MODELAGEM HIPSOMÉTRICA COM USO DE COVARIÁVEIS EM FLORESTA ESTACIONAL SEMIDECIDUAL

Resumo

Objetivou-se avaliar o desempenho de modelos tradicionais e mistos no ajuste da relação hipsométrica em fragmento de Floresta Estacional Semidecidual, utilizando dados de 19 unidades amostrais localizadas no Parque Estadual de Nova Baden, em Lambari, Minas Gerais. Foram criados cenários: um a partir do banco de dados original e outro após a exclusão de pontos discrepantes, para ajustes de modelos de relação hipsométrica, que foram avaliados por meio do coeficiente de determinação ajustado, do erro padrão da estimativa, dos critérios de informação de Akaike e Bayesiano, da análise gráfica de resíduos, do teste F e da significância dos coeficientes. A melhor equação foi submetida à inclusão das covariáveis espécie, família botânica e classe de diâmetro, consideradas como efeitos aleatórios. O modelo linear de Trorey foi considerado o mais preciso em ambos os cenários. A remoção dos pontos discrepantes resultou em estimativas mais precisas e menos tendenciosas, que, quando associadas à modelagem mista, com a inclusão do fator aleatório “espécie” nos três coeficientes do modelo, propiciaram um aumento de 18% no coeficiente de determinação ajustado e uma redução de 7,2% no erro padrão da estimativa.

Palavras-chave: relação altura-diâmetro; modelos mistos; floresta nativa.

Hypsometric modeling using covariates in a semideciduous seasonal forest

ABSTRACT: The objective of this study was to evaluate the performance of traditional and mixed models in fitting the hypsometric relationship in a fragment of Semideciduous Seasonal Forest, using data from 19 sample plots located in Nova Baden State Park, in Lambari, Minas Gerais, Brazil. Two scenarios were developed: one based on the original database and another after removing outliers, for fitting hypsometric relationship models. The models were evaluated using the adjusted coefficient of determination, standard error of the estimate, Akaike Information Criterion, Bayesian Information Criterion, graphical residual analysis, F-test, and coefficient significance. The best equation was then extended to include covariates such as species, botanical family, and diameter class, considered as random effects. The Trorey linear model was considered the most accurate in both scenarios. The removal of outliers resulted in more concise and less biased estimates, which, when associated with the modeling the inclusion of the random factor "species" to an 18% increase in the adjusted coefficient of determination and a 7.2% reduction in the standard error of the estimate.

Keywords: height-diameter relationship; mixed models; native forest.