Skip to main content

Reconstructing spatial tree point patterns from nearest neighbour summary statistics measured in small subwindows

Buy Article:

$50.00 plus tax (Refund Policy)


Spatial tree data are required for the development of spatially explicit models and for the estimation of summary statistics such as Ripley’s K function. Such data are rare and expensive to gather. This paper presents an efficient method of synthesizing spatial tree point patterns from nearest neighbour summary statistics (NNSS) sampled in small circular subwindows, which uses a stochastic optimization technique based on simulated annealing and conditional simulation. This nonparametric method was tested by comparing tree point patterns, reconstructed from sample data, with the original woodland patterns of three structurally different tree populations. Analysis and validation show that complex spatial woodland structures, including long-range tree interactions, can be successfully reconstructed from NNSS despite the limited range of the subwindows and statistics. The influence of the NNSS varies depending on the woodland under study. In some cases, the sampling results can be improved by reconstruction. Furthermore, it is clearly shown that it is possible to estimate second-order characteristics such as Ripley’s K function from small circular subwindows through the reconstruction technique. The results offer new opportunities for adding value to woodland surveys by making raw data available for further work such as growth projections, visualization, and modelling.

Les données spatiales au sujet des arbres sont nécessaires pour développer des modèles spatialement explicites et pour estimer les statistiques sommaires telles que la fonction K de Ripley. De telles données sont rares et coûteuses à acquérir. Cet article présente une méthode efficace pour synthétiser les patrons de points qui représentent des arbres dans l’espace à partir des statistiques sommaires du plus proche voisin, échantillonnées dans de petites sous-fenêtres circulaires. Cette méthode utilise une technique d’optimisation stochastique basée sur le recuit simulé et la simulation conditionnelle. Cette méthode non paramétrique a été testée en comparant des patrons de points représentant des arbres, reconstitués à partir de données d’échantillonnage, avec la structure forestière originale de trois populations d’arbres différentes du point de vue structural. L’analyse et la validation montrent que la structure spatiale complexe de la forêt, incluant les interactions à long terme entre les arbres, peut être reconstituée avec succès à partir des statistiques sommaires du plus proche voisin malgré l’étendue limitée des sous-fenêtres et des statistiques. L’influence des statistiques sommaires du plus proche voisin varie selon la forêt à l’étude. Dans certains cas, les résultats de l’échantillonnage peuvent être améliorés par la reconstitution. De plus, il est clairement démontré qu’il est possible d’estimer les caractéristiques de second ordre telles que la fonction K de Ripley à partir de petites fenêtres circulaires par la technique de reconstitution. Les résultats offrent de nouvelles opportunités pour valoriser les inventaires forestiers en rendant disponible des données brutes pour d’autres travaux tels que des projections de croissance, de la visualisation et de la modélisation.

Document Type: Research Article

Publication date: 2008-05-01

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
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
Cookie Policy
Ingenta Connect 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