Multilevel mixed-effect models to predict wood volume in a hyperdiverse Amazon forest

ABSTRACT Accurate wood volume predictions are critical in hyperdiverse forests because each species has specific size and shape traits. Although generic models at a multispecies level were widely used in Amazonian managed forests, they are subject to more significant bias due to interspecific variability. We used an extensive database of wood volume collected in managed forests to test the hypothesis that generic models violate the independence assumption due to that predictions vary with species-specific size. Our hypothesis was proved as residuals of the generic model were conditioned to species and specific size. The multilevel models were more accurate both in fitting and validation procedures, and accounted for variance derived from species and specific size, providing a more reliable prediction. However, we found that the size-specific models have a similar predictive ability to species-specific models for new predictions. This implies more practical estimates in hyperdiverse forests where fitting species-specific models can be complex. The findings are crucial for sustainable forest management as they allow for more reliable wood volume estimates, leading to less financial uncertainty and preventing damage to forest stocks through under or over-exploitation. RESUMO Previsões precisas do volume de madeira são críticas em florestas hiperdiversas, pois cada espécie tem características específicas de tamanho e forma. Embora modelos genéricos em nível multiespécie sejam amplamente utilizados em florestas manejadas na Amazônia, eles estão sujeitos a maiores vieses devido à variabilidade interespecífica. Usamos um extenso banco de dados de volume de madeira coletado em florestas manejadas para testar a hipótese de que modelos genéricos violam a suposição de independência, pois as previsões variam de acordo com o tamanho específico da espécie. Nossa hipótese foi comprovada pois os resíduos do modelo genérico foram condicionados à espécie e ao tamanho específico. Os modelos multiníveis foram mais precisos nos procedimentos de ajuste e de validação e contabilizaram a variância derivada de espécies e do tamanho específico, fornecendo previsões mais confiáveis. Descobrimos que os modelos específicos de tamanho têm capacidade preditiva semelhante aos específicos da espécie para novas previsões. Isto implica em estimativas mais práticas em florestas hiperdiversas, onde pode ser complexo o ajuste de modelos específicos por espécies. As conclusões são cruciais para