Utilisation of geographically weighted regression (GWR) in forestry modelling

Ing. María Quirós-Segovia

Master's thesis

Využití geograficky vážené regrese (GWR) v lesnických modelech

Abstract:

Diplomová práce je zaměřena na použití geograficky vážené regrese (GWR) v lesnických modelech. Je to perspektivní metoda pro analýzu prostorově heterogenních dat, přičemž v lesnictví byla tato metoda již používaná dříve v menších oblastech s dobrými výsledky. V této práci je metoda aplikována na větším území v regionu Murcia ve Španělsku. Hlavním cílem práce je ověření možnosti použití GWR pro odvození velkoplošně platného modelu výškové funkce na základě dat Národní invetarizace lesů Španělska. Výsledný model je pro validační plochy porovnán s lokálními výškovými funkcemi. Získané výsledky se liší pro různé úrovně vstupních dat a různé způsoby nastavení a kalibrace GWR. Nejlepší výsledky vykazuje model založený na individuálních stromových datech a kalibračním jádru s pevnou šířkou. V rámci práce byly take navrženy možné změny a náměty pro další výzkum, které pravděpodobně přispějí ke zlepšení kvality GWR modelu. Metoda GWR se jeví jako vysoce perspektivní, zvláště pro velkoplošné modely, kdy při správném provedení umožníodvodit dostatečně přesný model výškové funkce v jakémkoliv bodě zájmové oblasti bez nutnosti přímého měření výšky a tloušťky v daném porostu

Abstract:

The diploma thesis is focused on the application of the Geographically Weighted Regression (GWR) in forestry models. This is a prospective method for coping with spatially heterogeneous data. In forestry, this method has been used previously in small areas with good results, but in this diploma thesis it is applied to a bigger area in the Region of Murcia, Spain. Main goal of the thesis is to evaluate GWR for developing of large scale height-diameter model based on data of National Forest Inventory of Spain. Final model is compared with local height-diameter model on validation plots. The obtained results are very different according to the level of input data and GWR calibration type. The best result is obtained with individual tree data and with fixed kernel calibration. In order to improve quality of GWR calibration several suggestion were made, such as change weighted functions. GWR method is highly promising because in the case of need a particular model for some large area, there is possible to make sufficiently precise model at any point of the area of interest without need of any additional measurements in particular forest stand.

Keywords

prostorová heterogenita, prostorová analýza, geograficky vážená regrese

Keywords

Spatial analysis, Spatial heterogeneity, Geographically Weighted Regressions

Language used: English

Date on which the thesis was submitted / produced: 7. 4. 2015

Thesis defence

• Supervisor: doc. Ing. Karel Drápela, CSc.
• Reader: Radim Adolt, Ph.D.

Mendel University in Brno

Faculty of Forestry and Wood Technology

Master programme / field:
European Forestry / European Forestry