מחקר זה מומן על ידי קרנות המחקר הבסיסיות לאוניברסיטאות המרכזיות, מענק מספר 2019GJZL04. אנו מודים לפרופסור וישנג זנג באקדמיה למלאי ותכנון יערות, מינהל היערנות הלאומי וארץ העשב, סין על מתן גישה לנתונים.

1. הכנת נתונים
<ol><li>הכינו נתוני מידול, הכוללים מידע על עץ יחיד (מינים וקוטר בגובה השד בגובה 1.3 מ') ומידע עלילה (שיפוע, היבט וגובה). במחקר זה, הנתונים התקבלו מן 8 (2009) ו 9 (2014) מלאי היער הלאומי הסיני במחוז שינג'יאנג, צפון מערב סין, הכולל 21,898 תצפיות של 779 חלקות מדגם. חלקות מדגם אלה הן בצורת ריבוע עם גודל של 1 Mu (יחידה סינית של שטח שווה ערך 0.067 חה) ומסודרים באופן שיטתי על רשת של 4 ק"מ x 8 ק"מ. הערה: תוספת נתונים עבור מידול (אזור בסיסי) דורשת לפחות תקופת גידול אחת (כלומר, שתי תצפיות).</li>
	<li>חלק את הנתונים באופן אקראי לשתי ערכות נתונים, כאשר 80% מהנתונים מהחלקות לדוגמה המשמשות להתאמת מודל (ערכת נתונים של פיתוח מודל), המורכבת מ- 17,145 תצפיות מ- 623 חלקות מדגם ו- 20% עבור אימות מודל (ערכת נתונים של אימות מודל) המורכבת מ- 4,753 תצפיות מ- 156 התוויות לדוגמה. סטטיסטיקה תיאורית עבור משתני המפתח בהם נעשה שימוש מסופקת בטבלה 1. הערה: ניתן להשמיט שלב זה של הליך הדוגמנות, וכל הנתונים משמשים לפיתוח מודלים.</li>
</ol><table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td rowspan="2">משתנים</td>
			<td colspan="4">התאמת נתונים</td>
			<td></td>
			<td colspan="4">נתוני אימות</td>
		</tr>
<tr>
<td>דקות</td>
			<td>מקס</td>
			<td>מתכוון</td>
			<td>ס.ד.</td>
			<td></td>
			<td>דקות</td>
			<td>מקס</td>
			<td>מתכוון</td>
			<td>ס.ד.</td>
		</tr>
<tr>
<td>DBH1 (ס"מ)</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 (ס"מ)</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>מזהה (ס"מ)</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 (עצים/חה)</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>תואר ראשון (מ'2/חה)</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>אל (ז)</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>שולחן 1. סטטיסטיקת סיכום עבור נתוני התאמה ואימות. DBH1: קוטר ראשוני בגובה השד ב 1.3 מטר (DBH), DBH2: DBH נמדד לאחר 5 שנים של צמיחה, QMD: קוטר ממוצע ריבועי, מזהה: תוספת קוטר במשך 5 שנים (DBH2 – DBH 1 ), BAL: השטח הבסיסי שלעציםגדולים יותר מעץ הנושא (עץ הנושא: העץ שחושב מדדי התחרות), NT: מספר העצים לדונם, BA: אזור בסיסי לדונם, EL: גובה, SD: סטיית תקן.
2. פיתוח מודל בסיסי
<ol><li>עיין בהפניות לזיהוי משתנים המשפיעים על מרווחי שטח בסיסיים של עץ בודד.</li>
	<li>בחר וחישב משתנים בהתבסס על הנתונים. בדרך כלל, תוספת השטח הבסיסית של העץ הבודד מושפעת משלוש קבוצות של משתנים: גודל עץ, תחרות ומצב אתר27,28,29,30.<ol>
<li>שקול אפקטים בגודלעץכגון DBH 1 , ריבוע של DBH1 ( <img alt="Equation 11" src="/files/ftp_upload/60827/60827eq11.jpg"> ), הטרנספורמציה ההופכית של DBH1 (1/DBH1), ואת הלוגריתם המשותף של DBH1 (logDBH1) או שילובים שלהם.</li>
		<li>שקול השפעות תחרותיות כגון מדדי תחרות חד-צדדיים ושני צדדיים כדי לכמת באופן מקיף יותר את רמת התחרות שחווה עץ, כמו גם את מעמדו החברתי בתוך הדוכן. תחרות חד-צדדית כוללת את BAL ואת מדד הצפיפות היחסית (RD=DBH1/QMD); תחרות דו-צדדית כוללת את NT ו- BA. הערה: יש לקחת בחשבון את מדדי התחרות התלויים במרחק אם הנתונים זמינים.</li>
		<li>שקול אפקטי אתר כגון היבט (ASP), שיפוע (SL) ו EL. SL ו ASP יש לכלול באמצעות טרנספורמציה של שלב31.</li>
