@PHDTHESIS{ 2021:1982590692,
 	title = {Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.},
 	year = {2021},
 	url = "http://tede.unicentro.br:8080/jspui/handle/jspui/1735",
 	abstract = "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.",
 	publisher = {Universidade Estadual do Centro-Oeste},
 	scholl = {Programa de Pós-Graduação em Ciências Florestais (Doutorado)},
 	note = {Unicentro::Departamento de Ciências Florestais}
}