???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://tede.unicentro.br:8080/jspui/handle/jspui/1735
Tipo do documento: Tese
Título: Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
Autor: Ribeiro, Maitê dos Santos 
Primeiro orientador: Arce, Julio Eduardo
Segundo orientador: Figueiredo Filho, Afonso
Primeiro coorientador: Pelissari, Allan Libanio
Segundo coorientador: Nicoletti, Marcos Felipe
Resumo: O presente trabalho explorou a modelagem da dependência de dados autocorrelacionados utilizando covariáveis de baixo custo e alta intensidade amostral, originadas do sensoriamento remoto, na determinação da capacidade produtiva do sítio de florestas de Pinus taeda. Para tal, utilizou-se de modelos avançados que que permitem a manipulação das estruturas de variância e covariância. A geoestatística foi aplicada com a técnica de krigagem de deriva externa para altura dominante, com o processamento de 255 unidades amostrais, coletadas no município de Coronel Domingo Soares, Paraná, Brasil, adicionando oito covariáveis de sensoriamento remoto das imagens LANDSAT 8 (SRI, NDVI, NDWI, NBR e SAVI) e SRTM (altitude, declividade e classes de relevo) além de um modelo múltiplo escolhido pelo Best Subset Selection. Testou-se três semivariogramas teóricos e a qualidade do ajuste foi avaliada pela validação cruzada leave-one-out, considerando critérios estatísticos e análise gráfica de resíduos. A modelagem não linear gaussiana heterocedástica e de efeito misto utilizaram as variáveis altura dominante e idade de 1.277 amostras, remedidas no mínimo 3 vezes, coletadas na região centro sul do Paraná, Brasil, além da covariável classe de declividade originada da imagem SRTM. O modelo tradicional, foi comparado com as abordagens avançadas, em todos os cenários possíveis da inclusão ou não da classe de declividade nos parâmetros do modelo. A qualidade do ajuste se deu por critérios estatísticos e análise gráfica dos resíduos. As três metodologias testadas mostraram-se adequadas para atingir os objetivos propostos, corrigindo problemas de heterocedasticidade e correlação dos erros. Além disso apresentaram estatísticas superiores, consequentemente produziram estimativas mais confiáveis.
Abstract: The research explored the modeling of dependence on autocorrelated data using covariates of low cost and high sampling intensity, originating from remote sensing, by determining of the site capacity production of Pinus taeda forests. For this end, generalized nonlinear and mixed effect models and geostatistics techniques used. Geostatistics was applied with external drift kriging, using the dominant height with predictor variable of 255 sample plots processing, collected in the municipality of Coronel Domingo Soares, Paraná, Brazil and eight remote sensing covariates originating from LANDSAT-8 image processing (SRI, NDVI, NDWI, NBR and SAVI) and SRTM (altitude, slope and relief) in addition to a multiple model chosen by Best Subset Selection. The semivariograms tested were spherical, exponential and Gaussian and the goodness of fit was given by the leave-one-out cross validation, considering statistical criteria and graphical analysis of residuals. Generalized nonlinear (gnls function) and mixed effect (nlme) modeling used the variables dominant height and age of 1,277 plots, remeasured at least 3 times, collected in the south-central region of Paraná, Brazil, in addition to the slope covariate originated from the SRTM image and classified in four classes. The traditional model (nls) was compared with techniques that used the slope class with a covariate in the parameters models and with a random effect; in all possible scenarios of inclusion or not in the model parameters. For those selected, data dependence was modeled by the variance and covariance matrix. The quality of the adjustment was based on statistical criteria and graphical analysis of the residuals. The methodologies tested, proved to be efficient to achieve the proposed objectives, because in addition to correcting problems of heteroscedasticity and error correlation, they presented better statistics than the traditional model, consequently producing more reliable estimates.
Palavras-chave: Altura dominante
Dependência espacial
Dependência temporal
Autocorrelação dos erros
Dominant height
Spatial dependence
Temporal dependence
Correlation in the errors
Área(s) do CNPq: CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL
RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL
Idioma: por
País: Brasil
Instituição: Universidade Estadual do Centro-Oeste
Sigla da instituição: UNICENTRO
Departamento: Unicentro::Departamento de Ciências Florestais
Programa: Programa de Pós-Graduação em Ciências Florestais (Doutorado)
Citação: Ribeiro, Maitê dos Santos. Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L. 2021. 182 f. Tese (Programa de Pós-Graduação em Ciências Florestais - Doutorado) - Universidade Estadual do Centro-Oeste, Irati-PR.
Tipo de acesso: Acesso Aberto
URI: http://tede.unicentro.br:8080/jspui/handle/jspui/1735
Data de defesa: 30-Jun-2021
Appears in Collections:Programa de Pós-Graduação em Ciências Florestais (Doutorado)

Files in This Item:
File Description SizeFormat 
tese - Maite dos Santos Ribeiro.pdftese - Maite dos Santos Ribeiro3,48 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.