	</ol>
</li>
	<li>בחר יומן רישום( <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"> מציין ריבוע של DBH2) כמשתנה התלוי.</li>
	<li>פתח את המודל הבסיסי בשיטת הרגרסיה החורגת. ודא שהמודל סביר מבחינה ביולוגית ומציג הבדלים משמעותיים בין משתנים בלתי תלויים. השתמש בגורם האינפלציה של השונות (VIF) כדי לבדוק אם יש רב-קולינריות.</li>
	<li>השאר את המשתנים הבלתי תלויים עם p < 0.05 ו- VIF < 5 במודל הבסיסי.</li>
	<li>הפק פלט של תוצאות המודל הבסיסי ושל שאריות ההתוויה. המודל הבסיסי המיוצר כאן משמש בסיס להמשך פיתוח מודל אפקטים מעורבים.</li>
</ol>3. פיתוח מודל אפקטים מעורבים ליניארי עם החבילה "nlme" בתוכנת R
<ol><li>קרא את ערכת הנתונים של פיתוח המודל וטען את החבילה "nlme". >model.development.dataset=קריאה.csv("E:/DATA/JoVE/מידול.csv", כותרת=TRUE) >ספריה(nlme)</li>
	<li>בחר התוויות לדוגמה כאפקטים אקראיים כדי לפתח את מודל האפקטים המעורבים.</li>
	<li>התאם את כל השילובים האפשריים של אפקטים אקראיים לשיטת הסבירות המרבית (ML) ופלט את התוצאות. >דגם<-lme(Y~1/DBH1+BAL+NT+EL,נתונים=model.development.dataset, שיטה="ML", אקראי =~1| עלילה) >סיכום(דגם) 
	<ol>
<li>הגדר אקראי =~1 הוא היירוט לפרמטרים אקראיים. שנה את ההצהרות האקראיות עד שכל השילובים יתאימו. לדוגמה, כדי להגדיר 1/DBH1 ו- BAL כפרמטרים אקראיים, הקוד הוא כדלקמן: אקראי =~1/DBH1+BAL-1. בנוסף, בתהליך ההתאמה, הקודים עשויים לדווח על שגיאות עקב אי-שיתוף של הדגם המותאם.</li>
	</ol></li>
	<li>בחר את המודל הטוב ביותר לפי קריטריון המידע של Akaike (AIC), קריטריון המידע הבייסיאני (BIC), הסבירות לוגריתם (Loglik) ומבחן יחס הסבירות (LRT). >אנובה(דגם.1, דגם.6) >אנובה(דגם.6, דגם.23) >אנובה(דגם.23, דגם.30)</li>
	<li>קבע את המבנה של Ri. טפל בהטרוסקסטיות ובעיצוב האוטומטי של Ri32. Ri כתוב כדלקמן: <img alt="Equation 1" src="/files/ftp_upload/60827/60827eq1.jpg">(1) כאשר σ 2 הוא גורם קנהמידה לא ידוע השווה לשונות שיורית המודל, Gi היא מטריצה אלכסונית המתארת הטרוסקסטיות, ו- Γi היא מטריצה המתארת תיעול אוטומטי.<ol>
<li>שימו לב אם לשיורי ההטרוסקסואליות יש הטרוסקסואליות מהחלקה השיורית. אם קיימת הטרוסקסואליות (לשיורי תבנית או מגמה ברורה), הצג שלוש פונקציות שונות הנמצאות בשימוש תכוף - פונקציית כוח החיבור הקבועה, פונקציית העוצמה והפונקציה המעריכית - כדי ליצור מודל של מבנה השונות של השגיאות. >דגם.30.1<-lme(Y ~ 1 / DBH1+ BAL + NT + EL,data=model.development.dataset, שיטה="ML",אקראי=~ 1/DBH1+BAL+NT| מגרש משקולות=varConstPower(טופס=~ מותאם(.))) >סיכום(דגם.30.1) >דגם.30.2<-lme(Y ~ 1 / DBH1+ BAL + NT + EL,data=model.development.dataset, שיטה="ML",אקראי=~ 1/DBH1+BAL+NT| מגרש משקולות=varPower(טופס=~ מותאם(.))) >סיכום(דגם.30.2) >דגם.30.3<-lme(Y ~1/DBH1+BAL+NT+EL,data=model.development.dataset, שיטה="ML",אקראי=~1/DBH1+BAL+NT| מגרש משקולות=varExp(טופס=~ מותאם(.))) >סיכום(דגם.30.3)
</li>
		<li>קבע את פונקציית השונות הטובה ביותר עבור המודל בהתאם ל- AIC, BIC, Loglik ו- LRT. >anova(דגם.30, דגם.30.1) >אנובה(דגם.30, דגם.30.2) >אנובה(דגם.30, דגם.30.3)
</li>
