Mostrar registro simples

dc.contributor.advisorArce, Julio Eduardo, 1968-pt_BR
dc.contributor.authorWojciechowski, Julio Cesarpt_BR
dc.contributor.otherPires, Carlos Alberto da Fonsecapt_BR
dc.contributor.otherWeber, Saulo Henriquept_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia Florestalpt_BR
dc.date.accessioned2019-01-22T17:05:36Z
dc.date.available2019-01-22T17:05:36Z
dc.date.issued2014pt_BR
dc.identifier.urihttps://hdl.handle.net/1884/39921
dc.descriptionOrientador : Prof. Dr. Julio Eduardo Arcept_BR
dc.descriptionCo-orientadores : Prof. Dr. Saulo Henrique Weber e Prof. Dr. Carlos Alberto da Fonseca Pirespt_BR
dc.descriptionTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa: Curitiba, 12/08/2014pt_BR
dc.descriptionInclui referências : f. 90-97pt_BR
dc.descriptionÁrea de concentração : Manejo florestalpt_BR
dc.description.abstractResumo: O presente estudo teve como objetivo utilizar o compartilhamento de parâmetros do modelo geoestatístico aplicado aos estimadores de máxima verossimilhança para predizer os volumes por hectare em três fragmentos de Floresta Estacional Decidual empregando a abordagem "Borrow Strenght". Os fragmentos separados geograficamente possuem idades pós-intervenção de 30, 55 e 75 anos e localizam-se no Município de Santa Tereza-RS. A abordagem do estudo consistiu na aplicação de métodos de estimativa conjunta, em que áreas consideradas semelhantes à priori para uma determinada variável compartilham informação dentro de um modelo geoestatístico único, melhorando as estimativas e suprindo diferenças de intensidade amostral entre os fragmentos. Os dados foram coletados em 56 unidades amostrais (U.A) de tamanho variável com aproximadamente 250 m2 num total de nove ha, distribuídas em um grid sistemático de 40 x 40 m, sendo medidas as variáveis dendrométricas dos indivíduos com DAP ? 10 cm próximas ao centro das unidades. Foram elaboradas duas abordagens para o conjunto de dados, sendo que a primeira considerou as áreas totalmente independentes entre si, subdivididas em dois tipos: ajuste ao modelo não espacial (NSM) e ajuste pelo método de máxima verossimilhança (MV) não compartilhado (ajuste individual). A segunda abordagem descreveu os ajustes dos modelos compartilhados em função do erro aleatório ou nugget, sendo: modelos compartilhados sem nugget fixo (variabilidade entre as U.A) e modelos compartilhados com nugget fixo (variabilidade dentro das U.A). Todos os modelos com exceção dos modelos NSM, foram ajustados utilizando a função de máxima verossimilhança logarítmica aplicada ao modelo de correlação exponencial da família Matèrn. Em seguida os modelos foram comparados pelo critério de informação de Akaike (AIC) e também pelo grau de dependência espacial para posterior krigagem e elaboração das superfícies de predição dos modelos selecionados. Foi observado que os modelos combinados para estimativa do volume foram superiores para os valores de AIC e grau de dependência espacial em relação aos ajustes para as áreas individuais. Entre os modelos compartilhados, observou-se que houve um ganho nas estimativas dos parâmetros utilizando o nugget fixo, que resultaram em uma correlação das amostras e grau de dependência espacial maior (AP = 88 m), em relação aos modelos compartilhado sem nugget fixo (AP = 75 e 66 m). O valor do AIC mostrou-se eficiente uma vez que comparou os diferentes níveis de ajustes propostos na metodologia do trabalho, selecionando um modelo com parcimônia e compatível com os padrões de distribuição espacial encontrados nas áreas. As estimativas de superfície retornaram a variável aos seus valores originais com boa precisão. Sugere-se o uso de modelos combinados para dados de amostragem em diferentes áreas, com introdução da estimativa do erro intra-parcela (nugget fixo) nas equações de MV, para aumentar a correlação entre as U.A, e avaliação conjunta do AIC somado ao grau de dependência espacial na estimativa de variáveis dendrométricas. Palavras-chave: Máxima verossimilhança; borrow strenght; modelos combinados; Inventário Florestalpt_BR
dc.description.abstractAbstract: This study aimed to use the share parameters of the geostatistical model applied to maximum likelihood estimators to predict the volumes per hectare in three fragments of Deciduous Forest employing the "Borrow Strength" approach. The geographically separated fragments have age's post-intervention 30, 55 and 75 years and are located in the municipality of Santa Teresa-RS. The approach of the study was the application of methods for combined estimates, where similar areas considered a priori for a given variable share information within a single geostatistical model, improving the estimates and supplying differences in sampling intensity among fragments. Data were collected in 56 sampling units (S.U.) of variable sizes with approximately 250 m2 for a total of nine ha, distributed in a systematic grid of 40 x 40 m. Dendrometric variables from individuals with DBH ? 10 cm near the center of the S.U. were measured. Two approaches to the data set were prepared, the first of which considering both areas entirely independent themselves, subdivided into two types: a fit to non-spatial model (NSM) and a fit to the maximum likelihood (ML) not shared (individual adjustment) model. The second approach described the adjustment of the shared as a function of random error or nugget, comprising models: a shared model without fixed nugget (variability between S.U.) and a shared model with fixed nugget (variability within S.U.) models. All models except the NSM were fitted using a logarithmic function of maximum likelihood applied to the Matèrn family of exponential correlation model. Then, the models were compared using Akaike information criterion (AIC) and also by the degree of spatial dependence for subsequent preparation of both kriging and prediction surfaces of the selected models. It was observed that the combined volume models to estimate values were higher for the AIC values and spatial dependence with respect to the adjustments for the individual areas. Among the shared models, it was observed that there was a gain in the parameter estimates using the fixed nugget, which resulted in a higher correlation of samples and spatial dependence (AP = 88 m), than the shared models without the fixed nugget (AP = 75 and 66 m). The AIC value was efficient because it compared the different levels of proposed adjustments to the methodology of the study, selecting a model with parsimony and compatible with the spatial distribution patterns found in the areas. Estimates of the surface returned the variable to its original values with improved accuracy. The use of combined models for data sampling in different areas with the introduction of the error estimate intra-plot (fixed nugget) in the equations of MV can be suggested to increase the correlation between the S.U. and combined evaluation of the AIC plus the degree of spatial dependence in estimating dendrometric variables. Key-words: Maximum likelihood; borrow strength; combined models; Forest Inventorypt_BR
dc.format.extent113 f. : il. algumas color., tabs.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.relationDisponível em formato digitalpt_BR
dc.subjectRecursos Florestais e Engenharia Florestalpt_BR
dc.subjectLevantamentos florestais - Métodos estatísticospt_BR
dc.subjectDendrometriapt_BR
dc.titleEstimativa de volume com modelos geoestatísticos de parâmetros compartilhadospt_BR
dc.typeTesept_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples