Publicação

Modelação do crescimento juvenil H-D com recurso a modelos de efeitos mistos em castanheiro de alto fuste no norte de Portugal

Detalhes bibliográficos
Resumo:	O castanheiro é uma espécie com potencial para produzir madeira de qualidade e é utilizada para os usos mais nobres como são o folheado e o mobiliário maciço. O objetivo do presente trabalho foi modelar o crescimento em altura de povoamentos jovens de castanheiro de alto fuste para produção de madeira através do ajustamento e calibração de equações hipsométricas mediante métodos não lineares de efeitos mistos. Os dados utilizados para a estimação da relação hipsométrica (H-D) são provenientes de parcelas permanentes de povoamentos pertencentes a particulares, localizadas no concelho de Bragança e Vila Flor. Um total de oito (8) modelos não lineares foram testados sendo cinco (5) de dois parâmetros e três (3) de três parâmetros em dados agrupados ao nível da parcela. A escolha do modelo final foi efetuada com base nos valores de critério de informação de Akaike (AIC) e critério de informação Bayesiano (BIC) dos ajustamentos com o método de máxima verossimilhança (ML). A calibração foi feita mediante os métodos de Draudt, quartis e decis, selecionando as classes diamétricas em cada parcela. De acordo com as análises, os modelos de Wykoff 1 e Richards 1 obtiveram os melhores resultados em relação aos outros modelos analisados. A precisão dos modelos selecionados aumentou com a inclusão de co-variáveis dos povoamentos. Contudo, na seleção do modelo final optou-se por Richards 1a pela sua ligeira vantagem nos valores baixos de AIC e BIC. Este modelo final foi usado como referência para ajustar um modelo fixo generalizado cujo comportamento se aproximasse o mais possível deste. Dos modelos generalizados fixos já desenvolvidos para castanheiro em trabalhos anteriores, a equação de Patrício et al. (2019) para regime de talhadia foi a que forneceu estimativas mais próximas do modelo Richards 1a. A calibração pelo método de Draudt, com 1 em cada 9 árvores em parcelas de 3000 m2 e 1 em cada 5 árvores em parcelas de 500 m2, garante que a seleção da amostra de árvores pelo modelo NLME fornece estimativas superiores aos modelos generalizados fixos. O esforço de amostragem associado a esta opção é, no entanto, muito considerável e ainda mais se quisermos obter hdom. Com métodos que selecionam menos árvores ou de forma menos representativa das características das árvores por classe de diâmetro, verifica-se que os modelos NLME deixam de evidenciar uma clara superioridade em relação aos modelos generalizados de efeitos fixos, com a vantagem de que estes últimos são muito mais fáceis de aplicar pelo utilizador comum. Na hora de escolher um método de seleção é importante dar atenção ou refletir sobre a forma como ele se vai agilizar no terreno: se é mais ou menos fácil, se acarreta mais ou menos tempo de amostragem, se acarreta melhoria substancial na predição e custos adicionais.
Autores principais:	Dias, Cremildo
Assunto:	Castanea sativa Mill Equações hipsométricas Mínimos quadrados não lineares Codelos mistos Co-variáveis Calibração de modelos Inventário florestal
Ano:	2020
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso restrito
Instituição associada:	Instituto Politécnico de Bragança
Idioma:	português
Origem:	Biblioteca Digital do IPB

Descrição
Resumo:	O castanheiro é uma espécie com potencial para produzir madeira de qualidade e é utilizada para os usos mais nobres como são o folheado e o mobiliário maciço. O objetivo do presente trabalho foi modelar o crescimento em altura de povoamentos jovens de castanheiro de alto fuste para produção de madeira através do ajustamento e calibração de equações hipsométricas mediante métodos não lineares de efeitos mistos. Os dados utilizados para a estimação da relação hipsométrica (H-D) são provenientes de parcelas permanentes de povoamentos pertencentes a particulares, localizadas no concelho de Bragança e Vila Flor. Um total de oito (8) modelos não lineares foram testados sendo cinco (5) de dois parâmetros e três (3) de três parâmetros em dados agrupados ao nível da parcela. A escolha do modelo final foi efetuada com base nos valores de critério de informação de Akaike (AIC) e critério de informação Bayesiano (BIC) dos ajustamentos com o método de máxima verossimilhança (ML). A calibração foi feita mediante os métodos de Draudt, quartis e decis, selecionando as classes diamétricas em cada parcela. De acordo com as análises, os modelos de Wykoff 1 e Richards 1 obtiveram os melhores resultados em relação aos outros modelos analisados. A precisão dos modelos selecionados aumentou com a inclusão de co-variáveis dos povoamentos. Contudo, na seleção do modelo final optou-se por Richards 1a pela sua ligeira vantagem nos valores baixos de AIC e BIC. Este modelo final foi usado como referência para ajustar um modelo fixo generalizado cujo comportamento se aproximasse o mais possível deste. Dos modelos generalizados fixos já desenvolvidos para castanheiro em trabalhos anteriores, a equação de Patrício et al. (2019) para regime de talhadia foi a que forneceu estimativas mais próximas do modelo Richards 1a. A calibração pelo método de Draudt, com 1 em cada 9 árvores em parcelas de 3000 m2 e 1 em cada 5 árvores em parcelas de 500 m2, garante que a seleção da amostra de árvores pelo modelo NLME fornece estimativas superiores aos modelos generalizados fixos. O esforço de amostragem associado a esta opção é, no entanto, muito considerável e ainda mais se quisermos obter hdom. Com métodos que selecionam menos árvores ou de forma menos representativa das características das árvores por classe de diâmetro, verifica-se que os modelos NLME deixam de evidenciar uma clara superioridade em relação aos modelos generalizados de efeitos fixos, com a vantagem de que estes últimos são muito mais fáceis de aplicar pelo utilizador comum. Na hora de escolher um método de seleção é importante dar atenção ou refletir sobre a forma como ele se vai agilizar no terreno: se é mais ou menos fácil, se acarreta mais ou menos tempo de amostragem, se acarreta melhoria substancial na predição e custos adicionais.