MODELOS HIPSOMÉTRICOS GENERALIZADOS MISTOS NA PREDIÇÃO DA ALTURA DE Eucalyptus sp.RESUMO: Conduziu-se, este trabalho, com o objetivo de avaliar a teoria dos modelos generalizados mistos e a modelagem da heterogeneidade de variância no ajuste de dois modelos não lineares para a relação altura-diâmetro em Eucalyptus sp. Foram utilizados dados de árvores-amostras de diferentes materiais genéticos (clone e semente) e idades. De acordo com as análises, o modelo assintótico obteve os melhores resultados em relação ao modelo sigmoidal. A precisão dos modelos avaliados aumentou com a utilização da teoria dos efeitos mistos com adição de covariáveis e a modelagem da heterogeneidade da variância. GENERALIZED MIXED HEIGHT-DIAMETER MODELS FOR Eucalyptus sp. HEIGHT PREDICTION ABSTRACT:The purpose of this study was to evaluate the theory of the generalized mixed models and the modeling of the heteroscedasticity of variance in the fit of two nonlinear models for the height-diameter relationship in Eucalyptus sp. Data from sample trees of different genotypes (clone and seed) and ages were used. According to the analysis, the asymptotic model achieved the best results compared to the sigmoid model. The accuracy of the models increased using the theory of mixed effects with the addition of covariates and modeling of the heteroscedasticity of variance.
RESUMOEste trabalho teve por objetivo avaliar modelos lineares e não lineares clássicos e generalizados com adição de covariáveis, para modelagem da relação hipsométrica e do crescimento em altura das árvores dominantes e codominantes de clones de eucalipto. Foram ajustados dois modelos lineares e dois não lineares para estimativa da relação hipsométrica e quatro modelos não lineares para classificação de sítio. Com relação à hipsometria, para o modelo que propiciou as melhores estatísticas, utilizou-se a técnica de inclusão de covariáveis para o ajuste, visando obter melhor precisão das estimativas. A seleção e a qualidade de ajuste dos modelos se deram com base no erro padrão percentual "S yx (%)", critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC) e no teste de razão da máxima verossimilhança (TRMV), além da análise gráfica dos resíduos. Para a manipulação, ajuste e processamento dos dados foi utilizado o software R. De acordo com as análises estatísticas dos modelos, para a relação hipsométrica, o logístico com quatro parâmetros mostrou-se superior em relação aos outros modelos ajustados. O modelo logístico com adição de covariáveis obteve uma melhor precisão em comparação ao modelo logístico clássico. Para a estimativa do crescimento em altura das árvores dominantes e codominantes, o modelo logístico com três parâmetros obteve as melhores estatísticas de precisão, sendo, então, utilizado para a construção das curvas de índice de sítio. Palavras-chave: eucalipto; modelos de regressão; modelos generalizados; covariáveis. ABSTRACTThis work aimed to evaluate linear and nonlinear, classical and generalized models with the addition of covariates for modeling the hypsometric relation and the height growth of dominant and codominant trees of eucalypt clones. Two linear models and two nonlinear models were fitted to estimate the hypsometric relationship and four nonlinear models to classify the site. Regarding the hypsometry, it was used the technique of inclusion of covariates in the model that provided the best statistics in order to obtain more precise estimates. The selection and quality of the fittings was based on the standard error "S yx (%)", Akaike
RESUMO:Com o aumento da demanda de produtos florestais no mercado, o incentivo à pesquisas que aperfeiçoem a obtenção de multiprodutos das florestas com o menor custo é cada vez maior. Objetivou-se, neste trabalho, avaliar a precisão de um modelo linear (polinômio do 5° grau) e de um modelo não linear (logístico) na estimativa do perfil do fuste de Pinus oocarpa. A base de dados utilizada foi de um plantio de Pinus oocarpa, localizado no Triângulo Mineiro, originada da cubagem rigorosa de 140 árvores. As equações ajustadas foram avaliadas pelos seguintes critérios: critério de informação de Akaike, critério de informação Bayseiano, análise gráfica de resíduos e erro padrão da estimativa. O modelo logístico apresentou-se mais preciso na estimativa do perfil do fuste de Pinus oocarpa.Palavras-chave: Manejo, biometria, afilamento. LONGITUDINAL NONLINEAR MODELLING OF STEM PROFILE OF INTRODUÇÃONo setor florestal, cada vez mais torna-se necessária a otimização do uso da madeira. E, quando o foco é a otimização, o conhecimento sobre funções de afilamento auxilia na obtenção das estimativas dos múltiplos produtos da madeira, sendo um importante componente da atividade do inventário florestal e do planejamento.Atualmente, vários modelos e metodologias são usadas para descrever o perfil do fuste das árvores. Dentre esses, os modelos polinomiais, sigmoidais, segmentados, os modelos definidos através de análise multivariada e as razões de volume e as funções Splines cúbicas e quadráticas são as que mais se destacam (RIOS, 1997).As funções de afilamento permitem estimar o volume de qualquer segmento do fuste ao longo da árvore pela integração da função que o representa. Essas funções permitem também estimar os diâmetros mínimos de cada produto e com isso, estimar o número de toras produzidas.
