Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Fiorentin, Luan Demarco, 1991-
Orientador(a): Machado, Sebastião do Amaral, 1939-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
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:
Florestas - Métodos estatísticos
Biometria
Florestas - Medição - Métodos estatísticos
Recursos Florestais e Engenharia Florestal
Link de acesso: https://hdl.handle.net/1884/66831
Resumo: Orientador: Professor. Dr. Sebastião do Amaral Machado
id UFPR_bac80e5f44120b2174490f515751ea5c
oai_identifier_str oai:acervodigital.ufpr.br:1884/66831
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Fiorentin, Luan Demarco, 1991-Bonat, Walter HugoPelissari, Allan Libanio, 1987-Teo, Saulo Jorge, 1984-Universidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia FlorestalMachado, Sebastião do Amaral, 1939-2022-05-10T18:43:34Z2022-05-10T18:43:34Z2020https://hdl.handle.net/1884/66831Orientador: Professor. Dr. Sebastião do Amaral MachadoCoorientadores: Professor Dr. Wagner Hugo Bonat, Professor Dr. Allan Libanio Pelissari, Professor Dr. Saulo Jorge TéoTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa: Curitiba, 24/01/2020Inclui referênciasÁrea de concentração: Manejo FlorestalResumo: A biometria florestal é baseada em pesquisas que visam descrever o comportamento das árvores, com a finalidade de auxiliar o manejo florestal. Nesse contexto, o foco da presente pesquisa foi introduzir modelos estatísticos para melhorar o entendimento quanto ao comportamento das variáveis florestais, combinado com adequadas habilidades de predições. Capítulo I: Modelos lineares generalizados de covariância foram introduzidos para modelagem do afilamento do fuste de árvores de Pinus taeda. O componente de média foi baseado em um modelo não linear segmentado, enquanto quatro estruturas de covariância foram especificadas para uma explícita modelagem da variância e correlação. Os resultados mostraram que uma matriz de distância Euclidiana e estruturas de médias móveis de ordem 1 a 3 foram adequadas para remover o padrão de variância não constante dos resíduos, bem como a natural autocorrelação entre observações mensuradas ao longo do fuste das árvores. Esses modelos permitiram incluir de forma adequada uma análise de incertezas por meio de intervalos de confiança para a variável resposta. Capítulo II: Os modelos lineares generalizados de covariância multivariada foram introduzidos para modelagem conjunta das variáveis respostas altura e volume da Araucaria angustifolia, em floresta nativa. As duas variáveis respostas compartilharam informações devido a sua correlação significativa obtida no ajuste multivariado. A função de variância foi um componente importante para a resposta volume e melhorou as estatísticas de ajuste. Capítulo III: Métodos de regularização foram introduzidos para selecionar covariáveis correlacionadas em modelos lineares generalizados, para predizer a probabilidade de sobrevivência de árvores de Pinus taeda. A função de ligação complemento log-log foi a mais adequada na especificação do modelo Bernoulli. Esse resultado evidenciou que o comportamento da probabilidade de sobrevivência das árvores é assimétrico em relação ao preditor linear. A seleção de covariáveis a partir do procedimento stepwise foi mais parcimoniosa, quando comparada com os métodos de regularização baseados na abordagem elastic net, bem como os casos especiais de penalização lasso e ridge. Os modelos apresentaram ótima habilidade de predição, principalmente para predizer as árvores sobreviventes.Abstract: Forest biometrics is based on research that aims to describe the behavior of trees in order to assist the forest management. In this context, our focus was to introduce statistical models able to improve the understanding about the behavior of the forest variables, combined with suitable predictions ability. Chapter I: Covariance generalized linear models was introduced for Pinus taeda stem taper modeling. We define the mean component based on a non-linear segmented model, while four covariance structures were specified for an explicitly variance and correlation modeling. The results showed that an Euclidean distance matrix and moving average structure of order 1 to 3 were suitable for handling with non-constant variance pattern of the residuals, besides the natural autocorrelation among observations taken over the tree stem. Our models allowed to include a suitable uncertainty analysis based on confidence intervals for the response variable. Chapter II: We introduced the multivariate covariance generalized linear models for a jointly fitting of the response variables height and volume of Araucaria angustifolia, in native forest. Response variables shared information due to the significant correlation among them on the multivariate fitting. The variance function was an important component for the response volume and have potential to improve the fitting statistics. Chapter III: Regularizations methods were introduced for selecting correlated covariates in generalized linear models for predicting the Pinus taeda trees survival probability. The complementary log-log link function was the most suitable link function on the specification of the Bernoulli's model. Our result evidenced that the behavior of tree survival probability is asymmetric in relation to the linear predictor. Stepwise procedure was more parsimoniously for selecting covariates, when we compared to the regularization methods based on elastic net approach, as well as the special cases lasso and ridge penalization. Our models presented a great prediction ability, mainly for predicting the survival trees.1 recurso online : PDF.application/pdfFlorestas - Métodos estatísticosBiometriaFlorestas - Medição - Métodos estatísticosRecursos Florestais e Engenharia FlorestalStatistical methods to deal with different aspects of the covariance structure in applied forest biometricsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - LUAN DEMARCO FIORENTIN.pdfapplication/pdf1630984https://acervodigital.ufpr.br/bitstream/1884/66831/1/R%20-%20T%20-%20LUAN%20DEMARCO%20FIORENTIN.pdfd778a86a940433e929906f74d2c28b4aMD51open access1884/668312022-05-10 15:43:34.255open accessoai:acervodigital.ufpr.br:1884/66831Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082022-05-10T18:43:34Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
title Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
spellingShingle Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
Fiorentin, Luan Demarco, 1991-
Florestas - Métodos estatísticos
Biometria
Florestas - Medição - Métodos estatísticos
Recursos Florestais e Engenharia Florestal
title_short Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
title_full Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
title_fullStr Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
title_full_unstemmed Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
title_sort Statistical methods to deal with different aspects of the covariance structure in applied forest biometrics
author Fiorentin, Luan Demarco, 1991-
author_facet Fiorentin, Luan Demarco, 1991-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Bonat, Walter Hugo
Pelissari, Allan Libanio, 1987-
Teo, Saulo Jorge, 1984-
Universidade Federal do Paraná. Setor de Ciências Agrárias. Programa de Pós-Graduação em Engenharia Florestal
dc.contributor.author.fl_str_mv Fiorentin, Luan Demarco, 1991-
dc.contributor.advisor1.fl_str_mv Machado, Sebastião do Amaral, 1939-
contributor_str_mv Machado, Sebastião do Amaral, 1939-
dc.subject.por.fl_str_mv Florestas - Métodos estatísticos
Biometria
Florestas - Medição - Métodos estatísticos
Recursos Florestais e Engenharia Florestal
topic Florestas - Métodos estatísticos
Biometria
Florestas - Medição - Métodos estatísticos
Recursos Florestais e Engenharia Florestal
description Orientador: Professor. Dr. Sebastião do Amaral Machado
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2022-05-10T18:43:34Z
dc.date.available.fl_str_mv 2022-05-10T18:43:34Z
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://hdl.handle.net/1884/66831
url https://hdl.handle.net/1884/66831
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/66831/1/R%20-%20T%20-%20LUAN%20DEMARCO%20FIORENTIN.pdf
bitstream.checksum.fl_str_mv d778a86a940433e929906f74d2c28b4a
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526119063945216

Registros relacionados