Questa ricerca è stata finanziata dai Fondi di ricerca fondamentale per le università centrali, numero di sovvenzione 2019GJZL04. Ringraziamo il professor Weisheng Zeng presso l'Academy of Forest Inventory and Planning, National Forestry and Grassland Administration, Cina per aver fornito l'accesso ai dati.

1. Preparazione dei dati
<ol><li>Preparare i dati di modellazione, che includono informazioni sui singoli alberi (specie e diametro all'altezza del seno a 1,3 m) e informazioni sulla trama (pendenza, aspetto e elevazione). In questo studio, i dati sono stati ottenuti dall'8 ° (2009) e dal 9 ° (2014) inventario forestale nazionale cinese nella provincia dello Xinjiang, nel nord-ovest della Cina, che include 21.898 osservazioni di 779 appezzamenti campione. Questi appezzamenti campione sono a forma quadrata con una dimensione di 1 Mu (unità di area cinese equivalente a 0,067 ha) e sono sistematicamente disposti su una griglia di 4 km x 8 km. NOTA: I dati per la modellazione (area basale) richiedono almeno un periodo di crescita (cioè due osservazioni).</li>
	<li>Dividi casualmente i dati in due set di dati, con l'80% dei dati dei grafici campione utilizzati per il raccordo del modello (set di dati di sviluppo del modello), che consiste in 17.145 osservazioni da 623 grafici campione e il 20% per la convalida del modello (set di dati di convalida del modello) che consiste in 4.753 osservazioni da 156 grafici campione. Le statistiche descrittive delle variabili chiave utilizzate sono fornite nella tabella 1. NOTA: questo passaggio della procedura di modellazione può essere omesso e tutti i dati vengono utilizzati per lo sviluppo del modello.</li>
</ol><table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td rowspan="2">Variabili</td>
			<td colspan="4">Dati di montaggio</td>
			<td></td>
			<td colspan="4">Dati di convalida</td>
		</tr>
<tr>
<td>Minimo</td>
			<td>Massimo</td>
			<td>Significare</td>
			<td>S.d.</td>
			<td></td>
			<td>Minimo</td>
			<td>Massimo</td>
			<td>Significare</td>
			<td>S.d.</td>
		</tr>
<tr>
<td>DBH1 (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>ID (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 (alberi/ha)</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>La tabella 1. Statistiche di riepilogo per l'adattamento e la convalida dei dati. DBH1: diametro iniziale all'altezza del seno a 1,3 m (DBH), DBH2: DBH misurato dopo 5 anni di crescita, QMD: diametro medio quadratico, ID: incremento del diametro per 5 anni (DBH2 – DBH1), BAL: l'area basale degli alberi più grande dell'albero soggetto (l'albero soggetto: l'albero che è stato calcolato gli indici di competizione), NT: il numero di alberi per ettaro, BA: area basale per ettaro, EL: elevazione, S.D.: deviazione standard.
2. Sviluppo di modelli di base
<ol><li>Consultare i riferimenti per identificare le variabili che influiscono sugli incrementi dell'area basale dei singoli alberi.</li>
	<li>Selezionare e calcolare le variabili in base ai dati. In genere, l'incremento dell'area basale del singolo albero è influenzato da tre gruppi di variabili: dimensione dell'albero, competizione e condizionedel sito 27,28,29,30.<ol>
<li>Si consideri gli effetti delle dimensioni degli alberi quali DBH1, il quadrato di DBH1 ( <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> ), latrasformazione inversa di DBH 1 (1/DBH1) e il logaritmo comune di DBH1 (logDBH1) o le loro combinazioni.</li>
		<li>Si consideri gli effetti competitivi, come gli indici di concorrenza a una o due lati, per quantificare in modo più completo il livello di concorrenza vissuto da un albero, nonché la sua posizione sociale all'interno dello stand. La competizione unilaterale include BAL e l'indice di densità relativa (RD=DBH1/QMD); la competizione su due lati include NT e BA. NOTA: gli indici di concorrenza dipendenti dalla distanza dovrebbero essere presi in considerazione se i dati sono disponibili.</li>
		<li>Considerare che gli effetti del sito, ad esempio aspect (ASP), slope (SL) e EL. SL e ASP, devono essere inclusi utilizzando latrasformazione 31 diStage.</li>
	</ol>
</li>
	<li>Selezionare log( <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> - <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> +1) ( <img alt="Equation 12" src="/files/ftp_upload/60827/60827eq12.jpg"> indica il quadrato di DBH2) come variabile dipendente.</li>
	<li>Sviluppare il modello di base utilizzando il metodo di regressione graduale. Assicurarsi che il modello sia biologicamente ragionevole e mostri differenze significative tra variabili indipendenti. Utilizzare il fattore di inflazione di varianza (VIF) per verificare la multicollinearità.</li>
	<li>Lasciare le variabili indipendenti con p < 0.05 e VIF < 5 nel modello di base.</li>
	<li>Produrre i risultati del modello di base e il plottaggio residuo. Il modello di base qui prodotto funge da base per l'ulteriore sviluppo di un modello ad effetti misti.</li>
</ol>3. Sviluppo lineare di modelli ad effetti misti con il pacchetto "nlme" nel software R
<ol><li>Leggere il set di dati di sviluppo del modello e caricare il pacchetto "nlme". >model.development.dataset=read.csv("E:/DATA/JoVE/modelingdata.csv", header=TRUE) >libreria(nlme)</li>
	<li>Selezionate i grafici campione come effetti casuali per sviluppare il modello degli effetti misti.</li>
	<li>Adatta tutte le possibili combinazioni di effetti casuali con il metodo di massima verosimiglianza (ML) e restituisci i risultati. >Modello<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML", casuale =~1| TRAMA) >riepilogo(Modello) 
	<ol>
<li>Set random =~1 è l'intercetta su parametri casuali. Modificare le istruzioni casuali fino a quando non vengono montate tutte le combinazioni. Ad esempio, per impostare 1/DBH1 e BAL come parametri casuali, il codice è il seguente: casuale =~1/DBH1+BAL-1. Inoltre, nel processo di montaggio, i codici possono segnalare errori dovuti alla non converenza del modello montato.</li>
	</ol></li>