		<li>הצג שלושה מבני תיקון אוטומטי נפוצים - מבנה הסימטריה המורכב (CS), מבנה תוקפנות אוטומטית מסדר ראשון [AR(1)], ושילוב של מבנים ממוצעים רגרסיביים ומרגשים מסדר ראשון [ARMA(1,1)]- כדי להסביר את התיקון האוטומטי. >דגם.30.3.1<-lme(Y~ 1/DBH1+BAL+NT+EL,נתונים=model.development.dataset, שיטה="ML", אקראי=~1/DBH1+BAL+NT| עלילה, משקולות=varExp(טופס=~מותאם(.)), corr= corCompSymm()) >סיכום(דגם.30.3.1) >דגם.30.3.2<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, שיטה="ML", אקראי=~1/DBH1+BAL+NT| עלילה,משקולות=varExp(טופס=~ מותאם(.)), corr=corAR1()) >סיכום(דגם.30.3.2) >דגם.30.3.3<-lme(Y~1/DBH1+BAL+NT+EL,data=model.development.dataset, שיטה="ML", אקראי=~1/DBH1+BAL+NT| עלילה,משקולות=varExp(טופס=~ מותאם(.)), corr=corARMA(q=1,p=1)) >סיכום(דגם.30.3.3)
</li>
		<li>קבע את מבנה התיקון האוטומטי הטוב ביותר בהתאם ל- AIC, BIC, Loglik ו- LRT. >אנובה(דגם.30.3, דגם.30.3.2) הערה: לא ניתן להגדיר את ה- Gi ו- Γi אם אין הטרוסקסואליות ותיקון אוטומטי.</li>
		<li>הפק פלט של התוצאות הסופיות של מודל האפקטים המעורבים באמצעות שיטת הסבירות המרבית המוגבלת (REML). >מעורב.מודל<-lme(Y ~ 1 / DBH1+ BAL + NT + EL, נתונים = model.development.dataset, שיטה ="REML",אקראי =~ 1 /DBH1+BAL+NT| מגרש משקולות=varExp(טופס=~ מותאם(.)), corr=corAR1()) >סיכום(מעורב.דגם)
</li>
	</ol></li>
</ol>4. תיקון הטיה
<ol><li>שנה את הערכים החזויים של תוספת שטח הבסיס באמצעות המודל הסופי בקנה מידה לוגריתמי לקנה המידה המקורי. עם זאת, שינוי צורה ליניארי כזה של ערך חזוי ממודל שעבר המרת יומן רישום יוצר הטיה משויכת של המרת יומן רישום. כדי להתמודד עם הטיית יומן הרישום, נגזר גורם תיקון ושולב במשוואת החיזוי, המעריכה את ההפרש בפועל של שטח הבסיס החזוי עבור עץ נתון [משוואה (2)]: <img alt="Equation 2" src="/files/ftp_upload/60827/60827eq2.jpg">(2) כאשר <img alt="Equation 13" src="/files/ftp_upload/60827/60827eq13.jpg"> הערך הלוגריתמי החזוי של שטח הבסיס גדל מהמודל, בעוד <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> שהערך המומר החזוי של אזור הבסיס גדל σ במשך 5 שנים לאחר תיקון עבור הטיית טרנספורמציה של <img alt="Equation 15" src="/files/ftp_upload/60827/60827eq15.jpg"> יומן.</li>
	<li>המר תוספת שטח בסיס ( <img alt="Equation 14" src="/files/ftp_upload/60827/60827eq14.jpg"> ) למרווח הקוטר.</li>
</ol>5. חיזוי והערכה של מודלים
<ol><li>הכן את ערכת הנתונים של אימות המודל שהופקה בסעיף 1.2 לחיזוי.</li>
	<li>השתמש במודל האפקטים המעורבים הליניאריים כדי לחזות תוספת קבועה של אזור בסיס של עץ בודד. הרכיבים האקראיים חושבו באמצעות מנבא הליניארי הבלתי משוחד הבא: <img alt="Equation 3" src="/files/ftp_upload/60827/60827eq3.jpg">(3) כאשר <img alt="Equation 16" src="/files/ftp_upload/60827/60827eq16.jpg"> היא וקטור לרכיבים האקראיים; <img alt="Equation 17" src="/files/ftp_upload/60827/60827eq17.jpg"> היא מטריצת השונות-covariance עבור שונות בין התוויות; <img alt="Equation 18" src="/files/ftp_upload/60827/60827eq18.jpg"> היא מטריצת העיצוב של הרכיבים האקראיים הפועלים בתצפיות המשלימות; היא <img alt="Equation 19" src="/files/ftp_upload/60827/60827eq19.jpg"> הווקטור השיורי שמרכיביו ניתנים על ידי ההבדל בין מרווחי אזור הבסיס לבין הגדלים החזויים באמצעות מודל האפקטים הקבועים.</li>
	<li>להעריך ולהשוות את יכולת החיזוי של המודל הבסיסי ואת מודל ההשפעות המעורבות הליניאריות באמצעות שלושת האינדיקטורים הסטטיסטיים הבאים23,33. <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) כאשר obji הוא תוספת אזור הבסיס, esti הוא במרווחי אזור הבסיס החזויים, <img alt="Equation 20" src="/files/ftp_upload/60827/60827eq20.jpg"> הוא ממוצע התצפיות, ו- N הוא מספר התצפיות.</li>
</ol>

