Incorporating topographic factors in nonlinear mixed-effects models for aboveground biomass of natural Simao pine in Yunnan, China

128 棵 Simao 松树的一个总数(Pinus kesiya var。langbianensis ) 从 Puer 城市的三个区域，云南省，民族中华民国，破坏地被取样获得树未葬生物资源(AGB ) 。象在胸高度和全部的高度的直径那样的树变量，和象高度，斜坡的方面，和斜坡的度那样的地形学的因素被记录。我们是考虑了区域和地点质量类随机效果，并且地志的变量作为改正效果。我们如下适合八个模型的一个总数：最少平方的非线性的模型( BM )，有地志的因素( BMT )的最少平方的非线性的模型，非线性的混合效果作为单身者与区域当模特儿随机效果( NLME-RE )，非线性的混合效果作为单身者与地点当模特儿随机效果( NLME-SE )，非线性的混合效果与二水平的嵌套的区域和地点当模特儿随机效果( TLNLME )，有地志的因素( NLMET-RE )的改正效果的 NLME-RE ，有地志的因素( NLMET-SE )的改正效果的 NLME-SE ，和 TLNLME 与八个模型被模型适合和预言统计比较。结果出现了：模型适合被区域或地点考虑随机效果改进，或两。有地志的因素的改正效果的模特儿最好当模特儿适合。根据 AIC 和 BIC，模型试穿作为 TLNLME 被评价 > NLMET-RE > NLME-RE > NLMET-SE > TLNLMET > NLME-SE > BMT > BM。在为模型预言的这些模型之中的差别是小的。模型预言作为 TLNLME 被评价 > NLME-RE > NLME-SE > NLMET-RE > NLMET-SE > TLNLMET > BMT > BM。然而，所有八个模型有相对高的预言精确(>90%) 。因此，当使用模型预言单个树 AGB 时，最好的模型应该基于可得到的数据被选择。