	<li>Selezionare il modello migliore in base al criterio informativo (AIC) di Akaike, al criterio dell'informazione bayesiana (BIC), alla probabilità logaritmo (Loglik) e al test del rapporto di verosimiglianza (LRT). >anova(Modello.1, Modello.6) >anova(Modello.6, Modello.23) >anova(Modello.23, Modello.30)</li>
	<li>Determinare la struttura di Ri. Affrontare l'eterogeneità e l'autocorrelazione di Ri32. La Ri è scritta come segue: <img alt="Equation 1" src="/files/ftp_upload/60827/60827eq1.jpg">(1) dove σ2 è un fattore di scala sconosciuto che è uguale alla varianza residua del modello, G iè una matrice diagonale che descrive l'eterogeneità, e Γ i èuna matrice che descrive l'autocorrelazione.<ol>
<li>Osservare se i residui hanno eteroscedasticità dalla trama residua. Se c'è eteroscedasticità (i residui hanno un modello o una tendenza chiara), introdurre tre funzioni di varianza usate di frequente - la costante più la funzione di potenza, la funzione di potenza e la funzione esponenziale - per modellare la struttura di varianza degli errori. > La commissione per l'Model.30.1<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML",random=~1/DBH1+BAL+NT| Trama weights=varConstPower(form=~ montato(.))) > La commissione per l'riepilogo(Modello.30.1) > La commissione per l'Model.30.2<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML",random=~1/DBH1+BAL+NT| Trama weights=varPower(form=~ montato(.))) > La commissione per l'riepilogo(Modello.30.2) > La commissione per l'Model.30.3<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML",random=~1/DBH1+BAL+NT| Trama weights=varExp(form=~ montato(.))) >riepilogo(Modello.30.3)
</li>
		<li>Determinare la migliore funzione di varianza per il modello in base a AIC, BIC, Loglik e LRT. > La commissione per l'anova(Modello.30, Modello.30.1) > La commissione per l'anova(Modello.30, Modello.30.2) >anova(Modello.30, Modello.30.3)
</li>
		<li>Introdurre tre strutture di autocorrelazione comunemente utilizzate - la struttura di simmetria composta (CS), la struttura autoregressiva del primo ordine [AR(1)] e una combinazione di strutture autoregressive e medie mobili di primo ordine [ARMA(1,1)], per tenere conto dell'autocorrelazione. >Modello.30.3.1<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML", random=~1/DBH1+BAL+NT| PLOT, weights=varExp(form=~fitted(.)), corr= corCompSymm()) >riepilogo(Modello.30.3.1) >Modello.30.3.2<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML", random=~1/DBH1+BAL+NT| PLOT,weights=varExp(form=~ fitted(.)), corr=corAR1()) >riepilogo(Modello.30.3.2) >Modello.30.3.3<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="ML", random=~1/DBH1+BAL+NT| PLOT,weights=varExp(form=~ fitted(.)), corr=corARMA(q=1,p=1)) >riepilogo(Modello.30.3.3)
</li>
		<li>Determinare la migliore struttura di autocorrelazione in base a AIC, BIC, Loglik e LRT. >anova(Modello.30.3, Modello.30.3.2) NOTA: I Gi e Γi non possono essere definiti se non vi è eteroscedasticità e autocorrelazione.</li>
		<li>Produrre i risultati finali del modello ad effetti misti utilizzando il metodo REML (Restricted Maximum Likelihood). >Mixed.model<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, method="REML",random=~1/DBH1+BAL+NT| Trama weights=varExp(form=~ fitted(.)), corr=corAR1()) >riepilogo(Misto.modello)
</li>
	</ol></li>
</ol>4. Correzione dei pregiudizi
<ol><li>Trasformate i valori previsti dell'incremento dell'area basale utilizzando il modello finale su una scala logaritmica nella scala originale. Tuttavia, una tale trasformazione posteriore lineare del valore previsto da un modello trasformato da log produce una distorsione di trasformazione del log associata. Per gestire la distorsione del log, è stato derivato e integrato un fattore di correzione nell'equazione di previsione, che stima l'incremento effettivo previsto dell'area basale per un dato albero [Equazione (2)]: <img alt="Equation 2" src="/files/ftp_upload/60827/60827eq2.jpg">(2) dove <img alt="Equation 13" src="/files/ftp_upload/60827/60827eq13.jpg"> è previsto il valore logaritmico dell'incremento dell'area basale dal modello, <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> mentre è il valore di trasformazione posteriore previsto dell'incremento dell'area basale per 5 anni dopo la correzione per la distorsione della trasformazione del log. <img alt="Equation 15" src="/files/ftp_upload/60827/60827eq15.jpg"> è la varianza dagli effetti casuali nel grafico e σ2 è la varianza residua.</li>
	<li>Convertire l'incremento dell'area basale ( <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> ) nell'incremento del diametro.</li>
</ol>5. Previsione e valutazione del modello
<ol><li>Preparare il set di dati di convalida del modello prodotto nella sezione 1.2 per la stima.</li>
	<li>Utilizzate il modello lineare degli effetti misti per prevedere l'incremento dell'area basale a singolo albero. I componenti casuali sono stati calcolati utilizzando il seguente miglior predittore lineare imparziale: <img alt="Equation 3" src="/files/ftp_upload/60827/60827eq3.jpg">(3) dove <img alt="Equation 16" src="/files/ftp_upload/60827/60827eq16.jpg"> è un vettore per i componenti casuali; è la matrice varianza-covarianza per la variabilità tra grafici; è la matrice di progettazione per i componenti casuali che agiscono alle osservazioni complementari; è il vettore residuo le cui componenti sono date dalla differenza tra gli <img alt="Equation 17" src="/files/ftp_upload/60827/60827eq17.jpg"> <img alt="Equation 18" src="/files/ftp_upload/60827/60827eq18.jpg"> <img alt="Equation 19" src="/files/ftp_upload/60827/60827eq19.jpg"> incrementi dell'area basale e gli incrementi previsti utilizzando il modello ad effetti fissi.</li>
	<li>Valutare e confrontare la capacità predittiva del modello di base e del modello lineare degli effetti misti utilizzando i seguentitre indicatori statistici 23,33. <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) dove obji è l'area basale incrementa, est i è l'area basale prevista incrementi, <img alt="Equation 20" src="/files/ftp_upload/60827/60827eq20.jpg"> è la media delle osservazioni, e N è il numero di osservazioni.</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>

