SUMMARYThe aim of this study was to compare the accuracy of Weibull, reverse Weibull, S B Johnson, Gamma and Beta distributions, fitted with the method of moments and maximum likelihood, for describing diameter distributions in stands of Pinus taeda, Eucalyptus globulus, and Eucalyptus dunnii in Uruguay. Data from 429 permanent plots of P. taeda, 185 plots of E. globulus and 271 plots of E. dunnii were used. To compare the quality of fit for the probability distribution function (pdf), the Kolmogorov-Smirnov and Reynolds error indices were used. The function S B Johnson presented a better fit on the plots of P. taeda, while the inverted Weibull function was more accurate for Eucalyptus species. The method of moments was more accurate than maximum likelihood.Key words: pdf, distribution, Weibull, S B de Johnson. RESUMENEl objetivo de este estudio fue comparar la precisión de las distribuciones de Weibull, Weibull reversa, S B de Johnson, Gamma y Beta, ajustadas por método de los momentos y máxima verosimilitud, para describir distribuciones diamétricas de Pinus taeda, Eucalyptus globulus y Eucalyptus dunnii en Uruguay. Se utilizaron datos de un total de 429 parcelas permanentes de P. taeda, 185 parcelas de E. globulus y 271 parcelas de E. dunnii. Para compararla calidad del ajuste de las funciones de densidad de probabilidad (fdp) se utilizaron la prueba de Kolmogorov-Smirnov y el índice de error de Reynolds. La función S B de Johnson presentó un mejor ajuste en las parcelas de P. taeda, mientras la función Weibull reversa fue más precisa para las especies de Eucalyptus. El método de los momentos resultó con mayor precisión que el método de máxima verosimilitud.Palabras clave: fdp, distribución, Weibull, S B de Johnson. INTRODUCCIÓNConocer el número de árboles correspondiente a cada clase diamétrica de un rodal es de gran utilidad para el planeamiento y manejo de plantaciones, ya que permite estimar la variabilidad entre individuos, los posibles productos a obtener y, por lo tanto, el valor de la plantación. Las funciones de densidad de probabilidad (fdp) son utilizadas en el ámbito forestal para estimar la probabilidad de ocurrencia de un número de individuos y la probable distribución que presentará según sus diámetros, describiendo en términos matemáticos la estructura del rodal (Vallejos et al. 2004).Dentro de las fdp más utilizadas se destacan las funciones de S B de Johnson, Weibull, Weibull reversa, Beta y Gamma, siendo las distribuciones de Weibull y S B de Johnson las más empleadas debido a una mejor calidad de ajuste (Vanclay 1994). Sanquetta et al. (2014) trabajaron con las funciones Gamma, Log Normal, Normal y Weibull (dos y tres parámetros), para describir las distribuciones diamétricas de Acacia mearnsii De Wild.. La función de Weibull es ampliamente utilizada en el ámbito forestal, su versión reversa (Kuru et al. 1992, Xu et al. 1992, en la cual el origen de la curva de distribución diamétrica se cambia del diámetro a la altura del pecho (DAP) mínimo al máxi-mo, presenta como ventajas: a) mayor fac...
El presente trabajo está enfocado en Eucalyptus grandis, principal especie del género plantada en Uruguay para obtener madera sólida. El objetivo del mismo es evaluar la incidencia de la intensidad del raleo sobre el módulo de elasticidad (MOE) y el módulo de rotura (MOR). El monte seleccionado se ubica en el departamento de Tacuarembó y fue plantado sobre suelo arenoso en el año 1989, con semilla proveniente de Bañando de Medina (Uruguay). El ensayo fue diseñado con parcelas al azar, con dos repeticiones y tres tratamientos: A) raleo fuerte con 272 árboles /ha remanentes, B) raleo medio con 352 árboles/ha remanentes y C) sin raleo, con 1280 árboles /ha. El raleo fue realizado en el año 1994, cuando el monte tenía cinco años y las evaluaciones se efectuaron cuanto el monte alcanzó los 19 años de edad. De cada tratamiento se seleccionaron los 10 individuos promedio de diámetro a la altura del pecho (DAP) para obtener las tablas y probetas libres de defecto a ensayar. Las variables analizadas fueron el MOE y el MOR de tablas con dimensiones comerciales y probetas libres de defectos. No se observaron diferencias significativas en las variables analizadas.
As a forest structural parameter, leaf area index (LAI) is crucial for efficient intensive plantation management. Leaf area is responsible for the energy absorption needed for photosynthetic production and transpiration, both affecting growth. Currently, LAI can be estimated either by remote-sensing methods or ground-based methods. However, unlike ground-based methods, remote estimation provides a cost-effective and ecologically significant advance The aim of our study was to evaluate whether machine learning algorithms can be used to quantify LAI, using either optical remote sensing or LiDAR metrics.in Eucalyptus dunnii and Eucalyptus grandis stands First, empirical relationships between LAI and remote-sensing data using LiDAR metrics and multispectral high-resolution satellite metrics, were assessed. Selected variables for LAI estimation were: LiDAR forest canopy cover, laser penetration index, and canopy relief ratio - from among the LiDAR data and the green normalized difference vegetation index and normalized difference vegetation index - from among the ground-based data we compared the accuracy of three machine learning algorithms: artificial neural networks (ANN), random forest (RF) and support vector regression (SVR). The coefficient of determination ranged from 0.60, for ANN, to 0.84, for SVR. The SVR regression methods showed the best performance in terms of overall model accuracy and RMSE (0.60). The results show that the remote sensing data applied through machine learning algorithms provide an effective method to estimate LAI in eucalyptus plantations. The methodology proposed is directly applicable for operational forest planning at the landscape level.
Afforestation has increased rapidly in Uruguay since the Congress in1989 passed a law that promotes commercial forestation. This has raised public questions about the long term effects of forestation on soil quality and tillage requirements. The objective of this work was to evaluate the effect of tillage intensity on some soil chemical properties and wood production. The experiment was carried out in a Mollic Hapludalf , and planted with Eucalyptus grandis in 1992. A randomized complete block design with three replicates was established. Tillage treatments included: pitplanting (PP), intensive tillage of the whole surface (IT), reduced tillage (RT) that corresponds to 1/3 of the surface, and unplanted soil (US). Soil organic carbon (SOC), pH(H20), pH(KCl), and exchangeable Al was measured in the planting row from 0-2.5, 2-5, 5-10, and 10-15 cm depth after remove all soil surface litter, 8 and 19 years after plantation. Diameter breath height (DBH), tree height (Ht), and wood volume (WV) was determined. Soil pH (H 2 0) was higher in PP than the mean between IT and RT 8 years after plantation; however soil pH (H20) was higher in US than the mean of all tillage systems from 10-25 cm depth. Tillage systems did not affect soil pH (H 2 0) 19 year after plantation. Soil pH (KCl) was higher in PP than IT and RT mean from 0-0.025, 0-025-0.05, and 0.10-0.15 m depth 8 years after plantation. Pit planting had more SOC from 0-2.5 than the other tillage systems in both evaluations. DBH, Ht, and WV were not affected by tillage systems. This research indicates that tillage systems effects on soil pH detected 8 years after plantation tends to disappear when the plantation was 19 years-old. Pit-planting had more SOC than intensive tillage systems while maintaining the same wood production than more intensive tillage systems.
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
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.