Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: RIBEIRO, Maite dos Santos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Altura dominante
Dependência espacial
Dependência temporal
AUTOCORRELAÇÃO DOS ERROS
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299
Resumo: (Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-Oeste
id UCEN_9df02ec6c33355f69639b1bbd9368025
oai_identifier_str oai::156299
network_acronym_str UCEN
network_name_str Biblioteca Digital de Teses e Dissertações do UNICENTRO
repository_id_str
spelling Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.Altura dominanteDependência espacialDependência temporalAUTOCORRELAÇÃO DOS ERROS(Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-OesteO 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.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.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESAcesso AbertoSubmitted by Fabiano Jucá (fjuca@unicentro.br) on 2021-11-09T17:45:16Z No. of bitstreams: 1 tese - Maite dos Santos Ribeiro.pdf: 3561107 bytes, checksum: e68e9f29f2cb7828eca0ae86619affb9 (MD5) Made available in DSpace on 2021-11-09T17:45:16Z (GMT). No. of bitstreams: 1 tese - Maite dos Santos Ribeiro.pdf: 3561107 bytes, checksum: e68e9f29f2cb7828eca0ae86619affb9 (MD5) Previous issue date: 2021-06-30Unicentro - Departamento de Engenharia FlorestalARCE, Julio EduardoFIGUEIREDO FILHO, AfonsoPelissari, Allan LibanioNicoletti, Marcos FelipeRIBEIRO, Maite dos Santos2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf182 f.https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299Cover: https://biblioteca.sophia.com.br/terminalri/9566/capa/capa?codigo=156299porreponame:Biblioteca Digital de Teses e Dissertações do UNICENTROinstname:Universidade Estadual do Centro-Oeste (UNICENTRO)instacron:UNICENTROinfo:eu-repo/semantics/openAccess2025-09-19T09:06:49Zoai::156299Biblioteca Digital de Teses e Dissertaçõeshttp://tede.unicentro.br:8080/jspui/PUBhttp://tede.unicentro.br/tde_oai/oai3.phprepositorio@unicentro.br||fabianoqueiroz@yahoo.com.bropendoar:2025-09-19T09:06:49Biblioteca Digital de Teses e Dissertações do UNICENTRO - Universidade Estadual do Centro-Oeste (UNICENTRO)false
dc.title.none.fl_str_mv Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
title Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
spellingShingle Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
RIBEIRO, Maite dos Santos
Altura dominante
Dependência espacial
Dependência temporal
AUTOCORRELAÇÃO DOS ERROS
title_short Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
title_full Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
title_fullStr Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
title_full_unstemmed Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
title_sort Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
author RIBEIRO, Maite dos Santos
author_facet RIBEIRO, Maite dos Santos
author_role author
dc.contributor.none.fl_str_mv ARCE, Julio Eduardo
FIGUEIREDO FILHO, Afonso
Pelissari, Allan Libanio
Nicoletti, Marcos Felipe
dc.contributor.author.fl_str_mv RIBEIRO, Maite dos Santos
dc.subject.por.fl_str_mv Altura dominante
Dependência espacial
Dependência temporal
AUTOCORRELAÇÃO DOS ERROS
topic Altura dominante
Dependência espacial
Dependência temporal
AUTOCORRELAÇÃO DOS ERROS
description (Doutorado em Ciências Florestais) - Programa de Pós-Graduação em Ciências Florestais, Universidade Estadual do Centro-Oeste
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299
url https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9566/acervo/detalhe/156299
Cover: https://biblioteca.sophia.com.br/terminalri/9566/capa/capa?codigo=156299
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
182 f.
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do UNICENTRO
instname:Universidade Estadual do Centro-Oeste (UNICENTRO)
instacron:UNICENTRO
instname_str Universidade Estadual do Centro-Oeste (UNICENTRO)
instacron_str UNICENTRO
institution UNICENTRO
reponame_str Biblioteca Digital de Teses e Dissertações do UNICENTRO
collection Biblioteca Digital de Teses e Dissertações do UNICENTRO
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do UNICENTRO - Universidade Estadual do Centro-Oeste (UNICENTRO)
repository.mail.fl_str_mv repositorio@unicentro.br||fabianoqueiroz@yahoo.com.br
_version_ 1862378663013515264

Registros relacionados