Gli autori non hanno nulla da rivelare.

Una questione cruciale per lo sviluppo di modelli ad effetti misti è determinare quali parametri possono essere trattati come effetti casuali e quali dovrebbero essere considerati effettifissi 34,35. Sono stati proposti due metodi. L'approccio più comune è quello di trattare tutti i parametri come effetti casuali e quindi avere il miglior modello selezionato da AIC, BIC, Loglik e LRT. Questo è stato il metodo utilizzato dal nostro studio35. Un'alternativa è adattare modelli di incremento dell'area basale per ogni tracciato campione con regressione OLS. I parametri che hanno un'elevata variabilità e una minore sovrapposizione negli intervalli di confidenza tra i grafici campione tra questi modelli possono essere considerati casuali17.
Per tenere conto dell'eterogeneità e dell'autocorrelazione, sono state introdotte tre funzioni di varianza e tre strutture di autocorrelazione. Coerentemente con i risultati di Calama e Montero17 e Uzoh e Oliver27, la funzione esponenziale e AR(1) sono state determinate rispettivamente come la funzione di varianza ottimale e la struttura di autocorrelazione.
Esistono due metodi più comunemente utilizzati nei programmi software statistici per stimare modelli ad effetti misti: ML e REML17. ML è più flessibile perché i modelli che differiscono nei loro effetti fissi o nei loro effetti casuali possono essere confrontati direttamente. Tuttavia, lo stimatore per la varianza ottenuta da ML è distorto perché ML non tiene conto del fatto che anche l'intercetta e la pendenza sono stimate (invece di essere conosciute per certo). REML è in grado di fornire stime ml superiori. Pertanto, una volta completati i confronti del modello, il metodo REML è stato utilizzato per il raccordo delmodello finale 17,18,36.
In questo studio, abbiamo scoperto che il modello di incremento dell'area basale a singolo albero per P. asperata usando un approccio lineare ad effetti misti rappresentava un miglioramento significativo rispetto al modello di base usando la regressione OLS. I modelli ad effetti misti forniscono uno strumento efficiente per modellare i dati con struttura stocastica gerarchica, rendendoli ampiamente applicabili in campi come l'agricoltura, la biologia, l'economia, la produzione e la geofisica.

Rispetto alla monocoltura invecchiata uniforme, la gestione forestale di specie miste di età irregolare con molteplici obiettivi ha ricevuto recentementeuna maggiore attenzione 1,2,3. La previsione di diverse alternative di gestione è necessaria per formulare solide strategie di gestione forestale, in particolare per la complessa foresta di specie miste di età irregolare4. I modelli di crescita e resa delle foreste sono stati ampiamente utilizzati per prevedere lo sviluppo e il raccolto di alberi o standnell'ambito di vari schemi di gestione 5,6,7. I modelli di crescita e resa delle foreste sono classificati in modelli a albero singolo, modelli di classe di dimensioni e modelli di crescita interi6,7,8. Sfortunatamente, i modelli di classe di dimensioni e i modelli di stand interi non sono appropriati per le foreste di specie miste di età non uniforme, che richiedono una descrizione più dettagliata per sostenere il processo decisionale di gestione forestale. Per questo motivo, i modelli di crescita e resa dei singoli alberi hanno ricevuto una maggiore attenzione negli ultimi decenni a causa della loro capacità di fare previsioni per gli stand forestali con una varietà di composizioni, strutture e strategie digestione delle specie 9,10,11.
La regressione OLS (Ordinary Least Squares) è il metodo più comunemente utilizzato per lo sviluppo di modelli di crescita di singoli alberi12,13,14,15. I set di dati per i singoli modelli di crescita degli alberi raccolti ripetutamente per un periodo di tempo fisso sulla stessa unità di campionamento (ad esempio, grafico campione o albero) hanno una struttura stocastica gerarchica, con una mancanza di indipendenza e un'elevata correlazione spaziale e temporale tra leosservazioni 10,16. La struttura stocastica gerarchica viola le ipotesi fondamentali della regressione OLS: vale a dire residui indipendenti e dati normalmente distribuiti con varianze uguali. Pertanto, l'utilizzo della regressione OLS produce inevitabilmente stime distorte dell'errore standard delle stime dei parametriper questi dati 13,14.
I modelli ad effetti misti forniscono un potente strumento per analizzare i dati con strutture complesse, ad esempio dati di misure ripetute, dati longitudinali e dati a più livelli. I modelli ad effetti misti sono costituiti sia da componenti fissi, comuni alla popolazione completa, sia da componenti casuali, specifici di ogni livello di campionamento. Inoltre, i modelli ad effetti misti tengono conto dell'eterogeneità e dell'autocorrelazione nello spazio e nel tempo definendo matrici di struttura varianza-covarianza non diagonali17,18,19. Per questo motivo, i modelli ad effetto misto sono stati ampiamente utilizzati nella silvicoltura, come nei modelli di diametro-altezza20,21,modelli acorona 22,23,modelli auto-assottiglianti24,25e modelli dicrescita 26,27.
Qui, l'obiettivo principale era quello di sviluppare un modello di incremento dell'area basale a singolo albero utilizzando un approccio lineare ad effetti misti. Speriamo che l'approccio basato sugli effetti misti possa essere ampiamente applicato.

<table><tbody><tr><td>Computer</td><td>acer</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>

development of an individual-tree basal area increment model using a linear mixed-effects approach

Qui, abbiamo sviluppato un modello a albero individuale di incrementi di area basale di 5 anni basati su un set di dati che include 21898 alberi picea asperata da 779 appezzamenti campione situati nella provincia dello Xinjiang, nel nord-ovest della Cina. Per evitare alte correlazioni tra le osservazioni della stessa unità di campionamento, abbiamo sviluppato il modello utilizzando un approccio lineare ad effetti misti con effetto grafico casuale per tenere conto della variabilità stocastica. Varie variabili ad albero e stand-level, come gli indici per le dimensioni degli alberi, la concorrenza e le condizioni del sito, sono state incluse come effetti fissi per spiegare la variabilità residua. Inoltre, l'eteroscedasticità e l'autocorrelazione sono state descritte introducendo funzioni di varianza e strutture di autocorrelazione. Il modello ottimale degli effetti misti lineari è stato determinato da diverse statistiche di adattamento: il criterio informativo di Akaike, il criterio dell'informazione bayesiana, la probabilità logaritmo e un test del rapporto di verosimiglianza. I risultati hanno indicato che variabili significative dell'incremento dell'area basale del singolo albero erano la trasformazione inversa del diametro all'altezza del seno, l'area basale degli alberi più grande dell'albero soggetto, il numero di alberi per ettaro e l'elevazione. Inoltre, gli errori nella struttura di varianza sono stati modellati con maggior successo dalla funzione esponenziale, e l'autocorrelazione è stata significativamente corretta dalla struttura autoregressiva di primo ordine (AR(1)). Le prestazioni del modello lineare degli effetti misti sono state significativamente migliorate rispetto al modello utilizzando la regressione ordinaria dei meno quadrati.

