Ajuste e seleção de modelos tradicionais para série temporal de dados de altura de árvores.
DOI:
https://doi.org/10.5902/198050981898Palavras-chave:
<i>Pinus</i>, modelos de crescimento em altura, ajuste, seleçãoResumo
A medição da altura das árvores é de extrema importância para o planejamento da produção florestal. Geralmente, é realizada por meio de amostragens por causa do tamanho das populações e das próprias árvores. Medições ao longo do tempo formam séries de dados temporais que implicam em certos problemas para o ajuste de equações que descrevam sua evolução. Muitos modelos de equações foram desenvolvidos com essa finalidade, sendo que neste trabalho são utilizados modelos lineares, logarítmicos, não-lineares linearizáveis e não-linearizáveis para descrever a altura ao longo do tempo. As estatísticas utilizadas para comparação entre modelos são o coeficiente de determinação (R²), a estatística Cp de Mallows, o critério de informação de Akaike (Akaike's information criterion - AIC), o quadrado médio dos resíduos (QMres) e a análise gráfica de resíduos. O objetivo deste trabalho foi desenvolver um exemplo de ajustamento de equações de crescimento para altura, verificar quais se adaptam melhor aos dados populacionais e determinar que critérios de seleção, entre os utilizados, têm mais relação com o verdadeiro melhor modelo. Para tanto, foi utilizada uma amostra de 64 árvores, provenientes de uma população de 531 árvores de Pinus elliottii Engelm. Nesse caso, as estatísticas da amostra são comparadas com as estatísticas da população, demonstrando qual modelo descreve melhor os dados da população. A qualidade do ajuste dos dados da população aos estimados por cada modelo foi avaliada pelo teste Qui-Quadrado e análise gráfica dos resíduos. O uso do critério de Akaike (AIC) mostrou-se adequado na seleção de modelos para os dados utilizados. As duas melhores equações foram a equação h = b0 + b1.t + b2.t5 e o modelo de Chapman-Richards, que não apresentaram diferenças significativas entre si para os critérios analizados. Nesse sentido, o critério de Akaike, calculado para os dados amostrais, mostrou-se eficiente como critério de seleção de equações para descrever a altura das árvores ao longo do tempo, para a população utilizada neste estudo. A generabilidade, calculada pelo teste Qui-Quadrado em relação à população, não mostrou diferença significativa entre os modelos 3 e 9. A seleção final, usando-se os critérios qualitativos de ligação do modelo com o processo estudado, sua interpretabilidade e compreensibilidade, determinou a escolha do modelo de Chapman-Richards como o melhor para descrever o crescimento em altura das árvores estudadas.
Downloads
Referências
BUSSAB, Wilton de O. Análise de variância e de regressão. São Paulo: Atual, 1986. 147p.
COLLETT, Dave. Ordered cathegorical data – Lecture 14, 14p. In: MSc generalised linear models course. [Reading]: The University of Reading, School of Applied Statistics, 2003. Disponível em: < http://www.personal.rdg.ac.uk/~snscolet/MScGLMs/Lecture1.pdf>. Acesso em: 17 out. 2004.
FINGER, César A. G. Fundamentos de biometria florestal. Santa Maria : UFSM, CEPEF : FATEC, 1992. 269p.
GARCIA, O. Growth modelling : a (Re)view. New Zealand Forestry, n. 33, p. 14-17, 1988.
KEARNS, Michael; MANSOUR, Yishay; NG, Andrew Y.; RON, Dana. An experimental and theoretical comparison. Machine Learning, n. 27, p. 7–50, 1997.
MOTULSKY, Harvey; CHRISTOPOULOS, Arthur. Fitting models to biological data using linear e nonlinear regression : a pratical guide to curve fitting. San Diego : GraphPad Software, 2003. 351p.
MYUNG, In J.; PITT, Mark A.; KIM, Woojae. Model evaluation, testing and selection. Columbus : Ohio State University, Department of Psychology, 2003. 45p.
NAVARRO, Daniel J.; MYUNG, In Jae. Model evaluation and selection. Columbus, USA: Ohio State University, Department of Psychology, 2004. 6p.
NEMEC, Amanda F. Linnell. Analysis of repeated measures and time series: an introduction with forestry examples - Handbook 6. Victoria, Canada: Ministry of Forests, Forest Science Research Branch, Biometrics information, 1995. 83p.
PRODAN, M; PETERS, R.; COX, F.; REAL, P. Mensura forestal. San José: Instituto Interamericano de Cooperación para la Agricultura, 1997. 562 p.
SAS Institute. SAS/ETS® User’s Guide, Version 7-2. Cary : SAS Institute, 1999a. 1550p.
SAS Institute. SAS/STAT® User’s Guide, Version 8. Cary : SAS Institute, 1999b. 3365p.
SCHEEREN, Luciano W. Estruturação da produção de povoamentos monoclonais de Eucalyptus saligna Smith manejados em alto fuste. 2003. 181f. Tese (Doutorado em Engenharia Florestal) – Universidade Federal de Santa maria, Santa Maria, 2003.
SCHNEIDER, Paulo R. Introdução ao manejo florestal. Santa Maria: UFSM,CEPEF : FATEC, 1993. 348p.
SIT, Vera. Catalog of curves for curve fitting - Handbook 4. Victoria: Ministry of Forests, Forest Science Research Branch, Biometrics information, 1994. 110p.
SOUZA, Geraldo da S. Introdução aos modelos de regressão linear e não linear. Brasília: EMBRAPA, 1998. 489p.
WONNACOTT, Thomas H.; WONNACOTT, Ronald J. Introdução à estatística. Rio de Janeiro: Livros Técnicos e Científicos, 1980. 589p.
ZIMMERMAN, Dale L.; NÚÑEZ-ANTÓN, Vicente. Parametric modelling of growth curve data: An overview, p.1-41. In: Modelling curve data. Test, Sociedad de Estadística e Investigación Operativa, v. 10, n. 1, p. 111-999, 2001.
ZUCCHINI, Walter. An introduction to model selection. Journal of Mathematical Psychology, n. 44, p. 41-61, 2000.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A CIÊNCIA FLORESTAL se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da lingua, respeitando, porém, o estilo dos autores.
As provas finais serão enviadas as autoras e aos autores.
Os trabalhos publicados passam a ser propriedade da revista CIÊNCIA FLORESTAL, sendo permitida a reprodução parcial ou total dos trabalhos, desde que a fonte original seja citada.
As opiniões emitidas pelos autores dos trabalhos são de sua exclusiva responsabilidade.