|
Uplatnění zobecněných a smíšených regresních modelů v dendrometrii
Adamec, Zdeněk
Tato práce se zabývá uplatněním zobecněných a smíšených regresních modelů v dendrometrii. Všechny testované modely by mohly být teoreticky použitelné, a to v různých oblastech modelování stavu a vývoje lesa. Cílem této práce je na základě vědeckých poznatků jiných autorů (z dostupných literárních zdrojů) a především na základě výsledků vlastního výzkumu prezentovaného v této práci (případové studie), potvrdit uplatnitelnost čtyř zvolených typů regresních modelů v oblasti dendrometrie, a to buď na lokální, nebo globální úrovni. Při splnění určitých podmínek by vybrané modely mohly také sloužit k regionalizaci zvoleného globálního modelu pomocí jeho kalibrace. Konkrétně se jedná o zobecněné lineární modely, lineární modely se smíšenými efekty, nelineární modely se smíšenými efekty a zobecněné aditivní modely. Případové studie byly realizovány buď nad datovými sadami získanými na Školním lesním podniku Masarykův les Křtiny (sedm případových studií), nebo nad daty sbíranými napříč celým územím ČR jakožto součást Národní inventarizace lesů (dvě případové studie), nebo jiné studie s celostátním rozsahem (jedna případová studie). Případové studie vychází z devíti původních vědeckých prací a z jednoho příspěvku na mezinárodní konferenci. Na základě informací z literární rešerše a výsledků případových studií je možné konstatovat, že testované modely jsou plně uplatnitelné pro modelování širokého spektra dendrometrických veličin popisujících aktuální stav či vývoj jednotlivých stromů nebo lesních porostů. Použitelnost modelů byla potvrzena na lokální i globální úrovni včetně možnosti regionalizace modelu skrze jeho kalibraci.
|
|
Srovnání smíšeného regresního modelu a geograficky vážené regrese na příkladu výškové funkce
Forró, Martin
Diplomová práca je zameraná na riešenie priestorovej heterogenity v lesníckych modeloch prostredníctvom metodík lineárnych zmiešaných regresných modelov (LMM) a geograficky váženej regresie (GWR) pri modelovaní výškovej krivky. Obe tieto metódy už boli oskúšané, a majú veľký potenciál znížiť množstvo dát potrebných na modelovanie, a zároveň zvýšiť presnosť. Dáta pochádzajú z VŠLP Křtiny, LÚ Borky. Ako modelovú drevinu sme vybrali buk. Z dát sme vybrali trénovaciu a validačnú množinu na parametrizáciu, a následné overenie predikcie. Výsledné modely boli porovnané s globálnym modelom zostrojeným metódou MNČ. Lokálne modely nie sú spoľahlivé, lebo sú parametrizované na príliš malom počte stromov. Výsledky boli rôzne pre GWR a LMM. GWR zlyhala pri predikcii, ale na trénovacích plochách boli výsledky dobré, najmä odstránila autokoreláciu reziduí. LMM mal najlepšie výsledky pre trénovaciu aj validačnú množinu.
|