Kamis, 27 Agustus 2015

Mengomentari '' fakta yang diakui bahwa PBMS dapat memberikan

Mengomentari '' fakta yang diakui bahwa PBMS dapat memberikan www.jualspeedboatfiber.comwww.templatebloggratis.comwww.kapalpesiarspeedboat.com terutama qualit deskripsi ative pertumbuhan berdiri, dan bahwa tujuan mereka mungkin untuk meningkatkan pengetahuan dalam ge daripada akurat atau tepat memprediksi hasil '', mengatakan: '' The separatio n pemahaman dan prediksi adalah palsu. Hanya model yang berarti dapat consis tently akurat. Ada alasan sederhana untuk ketidakakuratan: kegagalan untuk memahami itu mempelajari objek. . An (dianalisis) model tidak digunakan sebagai memprediksi variabel tersedia Data persediaan dan warisan paling berharga dari ilmu kehutanan - obse jangka panjang rvations di permanen
plot ''. Zeide melanjutkan dengan mengembangkan konsep pemodelan berlabel 'U-approac
h ', yang pada dasarnya empiris, memanfaatkan beberapa ukuran sederhana dari lingkungan
al driver atau faktor menghambat - seperti perkiraan cahaya yang diserap b
y mahkota berdiri dimasukkan sebagai variabel independen dalam empiris
model kenaikan diameter batang. Pendekatannya adalah mirip dengan (beberapa)
model hybrid dibahas pada bagian berikutnya tetapi, sementara itu menganut pra tersebut

cticality model empiris, tidak mengeksploitasi kekuatan dan fleksibilitas
PBMS.
Pernyataan Zeide yang PBMS tidak menggunakan 'warisan paling berharga dari sci hutan
ence 'adalah bertentangan
oleh sejumlah besar studi terbaru di mana PBMS telah dikalibrasi dan teste
d terhadap data pengukuran, termasuk pengukuran jangka panjang dalam plot permanen.
Ini telah dibuktikan, lagi dan lagi, bahwa mereka dapat mereproduksi dan menjelaskan
variasi baik spasial dan temporal dalam pertumbuhan hutan, tercermin data tersebut (s
ee Mummery et al. 1999;Waring 2000; Coops dkk. 2001, 2007; Menggelitik dkk. 2001
a, b; Mummery dan Battaglia 2001 2002; Landsberg dkk. 2005; Fontes et al. 2006;
Waring dkk. 2008). Kami juga mencatat nilai semakin diakui dan potenti
al dari PBMS, terkait dengan pengukuran satelit, untuk memprediksi produktivitas hutan
di daerah yang luas dengan menggunakan PBMS (lihat Nightingale et al 2007;.. Smith et al 2008; Perang
ing dkk. 2010).
238 Bab 8
8.4 MODEL EVALUASI: PENGUJIAN DAN SENSITIVITAS ANALISIS
Model yang diuji dalam berbagai cara selama konstruksi mereka, dan istilah verif
ication, validasi dan pengujian berbagai digunakan. Diskusi rinci model
prosedur dan analisis sensitivitas pengujian akan membawa kita terlalu jauh dari Subj yang
dll soal buku ini, jadi kami sediakan di sini hanya beberapa komentar yang agak sepintas ke
menguraikan poin utama yang perlu diperhatikan dalam kaitannya dengan pemodelan
pertumbuhan pohon dan hutan. Untuk diskusi provokatif masalah model
pengujian melihat Passioura (1973).
8.4.1. Pengujian Model
Empiris, pertumbuhan berbasis pengukuran dan hasil model dasarnya statistik
deskripsi tegakan tertentu. Menguji mereka cenderung terdiri dari statis
evaluasi ical dari sejauh mana model nilai sesuai dengan mengamati
d nilai yang diperoleh dari pengukuran tidak digunakan dalam pengembangan model. Th
e esensi pengujian (dan ini berlaku untuk semua model) terletak pada persyaratan th
di model kinerja harus dievaluasi dalam kaitannya dengan data yang tidak digunakan
dalam pengembangan dan kalibrasi model.
Empat metode pengujian kinerja model empiris yang rata Model Bi
sebagai (AMB),
Model Efisiensi (ME), analisis residu dan analisis regresi (Pinjuv dkk.
2006). Persamaan untuk
AMB dan ME adalah:
mengevaluasi signifikansi statistik dari 3
perbedaan antara semua nilai yang diamati dan model individu. Ini mungkin juga
diplot terhadap, misalnya,
nilai-nilai variabel dimodelkan dan diuji untuk distribusi statistik, b
ias dan goodness of fit.
Regresi ^ i pada Yi dan menilai fit dalam hal varians menyumbang
oleh regresi adalah Y
tes yang berguna dan sering digunakan. Kemiringan hubungan harus approxi
kira kesatuan.
Istilah verifikasi dan validasi kadang-kadang digunakan untuk menggambarkan pr terpisah
ocesses. (Apakah
ini sangat membantu, mungkin, bisa diperdebatkan.) Verifikasi adalah proses yang memeriksa t
topi struktur formal model benar, dan bahwa yang kualitatif, Dynami
perilaku c adalah seperti yang diharapkan. Validasi, di sisi lain, menunjukkan bahwa
Model memberikan kesepakatan kuantitatif yang baik dengan data yang diamati, secara konsisten tenda wit
h tujuan yang model dimaksudkan. Untuk memvalidasi model karena itu inv
olves pengujian kinerja terhadap kriteria yang ditetapkan, yang pada gilirannya menyiratkan
bahwa tujuan yang model telah dikembangkan justru ditentukan.
Rykiel (1996) membahas konsep validasi di beberapa panjang. Dia berpendapat, amo
ng lain, bahwa: model dapat divalidasi sebagai diterima untuk purpo pragmatis
ses, sedangkan validitas teoritis selalu sementara; validasi dapat digunakan sebuah
Kegiatan ful terlepas dari apakah model dinyatakan divalidasi atau membatalkan
d; dan validasi bukan merupakan kegiatan penting untuk mengevaluasi model penelitian, b
ut penting untuk membangun model yang kredibilitas di komunitas pengguna.
Output dari kedua model-proses berbasis dan hybrid dapat diuji menggunakan yang sama
metode seperti untuk

