Skip to main content

Statistical models to identify stand development stages by means of stand characteristics

Buy Article:

$50.00 plus tax (Refund Policy)


Stand development stages differ mainly in terms of stand structure, stand density, and mortality patterns. As the fulfilment of socio-economic forest functions often depends on stand structure and density, knowledge of the frequency and distribution of stand development stages is needed for optimal forest management. Development stages have been previously identified only qualitatively by experts in forest ecology, but this study developed and compared statistical models to identify development stages by means of stand characteristics. Data from the Austrian National Forest Inventory with 4761 observations of stand development stages were used as the training data set for quadratic discriminant analysis and multinomial logistic regression. The models differ only marginally in terms of the hit ratio and the overall kappa statistic (both determined by means of an independent test data set). The quadratic discriminant analysis has the advantage that the user can reduce or even avoid the influence of the group size on the group-specific model performance by using equal prior probabilities. Furthermore, the discriminant analysis showed the best model behaviour in terms of the explanatory variables and performed best in identifying the stages that were infrequent in the training data set.

Les stades de développement d’un peuplement se distinguent surtout par la structure du peuplement, la densité du peuplement et les patrons de mortalité. Étant donné que la réalisation du rôle socio-économique de la forêt dépend souvent de la structure et de la densité du peuplement, il faut connaître la fréquence et la distribution des stades de développement d’un peuplement pour l’aménager de façon optimale. Les stades de développement ont jusqu’à maintenant été identifiés par des experts en écologie forestière seulement de façon qualitative, mais cette étude a permis de développer et de comparer des modèles statistiques pour identifier les stades de développement au moyen des caractéristiques du peuplement. Des données provenant de l’inventaire forestier national autrichien, qui regroupent 4761 observations des stades de développement des peuplements, ont été utilisées comme jeu de données d’apprentissage pour l’analyse discriminante quadratique et la régression logistique multinomiale. Les modèles diffèrent seulement de façon marginale par le taux de succès et l’indice kappa global (déterminés dans les deux cas au moyen d’un jeu de données indépendantes). L’analyse discriminante quadratique présente l’avantage que l’utilisateur peut réduire ou même éliminer l’influence de la taille du groupe sur la performance du modèle spécifique au groupe en utilisant des probabilités a priori égales. De plus, l’analyse discriminante est le modèle qui s’est le mieux comporté en termes de variables explicatives et qui a le mieux performé pour identifier les stades qui étaient peu fréquents dans les données d’apprentissage.

Document Type: Research Article

Publication date: 2011-01-01

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
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