Skip to main content

Predicting volumes by log grades in standing sugar maple and yellow birch trees in southern Quebec, Canada

Buy Article:

$50.00 plus tax (Refund Policy)


Modelling volumes by log grades in standing hardwood trees is often hindered by the nature of the response variable. In this paper, we used a two-part conditional model to account for the excess of zero responses for some log grades. Moreover, this approach was used as a framework to compare three different tree classifications in their ability to predict volumes by log grades in standing yellow birch (Betula alleghaniensis Britton) and sugar maple (Acer saccharum Marsh.) trees. A tree grade classification was compared with two preharvest tree classifications based on mortality risk assessment. A cross-validation was also carried out to evaluate the two parts of the model. The results showed that the two-part conditional approach was efficient in this case study. Compared with a general model, the three classifications improved the maximum likelihood. According to the Akaike and Bayesian information criteria, the tree grade classification was the “best” one. All three classifications proved to be better able to distinguish log grade occurrence than log grade volume. Although it implies additional cost, the implementation of the tree grade classification into the preharvest inventories would improve the prediction of volumes by log grades for yellow birch and sugar maple trees.

La modélisation des volumes par classes de qualité des billes des tiges feuillues sur pied est souvent rendue difficile par la nature de la variable réponse. Dans cet article, nous utilisons un modèle conditionnel constitué de deux parties pour tenir compte de la surabondance de réponses nulles pour certaines classes de qualités. De plus, cette approche a été utilisée comme cadre conceptuel pour comparer trois classifications différentes des tiges sur la base de leur capacité à prédire les volumes par classes de qualité des billes des tiges sur pied de bouleau jaune (Betula alleghaniensis Britton) et d’érable à sucre (Acer saccharum Marsh.). Une classification de la qualité des tiges a été comparée à deux classifications des arbres avant la récolte sur la base de l’évaluation des risques de mortalité. Une validation croisée a également été effectuée pour évaluer les deux parties du modèle. Les résultats montrent que l’approche conditionnelle constituée de deux parties était efficace dans cette étude de cas. Comparativement au modèle général, les trois classifications ont amélioré le maximum de vraisemblance. Selon les critères d’information d’Akaike et bayésian, la classification de la qualité des tiges était la meilleure. Les trois classifications ont démontré qu’elles distinguaient mieux l’occurrence que le volume des classes de qualité des billes. Même si cela implique un coût additionnel, l’implantation de la classification de la qualité des tiges dans les inventaires prérécolte améliorerait la prédiction des volumes par classes de qualité des billes pour les tiges de bouleau jaune et d’érable à sucre.

Document Type: Research Article

Publication date: 2009-10-01

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