Il modello base di incremento dell'area basale per P. asperata è stato espresso come Equazione (7). Le stime dei parametri, i relativi errori standard e le statistiche sulla mancanza di adattamento sono riportati nella tabella 2. Il grafico residuo è illustrato nella figura 1. È stata osservata una pronunciata eterogeneità dei residui. <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>Stima</td>
			<td>Errore standard</td>
			<td>test t</td>
			<td>Valore P</td>
			<td>Vif</td>
		</tr>
<tr>
<td>Int</td>
			<td>2.41</td>
			<td>2.26E-02</td>
			<td>106.78</td>
			<td><2e-16</td>
			<td>-</td>
		</tr>
<tr>
<td>1/DBH1
</td>
			<td>-5.84</td>
			<td>7.57E-02</td>
			<td>-77.19</td>
			<td><2e-16</td>
			<td>1.12</td>
		</tr>
<tr>
<td>Bal</td>
			<td>-0.0954</td>
			<td>3.34E-03</td>
			<td>-28.54</td>
			<td><2e-16</td>
			<td>1.08</td>
		</tr>
<tr>
<td>Nt</td>
			<td>-0.000158</td>
			<td>4.74E-06</td>
			<td>-33.31</td>
			<td><2e-16</td>
			<td>1.12</td>
		</tr>
<tr>
<td>El</td>
			<td>-0.00011</td>
			<td>9.07E-06</td>
			<td>-12.13</td>
			<td><2e-16</td>
			<td>1.05</td>
		</tr>
<tr>
<td colspan="6">AIC = 16789</td>
		</tr>
<tr>
<td colspan="6">BIC = 16836</td>
		</tr>
<tr>
<td colspan="6">Loglik = -8389</td>
		</tr>
</tbody></table>La tabella 2. Risultati del modello di base. I parametri stimati, i relativi errori standard e le statistiche di insaderenti derivate dall'equazione (7). VIF: fattore di inflazione di varianza, AIC: Criterio informativo di Akaike, BIC: criterio di informazione bayesiana, e Loglik: verosimiglianza logaritmo.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/60827/60827fig1.jpg"> Figura 1. Grafico residuo derivato dall'equazione (7). I residui hanno una chiara tendenza, vale a dire che è stata osservata una pronunciata eteroscedasticità dei residui. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/60827/60827fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
C'erano 31 possibili combinazioni di parametri di effetti casuali per l'equazione (7). Dopo il montaggio, 30 combinazioni hanno raggiunto la convergenza(tabella 3). Tra queste 30 combinazioni, il Modello 30 dell'Equazione (8) è stato selezionato poiché ha prodotto l'AIC più basso (9083), il BIC più basso (9207), il più grande LogLik (-4525) e l'LRT era significativamente diverso rispetto agli altri modelli. <img alt="Equation 8" src="/files/ftp_upload/60827/60827eq8.jpg">(8) dove β1 – β5 sono i parametri degli effetti fissi e b1 – b4 sono i parametri degli effetti casuali.
<table border="1" fo:keep-together.within-page="1"><tbody><tr><td rowspan="2">Modello</td>
			<td colspan="5">Parametri casuali</td>
			<td rowspan="2">Aic</td>
			<td rowspan="2">Bic</td>
			<td rowspan="2">LogLik</td>
			<td rowspan="2">Lrt</td>
			<td rowspan="2">Valore P</td>
		</tr><tr><td>Int</td>
			<td>1/DBH1</td>
			<td>Bal</td>
			<td>Nt</td>
			<td>El</td>
		</tr><tr><td>1</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
			<td>10175</td>
			<td>10230</td>
			<td>-5081</td>
			<td></td>
			<td></td>
		</tr><tr><td>2</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td></td>
			<td>11630</td>
			<td>11684</td>
			<td>-5808</td>
			<td></td>
			<td></td>
		</tr><tr><td>3</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>11772</td>
			<td>11826</td>
			<td>-5879</td>
			<td></td>
			<td></td>
		</tr><tr><td>4</td>
			<td></td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>10556</td>
			<td>10611</td>
			<td>-5271</td>
			<td></td>
			<td></td>
		</tr><tr><td>5</td>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>10259</td>
			<td>10313</td>
			<td>-5123</td>
			<td></td>
			<td></td>
		</tr><tr><td rowspan="2">6</td>
			<td rowspan="2">▲</td>
			<td rowspan="2">▲</td>
			<td rowspan="2"></td>
			<td rowspan="2"></td>
			<td rowspan="2"></td>
			<td rowspan="2">9268</td>
			<td rowspan="2">9338</td>
			<td rowspan="2">-4625</td>
			<td>911.1</td>
			<td rowspan="2"><.0001</td>
		</tr><tr><td>(1 contro 6)</td>
		</tr><tr><td>7</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>9411</td>
			<td>9481</td>
			<td>-4697</td>
			<td></td>
			<td></td>
		</tr><tr><td>8</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>10179</td>
			<td>10249</td>
			<td>-5081</td>
			<td></td>
			<td></td>
		</tr><tr><td>9</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>10179</td>
			<td>10249</td>
			<td>-5080</td>
			<td></td>
			<td></td>
		</tr><tr><td>10</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>10829</td>
			<td>10899</td>
			<td>-5406</td>
			<td></td>
			<td></td>
		</tr><tr><td>11</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>9532</td>
			<td>9601</td>
			<td>-4757</td>
			<td></td>
			<td></td>
		</tr><tr><td>12</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>9335</td>
			<td>9405</td>
			<td>-4659</td>
			<td></td>
			<td></td>
		</tr><tr><td>13</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>9803</td>
			<td>9873</td>
			<td>-4892</td>
			<td></td>
			<td></td>
		</tr><tr><td>14</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>9465</td>
			<td>9535</td>
			<td>-4723</td>
			<td></td>
			<td></td>
		</tr><tr><td>15</td>
			<td></td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>10200</td>
			<td>10270</td>
			<td>-5091</td>
			<td></td>
			<td></td>
		</tr><tr><td>16</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td colspan="3">Non converenza</td>
			<td></td>
			<td></td>
		</tr><tr><td>17</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>9271</td>
			<td>9364</td>
			<td>-4624</td>
			<td></td>
			<td></td>
		</tr><tr><td>18</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>9274</td>
			<td>9367</td>
			<td>-4625</td>
			<td></td>
			<td></td>
		</tr><tr><td>19</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>9417</td>
			<td>9510</td>
			<td>-4696</td>
			<td></td>
			<td></td>
		</tr><tr><td>20</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>9417</td>
			<td>9510</td>
			<td>-4697</td>
			<td></td>
			<td></td>
		</tr><tr><td>21</td>
			<td>▲</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>10184</td>
			<td>10277</td>
			<td>-5080</td>
			<td></td>
			<td></td>
		</tr><tr><td>22</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>9332</td>
			<td>9425</td>
			<td>-4654</td>
			<td></td>
			<td></td>
		</tr><tr><td rowspan="2">23</td>
			<td rowspan="2"></td>
			<td rowspan="2">▲</td>
			<td rowspan="2">▲</td>
			<td rowspan="2"></td>
			<td rowspan="2">▲</td>
			<td rowspan="2">9132</td>
			<td rowspan="2">9225</td>
