Modelos hipsométricos ajustados para um fragmento de cerrado Sensu stricto tocantinense
Revista Agrogeoambiental
Modelos hipsométricos ajustados para um fragmento de cerrado Sensu stricto tocantinense
Autor Correspondente: Machado, I. E. S. | [email protected]
Palavras-chave: Altura de árvores, seleção, validação.
Resumos Cadastrados
Resumo Português:
Para uma redução dos custos de inventário florestal, os modelos hipsométricos são de grande valia. O presente trabalho teve como objetivo ajustar e avaliar modelos de relação hipsométrica em área de Cerrado em processo regenerativo situada no município de Gurupi (TO). Foram testados dez modelos, incluindo cinco lineares e cinco não lineares, no qual os ajustes foram realizados por meio do software R for Windows. Foram utilizados como critério de seleção do ajuste dos modelos os parâmetros estatísticos do coeficiente de determinação ajustado (R²aj.), o erro padrão residual (sHH) e a análise gráfica dos resíduos e, em seguida, a validação dos melhores modelos ajustados. As melhores estatísticas de ajuste foram para os modelos não lineares, com destaque para o modelo de Gompertz (modelo 7), R²aj: 0,489 e sHH: 17,58%. Os modelos, em geral, superestimaram a altura, atingindo até 40 % a mais do que a altura das plantas reais. Diante disso, seis modelos foram para a validação,
sendo dois lineares e quatro não lineares. O melhor modelo com a predição foi o Prodan não linear (modelo 10), que obteve melhores valores estatísticos e variação gráfica. Conclui-se que os modelos não lineares explicaram melhor a variável dependente altura.
Resumo Inglês:
Hypsometric models are of great value in order to reduce forest inventory costs. The present work aimed to adjust and evaluate models of hypsometric relation at a Cerrado area in regenerative process, located in the municipality of Gurupi (TO). Ten models, including five linear and five non-li-near, were tested. The adjustments were made through R software, for Windows. As criterion for the adjustment of models, the following statistical parameters were used: adjusted coefficient of determi-nation (R²aj.), the residual standard error (sHH) and the graphical analysis of the residuals; then, the validation of the best adjusted models took place. The best adjustment statistics were for the non--linear models, with emphasis on Gompertz model (model 7), R²aj: 0,489 and:: (sHH) 17.58%. The models, in general, overestimated the height, reaching up to 40 % more than the real one. As a result, six models were referred for validation: two linear and four non-linear. The best model with prediction was the non-linear Prodan (model 10), which presented better statistical values and graphical varia-tion. It is concluded non-linear models explained more satisfactorily the height-dependent variable.
