズ情報基準、対数尤度、尤度比検定など、いくつかの適合統計によって決定されました。その結果、個々の木の基礎面積の増分の有意な変数は、乳房の高さでの直径の逆変換、被験者の木よりも大きい木の基礎面積、ヘクタール当たりの木の数、および標高であることを示した。さらに、分散構造の誤差は指数関数によって最もうまくモデル化され、自己相関は一次自己回帰構造(AR(1)によって有意に補正された。線形混合効果モデルのパフォーマンスは、通常の最小二乗回帰を使用してモデルに対して大幅に改善されました。

Introduction

偶数年の単一培養と比較して、複数の目的を持つ不均一な熟成混合種森林管理は、最近^1、2、3の注目^を集めています。堅牢な森林管理戦略を策定するためには、異なる管理の選択肢の予測が必要であり、特に複雑な不均一な混合種森林⁴に対して必要である。森林の成長と収穫モデルは、樹木を予測したり、様々な管理スキーム^5、6、7の下で開発と収穫を立ち上げるために広く使用されています。森林の成長と収量モデルは、個別ツリーモデル、サイズクラスモデル、および全スタンド成長モデル^6、7、8に分類されます。残念ながら、サイズクラスのモデルと全スタンドモデルは、森林管理の意思決定プロセスをサポートするためにより詳細な説明を必要とする不均一な老朽化した混合種の森林には適していません。このため、樹木の成長と収量モデルは、森林の予測を行う能力が、さまざまな種の組成、構造....

Protocol

1. データ準備

1. 個々の樹木情報(1.3 mの胸の高さで種と直径)とプロット情報(傾斜、傾斜、傾斜、標高)を含むモデリングデータを準備します。この研究では、中国北西部の新疆省の8番目(2009年)と9日(2014年)の中国国有林在庫からデータが得られ、779のサンプルプロットの21,898の観測が含まれています。これらのサンプルプロットは、1Μ(中国の面積は0.067ヘクタールに相当)の大きさの正方形で、4km x 8kmのグリッド上に体系的に配置されています。
   注: モデリング (基底領域) 増分のデータには、少なくとも 1 つの成長期間 (つまり、2 つの観測値) が必要です。
2. モデルフィッティングに使用されるサンプルプロットのデータの80%をランダムに2つのデータセットに分割し、623のサンプルプロットから17,145個の観測値と、156のサンプルプロットから4,753個の観測値から構成されるモデル検証(モデル検証データセット)の20%で構成されます。使用する主要変数の記述統計は 、表 1に示されています。
   注: モデリング手順のこの手順は省略でき、すべてのデータはモデル開発に使用されます。

変数

Discussion

混合効果モデルの開発のための重要な問題は、どのパラメータがランダム効果として扱うことができるか、どのパラメータが固定効果^34、35と考えるべきかを決定することです。2つの方法が提案されている。最も一般的なアプローチは、すべてのパラメータをランダムエフェクトとして扱い、AIC、BIC、Loglik、およびLRTによって選択された最良のモデ.......

Materials

Name	Company	Catalog Number	Comments
Computer	acer
Microsoft Office 2013
R x64 3.5.1