| 7 | 1/1 | 返回列表 |
| 查看: 981 | 回復(fù): 6 | ||
| 【獎(jiǎng)勵(lì)】 本帖被評(píng)價(jià)5次,作者b12345abba增加金幣 4 個(gè) | ||
[資源]
Robinson AP.2011.Forest Analytics with R:An Introduction
|
||
|
書名:《Forest Analytics with R:An Introduction》(本版搜索,未見重復(fù)) 作者:Robinson AP; Hamann JD 出版時(shí)間:2011 系列名:springer的Use R!系列 目錄: 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1 This Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.1.1 Topics Covered in This Book . . . . . . . . . . . . . . . . . . . . . . 5 1.1.2 Conventions Used in This Book . . . . . . . . . . . . . . . . . . . . 6 1.1.3 The Production of the Book . . . . . . . . . . . . . . . . . . . . . . . 6 1.2 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2.1 Communicating with R . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2.2 Getting Help . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.2.3 Using Scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.2.4 Extending R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.2.5 Programming Suggestions . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.2.6 Programming Conventions. . . . . . . . . . . . . . . . . . . . . . . . . 14 1.2.7 Speaking Other Languages . . . . . . . . . . . . . . . . . . . . . . . . 15 1.3 Notes about Data Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2 Forest Data Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1 Basic Concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.2 File Functions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2.1 Text Files . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2.2 Spreadsheets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2.3 Using SQL in R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.2.4 The foreign Package . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.2.5 Geographic Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.2.6 Other Data Formats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.3 Data Management Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.3.1 Herbicide Trial Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 2.3.2 Simple Error Checking . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2.3.3 Graphical error checking . . . . . . . . . . . . . . . . . . . . . . . . . . 34 2.3.4 Data Structure Functions. . . . . . . . . . . . . . . . . . . . . . . . . . 37 2.4 Examples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2.4.1 Upper Flat Creek in the UIEF . . . . . . . . . . . . . . . . . . . . . 43 2.4.2 Sweetgum Stem Profiles . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 2.4.3 FIA Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 2.4.4 Norway Spruce Profiles . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.4.5 Grand Fir Profiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.4.6 McDonald–Dunn Research Forest . . . . . . . . . . . . . . . . . . 55 2.4.7 Priest River Experimental Forest . . . . . . . . . . . . . . . . . . . 61 2.4.8 Leuschner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 2.5 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Part II Sampling and Mapping 3 Data Analysis for Common Inventory Methods . . . . . . . . . . . 75 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 3.1.1 Infrastructure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 3.1.2 Example Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.2 Estimate Computation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.2.1 Sampling Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.2.2 Intervals from Large-Sample Theory . . . . . . . . . . . . . . . . 80 3.2.3 Intervals from Linearization . . . . . . . . . . . . . . . . . . . . . . . 81 3.2.4 Intervals from the Jackknife . . . . . . . . . . . . . . . . . . . . . . . 82 3.2.5 Intervals from the Bootstrap . . . . . . . . . . . . . . . . . . . . . . . 84 3.2.6 A Simulation Study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 3.3 Single-Level Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 3.3.1 Simple Random Sampling . . . . . . . . . . . . . . . . . . . . . . . . . 94 3.3.2 Systematic Sampling. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.4 Hierarchical Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 3.4.1 Cluster Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 3.4.2 Two-Stage Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 3.5 Using Auxiliary Information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 3.5.1 Stratified Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 3.5.2 Ratio Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 3.5.3 Regression Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 3.5.4 3P Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 3.5.5 VBAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 3.6 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 4 Imputation and Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 4.2 Imputation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 4.2.1 Examining Missingness Patterns . . . . . . . . . . . . . . . . . . . 118 4.2.2 Methods for Imputing Missing Data . . . . . . . . . . . . . . . . 125 4.2.3 Nearest-Neighbor Imputation . . . . . . . . . . . . . . . . . . . . . . 126 4.2.4 Expectation-Maximization Imputation . . . . . . . . . . . . . . 131 4.2.5 Comparing Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 4.3 Interpolation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 4.3.1 Methods of Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . 136 4.3.2 Ordinary Kriging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 4.3.3 Semi-variogram Estimation . . . . . . . . . . . . . . . . . . . . . . . . 141 4.3.4 Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 4.4 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148 Part III Allometry and Fitting Models 5 Fitting Dimensional Distributions . . . . . . . . . . . . . . . . . . . . . . . . 155 5.1 Diameter Distribution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 5.2 Non-parametric Representation . . . . . . . . . . . . . . . . . . . . . . . . . . 157 5.3 Parametric Representation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 5.3.1 Parameter Estimation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 5.3.2 Some Models of Choice . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 5.3.3 Profiling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 5.3.4 Sampling Weights . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 6 Linear and Non-linear Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . 175 6.1 Linear Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 6.1.1 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 6.1.2 Thinking about the Problem. . . . . . . . . . . . . . . . . . . . . . . 180 6.1.3 Fitting the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 6.1.4 Assumptions and Diagnostics . . . . . . . . . . . . . . . . . . . . . . 