The increasing number of model type

The increasing number of model types that are used to predict tree biomass from diameter, height and
wood density has brought questioning about the biological relevance of complex allometries (i.e.
non-power models). Statistical issues such as collinearity among predictors and unreliable coefficient
estimates have also been associated with complex allometric models. Using a data set of 225 trees from
central Africa, we assessed the relevance of simple allometry (i.e. power model) versus complex allometry
to predict tree biomass. A complex allometric model of biomass was developed based on a model
of resource partition between dbh and height growths. Although being a good model for biomass prediction,
the power model was outperformed by the complex allometric model. A careful examination
showed that the power model could be segmented into two pieces of power models. Using tree diameter
and height as separated predictors improved the biomass prediction, irrespective of the collinearity
between these two predictors. A critical value of 25% for the PRSE statistic used to assess the reliability
of coefficient estimates corresponded to a significance level of 105–104 and was thus unreasonably low.
We conclude that growth theories should be developed to explain allometric models, but that the
arbitration between these models should ultimately rely on observed data, not on theories.

ผลลัพธ์ (ไทย) 1:

เพิ่มจำนวนชนิดรูปแบบที่ใช้ในการทำนายต้นชีวมวลจากเส้นผ่าศูนย์กลาง ความสูง และความหนาแน่นไม้ได้มาตั้งคำถามเกี่ยวกับความสำคัญทางชีวภาพของ allometries ที่ซับซ้อน (เช่น-พลังงานรูปแบบ) ปัญหาทางสถิติเช่นภาวะร่วมเส้นตรง predictors และสัมประสิทธิ์น่าการประเมินยังได้เชื่อมโยงกับแบบจำลอง allometric ซับซ้อน ใช้ชุดข้อมูลของ 225 จากแอฟริกากลาง เราประเมินความสำคัญของเรื่อง allometry (เช่นรุ่นไฟฟ้า) กับ allometry ที่ซับซ้อนการทำนายแบบชีวมวลทรี แบบ allometric ซับซ้อนของชีวมวลได้รับการพัฒนาตามแบบของทรัพยากรที่พาร์ติชันระหว่าง dbh และสูงเจริญเติบโต แม้ว่าจะเป็นแบบที่ดีสำหรับการคาดเดาชีวมวลรูปแบบพลังงานที่ outperformed รุ่น allometric ซับซ้อน ระวังการตรวจสอบแสดงให้เห็นว่า แบบไฟฟ้าอาจเป็นแบ่งสองชิ้นรุ่นไฟฟ้า ใช้แผนภูมิเส้นผ่าศูนย์กลางและความสูงเป็น predictors แยกคาดเดาชีวมวล ไม่ภาวะร่วมเส้นตรงที่ระหว่าง predictors ที่สองเหล่านี้ ค่าสำคัญ 25% สำหรับ PRSE สถิติที่ใช้ในการประเมินความน่าเชื่อถือของสัมประสิทธิ์ ประเมิน corresponded กับระดับนัยสำคัญ 10 4 5 – 10 และต่ำผ่านได้ดังนั้นเราสรุปว่า ควรมีพัฒนาเจริญเติบโตทฤษฎีเพื่ออธิบายรูปแบบ allometric แต่การสุดอนุญาโตตุลาการระหว่างรูปแบบเหล่านี้ควรพึ่งให้สังเกตข้อมูล ไม่อยู่ในทฤษฎี

ผลลัพธ์ (ไทย) 2:

