TY - JOUR AU - Sena, Ayuni Larissa Mendes AU - Silva Neto, Antônio José da AU - Oliveira, Gabriel Marcos Vieira AU - Calegario, Natalino PY - 2015/12/30 Y2 - 2024/03/19 TI - MODELOS LINEARES E NÃO LINEARES COM USO DE COVARIANTES PARA RELAÇÃO HIPSOMÉTRICA DE DUAS ESPÉCIES DE PINUS TROPICAIS JF - Ciência Florestal JA - Ciênc. Florest. VL - 25 IS - 4 SE - Artigos DO - 10.5902/1980509820651 UR - https://periodicos.ufsm.br/cienciaflorestal/article/view/20651 SP - 969-980 AB - <br /><table class="data" width="100%"><tbody><tr valign="top"><td class="value"><p>http://dx.doi.org/10.5902/1980509820651</p></td></tr></tbody></table><p>Tradicionalmente, a maior parte dos estudos utiliza modelos lineares para o ajuste da relação hipsométrica, tendo o diâmetro a 1,30 m do solo (DAP) como única variável independente. Entretanto, sabe-se que a linearidade não caracteriza fielmente o crescimento biológico e que outras variáveis relativas ao povoamento, ou às árvores individuais, exercem influência sobre o crescimento em altura. O objetivo deste trabalho foi avaliar o desempenho de modelos lineares e não lineares no ajuste da relação hipsométrica de duas espécies de Pinus tropicais, bem como verificar o efeito da adição de covariantes na estimativa dos parâmetros destes modelos. Os dados utilizados provêm de plantios de <em>Pinus caribaea</em> var<em>. hondurensis</em> e <em>Pinus oocarpa</em>, com diferentes idades e localizados em áreas com diferentes índices de sítio, nos municípios de Nova Ponte e Indianópolis, estado de Minas Gerais. Modelos lineares e não lineares foram ajustados em suas formas originais e com a inclusão das covariáveis idade, sítio e espécie nas estimativas de cada parâmetro dos modelos. Os modelos foram comparados por meio dos critérios estatísticos: erro padrão da estimativa (Syx), Critério de Informação de Akaike (AIC), Critério de Informação Bayesiano (BIC) e também pela análise gráfica de resíduos padronizados. Constatou-se que modelos não lineares demonstram maior capacidade de descrever o comportamento da variável altura, e que a inclusão das covariáveis tornou superior a qualidade dos ajustes, considerando os critérios estatísticos de precisão adotados.</p><p> </p> ER -