			<td rowspan="2">-4554</td>
			<td>142.7</td>
			<td rowspan="2"><.0001</td>
		</tr><tr><td>(23 vs 6)</td>
		</tr><tr><td>24</td>
			<td></td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>9293</td>
			<td>9386</td>
			<td>-4634</td>
			<td></td>
			<td></td>
		</tr><tr><td>25</td>
			<td></td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>9443</td>
			<td>9536</td>
			<td>-4709</td>
			<td></td>
			<td></td>
		</tr><tr><td>26</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>9083</td>
			<td>9207</td>
			<td>-4525</td>
			<td></td>
			<td></td>
		</tr><tr><td>27</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>9086</td>
			<td>9210</td>
			<td>-4527</td>
			<td></td>
			<td></td>
		</tr><tr><td>28</td>
			<td>▲</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>9280</td>
			<td>9404</td>
			<td>-4624</td>
			<td></td>
			<td></td>
		</tr><tr><td>29</td>
			<td>▲</td>
			<td></td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>9425</td>
			<td>9549</td>
			<td>-4696</td>
			<td></td>
			<td></td>
		</tr><tr><td rowspan="2">30</td>
			<td rowspan="2"></td>
			<td rowspan="2">▲</td>
			<td rowspan="2">▲</td>
			<td rowspan="2">▲</td>
			<td rowspan="2">▲</td>
			<td rowspan="2">9083</td>
			<td rowspan="2">9207</td>
			<td rowspan="2">-4525</td>
			<td>56.8</td>
			<td rowspan="2"><.0001</td>
		</tr><tr><td>(30 vs 23)</td>
		</tr><tr><td>31</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>▲</td>
			<td>9091</td>
			<td>9254</td>
			<td>-4525</td>
			<td></td>
			<td></td>
		</tr></tbody></table>La tabella 3. Indici di valutazione di ciascun modello lineare ad effetti misti. -: è stato selezionato un parametro per gli effetti casuali per il montaggio; LRT: test del rapporto di verosimiglianza.
I modelli lineari ad effetti misti con funzioni di varianza e strutture di correlazione sono riportati nella tabella 4. Secondo AIC, BIC, Loglik e LRT, la funzione esponenziale e AR(1) sono state selezionate rispettivamente come migliore funzione di varianza e struttura di autocorrelazione.
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td>Modello</td>
			<td>Varianza (funzione)</td>
			<td>Struttura di correlazione</td>
			<td>Aic</td>
			<td>Bic</td>
			<td>LogLik</td>
			<td>Lrt</td>
			<td>Valore P</td>
		</tr>
<tr>
<td>30</td>
			<td>No</td>
			<td>Indipendente</td>
			<td>9083</td>
			<td>9207</td>
			<td>-4525</td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td>30.1</td>
			<td>ConstPower</td>
			<td>Indipendente</td>
			<td>9075</td>
			<td>9215</td>
			<td>-4520</td>
			<td>11.8a
</td>
			<td>0.0028</td>
		</tr>
<tr>
<td>30.2</td>
			<td>Potere</td>
			<td>Indipendente</td>
			<td>9073</td>
			<td>9205</td>
			<td>-4520</td>
			<td>11.7a
</td>
			<td>6.00E-04</td>
		</tr>
<tr>
<td>30.3</td>
			<td>Esponente</td>
			<td>Indipendente</td>
			<td>9073</td>
			<td>9204</td>
			<td>-4519</td>
			<td>12.3a
</td>
			<td>5.00E-04</td>
		</tr>
<tr>
<td>30.3.1</td>
			<td>Esponente</td>
			<td>Cs</td>
			<td colspan="5">Non converenza</td>
		</tr>
<tr>
<td>30.3.2</td>
			<td>Esponente</td>
			<td>AR(1)</td>
			<td>9050</td>
			<td>9189</td>
			<td>-4507</td>
			<td>24.9b) la commissione per i trasporti e il
</td>
			<td><.0001</td>
		</tr>
<tr>
<td>30.3.3</td>
			<td>Esponente</td>
			<td>ARMA(1,1)</td>
			<td colspan="5">Non converenza</td>
		</tr>
</tbody></table>La tabella 4. Confronti delle prestazioni dei modelli lineari di incremento dell'area basale ad albero singolo ad effetti misti con diverse funzioni di varianza e diverse strutture di correlazione. CS: struttura di simmetria composta, AR(1): una struttura autoregressiva di primo ordine, ARMA(1,1): una combinazione di strutture autoregressive e medie mobili di primo ordine; è stato calcolato un rapporto di verosimiglianza per il Modello 30; b Il rapporto di verosimiglianza è stato calcolato per il modello 30.3.
Il modello finale di incremento lineare dell'area basale ad albero singolo ad effetti misti è stato proposto utilizzando il metodo REML [Equazione (9)]. I parametri fissi stimati, i relativi errori standard e le statistiche sulla mancanza di adattamento sono riportati nella tabella 5. Il grafico residuo del modello finale è illustrato nella figura 2. Nei residui si è osservato un miglioramento significativo. <img alt="Equation 9" src="/files/ftp_upload/60827/60827eq9.jpg">(9) Dove <img alt="Equation 10" src="/files/ftp_upload/60827/60827eq10.jpg">(10)
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td></td>
			<td>Stima</td>
			<td>Errore standard</td>
			<td>test t</td>
			<td>Valore P</td>
		</tr>
<tr>
<td>Int</td>
			<td>2.8086</td>
			<td>7.99E-02</td>
			<td>35.14</td>
			<td><0,01</td>
		</tr>
<tr>
<td>1/DBH1
</td>
			<td>-6.2402</td>
			<td>1.56E-01</td>
			<td>-40.01</td>
			<td><0,01</td>
		</tr>
<tr>
<td>Bal</td>
			<td>-0.1324</td>
			<td>8.07E-03</td>
			<td>-16.41</td>
			<td><0,01</td>
		</tr>
<tr>
<td>Nt</td>
			<td>-0.0001</td>
			<td>2.26 E-05</td>
			<td>-4.921</td>
			<td><0,01</td>
		</tr>
<tr>
<td>El</td>
			<td>-0.0003</td>
			<td>3.32E-05</td>
			<td>-7.86</td>
			<td><0,01</td>
		</tr>
<tr>
<td colspan="5">AIC = 9105</td>
		</tr>
<tr>
<td colspan="5">BIC = 9244</td>
		</tr>
<tr>
<td colspan="5">Loglik = -4535</td>
		</tr>
</tbody></table>La tabella 5. Risultatidel modello M ixed-effects. I parametri fissi stimati, i corrispondenti errori standard e le statistiche di insociezione derivate dall'equazione (9).
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/60827/60827fig2.jpg"> Figura 2. Grafico residuo derivato dall'equazione (9). Rispetto alla figura 1, è stato osservato un miglioramento significativo nei residui. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/60827/60827fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
La tabella 6 elenca le tre statistiche di previsione dell'equazione (7) e dell'equazione (9). Rispetto al modello di base, le prestazioni del modello lineare a effetti misti sono state significativamente migliorate.
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td>Modello</td>
			<td>Pregiudizi</td>
			<td>Rmse</td>
			<td>R2</td>
		</tr>
<tr>
<td>Modello di base</td>
			<td>0.297</td>
			<td>0.377</td>
			<td>0.479</td>
		</tr>
<tr>
<td>Modello ad effetti misti</td>
			<td>0.221</td>
			<td>0.286</td>
			<td>0.699</td>
		</tr>
</tbody></table>La tabella 6. Indici di valutazione del modello di base e del modello lineare degli effetti misti. Dalle tre statistiche di previsione è stato osservato un miglioramento significativo.

