Author(s): Hess, André Felipe ; Cianorschi, Lucas ; Silvestre, Raul ; Scariot, Rafael ; Ricken, Pollyni
Date: 2015
Origin: Oasisbr
Subject(s): Análise de tronco; Predição de estimativas; Acurácia do modelo; Stem analysis; Prediction estimates; Model accuracy
Height growth analysis presents great importance in forestry, as it expresses site production capacity. Its use is associated with lower adjustment error models to generate estimates to inference with precision and reliability. The present study examined generalized linear models in predicting height growth of Pinus taeda L. depending on the age and diameter at 1.30 m height above ground level in stands in the highlands of Santa Catarina State. The data were obtained from complete stem analysis of 25 trees with 8 years old, divided into diameter classes from Lages, SC. Data were processed in original form without variables transformation. The model with gamma distribution and identity link function presented the best fit, with superior performance criteria deviation (1.21), Akaike (255.39) and residuals homogenization, showing potential to generate estimates of the variable.
A análise do crescimento em altura é de extrema importância na área florestal, pois expressa a capacidade produtiva do local. Seu uso está associado ao ajuste, com menor erro, dos modelos para gerar estimativas que permitam a inferência com precisão e confiabilidade. O presente trabalho analisou o emprego dos modelos lineares generalizados na predição do crescimento em altura de Pinus taeda L. em função da idade e diâmetro a 1,30 m de altura em povoamentos no planalto catarinense. Os dados utilizados foram obtidos de análise de tronco completa de 25 árvores com oito anos, distribuídas em classes de diâmetro provenientes de Lages, SC. Os dados foram trabalhados na sua forma original sem a transformação das variáveis. O modelo com distribuição Gama e função de ligação identidade foi o que apresentou melhor ajuste, com desempenho superior nos critérios desvio (1,21), Akaike (255,39) e homogeneização dos resíduos, mostrando potencial para gerar estimativas da variável.
