文献

J-GLOBAL ID：201702246682448796   整理番号：17A1520368

非線形混合効果に基づく高山森林バイオマスモデル研究【JST・京大機械翻訳】

A Study on Biomass Model of Pinus densata Forest Based on Nonlinear Mixed Effects

著者 (5件)： Xu Zhe (西南林業大学 林学院,云南 昆明,650224) ,  Shu Qingtai (西南林業大学 林学院,云南 昆明,650224) ,  Yang Kaibo (西南林業大学 林学院,云南 昆明,650224) ,  Wu Jiaojiao (西南林業大学 林学院,云南 昆明,650224) ,  Zhang Yahong (西南林業大学 林学院,云南 昆明,650224)
資料名： Jiangxi Nongye Daxue Xuebao  (Jiangxi Nongye Daxue Xuebao)
巻： 39  号： 1  ページ： 101-110  発行年： 2017年 
JST資料番号： C2944A  ISSN： 1000-2286  CODEN： JNXUEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 研究対象として雲南省のゲグラ県における高山森林を取り上げて,リモートセンシング因子と地形因子をモデルにおける固定効果として選択し,そして,基本関数モデルを構築するためにべき関数モデルを用いた。混合効果モデル技術を用いて、海抜の高低によって6つの区域に分け、地域効果をランダム効果とし、基礎混合効果モデルに基づき、分散と共分散構造を考慮して、林分バイオマス混合効果モデルを構築し、これにより、高山松林分のバイオマスを推定した。AIC,BICおよびLogLikの3つの適合指数を用いて,モデルの適合性を評価し,SRE,MREおよびAMREを用いて,最終的な林分バイオマス混合効果モデルの独立性試験を行った。結果は以下を示した。モデルあてはめ結果によると、地域効果を考慮した混合効果モデルのフィッティング効果は基礎モデルより明らかに高く、AICとBIC値が最も低く、LogLikが最大に達した。モデル独立性試験によると、地域効果を考慮した混合効果モデルの絶対平均誤差は最小(AMRE=31.52%)、精度は77.83%に達した。総合的な分析により、混合効果モデルは高山松の林分の生物量の推定精度を有効に高めることができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 共分散 ,  適応性 ,  林分 ,  *モデル ,  リモートセンシング ,  *バイオマス
準シソーラス用語： 推定精度 ,  モデルあてはめ ,  松林 ,  固定効果 ,  雲南省 ,  *森林バイオマス ,  *高山市 , 【Automatic Indexing@JST】

著者キーワード (5件)： mixed-effect model ,  remote sensing factors ,  biomass ,  Pinus densata ,  regional effect

分類 (2件)： 環境問題  (SA01020V) ,  森林生物学一般  (FF02010T)

タイトルに関連する用語 (6件)： 非線形 ,  混合効果 ,  高山 ,  森林バイオマス ,  モデル ,  研究