Skip to main content

Generic biomass functions for Common beech (Fagus sylvatica) in Central Europe: predictions and components of uncertainty

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

This study provides a comprehensive set of functions for predicting biomass for Common beech (Fagus sylvatica L.) in Central Europe for all major tree compartments. The equations are based on data of stem, branch, timber, brushwood (wood with diameter below 5 or 7cm), foliage, root, and total aboveground biomass of 443 trees from 13 studies. We used nonlinear mixed-effects models to assess the contribution of fixed effects (tree dimensions, site descriptors), random effects (grouping according to studies), and residual variance to the total variance and to obtain realistic estimates of uncertainty of biomass on an aggregated level. Candidate models differed in their basic form, the description of the variance, and inclusion of various combinations of additional fixed and random effects and were compared using the Akaike information criterion. Model performance increased most when accounting for between-study differences in the variability of biomass predictions. Further, performance increased with the inclusion of age, site index, and altitude as predictor variables. We show that neglecting variance partitioning and the fact that prediction errors of trees are not independent with respect to their predictor variables will lead to a significant underestimation of prediction variance.

Cette étude fournit un ensemble complet de fonctions qui permettent de prédire la biomasse de toutes les composantes principales pour le hêtre commun (Fagus sylvatica L.) en Europe centrale. Les équations sont basées sur des données de biomasse de la tige, des branches, du bois d’œuvre, des broussailles (bois dont le diamètre est plus petit que 5 ou 7 cm), du feuillage, des racines et de la biomasse aérienne totale de 443 arbres répartis dans 13 études. Nous avons utilisé des modèles non linéaires à effets mixtes pour évaluer la contribution des effets fixes (dimensions de l’arbre, descripteurs de la station), des effets aléatoires (regroupement par étude) et de la variance résiduelle à la variance totale et pour obtenir des estimations réalistes de l’incertitude de la biomasse lorsque les études sont regroupées. Les modèles potentiels différaient par leur forme de base, la description de la variance et l’inclusion de différentes combinaisons d’effets fixes et aléatoires additionnels et ils ont été comparés en utilisant le critère d’information d’Akaike. La performance des modèles augmentait le plus lorsqu’ils tenaient compte des différences entre les études dans la variabilité des prédictions de la biomasse. De plus, la performance a augmenté avec l’inclusion de l’âge, de l’indice de qualité de station et de l’altitude comme variables explicatives. Nous montrons que la variance de prédiction est grandement sous-estimée lorsqu’on ne tient pas compte du fractionnement de la variance et du fait que, dans le cas des arbres, les erreurs de prédiction ne sont pas indépendantes des variables explicatives.

Document Type: Research Article

Publication date: 2008-06-01

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 content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
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