Купить СНПЧ А7 Архангельск, оперативня доставка

Comparação das Estruturas de Continuidade Espacial de Quatro Formações Florestais Através da Geoestatística Baseada em Modelo

DOI: http://dx.doi.org/10.12702/I-SGEA-a34

 

downloadpdf

Melissa O. Souza1, João L. F. Batista2, Paulo J. Ribeiro Júnior3, Ricardo R. Rodrigues4 & Jefferson L. Polizel5

 

Resumo: O objetivo deste estudo foi utilizar a geoestatística baseada em modelos como ferramenta para comparar as estruturas de continuidade espacial de quatro formações florestais do Estado de São Paulo. Foram comparados cinco modelos, o primeiro modelo (M1) considerou que as formações tem mesma estrutura espacial, e o segundo modelo (M2) que as formações tem estruturas espaciais diferentes. Os modelos M3, M4 e M5 foram construídos de acordo com a semelhança do padrão espacial, proximidade das áreas e no padrão espacial mais pronunciado, respectivamente. A estimativa dos parâmetros foi por máxima verossimilhança, e comparação de modelos pelo critério de informação de Akaike (AIC) e diferenças de AIC. Observou-se que o modelo M2 foi o mais plausível, ou seja, que as estruturas espaciais são diferentes.

Palavras-chave: parcelas permanentes, modelagem, biomassa.

 

Abstract: The aim of this study was to use the Model-based Geostatistics as a tool to compare the spatial continuity structures of four forest formations of São Paulo State. Five models were compared, the first model (M1) considered that the formations have the same spatial structure, and the second model (M2) considered that the formations have different spatial structures. The models M3, M4 and M5 were constructed according to the similarity of spatial pattern, proximity of the areas and more pronounced spatial pattern, respectively. The estimation of the parameters was by maximum likelihood and comparison of models by the Akaike Information Criterion (AIC) and differences in AIC. It was observed that the M2 model was the most plausible, and then the spatial structures are different.

Key words: permanent plots, modeling, biomass

 

1 Doutoranda em Recursos Florestais, ESALQ-USP/Departamento de Ciências Florestais, Av. Pádua Dias,11 - CEP:13.418-900, Piracicaba, SP, melissa.oda@gmail.com
2 Prof. Dr., ESALQ-USP/ Departamento de Ciências Florestais, parsival@esalq.usp.br
3 Prof. Dr., UFPR/Departamento de Estatística, paulojus@est.ufpr.br
4 Prof. Dr., ESALQ-USP / Departamento de Ciências Biológicas, rrr@esalq.usp.br
5 Especialista em geoprocessamento, ESALQ-USP /Departamento de Ciências Florestais, jlpolize@esalq.usp.br

 

Literatura Citada

AKAIKE, H. A New Look at Statistical Model Identification. Transactions on Automatic Control. v.19, n.6: 717-723, 1974.

BATISTA, J.L.F. Equação Biomassa da Estação Ecológica de Assis. Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Departamento de Ciências Florestais, 2008.

BOX, G.E.P.; COX, D.R. An Analysis of Transformations. Journal of the Royal Statistical Society, v.26, n.2, p.211-252, 1964.

BURGER, D. M. Modelos alométricos para a estimativa da fitomassa de Mata Atlântica na Serra do Mar, SP. São Paulo, 2005. 112p. Tese (Doutorado) - Instituto de Biociências, Universidade de São Paulo.

BURNHAN, K.P.; ANDERSON, D.R. Model selection and multimodel inference. 2.ed. New York: Springer, 350p., 2002.

CAPRETZ, R.L. Análise de padrões espaciais de árvores em quatro formações florestais do Estado de São Paulo, através de análises de segunda ordem, com a função K de Ripley. Piracicaba, 2004. 93p. Dissertação (Mestrado) - Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.

CHRISTENSEN, O.F.; DIGGLE, P.J.; RIBEIRO JR, P.J. Analysing positive-valued spatial data: the transformed gaussian model. In geoENV - Geostatistics for Environmental Applications, P. Monestiez, D. Allard, and R. Froidevaux, Eds., Kluwer, pp. 287-298, Amsterdam, 2001.

DIGGLE, P. J.; TAWN, J. A.; MOYEED, R. A. Model-Based geostatistics. Applied Statistics, London, v.47, p.299-350, 1998.

DIGGLE, P. J.; RIBEIRO JR., P. J. Model-Based geostatistics. New York: Springer, 228 p., 2007.

GOSLEE, S.C.-1Behavior of vegetation sampling methods in the presence of spatial autocorrelation. Plant Ecology, n.187, p. 203–212, 2006.

KULLBACK, S.; LEIBLER, R.A. On information and sufficiency. Annals of Mathematical Statistics, v.22, p.79-86, 1951.

MELLO, J.M. Equação de Biomassa em função de DAP com base nos dados da Floresta Estacional Semidecidual de Minas Gerais. Universidade Federal de Lavras, Departamento de Ciências Florestais. 2008.

RIBEIRO JR., P.J.; DIGGLE, P.J. The geoR package functions for geostatistical data analysis: RNEWS, Vienna, v.1, p.15-18, 2001.

RODRIGUES, R.R. Relatório temático do projeto parcelas permanentes. Laboratório de Ecologia e Restauração Florestal, ESALQ/USP. Piracicaba, 2002. Disponível em: <http://www.lerf.esalq.usp.br/parcelas/relatorio1.pdf>. Acesso em: 4 fev. 2009.

R DEVELOPMENT CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org, 2008.