<ol>
	<li>Meng, J., Lu, Y., Ji, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transformation+of+a+Degraded+Pinus+massoniana+Plantation+into+a+Mixed-Species+Irregular+Forest:+Impacts+on+Stand+Structure+and+Growth+in+Southern+China.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Converting+even-aged+plantations+to+uneven-aged+stand+conditions:+A+simulation+analysis+of+silvicultural+regimes+with+slash+pine+(Pinus+elliottii+Engelm).">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feasibility+of+implementing+thinning+in+even-aged+Larix+olgensis+plantations+to+develop+uneven-aged+larch&#8211;broadleaved+mixed+forests.">Feasibility of implementing thinning in even-aged Larix olgensis plantations to develop uneven-aged larch&#8211;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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Forest Dynamics, Growth and Yield. , (2009).</li><li>Weiskittel, A. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Forest+growth+and+yield+modeling.">Forest growth and yield modeling.</a> Forest Growth &amp; Yield Modeling. 7 (2), 223-233 (2002).</li><li>Burkhart, H. E., Tom&#233;, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Modeling Forest Trees and Stands. , (2012).</li><li>Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chinese+Academy+Of+Forestry.+A+linkage+among+whole-stand+model,+individual-tree+model+and+diameter-distribution+model.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Growth+and+yield+models+for+uneven-aged+stands:+past,+present+and+future.">Growth and yield models for uneven-aged stands: past, present and future.</a> Forest Ecology &amp; Management. 132 (2), 259-279 (2000).</li><li>Lhotka, J. M., Loewenstein, E. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+individual-tree+diameter+growth+model+for+managed+uneven-aged+oak-shortleaf+pine+stands+in+the+Ozark+Highlands+of+Missouri,+USA.">An individual-tree diameter growth model for managed uneven-aged oak-shortleaf pine stands in the Ozark Highlands of Missouri, USA.</a> Forest Ecology &amp; Management. 261 (3), 770-778 (2011).</li><li>Port&#233;, A., Bartelink, H. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modelling+mixed+forest+growth:+a+review+of+models+for+forest+management.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Methods+for+analysis+of+unbalanced,+longitudinal,+growth+data.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+Estimates+of+Site+Index+Curves+Using+a+Varying-Parameter+Model.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mixed-model+pairwise+multiple+comparisons+of+repeated+measures+means.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+heteroskedasticity-consistent+standard+error+estimators+in+OLS+regression:+An+introduction+and+software+implementation.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Using Statistical Models to Study Temporal Dynamics of Animal-Landscape Relations. , (2007).</li><li>Calama, R., Montero, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Multilevel linear mixed model for tree diameter increment in stone pine (Pinus pinea): a calibrating approach. 39, (2005).</li><li>Vonesh, E. F., Chinchilli, V. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Linear+and+nonlinear+models+for+the+analysis+of+repeated+measurements.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+Forest+Inventory+and+Analysis+surveys,+basal+area+models,+and+fitting+methods+for+the+aspen+forest+type+in+Minnesota.">Comparison of Forest Inventory and Analysis surveys, basal area models, and fitting methods for the aspen forest type in Minnesota.</a> Forest Ecology &amp; Management. 262 (2), 188-194 (2011).</li><li>Sharma, M., Parton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Height-diameter+equations+for+boreal+tree+species+in+Ontario+using+a+mixed-effects+modeling+approach.">Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach.</a> Forest Ecology &amp; Management. 249 (3), 187-198 (2007).</li><li>Crecente-Campo, F., Tom&#233;, M., Soares, P., Di&#233;guez-Aranda, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+generalized+nonlinear+mixed-effects+height&#8211;diameter+model+for+Eucalyptus+globulus+L.+in+northwestern+Spain.">A generalized nonlinear mixed-effects height&#8211;diameter model for Eucalyptus globulus L. in northwestern Spain.</a> Forest Ecology &amp; 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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+generalized+interregional+nonlinear+mixed-effects+crown+width+model+for+Prince+Rupprecht+larch+in+northern+China.">A generalized interregional nonlinear mixed-effects crown width model for Prince Rupprecht larch in northern China.</a> Forest Ecology &amp; 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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Linear+mixed-effects+models+to+describe+individual+tree+crown+width+for+China-fir+in+Fujian+Province,+southeast+China.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparing+methods+to+estimate+Reineke's+Maximum+Size-Density+Relationship+species+boundary+line+slope.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+alternative+methods+for+estimating+the+self-thinning+boundary+line.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimating+von+Bertalanffy+growth+parameters+from+growth+increment+data+using+a+linear+mixed-effects+model,+with+an+application+to+the+sea+scallop+Placopecten+magellanicus.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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 &amp; Management. 256 (3), 438-445 (2008).</li><li>Cond&#233;s, S., Sterba, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+basal+area+increment+model+for+individual+conifers+in+the+northern+Rocky+Mountains.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Notes:+An+Expression+for+the+Effect+of+Aspect,+Slope,+and+Habitat+Type+on+Tree+Growth.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Generalized+Error+Structure+for+Forestry+Yield+Models.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Individual-tree+diameter+growth+model+for+fir+plantations+based+on+multi-level+linear+mixed+effects+models+across+southeast+China.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modeling+and+Prediction+of+Forest+Growth+Variables+Based+on+Multilevel+Nonlinear+Mixed+Models.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+multilevel+individual+tree+basal+area+increment+model+for+aspen+in+boreal+mixedwood+stands+:+Journal+canadien+de+la+recherche+forestie&#768;re.">A multilevel individual tree basal area increment model for aspen in boreal mixedwood stands : Journal canadien de la recherche forestie&#768;re.</a> Revue Canadienne De Recherche Foresti&#232;re. 39 (39), 2203-2214 (2009).</li><li>Pinheiro, J. C., Bates, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mixed-effects+models+in+S+and+S-Plus.">Mixed-effects models in S and S-Plus.</a> Publications of the American Statistical Association. 96 (455), 1135-1136 (2000).</li></ol>

