Ein nichtlineares, hierarchisches und gemischtes Modell für das Baum-Höhenwachstum der Fichte (Picea abies (L.) Karst.) in Baden-Württemberg

A non-linear hierarchical mixed model for tree height growth of Norway spruce (Picea abies (L.) Karst.) in Baden-Württemberg

by Arne Nothdurft
Doctoral thesis
Date of Examination:2007-02-09
Date of issue:2007-05-09
Advisor:Prof. Dr. Joachim Saborowski
Referee:Prof. Dr. Joachim Saborowski
Referee:Prof. Dr. Jürgen Nagel
Referee:Prof. Dr. Hans Pretzsch
Persistent Address: http://hdl.handle.net/11858/00-1735-0000-0006-B0FC-1

 

 

Files in this item

Name:nothdurft.pdf
Size:9.72Mb
Format:PDF
Description:Dissertation

The following license files are associated with this item:

Abstract

English

A non-linear hierarchical mixed model approach is used to describe height growth of Norway spruce applying longitudinal data. The parameter variation depends on covariates for fixed effects and random parameters. The resulting mean curves differ according to three regions of Baden-Württemberg and are subject to a time trend. The model is evaluated on the basis of predictions for independent data. Predictions for the random parameters made on prior knowledge of observations allow for flexible and individual calibration. The accuracy and certainty of predictions is improved, when two instead of one observation is applied per individual. In addition, the hierarchical mixed model approach permits constructions of reliable prediction limits.
Keywords: non-linear mixed model; random parameter; multilevel analysis; growth model; tree height growth

Other Languages

Mit Hilfe longitudinaler Daten wird ein Wachstumsmodell für Fichten-Baumhöhen in Baden-Württemberg konstruiert. Die Parametervariabilität der nichtlinearen Grundfunktion wird durch Regressionsparameter für bekannte Kovariablen und durch normalverteilte Zufallsparameter beschrieben. Die Wachstumsverläufe unterscheiden sich für drei Großräume und unterliegen zeitlichen Veränderungen. Im Rahmen einer Evaluierung werden Prognosen für Beobachtungswerte unabhängiger Daten vorgenommen. Das Wachstumsmodell kann durch Vorhersagen für die Zufallsparameter anhand von bekannten Vorbeobachtungen individuell kalibriert werden. Bei Verwendung von zwei Kalibrierungsbeobachtungen für jedes Individuum erhöht sich die Treffgenauigkeit und Sicherheit der Prognosen und erweist sich gegenüber herkömmlichen Bonitätsfächern als überlegen. Um die Prognosen herum können glaubwürdige Vertrauensbereiche konstruiert werden.
Schlagwörter: nichtlineares gemischtes Modell; Zufallsparameter; Mehrebenenanalyse; Wachstumsmodell; Baumhöhenwachstum
 
Statistik