HIERARCHICAL SPATIAL MODELS FOR PREDICTING TREE SPECIES ASSEMBLAGES ACROSS LARGE DOMAINS.
HIERARCHICAL SPATIAL MODELS FOR PREDICTING TREE SPECIES ASSEMBLAGES ACROSS LARGE DOMAINS.
复制标题
DOI：
10.1214/09-aoas250
复制
发表时间：
2009-09-01
期刊：
影响因子：
--
通讯作者：
McRoberts RE
中科院分区：
文献类型：
--
作者：
Finley AO;Banerjee S;McRoberts RE
被称为森林类型或森林类型组的树种集合在空间上清晰的数据层是大规模评估森林可持续性、生物多样性、木材生物量、碳汇和森林健康监测的关键组成部分。本文通过空间变化的多项式Logistic回归模型，探讨了地理参考国家森林资源清查(NFI)数据与现成的、空间上完整的环境预测变量之间的耦合作用，以预测大型森林景观中的森林类群。这些模型利用NFI样地数组中潜在的空间关联和预测变量在空间上的变化影响来提高森林类型组预测的准确性。这些模型的丰富性带来了繁重的计算负担，我们讨论了在建模中保持丰富性的降维空间过程。我们使用美国密歇根州的NFI数据进行说明，在那里我们提供了对这一大片研究区域的全面分析，并展示了改进的预测和相关的不确定性测量。
Spatially explicit data layers of tree species assemblages, referred to as forest types or forest type groups, are a key component in large-scale assessments of forest sustainability, biodiversity, timber biomass, carbon sinks and forest health monitoring. This paper explores the utility of coupling georeferenced national forest inventory (NFI) data with readily available and spatially complete environmental predictor variables through spatially-varying multinomial logistic regression models to predict forest type groups across large forested landscapes. These models exploit underlying spatial associations within the NFI plot array and the spatially-varying impact of predictor variables to improve the accuracy of forest type group predictions. The richness of these models incurs onerous computational burdens and we discuss dimension reducing spatial processes that retain the richness in modeling. We illustrate using NFI data from Michigan, USA, where we provide a comprehensive analysis of this large study area and demonstrate improved prediction with associated measures of uncertainty.
登录
查看更多内容
影响因子：
2.7
作者：
Fuentes, M
通讯作者：
Fuentes, M
影响因子：
2.7
作者：
BEGG, CB;GRAY, R
通讯作者：
GRAY, R
影响因子：
3.7
作者：
Gelfand, AE;Kim, HJ;Banerjee, S
通讯作者：
Banerjee, S
影响因子：
3.8
作者：
Finley, Andrew O.;Banerjee, Sudipto;McRoberts, Ronald E.
通讯作者：
McRoberts, Ronald E.
DOI：
10.1111/j.1467-9868.2008.00663.x
发表时间：
2008-09-01
期刊：
Journal of the Royal Statistical Society. Series B, Statistical methodology
影响因子：
--
作者：
Banerjee S;Gelfand AE;Finley AO;Sang H
通讯作者：
Sang H