למחברים אין מה לחשוף.

נושא מכריע לפיתוח מודלים של אפקטים מעורבים היא לקבוע אילו פרמטרים ניתן להתייחס כמו אפקטים אקראיים ואשר צריך להיחשב אפקטים קבועים34,35. הוצעו שתי שיטות. הגישה הנפוצה ביותר היא להתייחס לכל הפרמטרים כאל אפקטים אקראיים ולאחר מכן לבחור את המודל הטוב ביותר על-ידי AIC, BIC, Loglik ו- LRT. זו הייתה השיטה בה נעשה שימוש על ידי המחקר שלנו35. חלופה אחרת היא להתאים מודלים קבועים של אזור בסיס עבור כל חלקה לדוגמה עם רגרסיה OLS. פרמטרים בעלי שונות גבוהה ופחות חפיפה במרווחי בר-סמך בין התוויות המדגם בין מודלים אלה יכולים להיחשב כאקראיים17.
כדי להסביר את ההטרוסקסטיות והתיאום האוטומטי, הוצגו שלוש פונקציות שונות ושלושה מבני תיקון אוטומטי. עולה בקנה אחד עם התוצאות של Calama ו מונטרו17 ו Uzoh ואוליבר27, הפונקציה המעריכית AR(1) נקבעו להיות פונקציית השונות האופטימלית ומבנה autocorrelation, בהתאמה.
קיימות שתי שיטות נפוצות ביותר בתוכניות סטטיסטיות להערכת מודלים של אפקטים מעורבים: ML ו- REML17. ML הוא גמיש יותר, כי מודלים שונים או אפקטים קבועים שלהם או ההשפעות האקראיות שלהם ניתן להשוות ישירות. עם זאת, ההערכה לשונות המתקבלת על ידי ML מוטה מכיוון ש- ML אינו מסביר את העובדה שגם היירוט והשיפוע מוערכים (בניגוד להיותם ידועים בוודאות). REML יכול לספק הערכות ML מעולות. לכן, כאשר ההשוואות לדגם הושלמו, שיטת REML שימשה להתאמת הדגם הסופי17,18,36.
במחקר זה, מצאנו כי מודל תוספת שטח הבסיס של עץ יחיד עבור P. אספרטה באמצעות גישה ליניארית אפקטים מעורבים ייצג שיפור משמעותי על המודל הבסיסי באמצעות רגרסיה OLS. מודלים של אפקטים מעורבים מספקים כלי יעיל למידול נתונים עם מבנה סטוכסטי היררכי, מה שהופך אותו לחלים באופן נרחב בתחומים כגון חקלאות, ביולוגיה, כלכלה, ייצור וגיאופיזיקה.

בהשוואה למונוקולטורה מיושנת, ניהול יערות מעורבים בגילאים לא אחידים עם מטרות מרובות זכה לאחרונה לתשומת לב מוגברת1,2,3. חיזוי חלופות ניהול שונות הכרחי לגיבוש אסטרטגיות חזקות לניהול יערות, במיוחד עבור יער מורכב שאינו מיושן בין מינים מעורבים4. גידול יער מודלים תשואה שימשו בהרחבה כדי לחזות עץ או לעמוד פיתוח וקציר תחת תוכניות ניהול שונות5,6,7. מודלים של צמיחת יערות ותפוקה מסווגים למודלים של עצים בודדים, דגמי גודל ומודלים של צמיחה שלמים6,7,8. למרבה הצער, מודלים בגודל מעמד ומודלים שלמים אינם מתאימים ליערות מעורבים בגילאים לא אחידים, הדורשים תיאור מפורט יותר כדי לתמוך בתהליך קבלת ההחלטות של ניהול היער. מסיבה זו, מודלים של צמיחת עצים בודדים ומודלים של תשואה קיבלו תשומת לב מוגברת לאורך העשורים האחרונים בגלל יכולתם לבצע תחזיות עבור יער עומד עם מגוון רחב של הרכבים מינים, מבנים, ואסטרטגיות ניהול9,10,11.
רגרסיה רגילה הריבועים הפחותים (OLS) היא השיטה הנפוצה ביותר לפיתוח מודלים לצמיחת עצים בודדים12,13,14,15. ערכות הנתונים עבור מודלים של צמיחת עצים בודדים שנאספו שוב ושוב לאורך זמן קבוע על אותה יחידת דגימה (כלומר, חלקת מדגם או עץ) יש מבנה סטוכסטי היררכי, עם חוסר עצמאות מתאם מרחבי וטמפורלי גבוה בין תצפיות10,16. המבנה הסטוצטי ההיררכי מפר את הנחות היסוד של רגרסיה OLS: כלומר שאריות עצמאיות ונתונים מופצים בדרך כלל עם שונות שווה. לכן, השימוש ברגרסיה OLS מייצר באופן בלתי נמנע הערכות מוטות של השגיאה הסטנדרטית של אומדני הפרמטרים עבור נתונים אלה13,14.
מודלים של אפקטים מעורבים מספקים כלי רב עוצמה לניתוח נתונים עם מבנים מורכבים, כגון נתוני מדידות חוזרות ונשנות, נתונים אורך ונתונים מרובי רמות. מודלים של אפקטים מעורבים מורכבים הן מרכיבים קבועים, המשותפים לאוכלוסיה המלאה והן רכיבים אקראיים, הספציפיים לכל רמת דגימה. בנוסף, מודלים של אפקטים מעורבים לוקחים בחשבון הטרוסקסואליות ותיקון אוטומטי במרחב ובזמן על ידי הגדרת מבנה שונות-שונות-שונות לא אלכסוני מטריצות17,18,19. מסיבה זו, מודלים של אפקטים מעורבים שימשו בהרחבה ביערנות, כגון במודלים בגובה קוטר20,21, דגמיכתר 22,23, מודלים לדילול עצמי24,25, ומודלים צמיחה26,27.
כאן, המטרה העיקרית הייתה לפתח מודל בהפרש קבוע של אזור בזלת של עץ יחיד באמצעות גישה ליניארית של אפקטים מעורבים. אנו מקווים כי הגישה אפקטים מעורבים יכול להיות מיושם באופן נרחב.

