ランダム効果推定とBayesキャリブレーションを用いた局所キャリブレーションの比較:混合効果ステムプロファイルモデルによる事例研究【JST・京大機械翻訳】

Bouriaud O.; Bouriaud O.; Stefan G.; Saint-Andre L.; Saint-Andre L.

文献

J-GLOBAL ID：201902285208719817 整理番号：19A1660849

ランダム効果推定とBayesキャリブレーションを用いた局所キャリブレーションの比較:混合効果ステムプロファイルモデルによる事例研究【JST・京大機械翻訳】

Comparing local calibration using random effects estimation and Bayesian calibrations: a case study with a mixed effect stem profile model

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A1660849&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A1660849&from=J-GLOBAL&jstjournalNo=W1657A") }}

著者 (5件)： , , , ,
資料名：
巻： 76 号： 3 ページ： 1-12 発行年： 2019年
JST資料番号： W1657A ISSN： 1286-4560 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

アロメトリックモデルの局所サイトレベルキャリブレーションを精査した。2つのBayes較正法を局所ランダム効果推定と比較した。Bayes較正法は,予測バイアスの低減におけるランダム効果の局所推定よりも効果的であることを証明した。最も単純な文献ベースのキャリブレーションを推奨できる。局所的キャリブレーションは,茎容積推定に及ぼす影響が小さかった。樹木のアロメトリーの空間的変動性は,局所的,サイトまたはレベルの較正の必要性を長く促している。混合効果モデルは,データが利用可能な局所較正を通して定量的進歩を可能にした。より最近,Bayes統計は事前情報からのランダム効果の形式的定義により新しい代替案をもたらした。3つの局所較正法を比較する。(i)局所ランダム効果の推定に基づく較正,(ii)一般的な測定を用いたBayes較正,(iii)文献データのみに基づく較正を再現するBayes較正。3つのキャリブレーションをルーマニアのノルウェートウヒで開発された茎テーパモデルを用いて比較した。テーパモデルを大規模データセットに適合させ,次に,対照的な成長条件を持つ2つの高標高サイトに局所的に適用した。混合効果モデルの局所較正は,小さな利得と高いバイアスをもたらした。Bayes較正は,ほとんど全てのモデルのパラメータを同時に調整することができるので,より良い結果をもたらした。しかし,茎容積推定の差は,非較正容積の-5.2から3.3%の範囲で常に非常に小さかった。大規模データセット(ツリーによる4~97%のバイアス低減)を用いたキャリブレーションと同様に,Bayesの文献的キャリブレーションが実行され,その使用の容易さのために優先されることができる。Copyright 2019 INRA and Springer-Verlag France SAS, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (7件)： , , , , , ,

森林植物学

, , ,

前のページに戻る