A validation and evaluation of the Prognosis individual-tree basal area increment model


    loading  Checking for direct PDF access through Ovid

Abstract

We subjected the individual-tree, aspatial basal area increment model developed for the Inland Empire Variant of the Forest Vegetation Simulator to validation and evaluation tests. We used a large set of independent data from the Forest Inventory and Analysis program that covers the geographic extent to which the model is usually applied. Equivalence tests did not validate the model as a predictive tool using nominated criteria, though they usually did validate the model structure as a theory. Design-unbiased estimates of prediction error suggest that the model overpredicts diameter and volume increment by 14% and 2%, respectively. Relationships between species, bias, and predictor variables suggest the model may overpredict most on productive sites. We spatially interpolated the model performance across the study area using thin-plate splines. The observed regional patterns are examined using a selection of cross-sectional transects, and reveal a complex relationship between bias and the way climate effects are incorporated in the model structure that involve differences between the fitting and testing data. The model structure is surprisingly robust, but the representation of climate effects should be a priority in future revisions.RésuméNous avons validé et évalué un modèle de croissance non spatial qui a été incorporé dans la version « Inland Empire » du simulateur de végétation forestière pour prédire l'accroissement en surface terrière des arbres. Nous avons utilisé une large banque de données indépendantes du programme « Forest Inventory and Analysis » couvrant toute la zone géographique à laquelle le modèle est habituellement appliqué. Les tests d'équivalence basés sur les critères choisis n'ont pas validé le modèle en tant qu'outil de prédiction bien qu'ils aient généralement validé la théorie sous-jacente à la structure du modèle. Dans le contexte de l'échantillonnage probabiliste, les estimations non biaisées de l'erreur de prédiction indiquent que le modèle surestime l'accroissement en diamètre et en volume respectivement de 14 et 2%. Les relations entre les essences, le biais et les variables explicatives indiquent que la surestimation du modèle est la plus prononcée dans les stations les plus productives. Nous avons interpolé spatialement la performance du modèle à travers l'aire d'étude à l'aide de fonctions d'ajustement splines. L'examen des patrons observés régionalement, à l'aide d'un choix de virées découpant l'aire d'étude en sections, révèle l'existence d'une relation complexe entre le biais et la manière dont les effets du climat sont incorporés dans la structure du modèle qui implique les différences entre les données de calibration et les données de validation. La structure du modèle est étonnamment robuste, mais la représentation des effets du climat devrait être une priorité lors des révisions futures.

    loading  Loading Related Articles