预测大范围内树种聚集的分层空间模型
摘要：树种组合的空间显式数据层，被称为森林类型或森林类型群体，在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中起着关键作用。本文探讨了将地理参考的全国森林清查（NFI）数据与易于获得且空间完善的环境预测变量结合起来，通过空间变化的多项Logistic回归模型来预测大面积森林景观中的森林类型群体。这些模型利用NFI样区数组内的潜在空间关联和预测变量的空间变化影响来提高森林类型群体预测的准确性。这些模型的丰富性带来了繁重的计算负担，我们讨论了降维的空间过程，以保留丰富的建模信息。我们使用美国密歇根州的NFI数据进行了说明，提供了对这个大研究区的全面分析，并展示了预测改进及相关不确定性度量。
作者：Andrew O. Finley, Sudipto Banerjee, Ronald E. McRoberts
论文ID：0910.1490
分类：Applications
分类简称：stat.AP
提交时间：2009-10-09