RESUMO:Neste trabalho, objetivou-se propor o uso de modelos não lineares generalizados na predição da área basal e do crescimento e produção em volume total do híbrido Eucalyptus urocamaldulensis, em um plantio localizado na região central do estado de Minas Gerais, pertencente à V&M Florestal. A metodologia proposta permite trabalhar com os dados na sua forma original sem a necessidade de transformações de variáveis, e gerar modelos mais precisos. Para a avaliação da qualidade de ajuste dos modelos propostos, foram utilizados os critérios de informação Bayesiano, de Akaike e o teste de razão da máxima verossimilhança, além do erro padrão residual e percentual, e dos gráficos de resíduos. Os modelos se mostraram com uma boa performance, altamente precisos e parcimoniosos nas estimativas das variáveis propostas, com erros reduzidos para 12% em área basal e 4% para predição volumétrica.Palavras-chave: Modelos estocásticos, predição, crescimento e produção florestal. GENERALIZED NONLINEAR MODELS APPLIED INTRODUÇÃOO conhecimento do estoque de madeira de um empreendimento florestal é um fator de grande relevância, pois gera planejamentos mais precisos e com tomadas de decisões mais sensatas. O uso de modelos estocásticos ou probabilísticos, aplicados a dados oriundos de inventário florestal, facilita e gera um suporte técnico na tomada de decisões pelo gerente florestal.Na modelagem o que se busca são modelos capazes de descrever uma realidade com maior nível de precisão. O avanço dos recursos computacionais e o desenvolvimento de microcomputadores com maior poder de processamento fez com que técnicas estatísticas mais atuais pudessem ser empregadas em várias áreas da pesquisa científica. Dentre essas técnicas é possível citar o uso de modelos de regressão não lineares, generalizados e generalizados de efeito misto. Trabalhos no meio florestal que envolvem tais aplicações estão sendo empregados recentemente e foram estudados por Budhathoki et al.
Abstract:The present study aimed to optimize the location of wood storage yards in forest management for the production of wood in the Brazilian Amazon. The area of forest management studied was 638.17 ha, with 1478 trees selected for harvest with a diameter at breast height of at least 50 cm in accordance with Brazilian legislation. Taking the topography into account-permanent preservation areas, restricted areas, and remaining trees-and using GIS tools, 7896 sites were identified that could be used as wood storage yards. By using mathematical programming techniques, more specifically binary integer linear programming, and based on the classical p-median model, optimal locations for the opening of yards were defined. Four scenarios were proposed combining distance and volume constraints. The scenarios evaluated promoted reductions in infrastructure investment compared with traditional planning. The results showed reductions in the number of forest roads (-6.33%) and trails to extract logs (-15.49%) when compared to traditional planning. The best performing scenario was that with the maximum volume restriction. It was concluded that the application of mathematical programming was able to promote significant gains in the harvest planning of native forests of the Amazon with the potential to reduce environmental damage.
O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em descrever o perfil do fuste de árvores de diferentes gêneros e espécies em diferentes condições de crescimento. Para fins comparativos, foram ajustadas equações, empregando-se análise de regressão, para descrever o perfil do tronco. Tanto para as redes neurais quanto para as equações de regressão, a avaliação da acurácia foi realizada com base no coeficiente de correlação entre os diâmetros observados e estimados ao longo do fuste, a raiz quadrada do erro quadrático médio percentual (RMSE) e análise gráfica. Os métodos de inteligência artificial, especialmente RNA, podem ser eficazes em descrever o perfil do fuste de árvores de diferentes espécies em diferentes condições de crescimento, utilizando apenas uma RNA, com eficiência semelhante aos modelos de regressão tradicionalmente empregados por empresas florestais.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.