Modelagem não linear do perfil longitudinal de fustes de Pinus oocarpa

Cerne

Endereço:
Departamento de Ciências Florestais, Universidade Federal de Lavras, Caixa Postal 3037
Lavras / MG
0
Site: http://www.dcf.ufla.br/cerne
Telefone: (35) 3829-1706
ISSN: 1047760
Editor Chefe: Gilvano Ebling Brondani
Início Publicação: 31/05/1994
Periodicidade: Trimestral

Modelagem não linear do perfil longitudinal de fustes de Pinus oocarpa

Ano: 2010 | Volume: 16 | Número: 2
Autores: Daniel Carlos Horle, Adriano Ribeiro de Mendonça, Samuel de Pádua Chaves e Carvalho, Natalino Calegário
Autor Correspondente: Daniel Carlos Horle | [email protected]

Palavras-chave: manejo, biometria, afilamento

Resumos Cadastrados

Resumo Português:

Com o aumento da demanda de produtos florestais no mercado, o incentivo à pesquisas que aperfeiçoem a obtenção de
multiprodutos das florestas com o menor custo é cada vez maior. Objetivou-se, neste trabalho, avaliar a precisão de um modelo linear
(polinômio do 5° grau) e de um modelo não linear (logístico) na estimativa do perfil do fuste de Pinus oocarpa. A base de dados
utilizada foi de um plantio de Pinus oocarpa, localizado no Triângulo Mineiro, originada da cubagem rigorosa de 140 árvores. As
equações ajustadas foram avaliadas pelos seguintes critérios: critério de informação de Akaike, critério de informação Bayseiano,
análise gráfica de resíduos e erro padrão da estimativa. O modelo logístico apresentou-se mais preciso na estimativa do perfil do fuste
de Pinus oocarpa.



Resumo Inglês:

The increase of forest products demand in the market has been motivating researches in order to generate forest
multiproducts with reduced costs. The main purpose of this study was to evaluate the precision of both linear (5 degree polynomial)
and nonlinear (Logistic) models to estimate the stem profile of Pinus oocarpa. The data base is from a plantation located in Triângulo
Mineriro region, Minas Gerais State, where the stem diameters of 140 trees were measured. The fitted precision equations were
evaluated by the following criteria: Akaike information, Bayesian Information, residual graphic analysis, standard error estimate.
The Logistic model showed higher precision in estimating the tree profile.