Skip to main content

Accuracy and equivalence testing of crown ratio models and assessment of their impact on diameter growth and basal area increment predictions of two variants of the Forest Vegetation Simulator

Buy Article:

$50.00 plus tax (Refund Policy)


Diameter growth (DG) equations in many existing forest growth and yield models use tree crown ratio (CR) as a predictor variable. Where CR is not measured, it is estimated from other measured variables. We evaluated CR estimation accuracy for the models in two Forest Vegetation Simulator variants: the exponential and the logistic CR models used in the North Idaho (NI) variant, and the Weibull model used in the South Central Oregon and Northeast California (SO) variant. We also assessed the effects of using measured (CRm) versus predicted (CRp) crown ratio for predicting 10 year DG and 30 year basal area increment (BAI). Evaluation criteria included equivalence tests, bias, root mean square error, and Spearman’s coefficient of rank correlation. Inventory data from the Winema and the Colville National Forests were used. Results showed that the NI variant models overpredicted CR when CRm was below 40% and underpredicted CR when it was above 60%, whereas the SO variant model overpredicted CR when CRm was smaller than 60%. Differences between CRm and CRp were positively correlated with differences in DG predictions. Using CRm versus CRp resulted in 30 year BAI absolute percent differences of 10% or less for more than 50% of the plots.

Les équations d’accroissement en diamètre (Id) qui font partie de nombreux modèles de croissance et de rendement forestiers utilisent le rapport de cime (RC) comme variable indépendante. Lorsque le RC n’est pas mesuré, il est estimé à partir d’autres variables mesurées. Nous avons évalué la précision de l'estimation du RC pour les modèles utilisés dans deux variantes du Simulateur de la végétation forestière: les modèles exponentiel et logistique utilisés dans la variante du nord de l’Idaho (NI) ainsi que le modèle de Weibull utilisé dans la variante du centre sud de l’Oregon et du nord-est de la Californie (SO). Nous avons également évalué les effets de l'utilisation du RC mesuré (RCm) versus le RC estimé (RCe) pour prédire Id sur 10 ans et l’accroissement de la surface terrière (Ig) sur 30 ans. Les critères d'évaluation comprenaient les tests d'équivalence, le biais, l’erreur quadratique moyenne et le coefficient de corrélation de rang de Spearman. Les données d'inventaire des forêts nationales de Winema et de Colville ont été utilisées. Les résultats montrent que les modèles de la variante NI surestiment la croissance lorsque les valeurs du RCm sont inférieures à 40% et la sous-estiment lorsque les valeurs du RCm sont supérieures à 60 %, alors que le modèle de la variante SO la surestime lorsque les valeurs du RCm sont inférieures à 60 %. Les différences entre le RCm et le RCe sont corrélées positivement avec les erreurs de prédiction de Id. L'utilisation du RCm plutôt que du RCe pour prédire Ig sur 30 ans produit une différence de 10 % ou moins dans plus de la moitié des placettes.

Document Type: Research Article

Publication date: 2009-03-01

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