181 6.1.5 Examining the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185 6.1.6 Using the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 6.1.7 Testing Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 6.1.8 Transformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 6.1.9 Weights . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 6.1.10 Generalized Least-Squares Models . . . . . . . . . . . . . . . . . . 197 6.2 Non-linear Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 6.2.1 Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 6.2.2 Thinking about the Problem. . . . . . . . . . . . . . . . . . . . . . . 200 6.2.3 Fitting the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 6.2.4 Assumptions and Diagnostics . . . . . . . . . . . . . . . . . . . . . . 203 6.2.5 Examining the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207 6.2.6 Using the Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 6.2.7 Testing Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 6.2.8 Generalized Non-linear Least-Squares Models . . . . . . . . 212 6.2.9 Self-starting Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 6.3 Back to Maximum Likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 6.3.1 Linear Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 6.3.2 Non-linear Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 6.3.3 Heavy-Tailed Residuals . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 7 Fitting Linear Hierarchical Models . . . . . . . . . . . . . . . . . . . . . . . 219 7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 7.1.1 Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 7.1.2 Model Construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 7.1.3 Solving a Dilemma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 7.1.4 Decomposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 7.2 Linear Mixed-Effects Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 7.2.1 A Simple Example. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 7.3 Case Study: Height and Diameter Model . . . . . . . . . . . . . . . . . . 233 7.3.1 Height vs. Diameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 7.3.2 Use More Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 7.3.3 Adding Fixed Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 7.3.4 The Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256 7.4 Model Wrangling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 7.4.1 Monitor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 7.4.2 Meddle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 7.4.3 Modify. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 7.4.4 Compromise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 7.5 The Deep End . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 7.5.1 Maximum Likelihood . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262 7.5.2 Restricted Maximum Likelihood. . . . . . . . . . . . . . . . . . . . 263 7.6 Non-linear Mixed-Effects Models . . . . . . . . . . . . . . . . . . . . . . . . . 264 7.6.1 Hierarchical Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269 7.7 Further Reading. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273 Part IV Simulation and Optimization 8 Simulations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 8.1 Generating Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 8.1.1 Simulating Young Stands . . . . . . . . . . . . . . . . . . . . . . . . . . 279 8.1.2 Simulating Established Stands . . . . . . . . . . . . . . . . . . . . . 284 8.2 Generating Volumes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290 8.2.1 The Taper Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 8.2.2 Computing Merchantable Height . . . . . . . . . . . . . . . . . . . 291 8.2.3 Summarizing Log Volumes by Grade . . . . . . . . . . . . . . . . 293 8.2.4 Young-Stand Volumes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295 8.2.5 Established-Stand Volumes . . . . . . . . . . . . . . . . . . . . . . . . 296 8.3 Merging Yield Streams . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 8.4 Examining Results. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 8.4.1 Volume Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302 8.4.2 Mean Annual Increment. . . . . . . . . . . . . . . . . . . . . . . . . . . 304 8.5 Exporting Yields . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 8.6 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 9 Forest Estate Planning and Optimization . . . . . . . . . . . . . . . . . 307 9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 9.2 Problem Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 9.3 Strict Area Harvest Schedule. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309 9.3.1 Objective Function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310 9.3.2 Adding Columns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310 9.3.3 Naming Columns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311 9.3.4 Bounding Columns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312 9.3.5 Setting Objective Coefficients . . . . . . . . . . . . . . . . . . . . . . 312 9.3.6 Adding Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312 9.3.7 Solving . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316 9.3.8 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 9.3.9 Archiving Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322 9.3.10 Cleanup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322 9.4 Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 |
| 7 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 08工科275分求調(diào)劑 +6 | AaAa7420 2026-03-31 | 6/300 |
|
|---|---|---|---|---|
|
[考研] 070300化學(xué)279求調(diào)劑 +9 | 哈哈哈^_^ 2026-03-31 | 11/550 |
|
|
[考研] 一志愿華東師范大學(xué)有機(jī)化學(xué)專業(yè),初試351分,復(fù)試被刷求調(diào)劑! +9 | 真名有冰 2026-03-29 | 10/500 |
|
|
[考研] 336材料求調(diào)劑 +10 | 陳瀅瑩 2026-03-26 | 12/600 |
|
|
[考研] 生物學(xué)296求調(diào)劑 +8 | 湯圓包 2026-03-29 | 12/600 |
|
|
[考研] 322求調(diào)劑:一志愿湖南大學(xué) 材料與化工(085600),已過六級(jí)。 +10 | XX小鄧 2026-03-29 | 10/500 |
|
|
[考研] 085601 329分調(diào)劑 +6 | yzsa12 2026-03-31 | 6/300 |
|
|
[考研] 286求調(diào)劑 +6 | Faune 2026-03-30 | 6/300 |
|
|
[考研] 322求調(diào)劑 +10 | 舊吢 2026-03-24 | 10/500 |
|
|
[考研] 281求調(diào)劑 +5 | 亞克西good 2026-03-26 | 7/350 |
|
|
[考研] 071010 323 分求調(diào)劑 +3 | Baekzhy 2026-03-27 | 3/150 |
|
|
[考研] 求調(diào)劑,一志愿 南京航空航天大學(xué)大學(xué) ,080500材料科學(xué)與工程學(xué)碩 +6 | @taotao 2026-03-26 | 7/350 |
|
|
[考研] 調(diào)劑考研 +3 | 王杰一 2026-03-29 | 3/150 |
|
|
[考研] 356求調(diào)劑 +3 | gysy?s?a 2026-03-28 | 3/150 |
|
|
[考研] 一志愿華理,數(shù)一英一285求A區(qū)調(diào)劑 +8 | AZMK 2026-03-25 | 12/600 |
|
|
[考研] 藥學(xué)105500求調(diào)劑 +3 | Ssun。。 2026-03-28 | 3/150 |
|
|
[考研] 0856,材料與化工321分求調(diào)劑 +12 | 大饞小子 2026-03-27 | 13/650 |
|
|
[考研] 081200-314 +3 | LILIQQ 2026-03-27 | 4/200 |
|
|
[考研] 295求調(diào)劑 +5 | 1428151015 2026-03-27 | 6/300 |
|
|
[考研] 一志愿鄭大085600,310分求調(diào)劑 +5 | 李瀟可 2026-03-26 | 5/250 |
|