AJUSTE E SELEÇÃO DE MODELOS TRADICIONAIS PARA SÉRIE TEMPORAL DE DADOS DE ALTURA DE ÁRVORES

FITTING AND SELECTING TRADITIONAL MODELS FOR TREE’S HEIGHT TIME SERIES DATA

RESUMO

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.

Palavras-chave:
Pinus; modelos de crescimento em altura; ajuste; seleção

ABSTRACT

Mesuring trees' height is very importance for planning forest production. Usually, it is accomplished through samplings due to the size of the populations and the size of the trees themselves. Measurements along time form a time series data with some problems for the adjustment of equations to describe its growth. Several models were developed with that purpose. The equations used in this paper were linear, logarithmic, and non-linear models. The statistics used for comparison of those models were the determination coefficient (R²), Cp of Mallows, Akaike's information criterion (AIC), Schwarz's Bayesian criterion (SBC/BIC), squared mean of residues and the graphic analysis of residues. The objective of this work was to develop an example of adjustment of growth equations for height, to demonstrate which one adapts better to the population data and to determine which selection criteria have more relationship with the better true model. To do so, a sample of 64 trees was used, submitted to the trunk analysis, from a population of 531 trees of Pinus elliottii Engelm. The statistics of the sample were compared to the statistics of the population, demonstrating which model describes better the data of the population. Quality of the adjustment to the population's data of each model was evaluated through the Chi-square test and graphic analysis of residues. The Akaike's information criterion (AIC) was appropriated to select models for the data. The two better equations were h=b0+b1.t+b2.t5 and Chapman-Richards' growth model, which showed no significant differences for the chosen criteria in this study. In this sense, the Akaike's information criterion (AIC) calculated to the sample data showed efficiency as an equations' selection criterion to describe the height of the trees along the time for the population used in this study. The generability, calculated by Qui-square test, in relation to the population, didn't show significant difference between models 3 and 9. Final selection, using the qualitative criteria of connection of the model to the studied process, its interpretability and comprehensibility, determined the choice of the Chapman-Richards' model as the best to describe the height growth for the studied trees.

Keywords:
Pinus; heigth growth models; fitting; selecting

Texto completo disponível apenas em PDF.

Full text available only in PDF format.

REFERÊNCIAS BIBLIOGRÁFICAS

• BUSSAB, W. de O. Análise de variância e de regressão. São Paulo: Atual, 1986. 147p.
• COLLETT, D.Ordered cathegorical data - Lecture 14. MSc generalised linear models course. [Reading]: The University of Reading, School of Applied Statistics, 2003. 14p. Disponível em: <Disponível em: http://www.personal.rdg.ac.uk/~snscolet/MScGLMs/Lecture1.pdf >. Acesso em: 17 out. 2004.
  » http://www.personal.rdg.ac.uk/~snscolet/MScGLMs/Lecture1.pdf
• FINGER, C. 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, M.; MANSOUR, Y.; NG, A. Y.; RON, D. An experimental and theoretical comparison. Machine Learning, n. 27, p. 7-50, 1997.
• MOTULSKY, H.; CHRISTOPOULOS, A. Fitting models to biological data using linear e nonlinear regression : a pratical guide to curve fitting. San Diego : GraphPad Software, 2003. 351p.
• MYUNG, I. J.; PITT, M. A.; KIM, W. Model evaluation, testing and selection. Columbus : Ohio State University, Department of Psychology, 2003. 45p.
• NAVARRO, D. J.; MYUNG, I. J. Model evaluation and selection. Columbus, USA: Ohio State University, Department of Psychology, 2004. 6p.
• NEMEC, A. F. L. 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, L. 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, P.R. Introdução ao manejo florestal. Santa Maria: UFSM,CEPEF : FATEC, 1993. 348p.
• SIT, V. Catalog of curves for curve fitting - Handbook 4. Victoria: Ministry of Forests, Forest Science Research Branch, Biometrics information, 1994. 110p.
• SOUZA, G. da S. Introdução aos modelos de regressão linear e não linear. Brasília: EMBRAPA, 1998. 489p.
• WONNACOTT, T. H.; WONNACOTT, R. J. Introdução à estatística. Rio de Janeiro: Livros Técnicos e Científicos, 1980. 589p.
• ZIMMERMAN, D. L.; NÚÑEZ-ANTÓN, V. Parametric modelling of growth curve data: An overview, Modelling curve data. Sociedad de Estadística e Investigación Operativa, v. 10, n. 1, p. 111-999, 2001.
• ZUCCHINI, W. An introduction to model selection. Journal of Mathematical Psychology, n. 44, p. 41-61, 2000.

Datas de Publicação

• Publicação nesta coleção
  Apr-Jun 2006

Histórico

• Recebido
  27 Set 2005
• Aceito
  17 Abr 2006