用于空间变化林分表的动态空间回归模型
应用统计
2014-11-04 v1
摘要
许多森林经营规划决策都基于关于单位面积内按树种和直径划分的树木数量的信息。这些信息通常汇总于林分表中，其中林分被定义为树种组成、年龄、状况或生产力足够均匀、可被视为规划同质单元的一组林木。通常，用于构建林分表的信息是从基于概率抽样设计选出的森林观测子集中收集的。此类抽样调查成本高昂，因此通常仅观测少量样本单元。这种数据稀缺意味着只能为相对较大的面积单元估算林分表。当代森林经营规划和空间显式生态系统模型需要比传统方法所能负担的更高空间分辨率的林分表输入。我们提出了一种动态多元泊松空间回归模型，该模型既能容纳观测直径分布之间的空间相关性，也能容纳每个位置内跨直径级的树木计数之间的相关性。为了改善未观测位置的拟合与预测，可以利用辅助数据（如经营历史或遥感信息）来估计特定直径的强度。所提出的模型用于分析在美国缅因州布拉德利市美国林务局 Penobscot 实验森林收集的多样化森林清查数据集。结果表明，通过多元高斯过程显式建模残差空间结构，并结合来自 LiDAR 协变量的森林结构信息，可改善模型拟合，并能提供高空间分辨率的林分表地图及其相关的不确定性估计。
引用
@article{arxiv.1411.0599,
title = {Dynamic spatial regression models for space-varying forest stand tables},
author = {Andrew O. Finley and Sudipto Banerjee and Aaron R. Weiskittel and Chad Babcock and Bruce D. Cook},
journal= {arXiv preprint arXiv:1411.0599},
year = {2014}
}