Watch this Scientific Journal Video about Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach at JoVE.com

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

I modelli ad effetti misti sono strumenti flessibili e utili per analizzare i dati con una struttura stocastica gerarchica nella silvicoltura e potrebbero anche essere utilizzati per migliorare significativamente le prestazioni dei modelli di crescita forestale. Qui viene presentato un protocollo che sintetizza le informazioni relative ai modelli lineari ad effetti misti.

Sviluppo di un modello di incremento dell'area basale a albero individuale mediante un approccio lineare ad effetti misti

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 ...

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

Nanyang Technological University

Research

JoVE Journal

Biology

3.3K Views.  Beijing Forestry University. I modelli ad effetti misti sono strumenti flessibili e utili per analizzare i dati con una struttura stocastica gerarchica nella silvicoltura e potrebbero anche essere utilizzati per migliorare significativamente le prestazioni dei modelli di crescita forestale. Qui viene presentato un protocollo che sintetizza le informazioni relative ai modelli lineari ad effetti misti.

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

Protocol for Assessing the Relative Effects of Environment and Genetics on Antler and Body Growth for a Long-lived Cervid

Cervid phenotype can be placed into one of two categories: efficiency, which promotes survival over extravagant morphometric growth, and luxury, which promotes growth of large weaponry and body size. Populations of the same species display each phenotype depending on environmental conditions. Although antler and body size of male white-tailed deer (Odocoileus virginianus) varies by physiographic region in Mississippi, USA and is strongly correlated with regional variation in nutritional quality, the effects of population-level genetics from native stocks and previous re-stocking efforts cannot be disregarded. This protocol describes how we designed a controlled study, where other factors that influence phenotype, such as age and nutrition, are controlled. We brought wild-caught pregnant females and six-month-old fawns from three distinct physiographic regions in Mississippi, USA to the Mississippi State University Rusty Dawkins Memorial Deer Unit. Deer from the same region were bred to produce a second generation of offspring, allowing us to assess generational responses and maternal effects. All deer ate the same high-quality (20% crude protein deer pellet) diet ad libitum. We uniquely marked each neonate and recorded body mass, hind foot, and total body length. Each subsequent fall, we sedated individuals via remote injection and sampled the same morphometrics plus antlers of adults. We found that all morphometrics increased in size from first to second generation, with full compensation of antler size (regional variation no longer present) and partial compensation of body mass (some evidence of regional variation) evident in the second generation. Second generation males that originated from our poorest quality soil region displayed about a 40% increase in antler size and about a 25% increase in body mass when compared to their wild harvested counterparts. Our results suggest phenotypic variation of wild male white-tailed deer in Mississippi are more related to differences in nutritional quality than population-level genetics.

Phenotypic differences among cervid populations may be related to population-level genetics or nutrition; discerning which is difficult in the wild. This protocol describes how we designed a controlled study where nutritional variation was eliminated. We found that phenotypic variation of male white-tailed deer was more limited by nutrition than genetics.

Protocollo per la valutazione degli effetti relativi di ambiente e genetica sulla Antler e la crescita del corpo per un cervide longevo

Cervid phenotype can be placed into one of two categories: efficiency, which promotes survival over extravagant morphometric growth, and luxury, which ...

Ricerca

Ambiente

A Simple Planting Technique for Re-establishing Trees Where Frequent Inundation Occurs

Many of the Everglades tree islands have lost elevation over the past century and most of their trees have died such that they are now covered with herbaceous plants. This protocol describes a simple, cost-effective tree planting technique needed for restoring degraded Everglade tree islands. The design is patterned after a natural Everglades process that creates floating peat islands, which allows tree survival and growth in flooded conditions and often leads to the development of tree islands. Commercially available peat bags were used as the medium for the growth and establishment of potted native tree saplings. The pop-up configuration floated initially and provided additional elevation to minimize inundation, with a single native tree species sapling and a single tree fertilizer spike. During a 3 year study involving 105 pop-ups, most plants survived (80%) and many thrived. Determining whether this technique can establish trees on a degraded tree island will require longer studies and extensive field tests.

This protocol describes a simple, cost-effective tree planting technique for restoring degraded Everglades tree islands that experience inundation. The design creates an island (pop-up) which floats initially and adds elevation to promote tree survival and growth under flooded conditions.

Una semplice tecnica di impianto per ristabilire gli alberi dove si verifica frequente Inundation

Many of the Everglades tree islands have lost elevation over the past century and most of their trees have died such that they are now covered with ...

