Abstract Consideration of scale is essential when examining structural relationships in forests. In this study, we present a parameterization of the FORMIND individual-based forest model for old growth Atlantic lowland rainforest in La Selva, Costa Rica. Results show that the simulated forest reproduces the structural complexity of Costa Rican rainforest within 2.3% of aboveground biomass values, based on comparisons with CARBONO inventory plot data. The Costa Rica FORMIND simulation was then used to investigate the relationship between canopy height and aboveground biomass (AGB), leaf area index (LAI) and gross primary productivity (GPP) at different spatial scales (20 × 20 m, 60 × 60 m, 100mx100m). The relationship between aboveground biomass and height is of particular importance toward the calibration of various remote sensing products including lidar and radar, whereas the LAI and GPP relationships are understudied in this context. We found that the relationship between all three variables and height varies considerably: the relationship is stronger at finer scales and weaker at coarser resolution. However, in all three comparisons, RMSE also decreased as scales coarsened, with the largest difference shown between 100 m and 10 m resolutions in relating AGB to Lorey's height (R2 decreased by 0.3; RMSE decreased by 114.5 Mg/ha). This suggests that a trade-off between accuracy and precision exists, and further highlights the importance of spatial scale in determining the relatability of forest structure variables.

中文翻译：

---

在哥斯达黎加雨林中使用基于个体的建模对森林结构进行多尺度分析

摘要 在检查森林结构关系时，必须考虑规模。在这项研究中，我们为哥斯达黎加 La Selva 的古老生长的大西洋低地雨林提出了 FORMIND 基于个体的森林模型的参数化。结果表明，根据与 CARBONO 清单图数据的比较，模拟森林在地上生物量值的 2.3% 内再现了哥斯达黎加雨林的结构复杂性。然后使用哥斯达黎加 FORMIND 模拟研究不同空间尺度（20 × 20 m、60 × 60 m、 100 米 x 100 米）。地上生物量和高度之间的关系对于包括激光雷达和雷达在内的各种遥感产品的校准特别重要，而在这方面对 LAI 和 GPP 关系的研究不足。我们发现所有三个变量和高度之间的关系变化很大：这种关系在更细的尺度上更强，在更粗的分辨率下更弱。然而，在所有三个比较中，RMSE 也随着尺度变粗而降低，100 m 和 10 m 分辨率之间的最大差异显示了 AGB 与 Lorey 高度的相关性（R2 降低了 0.3；RMSE 降低了 114.5 Mg/ha）。这表明准确性和精度之间存在权衡，并进一步突出了空间尺度在确定森林结构变量相关性方面的重要性。而在这种情况下，对 LAI 和 GPP 关系的研究不足。我们发现所有三个变量和高度之间的关系变化很大：这种关系在更细的尺度上更强，在更粗的分辨率下更弱。然而，在所有三个比较中，RMSE 也随着尺度变粗而降低，100 m 和 10 m 分辨率之间的最大差异显示了 AGB 与 Lorey 高度的相关性（R2 降低了 0.3；RMSE 降低了 114.5 Mg/ha）。这表明准确性和精度之间存在权衡，并进一步突出了空间尺度在确定森林结构变量相关性方面的重要性。而在这种情况下，对 LAI 和 GPP 关系的研究不足。我们发现所有三个变量和高度之间的关系变化很大：这种关系在更细的尺度上更强，在更粗的分辨率下更弱。然而，在所有三个比较中，RMSE 也随着尺度变粗而降低，100 m 和 10 m 分辨率之间的最大差异显示了 AGB 与 Lorey 高度的相关性（R2 降低了 0.3；RMSE 降低了 114.5 Mg/ha）。这表明准确性和精度之间存在权衡，并进一步突出了空间尺度在确定森林结构变量相关性方面的重要性。这种关系在更细的尺度上更强，在更粗的分辨率下更弱。然而，在所有三个比较中，RMSE 也随着尺度变粗而降低，100 m 和 10 m 分辨率之间的最大差异显示了 AGB 与 Lorey 高度的相关性（R2 降低了 0.3；RMSE 降低了 114.5 Mg/ha）。这表明准确性和精度之间存在权衡，并进一步突出了空间尺度在确定森林结构变量相关性方面的重要性。这种关系在更细的尺度上更强，在更粗的分辨率下更弱。然而，在所有三个比较中，RMSE 也随着尺度变粗而降低，100 m 和 10 m 分辨率之间的最大差异显示了 AGB 与 Lorey 高度的相关性（R2 降低了 0.3；RMSE 降低了 114.5 Mg/ha）。这表明准确性和精度之间存在权衡，并进一步突出了空间尺度在确定森林结构变量相关性方面的重要性。