<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

כאן, פיתחנו מודל של עץ יחיד של מרווחי שטח בסיסיים ל-5 שנים המבוססים על ערכת נתונים הכוללת עצי אספרטה של Picea משנת 21898 מ-779 חלקות לדוגמה הממוקמות במחוז שינג'יאנג, צפון-מערב סין. כדי למנוע מתאמים גבוהים בין תצפיות מאותה יחידת דגימה, פיתחנו את המודל באמצעות גישה ליניארית מעורבת אפקטים עם אפקט עלילה אקראית כדי להסביר את השונות הסטוצ'סטית. משתנים שונים ברמת העצים והמעמד, כגון מדדים לגודל עץ, תחרות ומצב אתר, נכללו כאפקטים קבועים כדי להסביר את השונות השיורית. בנוסף, הטרוסקסטיות וטיפוח אוטומטי תוארו על ידי החדרת פונקציות שונות ומבני תיקון אוטומטי. מודל ההשפעות המעורבות הליניאריות האופטימלי נקבע על ידי מספר סטטיסטיקות התאמה: קריטריון המידע של Akaike, קריטריון המידע הבייסיאני, הסבירות לוגריתם ומבחן יחס הסבירות. התוצאות הצביעו על כך שמשתנים משמעותיים של שטח הבסיס של עץ יחיד היו הטרנספורמציה ההופכית של קוטר בגובה השד, שטח הבסיס של עצים הגדולים מעץ הנושא, מספר העצים לדונם וגובהם. יתר על כן, שגיאות במבנה השונות תוכננו בהצלחה רבה על-ידי הפונקציה המעריכית, והתיקון האוטומטי תוקן באופן משמעותי על-ידי מבנה תוקפנות אוטומטית מסדר ראשון (AR(1)). הביצועים של מודל האפקטים המעורבים הליניאריים שופרו באופן משמעותי ביחס לדגם באמצעות רגרסיה רגילה של ריבועים לפחות.

מודל ההפרש הקבוע הבסיסי של אזור הבסיס עבור P. אספרטה הובע כמשוואה (7). הערכות הפרמטרים, שגיאות התקן המתאימות שלהן וסטטיסטיקת חוסר ההתאמה מוצגות בטבלה 2. העלילה שיורית מוצגת באיור 1. נצפתה הטרוסקסואליות בולטת של שאריות השיוריות. <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>הערכה</td>
			<td>שגיאה רגילה</td>
			<td>t-בדיקה</td>
			<td>ערך P</td>
			<td>תעודת זהות</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>באל (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">לוגליק = -8389</td>
		</tr>
</tbody></table>שולחן 2. תוצאות מודל בסיסיות. הפרמטרים המשוערים, שגיאות התקן המתאימות שלהם וסטטיסטיקת חוסר ההתאמה הנגזרת מהמשוואה (7). VIF: גורם אינפלציה שונות, AIC: קריטריון המידע של Akaike, BIC: קריטריון מידע בייסיאני, ו Loglik: סבירות לוגריתם.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/60827/60827fig1.jpg"> איור 1. שאריות התוויה נגזר משוואה (7). שאריות יש מגמה ברורה, כלומר, הטרוסקסואליות בולטת של שאריות נצפתה. <a href="https://www-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/60827/60827fig1large.jpg" target="_blank">לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
היו 31 שילובים אפשריים של פרמטרים של אפקטים אקראיים עבור Equation (7). לאחר ההתאמה, 30 שילובים הגיעו להתכנסות (טבלה 3). בין 30 שילובים אלה, דגם 30 של משוואה (8) נבחר מאז שהניב את ה- AIC הנמוך ביותר (9083), ה- BIC הנמוך ביותר (9207), LogLik הגדול ביותר ( -4525), וה- LRT היה שונה באופן משמעותי בהשוואה לדגמים האחרים. <img alt="Equation 8" src="/files/ftp_upload/60827/60827eq8.jpg">(8) כאשר β1 – β5 הם הפרמטרים אפקטים קבועים ו b1 – b4 הם הפרמטרים אפקטים אקראיים.
<table border="1" fo:keep-together.within-page="1"><tbody><tr><td rowspan="2">מודל</td>
			<td colspan="5">פרמטרים אקראיים</td>
			<td rowspan="2">AIC</td>
			<td rowspan="2">BIC (BIC)</td>
			<td rowspan="2">ליק יומן רישום</td>
			<td rowspan="2">LRT (לא כולל)</td>
			<td rowspan="2">ערך P</td>
		</tr><tr><td>Int</td>
			<td>1/DBH1</td>
			<td>באל (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 מול 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">אי-התכנסות</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 מול 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 מול 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>שולחן 3. מדדי הערכה של כל מודל אפקטים מעורבים ליניארי. ▲: נבחר פרמטר אפקטים אקראיים להתאמה; LRT: מבחן יחס הסבירות.
