Improving tree survival prediction with forecast combination and disaggregation

The tree mortality model plays an important role in simulating stand dynamic processes. Past work has shown that the disaggregation method was successful in improving tree survival prediction. This method was used in this study to forecast tree survival probability of Chinese pine (Pinus tabulaeformis Carrière) in Beijing. Outputs from the tree survival model were adjusted from either the stand-level model prediction or the combined estimator from the forecast combination method. Our results show that the disaggregation approach improved the performance of tree survival models. We also showed that stand-level prediction played a crucial role in refining outputs from a tree survival model, especially when it is a very simple model. Because the forecast combination method produced better stand-level prediction, we prefer the use of this method in conjunction with the disaggregation approach, even though the performance gain in using the forecast combination method shown for this data set was modest. Résumé : La modélisation de la mortalité des arbres joue un rôle important dans la simulation des processus dynamiques de la croissance forestière. Les travaux antérieurs ont montré que la méthode de désagrégation pouvait améliorer la prédiction de la survie des arbres. Cette méthode a donc été utilisée ici pour prédire la probabilité de survie du pin de Chine (Pinus tabulaeformis Carrière) à Pékin. Les extrants du modèle de survie des arbres ont été ajustés à partir soit de la prédiction du modèle à l’échelle du peuplement, soit de l’estimateur combiné de la méthode de combinaison des prédictions. Nos résultats montrent que l’approche de désagrégation a amélioré la performance du modèle de survie des arbres. Nous avons également montré que la prédiction à l’échelle du peuplement a joué un rôle crucial dans le raffinement des extrants du modèle de survie des arbres, surtout lorsque le modèle est très simple. Comme la méthode de combinaison des prédictions prédit le mieux les attributs du peuplement, nous préférons l’utiliser conjointement avec la méthode de désagrégation, même si le gain de performance était modeste pour l’ensemble de données considéré. [Traduit par la Rédaction]