Leaf Area Index Estimation Using Three Distinct Methods in Pure Deciduous Stands

Accurate estimations of leaf area index (LAI), defined as half of the total leaf surface area per unit of horizontal ground surface area, are crucial for describing the vegetation structure in the fields of ecology, forestry, and agriculture. Therefore, procedures of three commercially used methods (litter traps, needle technique, and a plant canopy analyzer) for performing LAI estimation were presented step-by-step. Specific methodological approaches were compared, and their current advantages, controversies, challenges, and future perspectives were discussed in this protocol. Litter traps are usually deemed as the reference level. Both the needle technique and the plant canopy analyzer (e.g., LAI-2000) frequently underestimate LAI values in comparison with the reference. The needle technique is easy to use in deciduous stands where the litter completely decomposes each year (e.g., oak and beech stands). However, calibration based on litter traps or direct destructive methods is necessary. The plant canopy analyzer is a commonly used device for performing LAI estimation in ecology, forestry, and agriculture, but is subject to potential error due to foliage clumping and the contribution of woody elements in the field of view (FOV) of the sensor. Eliminating these potential error sources was discussed. The plant canopy analyzer is a very suitable device for performing LAI estimations at the high spatial level, observing a seasonal LAI dynamic, and for long-term monitoring of LAI.

An accurate estimation of leaf area index (LAI) is crucial for many models of material and energy fluxes within plant ecosystems and between an ecosystem and the atmospheric boundary layer. Therefore, three methods (litter traps, needle technique, and PCA) for taking precise LAI measurements were in the presented protocol.

Stima dell'indice dell'area foglia utilizzando tre metodi distinti in stand deciduous puro

Accurate estimations of leaf area index (LAI), defined as half of the total leaf surface area per unit of horizontal ground surface area, are crucial for ...

A Method for Quantifying Foliage-Dwelling Arthropods

Terrestrial arthropods play an important role in our environment. Quantifying arthropods in a way that allows for a precise index or estimates of density requires a method with high detection probability and a known sampling area. While most described methods provide a qualitative or semi-quantitative estimate adequate for describing species presence, richness, and diversity, few provide an adequately consistent detection probability and known or consistent sampling areas to provide an index or estimate with adequate precision to detect differences in abundance across environmental, spatial, or temporal variables. We describe how to quantify leaf-dwelling arthropods by sealing the leaves and end of branches in a bag, clipping and freezing the bagged material, and rinsing the previously frozen material in water to separate arthropods from the substrate and quantify them. As we demonstrate, this method can be used at a landscape scale to quantify leaf-dwelling arthropods with adequate precision to test for and describe how spatial, temporal, environmental, and ecological variables influence arthropod richness and abundance. This method allowed us to detect differences in density, richness, and diversity of leaf-dwelling arthropods among 5 genera of trees commonly found in southeastern deciduous forests.

We describe how to quantify leaf dwelling arthropods by sealing the leaves and end of branches in a bag, clipping and freezing the bagged material, and rinsing the previously frozen material in water to separate arthropods from the substrate for quantification.

Un metodo per quantificare gli artropodi Foliage-Dwelling

Terrestrial arthropods play an important role in our environment. Quantifying arthropods in a way that allows for a precise index or estimates of density ...

Quantifying Corticolous Arthropods Using Sticky Traps

Terrestrial arthropods play an important role in our environment. Quantifying arthropods in a way that allows for a precise index or estimate of density requires a method with high detection probability and a consistent sampling area. We used manufactured sticky traps to compare abundance, total length (a surrogate for biomass), richness, and Shannon diversity of corticolous arthropods among the boles of 5 tree species. Efficacy of this method was adequate to detect variation in corticolous arthropods among tree species and provide a standard error of the mean that was &#60;20% of the mean for all estimates with sample sizes from 7 to 15 individual trees of each species. Our results indicate, even with these moderate sample sizes, the level of precision of arthropod community metrics produced with this approach is adequate to address most ecological questions regarding temporal and spatial variation in corticolous arthropods. Results from this method differ from other quantitative approaches such as chemical knockdown, visual inspection, and funnel traps in that they provide an indication of corticolous arthropod activity over a relatively long-term, better including temporary bole residents, flying arthropods that temporarily land on the tree bole and crawling arthropods that use the tree bole as a travel route from the ground to higher forest foliage. Furthermore, we believe that commercially manufactured sticky traps provide more precise estimates and are logistically simpler than the previously described method of directly applying a sticky material to tree bark or applying a sticky material to tape or other type of backing and applying that to the tree bark.

We describe a semi-quantitative approach of measuring characteristics of corticolous (bark-dwelling) arthropod communities. We placed commercially manufactured sticky traps on tree boles to estimate abundance, total length (a surrogate to biomass), richness, and Shannon diversity for comparison among tree species.

Quantificare gli artropodi di Corticolous usando trappole appiccicose

Terrestrial arthropods play an important role in our environment. Quantifying arthropods in a way that allows for a precise index or estimate of density ...

Field Measurement of Effective Leaf Area Index using Optical Device in Vegetation Canopy

Leaf area index (LAI) is an essential canopy variable describing the amount of foliage in an ecosystem. The parameter serves as the interface between green components of plants and the atmosphere, and many physiological processes occur there, primarily photosynthetic uptake, respiration, and transpiration. LAI is also an input parameter for many models involving carbon, water, and the energy cycle. Moreover, ground-based in situ measurements serve as the calibration method for LAI obtained from remote sensing products. Therefore, straightforward indirect optical methods are necessary for making precise and rapid LAI estimates. The methodological approach, advantages, controversies, and future perspectives of the newly developed LP 110 optical device based on the relation between radiation transmitted through the vegetation canopy and canopy gaps were discussed in the protocol. Furthermore, the instrument was compared to the world standard LAI-2200 Plant Canopy Analyzer. The LP 110 enables more rapid and more straightforward processing of data acquired in the field, and it is more affordable than the Plant Canopy Analyzer. The new instrument is characterized by its ease of use for both above- and below-canopy readings due to its greater sensor sensitivity, in-built digital inclinometer, and automatic logging of readings at the correct position. Therefore, the hand-held LP 110 device is a suitable gadget for performing LAI estimation in forestry, ecology, horticulture, and agriculture based on the representative results. Moreover, the same device also enables the user to take accurate measurements of incident photosynthetically active radiation (PAR) intensity.

Fast and precise leaf area index (LAI) estimation in terrestrial ecosystems is crucial for a wide range of ecological studies and calibrating remote sensing products. Presented here is the protocol for using the new LP 110 optical device for taking ground-based in situ LAI measurements.