מודלי האפקטים המעורבים הליניאריים עם פונקציות שונות ומבני מתאם מוצגים בטבלה 4. על פי AIC, BIC, Loglik, ו LRT, הפונקציה המעריכית AR(1) נבחרו כפונקציית השונות הטובה ביותר ומבנה תיקון אוטומטי, בהתאמה.
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td>מודל</td>
			<td>פונקציית סטייה</td>
			<td>מבנה מתאם</td>
			<td>AIC</td>
			<td>BIC (BIC)</td>
			<td>ליק יומן רישום</td>
			<td>LRT (לא כולל)</td>
			<td>ערך P</td>
		</tr>
<tr>
<td>30</td>
			<td>לא</td>
			<td>עצמאית</td>
			<td>9083</td>
			<td>9207</td>
			<td>-4525</td>
			<td></td>
			<td></td>
		</tr>
<tr>
<td>30.1</td>
			<td>קונסט פאוור</td>
			<td>עצמאית</td>
			<td>9075</td>
			<td>9215</td>
			<td>-4520</td>
			<td>11.8א
</td>
			<td>0.0028</td>
		</tr>
<tr>
<td>30.2</td>
			<td>כוח</td>
			<td>עצמאית</td>
			<td>9073</td>
			<td>9205</td>
			<td>-4520</td>
			<td>11.7א
</td>
			<td>6.00E-04</td>
		</tr>
<tr>
<td>30.3</td>
			<td>מעריך</td>
			<td>עצמאית</td>
			<td>9073</td>
			<td>9204</td>
			<td>-4519</td>
			<td>12.3א
</td>
			<td>5.00E-04</td>
		</tr>
<tr>
<td>30.3.1</td>
			<td>מעריך</td>
			<td>Cs</td>
			<td colspan="5">אי-התכנסות</td>
		</tr>
<tr>
<td>30.3.2</td>
			<td>מעריך</td>
			<td>AR(1)</td>
			<td>9050</td>
			<td>9189</td>
			<td>-4507</td>
			<td>24.9ב'
</td>
			<td><.0001</td>
		</tr>
<tr>
<td>30.3.3</td>
			<td>מעריך</td>
			<td>ארמה(1,1)</td>
			<td colspan="5">אי-התכנסות</td>
		</tr>
</tbody></table>שולחן 4. השוואות בין אפקטים מעורבים ליניאריים של שטח הבסיס של עץ בודד מגדילות את הביצועים עם פונקציות שונות שונות ומבני מתאם שונים. CS: מבנה סימטריה מורכב, AR(1): מבנה autoregressive מסדר ראשון, ARMA(1,1): שילוב של מבנים ממוצעים autoregressive ומרגש מסדר ראשון; יחס סבירות חושב עבור מודל 30; b יחס הסבירות חושב עבור מודל 30.3.
מודל ההפרש הקבוע הסופי של אזור בסיס של עץ בודד הוצע באמצעות שיטת REML [משוואה (9)]. הפרמטרים הקבועים המשוערים, שגיאות התקן המתאימות שלהם והסטטיסטיקה של חוסר ההתאמה מוצגים בטבלה 5. העלילה השיורית של הדגם הסופי מוצגת באיור 2. שיפור משמעותי נצפה בשיורי. <img alt="Equation 9" src="/files/ftp_upload/60827/60827eq9.jpg">(9) איפה <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>הערכה</td>
			<td>שגיאה רגילה</td>
			<td>t-Test</td>
			<td>ערך 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>באל (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>2.26E-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">לוגליק = -4535</td>
		</tr>
</tbody></table>שולחן 5. Mixed-אפקטים תוצאות מודל. הפרמטרים הקבועים המשוערים, שגיאות התקן המתאימות שלהם והסטטיסטיקה של חוסר ההתאמה הנגזרת מהמשוואה (9).
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/60827/60827fig2.jpg"> איור 2. שאריות עלילה נגזר משוואה (9). בהשוואה לאיור 1 נצפה שיפור משמעותי בשיורי השיוריות. <a href="https://www-jove-com.bdigitaluss.remotexs.co/files/ftp_upload/60827/60827fig2large.jpg" target="_blank">לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
טבלה 6 פירטה את שלוש סטטיסטיקות החיזוי של משוואה (7) ומשוואה (9). בהשוואה לדגם הבסיסי, הביצועים של מודל האפקטים המעורבים הליניאריים שופרו באופן משמעותי.
<table border="1" fo:keep-together.within-page="1"><tbody>
<tr>
<td>מודל</td>
			<td>הטיה</td>
			<td>RMSE (RMSE)</td>
			<td>R2</td>
		</tr>
<tr>
<td>מודל בסיסי</td>
			<td>0.297</td>
			<td>0.377</td>
			<td>0.479</td>
		</tr>
<tr>
<td>מודל אפקטים מעורבים</td>
			<td>0.221</td>
			<td>0.286</td>
			<td>0.699</td>
		</tr>
</tbody></table>שולחן 6. מדדי הערכה של המודל הבסיסי ומודל ההשפעות המעורבות הליניאריות. שיפור משמעותי נצפתה משלושת סטטיסטיקות החיזוי.

