Skip to main content

Spatial analysis methods for forest genetic trials

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:



Spatial analysis, using separable autoregressive processes of residuals, is increasingly used in agricultural variety yield trial analysis. Interpretation of the sample variogram has become a tool for the detection of global trend and "extraneous" variation aligned with trial rows and columns. We applied this methodology to five selected forest genetic trials using an individual tree additive genetic model. We compared the base design model with post-blocking, a first-order autoregressive model of residuals (AR1), that model with an independent error term (AR1), a combined base and autoregressive model, an autoregressive model only within replicates and an autoregressive model applied at the plot level. Post-blocking gave substantial improvements in log-likelihood over the base model, but the AR1 model was even better. The independent error term was necessary with the individual tree additive genetic model to avoid substantial positive bias in estimates of additive genetic variance in the AR1 model and blurred patterns of variation. With the combined model, the design effects were eliminated, or their significance was greatly reduced. Applying the AR1 model to individual trees was better than applying it at the plot level or applying it on a replicate-by-replicate basis. The relative improvements achieved in genetic response to selection did not exceed 6%. Examination of the spatial distribution of the residuals and the variogram of the residuals allowed the identification of the spatial patterns present. While additional significant terms could be fitted to model some of the spatial patterns and stationary variograms were attained in some instances, this resulted in only marginal increases in genetic gain. Use of a combined model is recommended to enable improved analysis of experimental data.

L'analyse spatiale ayant recours aux processus autorégressifs séparables des résidus est utilisée de plus en plus dans l'analyse des tests de rendement des variétés en agriculture. L'interprétation du variogramme des échantillons est devenue un moyen de détection de la tendance générale et de la variation « externe » alignée selon les rangées et les colonnes des tests. Les auteurs ont appliqué cette méthode à cinq tests choisis en génétique forestière en utilisant un modèle génétique additif d'arbre individuel. Ils ont comparé le modèle de base avec un regroupement en blocs a posteriori, un modèle autorégressif de premier degré des résidus (AR1), ce même modèle avec un terme d'erreur indépendante (AR1), un modèle combiné de base et autorégressif, un modèle autorégressif seulement à l'intérieur des répétitions et un modèle autorégressif appliqué à l'échelle des parcelles. Le regroupement en blocs a posteriori a produit des améliorations substantielles de la vraisemblance logarithmique par rapport au modèle de base, mais le modèle AR1 était encore meilleur. Le terme d'erreur indépendante était requis avec le modèle génétique additif d'arbre individuel afin d'éviter un biais positif important dans les estimés de la variance génétique additive du modèle AR1 ainsi que des patrons de variation embrouillés. Avec le modèle combiné, les effets du dispositif ont été éliminés ou leur signification a été réduite de façon importante. Le modèle AR1 donnait de meilleurs résultats lorsqu'il était appliqué aux arbres individuels plutôt qu'aux parcelles ou à chaque répétition. Les améliorations relatives réalisées en terme de réponse génétique à la sélection n'excédaient pas 6 %. L'inspection de la distribution spatiale des résidus et de leur variogramme a permis d'identifier les patrons de variation spatiale présents. Bien que des termes significatifs additionnels aient pu être ajustés pour modéliser une partie des patrons de variation spatiale et que des variogrammes stationnaires aient été obtenus dans certains cas, cette procédure n'a engendré que de modestes augmentations en gain génétique. Les auteurs recommandent l'utilisation d'u

Document Type: Research Article

Publication date: December 1, 2002

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • ingentaconnect is not responsible for the content or availability of external websites
nrc/cjfr/2002/00000032/00000012/art00013
dcterms_title,dcterms_description,pub_keyword
6
5
20
40
5

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more