จำนวนที่เพิ่มขึ้นของประเภทของรูปแบบที่จะใช้ในการคาดการณ์จากชีวมวลต้นไม้ขนาดเส้นผ่าศูนย์กลางความสูงและความหนาแน่นของไม้ได้นำคำถามเกี่ยวกับความสัมพันธ์ทางชีวภาพของ allometries ซับซ้อน (เช่นรุ่นไม่ไฟ) ปัญหาทางสถิติเช่น collinearity หมู่พยากรณ์และค่าสัมประสิทธิ์ที่ไม่น่าเชื่อถือประมาณการยังได้รับการที่เกี่ยวข้องกับรูปแบบที่ซับซ้อนallometric โดยใช้ข้อมูลที่ตั้งของต้นไม้ 225 จากแอฟริกากลางเราประเมินความเกี่ยวข้องของallometry ง่าย (เช่นรูปแบบการใช้พลังงาน) เมื่อเทียบกับ allometry ซับซ้อนที่จะคาดการณ์ชีวมวลต้นไม้ รูปแบบที่ซับซ้อนของ allometric ชีวมวลได้รับการพัฒนาขึ้นอยู่กับรูปแบบของพาร์ทิชันทรัพยากรระหว่างdbh และการเจริญเติบโตสูง แม้ว่าจะเป็นแบบอย่างที่ดีในการทำนายชีวมวลรูปแบบการใช้พลังงานได้ดีกว่าโดยรุ่น allometric ซับซ้อน การตรวจสอบอย่างระมัดระวังแสดงให้เห็นว่ารูปแบบการใช้พลังงานจะถูกแบ่งออกเป็นสองชิ้นของรูปแบบการใช้พลังงาน การใช้ต้นไม้ขนาดเส้นผ่าศูนย์กลางและความสูงพยากรณ์แยกการปรับปรุงการทำนายชีวมวลโดยไม่คำนึงถึง collinearity ระหว่างทั้งสองพยากรณ์ ค่าที่สำคัญของ 25% สำหรับสถิติ PRSE ใช้ในการประเมินความน่าเชื่อถือของประมาณการค่าสัมประสิทธิ์ตรงกับระดับนัยสำคัญของ10 5-10 4 ดังนั้นจึงไม่มีเหตุผลที่ต่ำ. เราสรุปได้ว่าทฤษฎีการเจริญเติบโตควรมีการพัฒนาที่จะอธิบายรูปแบบ allometric, แต่ที่อนุญาโตตุลาการระหว่างรูปแบบเหล่านี้ในที่สุดควรพึ่งพาข้อมูลที่สังเกตไม่ได้อยู่ในทฤษฎี

ผลลัพธ์ (ไทย) 3:

ตัวเลขที่เพิ่มขึ้นของนางแบบชนิดที่ใช้ทำนายต้นไม้ชีวมวลจากเส้นผ่าศูนย์กลาง ความสูงและความหนาแน่นของเนื้อไม้ได้นำมาตั้งคำถาม
เกี่ยวกับความเกี่ยวข้องทางชีววิทยาที่ซับซ้อน ( เช่น allometries
แบบไม่เวอร์ ) สถิติประเด็น เช่น collinearity ระหว่างตัวแปร และไม่น่าเชื่อถือสัมประสิทธิ์
ประมาณการยังเกี่ยวข้องกับแบบอัลโลเมตริกซับซ้อนการใช้ชุดข้อมูล 225 ต้นไม้จาก
แอฟริกากลาง เราประเมินความเกี่ยวข้องของแอลโลเมตรีธรรมดา ( เช่น รุ่น Power ) เมื่อเทียบกับ
แอลโลเมตรีที่ซับซ้อนเพื่อทำนายปริมาณต้นไม้ รูปแบบประมาณที่ซับซ้อนของชีวมวลที่ถูกพัฒนาขึ้นตามรูปแบบ
ทรัพยากรไม้กั้นระหว่างการเจริญเติบโตและความสูง แม้ว่าจะเป็นแบบที่ดีสำหรับชีวมวล
การทำนายพลังงานในรูปแบบโดยรูปแบบประมาณที่ซับซ้อน มีการตรวจพบว่า
ระวังอำนาจแบบอาจจะแบ่งออกเป็นสองชิ้นแบบไฟฟ้า ขนาดเส้นผ่าศูนย์กลางและความสูงของต้นไม้โดยใช้
แยกกันพยากรณ์การปรับปรุงระบบพยากรณ์ โดยไม่คำนึงถึง collinearity
ระหว่างสองคนนี้ พยากรณ์ ที่สำคัญมูลค่า 25% สำหรับ prse สถิติที่ใช้ประเมินความน่าเชื่อถือ
ค่าประมาณการ สอดคล้องกับระดับ 10  5 – 10  4 จึงไร้เหตุผลต่ำ .
สรุปว่าทฤษฎีการเจริญเติบโต ควรมีการพัฒนาเพื่ออธิบายรูปแบบประมาณแต่ที่
อนุญาโตตุลาการระหว่างรูปแบบเหล่านี้ควรสุด พึ่งสังเกต ข้อมูลไม่ได้อยู่ในทฤษฎี