抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【目的】研究は,チョウセンゴヨウ人工林の63の塊状地の2972のチョウセンゴヨウのデータに基づき,非線形混合モデルを使用して,チョウセンゴヨウの下高モデルを構築し,成長と収穫モデルの更なる研究のための理論的基礎を提供した。[方法]まず、8つの常用枝下高モデルを用いて、最適な基礎モデルを選出した。次に,林分変数や単木変数が枝下高に及ぼす影響を検討し,林分変数を含む枝下高モデルを構築した。最後に,基礎モデルと林分変数モデルに基づいて,チョウセンゴヨウの枝下高さに及ぼす土壌効果の影響を考慮して,高基礎混合効果モデルと一般化混合効果モデルを構築した。モデルは4種類のサンプリング方式(ランダム抽出、最大樹抽出、最小樹抽出、平均樹抽出)と8種類のサンプルサイズ(18株)を用いて、基礎混合効果モデルと広義混合効果モデルに対してサンプリング検証を行った。【結果】ロジスティックモデルには,良い適合精度があり,生物学的意味に合致し,そして,モデルは,単純であり,そして,最適基礎モデルであった。樹高、胸径以外、対象木の切断面積の和、優勢木の高さと樹冠幅は枝下高と顕著な相関性があり、加えられた後、モデルのフィッティング精度は明らかに向上した。枝下高広義混合効果モデルのフィッティング効果は他のモデルより優れている。モデルの検証結果は,基礎混合効果モデル予測が適用されたとき,4つのサンプルが最小胸直径の4つのサンプルを抽出するのに提案され,4つのサンプルが一般化混合効果モデル予測でランダムに抽出されるのを示している。[結論]枝下高広義混合効果モデルは、フィッティング効果と予測精度において他の3種類のモデルより優れ、このモデルを人工紅松枝下高モデルとして提案した。一般化混合効果モデル予測を適用するとき,4つのサンプルをランダムに抽出した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】