Métodos De Ajuste E Procedimentos De Seleção De Funções Probabilísticas Para Modelar a Distribuição Diamétrica Em Floresta Nativa De Araucária

Abstract

RESUMOEste trabalho teve como objetivo avaliar o desempenho das funções densidade de probabilidade (fdp) com diferentes procedimentos de ajustes e estatísticas de avaliação, a fim de expressar a distribuição diamétrica de um fragmento de Floresta Ombrófila Mista. A área de estudo faz parte da Floresta Nacional de Irati (FLONA), estado do Paraná. Os dados utilizados são provenientes de 25 parcelas permanentes de 1 ha (100 m x 100 m), que foram instaladas e medidas em 2002 e remedidas em 2005 e 2008. Os ajustes foram feitos considerando todas as espécies amostradas na remedição de 2008. Foram testadas as funções Beta, Weibull 2 e 3 Parâmetros e Exponencial de Meyer (tipos I e II), empregando-se os métodos de ajustes dos Momentos e da Máxima Verossimilhança para a função Beta e Percentis e Máxima Verossimilhança para a função Weibull 2 e 3 Parâmetros. A Programação Não Linear foi utilizada como tentativa de melhorar os ajustes realizados das funções, exceto para Meyer. Para avaliação dos ajustes, foram aplicados os testes de aderência de Kolmogorov-Smirnov (K-S) e Hollander-Proschan (H-P), além do Erro Padrão de Estimativa (%), índice de Reynolds (IR) e análise de resíduos. Os resultados indicaram que a função Weibull 3P ajustada pelo método da Máxima Verossimilhança foi a melhor para descrever a distribuição diamétrica da floresta como um todo, no entanto, o método dos Percentis apresentou resultados similares. A função Beta apresentou resultados satisfatórios, podendo também ser empregada para avaliar a distribuição diamétrica da área de estudo. Quanto às estatísticas utilizadas, o índice de Reynolds mostrou ser uma ferramenta estatística com boa performance para selecionar funções densidade de probabilidade. Para o intervalo de classe utilizado, o teste Kolmogorov-Smirnov apresentou um maior número de aderências quando comparado ao teste Hollander-Proschan, porém, o teste K-S é sensível quando a frequência é alta, levando a uma não aderência. Palavras-chave: índices estatísticos; programação não linear; estrutura florestal. ABSTRACTThe aim of this work was to evaluate the performance of the probability density functions with different fitting procedures and statistical evaluation to describe the diameter distribution of a Mixed Ombrophyllous

Alterações Temporais Na Distribuição Diamétrica De Teca Em Diferentes Espaçamentos

“…Para modelagem da estrutura diamétrica, adotou-se como procedimento padrão o ajuste da função Weibull com três parâmetros (Equação 1). Esta função probabilística é de uso frequente para a modelagem da distribuição diamétrica, tanto em povoamentos equiâneos como inequiâneos (SCOLFORO, 2006;MIGUEL et al, 2010;ORELLANA et al, 2017;MADI et al, 2017).…”

ESTRUTURA DIAMÉTRICA DE UM FRAGMENTO DE FLORESTA OMBRÓFILA MISTA, EM ESTÁGIO INICIAL DE REGENERAÇÃO SOB DOMÍNIO DA ESPÉCIE Ligustrum lucidum W.T. Aiton

“…A aderência das funções consegue representar a distribuição exponencial negativa. O que era esperado, devido a florestas naturais com regeneração em fluxo contínuo apresentam a forma de "J" invertido, como mencionado por vários pesquisadores (ORELLANA et al, 2017).…”

“…Para a floresta a função Wakeby apresentou melhor aderência seguida da função SB Johnson (Figura 1A). Outros trabalhos citam outras funções para floresta Ombrófila Mista como Weibull 3P (ORELLANA et al, 2017) e Weibull 2P (LIMA et al, 2017), no entanto, a função Wakeby não foi ajustada nesses estudos. Para a espécie Ligustrum lucidum a função Weibull 3P foi a que proporcionou melhor ajuste seguida da função Beta ( Figura 1B).…”

Estimation of the Weibull Distribution Form Parameter as a Function of the Scale Parameter by the Percentile Method

“…Through this taxonomy, it is possible to identify variations, applications, and methods that can be used to obtain its parameters. The best-known methods for parameter estimation are percentiles, maximum likelihood, moments, and regression (BERGER; LAWRENCE, 1974;CAO, 2004;HUDAK;TIRYAKIOGLU, 2009), with percentiles generally being the simplest parameter used that does not result in a loss of efficiency; however, these different deductions methods calculate location, scale, and shape parameters, and some require iterations between the formulas (BAILEY; DELL, 1973;CAO, 2004;MIGUEL et al, 2010;WENDLING;EMERENCIANO;HOSOKAWA, 2011;ORELLANA et al, 2017). Modern techniques, such as the metaheuristic genetic algorithm and simulated annealing, were compared to the percentile and moment methods and performed better (ARAÚJO et al, 2021), but these newer techniques are still minimally explored in the literature compared to the classical methods.…”

“…There are different values proposed for asymptotic percentiles in the literature when the distribution approaches a normal distribution(CAO, 2004;MIGUEL et al, 2010;WENDLING;EMERENCIANO;HOSOKAWA, 2011;POUDEL;CAO, 2013).On the other hand, capturing the value of the variables referring to the percentiles in the list of data is simple and easy to implement when the nature of the observed probabilistic distribution is adequate for obtaining both percentiles. For example, in native forests, diameter distributions follow an inverted J-type function, as inLima, Batista and Prado (2014) andOrellana et al (2017). In these cases, it is not possible to extract the 1st asymptotic percentile, nor is it possible to determine whether the function of Eq.…”