Seleção e ajuste de modelos espaciais visando a estimação do volume em um plantio de Eucalyptus sp

Abstract

O objetivo do trabalho foi utilizar modelos geoestatísticos para predizer volume de um plantio de Eucalyptus sp. Para tanto, dispunha-se das covariáveis material genético (MG), densidade, altura dominante (Hd) e área basal (Ab). O primeiro passo foi selecionar um modelo para Hd, tomando como covariáveis MG e densidade. Em seguida ajustou-se modelo para Ab, em que a Hd também entrou como covariável. Finalmente, ajustou-se um modelo para a variável “volume”, sendo que todas as demais variáveis disponíveis foram utilizadas como covariáveis. Utilizou-se os métodos dos mínimos quadrados ordinários e ponderados, da máxima verossimilhança e da máxima verossimilhança restrita para ajuste dos modelos e para seleção utilizou-se o critério da informação de Akaike, o erro quadrático médio e o erro absoluto médio. O estudo realizado permitiu verificar que o uso de componente espacial e de covariáveis nos modelos para: altura dominante, área basal e volume, melhorou o ajuste e a capacidade de predição dessas variáveis, sendo esta melhoria mais evidente na variável “volume”.ABSTRACT: This paper is aimed at geostatistical models of prediction of the Eucaliptus’ volume. The available characteristics were genetic material (MG), density, dominant height (Hd), and basal area (Ab). Firstly, a model was chosen at the Hd, in which the MG and density were used as covariates. Next, we fitted a model to the Ab, where the Hd was a covariate, as well as the MG and density. Finally, we selected a model to volume, where all the others variables were used as covariates. We fitted the models with OLS, WLS, ML and REML methods. The MSE, the MSA and the AIC criteria were used to evaluate the predictions and to select the models. The WLS method gave the best adjustment to the dominant height, while the REML gave the best adjustment of the models to basal area and volume. The study allows us to verify that the use of a spatial component in the model and the inclusion of covariables at Hd, Ab and volume models improved their fit. As well as the prediction capacity of those variables were improved by using the covariates and spatial component and the improvement was more evident for the volume variable.