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

מודלים של אפקטים מעורבים הם כלים גמישים ושימושיים לניתוח נתונים עם מבנה סטוכסטי היררכי ביערנות ויכולים לשמש גם לשיפור משמעותי בביצועים של מודלים לצמיחת יער. כאן מוצג פרוטוקול המסונתז מידע הקשור למודלים של אפקטים מעורבים ליניאריים.

פיתוח מודל תוספת קבועה של אזור בזלית של עץ יחיד באמצעות גישה ליניארית של אפקטים מעורבים

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

Universidad San Sebastian

Research

JoVE Journal

Biology

3.3K Views.  Beijing Forestry University. מודלים של אפקטים מעורבים הם כלים גמישים ושימושיים לניתוח נתונים עם מבנה סטוכסטי היררכי ביערנות ויכולים לשמש גם לשיפור משמעותי בביצועים של מודלים לצמיחת יער. כאן מוצג פרוטוקול המסונתז מידע הקשור למודלים של אפקטים מעורבים ליניאריים.

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

Experimental Protocol for Manipulating Plant-induced Soil Heterogeneity

Coexistence theory has often treated environmental heterogeneity as being independent of the community composition; however biotic feedbacks such as plant-soil feedbacks (PSF) have large effects on plant performance, and create environmental heterogeneity that depends on the community composition. Understanding the importance of PSF for plant community assembly necessitates understanding of the role of heterogeneity in PSF, in addition to mean PSF effects. Here, we describe a protocol for manipulating plant-induced soil heterogeneity. Two example experiments are presented: (1) a field experiment with a 6-patch grid of soils to measure plant population responses and (2) a greenhouse experiment with 2-patch soils to measure individual plant responses. Soils can be collected from the zone of root influence (soils from the rhizosphere and directly adjacent to the rhizosphere) of plants in the field from conspecific and heterospecific plant species. Replicate collections are used to avoid pseudoreplicating soil samples. These soils are then placed into separate patches for heterogeneous treatments or mixed for a homogenized treatment. Care should be taken to ensure that heterogeneous and homogenized treatments experience the same degree of soil disturbance. Plants can then be placed in these soil treatments to determine the effect of plant-induced soil heterogeneity on plant performance. We demonstrate that plant-induced heterogeneity results in different outcomes than predicted by traditional coexistence models, perhaps because of the dynamic nature of these feedbacks. Theory that incorporates environmental heterogeneity influenced by the assembling community and additional empirical work is needed to determine when heterogeneity intrinsic to the assembling community will result in different assembly outcomes compared with heterogeneity extrinsic to the community composition.

Understanding the role of environmental heterogeneity in species coexistence has typically focused on types of heterogeneity that are extrinsic to the community&#8217;s species composition. We provide novel detailed methods for creating soil heterogeneity treatments using soils subject to plant-soil feedback conditioning, or heterogeneity intrinsic to the community composition.

פרוטוקול ניסוי להטרוגניות קרקע מושרה צמח מניפולציה

Coexistence theory has often treated environmental heterogeneity as being independent of the community composition; however biotic feedbacks such as ...

Environment

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.

פשוט לשתול טכניקה מחדש הקמת עצי שבו מתרחשת בתדירות מושאן

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.

שערוך אינדקס אזור העלה באמצעות שלוש שיטות נפרדות בדוכנים נשירים טהור

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.

שיטה לכימות עלווה-מגורים פרוקי רגליים

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.

כימות Corticolous פרוקי רגליים באמצעות מלכודות דביק

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.

מדידת שדה של אינדקס אזור עלה אפקטיבי באמצעות התקן אופטי בחופת הצמחייה

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

ניתוח טבעות עץ בתפוקה גבוהה והערכת צפיפות

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.

מחבר זרקור: התקדמות בשרשרת כלי CT רנטגן לניתוח ליבת עץ

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.

ניתוח ליבת עץ עם טומוגרפיה ממוחשבת רנטגן

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

JenaTron - An Experimental Approach to Study the Effects of Plant History and Soil History on Grassland Ecosystem Functioning

The global loss of biodiversity has motivated many studies that experimentally vary plant species richness and examine the consequences for ecosystem functioning. Such experiments generally show a positive relationship between above- and below-ground biodiversity and the functioning of terrestrial ecosystems. Moreover, this relationship tends to strengthen over time, seen as enhanced functioning of diverse plant communities and reduced functioning of low-diversity plant communities. Differences in multitrophic community assembly and biotic interactions in high- versus low-diversity plant communities are hypothesized to affect plant performance by altering consumer community structure and function and driving plastic or micro-evolutionary responses of plant species in the plant communities. To resolve this complex interplay of community history, we separated these effects into plant and soil history. Plant history refers to all plant-level responses to past abiotic and biotic selection pressures experienced in their communities, while soil history relates to all abiotic and biotic soil properties developed as a legacy of plant-soil interactions under variable plant diversity. We set up a biodiversity experiment in an Ecotron, a terrestrial mesocosm facility that allows controlling environmental conditions above- and below-ground, to test whether the strengthening biodiversity-ecosystem functioning relationship is due to soil history, plant history, or a combination of both. We established a plant diversity gradient consisting of 1, 2, 3, and 6 grassland plant species and factorially nested with soil history and plant history treatments for each level of plant species richness. Representative results demonstrate the successful establishment of target treatments in the Ecotron experiment, observing the effects of plant and soil history on initial plant development and final plant growth. Additionally, we provide a case study for data analysis of individual response variables. We outline research objectives and methods to comprehensively assess the multifunctional responses to the experimental treatments necessary to ultimately address the overarching hypothesis.

Here we present a study established in the iDiv Ecotron, terrestrial mesocosm chambers with controlled environmental conditions above- and below-ground, to study the independent and interactive effects of plant history and soil history on ecosystem functioning of grassland communities along a plant diversity gradient.

JenaTron - גישה ניסויית לחקר ההשפעות של היסטוריית הצמח וההיסטוריה של הקרקע על תפקוד המערכת האקולוגית של העשב

The global loss of biodiversity has motivated many studies that experimentally vary plant species richness and examine the consequences for ecosystem ...

פיתוח מודל תוספת קבועה של אזור בזלית של עץ יחיד באמצעות גישה ליניארית של אפקטים מעורבים

Summary

Explore More Videos

Chapters in this video

פרוטוקול ניסוי להטרוגניות קרקע מושרה צמח מניפולציה

פשוט לשתול טכניקה מחדש הקמת עצי שבו מתרחשת בתדירות מושאן

שערוך אינדקס אזור העלה באמצעות שלוש שיטות נפרדות בדוכנים נשירים טהור

שיטה לכימות עלווה-מגורים פרוקי רגליים

כימות Corticolous פרוקי רגליים באמצעות מלכודות דביק

מדידת שדה של אינדקס אזור עלה אפקטיבי באמצעות התקן אופטי בחופת הצמחייה

ניתוח ליבת עץ עם טומוגרפיה ממוחשבת רנטגן

ניתוח ליבת עץ עם טומוגרפיה ממוחשבת רנטגן

ניתוח ליבת עץ עם טומוגרפיה ממוחשבת רנטגן

JenaTron - גישה ניסויית לחקר ההשפעות של היסטוריית הצמח וההיסטוריה של הקרקע על תפקוד המערכת האקולוגית של העשב