Misurazione sul campo dell'indice di area fogliare efficace utilizzando un dispositivo ottico nella chioma della vegetazione

Leaf area index (LAI) is an essential canopy variable describing the amount of foliage in an ecosystem. The parameter serves as the interface between ...

How to Extract Climate Variability from Tree-Rings

Tree rings have been used to reconstruct climatological variables in many locations around the world. Moreover, tree-rings can provide valuable insights into climatic variability of the last few centuries and, in some areas, several millennia. Despite the important development, that dendrochronology has had in recent decades to study the dendroclimatic potential of a large number of species present in different ecosystems, much remains to be done and explored. In addition to this, in the last few years more people (students, teachers and researchers) around the world are interested in implementing this science to extend the timeline of climate information backwards and understand how climate has changed on scales of decades, centuries or millennia. Therefore, the objective of this work is to describe the general aspects and basic steps needed to conduct a tree-ring climate reconstruction, from site selection and field sampling to laboratory methods and data analysis. In this method's video and manuscript, the general basis in tree-ring climatic reconstructions is explained so newcomers and students can use it as an available guide into this field of research.

<meta charset="utf8"></head><body>Come estrarre la variabilità climatica dagli anelli degli alberi

Tree-ring climate reconstructions can be helpful to better understand past climate variability beyond instrumental records. This protocol shows how to reconstruct past climate using tree rings and meteorological instrumental records.

Come estrarre la variabilità climatica dagli anelli degli alberi

Tree rings have been used to reconstruct climatological variables in many locations around the world. Moreover, tree-rings can provide valuable insights ...

Advanced Workflow for Taking High-Quality Increment Cores - New Techniques and Devices

In dendroecological research, precise dating of each single growth ring is a basic requirement for all studies, focusing on ring-width variations only, chemical or isotope analyses, or wood anatomical studies. Independent of the sampling strategy for a certain study (e.g., climatology, geomorphology), the way samples are taken is crucial for their successful preparation and analyses.
Until recently, it was sufficient to use a (more or less) sharp increment corer to obtain core samples that could be sanded for further analyses. Since wood anatomical characteristics can be applied to long time series, the need to obtain high-quality increment cores has taken on a new meaning. Essentially, the corer needs to be sharp(ened) when used. When coring a tree by hand, there are some problems in handling the corer, resulting in the hidden occurrence of micro cracks along the entire core: When starting to drill by hand, the drill bit is strongly pressed against the bark and the outermost ring until the thread has fully entered the trunk. At the same time, the drill bit is moved up and down as well as sideward. Then, the corer is drilled all the way into the trunk; however, it is necessary to stop after each turn, change the grip, and turn again. All these movements, as well as the start/stop-coring, puts mechanical stress on the core. The resulting micro cracks make it impossible to create continuous micro sections, as they fall apart along all these cracks.
We present a protocol to overcome these obstacles by applying a new technique using a cordless drill to minimize these problems when coring a tree, as well as its effect on the preparation of long micro sections. This protocol includes the preparation of long micro sections, as well as a procedure to sharpen corers in the field.

Here, we present a protocol on how to avoid micro cracks in increment cores by applying a cordless drill with a torque multiplier to minimize problems when coring trees, as well as its effect on preparing long micro sections. This protocol also includes a procedure to sharpen corers in the field.

Flusso di lavoro avanzato per l'acquisizione di core incrementali di alta qualità - Nuove tecniche e dispositivi

In dendroecological research, precise dating of each single growth ring is a basic requirement for all studies, focusing on ring-width variations only, ...

Analisi degli anelli di accrescimento degli alberi ad alto rendimento e stima della densità

Tree Core Analysis with X-ray Computed Tomography

An X-ray computed tomography (CT) toolchain is presented to obtain tree-ring width (TRW), maximum latewood density (MXD), other density parameters, and quantitative wood anatomy (QWA) data without the need for labor-intensive surface treatment or any physical sample preparation. The focus here is on increment cores and scanning procedures at resolutions ranging from 60 &#181;m down to 4 &#181;m. Three scales are defined at which wood should be looked at: (i) inter-ring scale, (ii) ring scale, i.e., tree-ring analysis and densitometry scale, as well as (iii) anatomical scale, the latter approaching the conventional thin-section quality. Custom-designed sample holders for each of these scales enable high-throughput scanning of multiple increment cores. A series of software routines were specifically developed to efficiently treat three-dimensional X-ray CT images of the tree cores for TRW and densitometry. This work briefly explains the basic principles of CT, which are needed for a proper understanding of the protocol. The protocol is presented for some known species that are commonly used in dendrochronology. The combination of rough density estimates, TRW and MXD data, as well as quantitative anatomy data, allows us to broaden and deepen current analyses for climate reconstructions or tree response, as well as further develop the field of dendroecology/climatology and archeology.

Autore in primo piano: Progressi nella catena di strumenti CT a raggi X per l'analisi delle carote degli alberi

Here we show how to process tree cores with an X-ray computed tomography toolchain. Except for chemical extraction for some purposes, no further physical lab treatment is needed. The toolchain can be used for biomass estimations, for obtaining MXD/tree-ring width data as well as for obtaining quantitative wood anatomy data.

Analisi del nucleo dell'albero con tomografia computerizzata a raggi X

An X-ray computed tomography (CT) toolchain is presented to obtain tree-ring width (TRW), maximum latewood density (MXD), other density parameters, and ...

Sviluppo di un modello di incremento dell'area basale a albero individuale mediante un approccio lineare ad effetti misti

Riepilogo

Esplora Altri Video

Protocollo per la valutazione degli effetti relativi di ambiente e genetica sulla Antler e la crescita del corpo per un cervide longevo

Una semplice tecnica di impianto per ristabilire gli alberi dove si verifica frequente Inundation

Stima dell'indice dell'area foglia utilizzando tre metodi distinti in stand deciduous puro

Un metodo per quantificare gli artropodi Foliage-Dwelling

Quantificare gli artropodi di Corticolous usando trappole appiccicose

Misurazione sul campo dell'indice di area fogliare efficace utilizzando un dispositivo ottico nella chioma della vegetazione

Come estrarre la variabilità climatica dagli anelli degli alberi

Come estrarre la variabilità climatica dagli anelli degli alberi

Flusso di lavoro avanzato per l'acquisizione di core incrementali di alta qualità - Nuove tecniche e dispositivi

Analisi del nucleo dell'albero con tomografia computerizzata a raggi X