Geoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.
Ano de defesa: | 2021 |
---|---|
Autor(a) principal: | |
Orientador(a): | , |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Estadual do Centro-Oeste
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Ciências Florestais (Doutorado)
|
Departamento: |
Unicentro::Departamento de Ciências Florestais
|
País: |
Brasil
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://tede.unicentro.br:8080/jspui/handle/jspui/1735 |
Resumo: | 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. |
id |
UCEN_dde7be9cb620bb309333af756b19627b |
---|---|
oai_identifier_str |
oai:localhost:jspui/1735 |
network_acronym_str |
UCEN |
network_name_str |
Biblioteca Digital de Teses e Dissertações do UNICENTRO |
repository_id_str |
|
spelling |
Arce, Julio Eduardohttp://lattes.cnpq.br/4034397326977747Figueiredo Filho, Afonsohttp://lattes.cnpq.br/4151544991447365Pelissari, Allan Libaniohttp://lattes.cnpq.br/4254166557545108Nicoletti, Marcos Felipehttp://lattes.cnpq.br/5635348559784763045.114.799-50http://lattes.cnpq.br/6819340565052758Ribeiro, Maitê dos Santos2021-11-09T17:45:16Z2021-06-30Ribeiro, 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.http://tede.unicentro.br:8080/jspui/handle/jspui/1735The 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.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.Submitted 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: 2021-06-30Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESapplication/pdfhttp://tede.unicentro.br:8080/jspui/retrieve/7381/tese%20-%20Maite%20dos%20Santos%20Ribeiro.pdf.jpghttp://tede.unicentro.br:8080/jspui/retrieve/7382/tese%20-%20Maite%20dos%20Santos%20Ribeiro.pdf.jpgporUniversidade Estadual do Centro-OestePrograma de Pós-Graduação em Ciências Florestais (Doutorado)UNICENTROBrasilUnicentro::Departamento de Ciências FlorestaisAltura dominanteDependência espacialDependência temporalAutocorrelação dos errosDominant heightSpatial dependenceTemporal dependenceCorrelation in the errorsCIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTALRECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTALGeoestatística e modelos não lineares e de efeito misto para modelagem da capacidade produtiva do sítio em florestas de Pinus taeda L.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis2828826774026714864600600600600600-5938256993918186975-604049389552879283-76664982548871839512075167498588264571info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do UNICENTROinstname:Universidade Estadual do Centro-Oeste (UNICENTRO)instacron:UNICENTROTHUMBNAILtese - Maite dos Santos Ribeiro.pdf.jpgtese - Maite dos Santos Ribeiro.pdf.jpgimage/jpeg1943http://localhost:8080/tede/bitstream/jspui/1735/4/tese+-+Maite+dos+Santos+Ribeiro.pdf.jpgcc73c4c239a4c332d642ba1e7c7a9fb2MD54THUMBNAILtese - Maite dos Santos Ribeiro.pdf.jpgtese - Maite dos Santos Ribeiro.pdf.jpgimage/jpeg1943http://localhost:8080/tede/bitstream/jspui/1735/4/tese+-+Maite+dos+Santos+Ribeiro.pdf.jpgcc73c4c239a4c332d642ba1e7c7a9fb2MD54TEXTtese - Maite dos Santos Ribeiro.pdf.txttese - Maite dos Santos Ribeiro.pdf.txttext/plain289609http://localhost:8080/tede/bitstream/jspui/1735/3/tese+-+Maite+dos+Santos+Ribeiro.pdf.txtae39e38695a174c97613c2dfa65e4f97MD53TEXTtese - Maite dos Santos Ribeiro.pdf.txttese - Maite dos Santos Ribeiro.pdf.txttext/plain289609http://localhost:8080/tede/bitstream/jspui/1735/3/tese+-+Maite+dos+Santos+Ribeiro.pdf.txtae39e38695a174c97613c2dfa65e4f97MD53ORIGINALtese - Maite dos Santos Ribeiro.pdftese - Maite dos Santos Ribeiro.pdfapplication/pdf3561107http://localhost:8080/tede/bitstream/jspui/1735/2/tese+-+Maite+dos+Santos+Ribeiro.pdfe68e9f29f2cb7828eca0ae86619affb9MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82003http://localhost:8080/tede/bitstream/jspui/1735/1/license.txt6544a715df32d52b08aa3def94c4dddeMD51jspui/17352021-11-25 13:01:38.517oai:localhost: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Biblioteca Digital de Teses e Dissertaçõeshttp://tede.unicentro.br:8080/jspui/PUBhttp://tede.unicentro.br/tde_oai/oai3.phprepositorio@unicentro.br||fabianoqueiroz@yahoo.com.bropendoar:2021-11-25T15:01:38Biblioteca Digital de Teses e Dissertações do UNICENTRO - Universidade Estadual do Centro-Oeste (UNICENTRO)false |