model empiris. Pengujian output dari model pertumbuhan hutan secara keseluruhan mungkin
dilakukan dengan menggunakan pengukuran langsung dari variabel negara, seperti kolam biomassa atau jadi
il neraca air. Dimana data tersebut tidak
Pemodelan Pohon Pertumbuhan: Konsep dan Ulasan 239
tersedia, biomassa pengganti seperti diameter batang atau panjang tunas pengukuran
, Pada interval hari atau minggu, dapat digunakan. Hal yang penting adalah bahwa ada
korelasi kuat antara pengganti dan variabel negara, misalnya betwe
en DBH dan batang biomassa.
Hubungan individu, baik itu murni empiris atau mekanistik, diuji di
arti ketika mereka
yang didalilkan. Ketika dikombinasikan dalam model, itu harus diverifikasi bahwa mereka Behav
iour tetap seperti yang diharapkan. Hal ini terutama terjadi di mana relatio empiris
nship, yang mungkin secara statistik tetapi tidak harus didasarkan pada u biologis
nderstanding, digunakan. Jika hubungan tersebut termasuk dalam model, dan di
menempatkan bergerak di luar rentang nilai yang hubungan itu berasal, th
Hasil e mungkin perilaku bencana. Misalnya, respon dapat diamati
menjadi linear atau lemah kuadrat, sedangkan jika didorong dengan input yang ekstrim itu mungkin
menjenuhkan. Hal ini juga penting ketika menggabungkan model sub dari mode yang berbeda
ls, seperti yang disarankan di atas.
Semua model juga harus diuji pada tingkat sub-model mereka, jika ini adalah po
ssible, di interval
sesuai dengan waktu respon dari proses-proses tersebut. Sebagai contoh, saya radiasi
model nterception jelas dapat diuji dengan mengukur abo rezim radiasi
ve, di dalam dan di bawah kanopi dan compar- ing hasil dengan profil dimodelkan
hanya menggunakan di atas kanopi Data radiasi dan distribusi luas daun (lihat Bab
ter 4). Sebuah model daun fotosintesis, diformulasikan menggunakan, misalnya, parameter va
Lues dari literatur, dapat diuji dengan mengukur fotosintesis dan ENVI yang
variabel ronmental yang mempengaruhi hal itu. Jika ditemukan diperlukan untuk mengubah parameter, yang
ter nilai untuk latihan pemodelan berikutnya, maka pengukuran sedang u
sed untuk kalibrasi, tidak pengujian.
Bernier et al. (2002) memberikan contoh yang baik dari pengujian transpirasi sub-m
odel dari kanopi

Model gas-tukar. Mereka mengukur nilai per jam dari suhu udara, kelembaban, wi
kecepatan nd, radiasi bersih dan curah hujan, serta dalam pengukuran situ le
gas-tukar, indeks luas daun kanopi dan daun distribusi massa af gula MAPL
e melalui musim tanam. Mereka juga mengukur getah pohon fluks dan cont air tanah
ent pada kisaran kedalaman. Pengukuran ini memberikan mereka dengan data untuk tes di
jam interval gas model-tukar tajuk rinci dan fungsi Modi
fying perilaku stomata dalam menanggapi kadar air tanah, dan untuk mengintegrasikan
Hasil lebih hari dan musim untuk mengevaluasi akurasi jangka panjang mereka

Model.