Skip to main content

Estimating cavity tree and snag abundance using negative binomial regression models and nearest neighbor imputation methods

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

Cavity tree and snag abundance data are highly variable and contain many zero observations. We predict cavity tree and snag abundance from variables that are readily available from forest cover maps or remotely sensed data using negative binomial (NB), zero-inflated NB, and zero-altered NB (ZANB) regression models as well as nearest neighbor (NN) imputation methods. The models were developed and fit to data collected by the Forest Inventory and Analysis program of the US Forest Service in Washington, Oregon, and California. For predicting cavity tree and snag abundance per stand, all three NB regression models performed better in terms of mean square prediction error than the NN imputation methods. The most similar neighbor imputation, however, outperformed the NB regression models in predicting overall cavity tree and snag abundance.

Les données sur l’abondance des arbres creux et des chicots sont extrêmement variables et contiennent plusieurs observations nulles. Nous prédisons l’abondance des arbres creux et des chicots à partir de variables facilement disponibles dans les cartes du couvert forestier ou parmi les données obtenues par télédétection en utilisant des modèles de régression binomiale négative (BN), BN à excès de zéros (ZINB) et BN tronquée à zéro (ZANB), ainsi que des méthodes d’imputation par le plus proche voisin. Les modèles sont élaborés et ajustés aux données collectées par le programme d’analyse et d’inventaire forestiers du U.S. Forest Service dans les États de Washington, de l’Oregon et de la Californie. Les trois modèles de régression BN offraient une meilleure performance en terme d’erreur quadratique moyenne de prédiction que les méthodes d’imputation par le plus proche voisin pour prédire l’abondance des arbres creux et des chicots par peuplement. Cependant, l’imputation par le voisin le plus semblable donnait de meilleurs résultats que les modèles de régression BN pour prédire l’abondance globale des arbres creux et des chicots.

Document Type: Research Article

Publication date: September 1, 2009

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
nrc/cjfr/2009/00000039/00000009/art00011
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
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