dc.title.por.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, Maitê dos Santos Altura dominante Dependência espacial Dependência temporal Autocorrelação dos erros Dominant height Spatial dependence Temporal dependence Correlation in the errors CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL |
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, Maitê dos Santos |
author_facet |
Ribeiro, Maitê dos Santos |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Arce, Julio Eduardo |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4034397326977747 |
dc.contributor.advisor2.fl_str_mv |
Figueiredo Filho, Afonso |
dc.contributor.advisor2Lattes.fl_str_mv |
http://lattes.cnpq.br/4151544991447365 |
dc.contributor.advisor-co1.fl_str_mv |
Pelissari, Allan Libanio |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/4254166557545108 |
dc.contributor.advisor-co2.fl_str_mv |
Nicoletti, Marcos Felipe |
dc.contributor.advisor-co2Lattes.fl_str_mv |
http://lattes.cnpq.br/5635348559784763 |
dc.contributor.authorID.fl_str_mv |
045.114.799-50 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6819340565052758 |
dc.contributor.author.fl_str_mv |
Ribeiro, Maitê dos Santos |
contributor_str_mv |
Arce, Julio Eduardo Figueiredo Filho, Afonso Pelissari, Allan Libanio Nicoletti, Marcos Felipe |
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 Dominant height Spatial dependence Temporal dependence Correlation in the errors CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL |
dc.subject.eng.fl_str_mv |
Dominant height Spatial dependence Temporal dependence Correlation in the errors |
dc.subject.cnpq.fl_str_mv |
CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL |
description |
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. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-11-09T17:45:16Z |
dc.date.issued.fl_str_mv |
2021-06-30 |
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.citation.fl_str_mv |
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. |
dc.identifier.uri.fl_str_mv |
http://tede.unicentro.br:8080/jspui/handle/jspui/1735 |
identifier_str_mv |
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. |
url |
http://tede.unicentro.br:8080/jspui/handle/jspui/1735 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.program.fl_str_mv |
2828826774026714864 |
dc.relation.confidence.fl_str_mv |
600 600 600 600 600 |
dc.relation.department.fl_str_mv |
-5938256993918186975 |
dc.relation.cnpq.fl_str_mv |
-604049389552879283 -7666498254887183951 |
dc.relation.sponsorship.fl_str_mv |
2075167498588264571 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual do Centro-Oeste |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciências Florestais (Doutorado) |
dc.publisher.initials.fl_str_mv |
UNICENTRO |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Unicentro::Departamento de Ciências Florestais |
publisher.none.fl_str_mv |
Universidade Estadual do Centro-Oeste |
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 |
bitstream.url.fl_str_mv |
http://localhost:8080/tede/bitstream/jspui/1735/4/tese+-+Maite+dos+Santos+Ribeiro.pdf.jpg http://localhost:8080/tede/bitstream/jspui/1735/4/tese+-+Maite+dos+Santos+Ribeiro.pdf.jpg http://localhost:8080/tede/bitstream/jspui/1735/3/tese+-+Maite+dos+Santos+Ribeiro.pdf.txt http://localhost:8080/tede/bitstream/jspui/1735/3/tese+-+Maite+dos+Santos+Ribeiro.pdf.txt http://localhost:8080/tede/bitstream/jspui/1735/2/tese+-+Maite+dos+Santos+Ribeiro.pdf http://localhost:8080/tede/bitstream/jspui/1735/1/license.txt |
bitstream.checksum.fl_str_mv |
cc73c4c239a4c332d642ba1e7c7a9fb2 cc73c4c239a4c332d642ba1e7c7a9fb2 ae39e38695a174c97613c2dfa65e4f97 ae39e38695a174c97613c2dfa65e4f97 e68e9f29f2cb7828eca0ae86619affb9 6544a715df32d52b08aa3def94c4ddde |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
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_ |
1798037686480535552 |