MODELAGEM NÃO LINEAR DA RELAÇÃO HIPSOMÉTRICA E DO CRESCIMENTO DAS ÁRVORES DOMINANTES E CODOMINANTES DE <i>Eucalyptus</i> sp.

Abstract

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

Efeito Do Espaçamento E Arranjo De Plantio Na Relação Hipsométrica De Eucalipto Em Sistema Consorciado De Produção

“…Apesar das equações para ht e hc no T1 apresentarem tendência em subestimativa e superestimativa, Melo et al (2017) afirmam que esses casos podem ocorrer na análise de regressão, sugerindo que o modelo pode ser usado para a relação hipsométrica sem prejuízo nas estimativas. Verifica-se que no menor espaçamento (T4) a relação hipsométrica foi mais íngreme devido à maior competição entre as árvores.…”

Crown quality and hipsometric relationships for Rubiaceae family in water springs of Atlantic forest fragment / Qualidade de copa e relações hipsométricas para a família Rubiaceae no entorno de nascentes de um fragmento de Mata Atlântica

“…Regression analysis is a statistical tool used to build equations from mathematical models (ABREU et al, 2016). Nonlinear regression models have already been successfully tested in production modeling (CARVALHO et al, 2011), productive capacity classification, hypsometry (MELO et al, 2017), and assortments volume (MENDONÇA et al, 2014). The use of logistic model has been increasingly common in the forestry sector (TJØRVE;TJØRVE, 2016;MELO et al, 2017;LUO et al, 2018;SILVA et al, 2018;SHODA et al, 2020).…”

Modelagem morfométrica de Licania tomentosa (Benth.) por regressão logística e máquinas vetor de suporte

“…Modelos de regressão não lineares de característica sigmoidal são rotineiramente empregados no setor florestal [1,12,15,16,17]. No caso específico do modelo logístico, a fundamentação biológica e a facilidade de interpretação de parâmetros propiciam uma rápida análise de confiabilidade das estimativas quanto a convergência do algoritmo de parametrização.…”

“…No caso específico do modelo logístico, a fundamentação biológica e a facilidade de interpretação de parâmetros propiciam uma rápida análise de confiabilidade das estimativas quanto a convergência do algoritmo de parametrização. Trata-se de um modelo cuja forma original apresenta três parâmetros, assíntota horizontal e pontos de inflexão e escala [16,18]. Por outro lado, algoritmos de aprendizagem de máquina têm sido cada vez mais utilizados para a modelagem de dados biológicos.…”