Revista Árvore (Apr 2005)

Estimativa do crescimento de povoamentos de Eucalyptus baseada em modelos lineares em multiníveis de efeito misto Eucalyptus stand growth estimate based on multilevel linear mixed-effects models

  • Natalino Calegario,
  • Richard F. Daniels,
  • Agostinho Lopes Souza,
  • Romualdo Maestri

DOI
https://doi.org/10.1590/S0100-67622005000200008
Journal volume & issue
Vol. 29, no. 2
pp. 251 – 264

Abstract

Read online

A proposta do presente estudo foi a modelagem do crescimento de povoamentos clonais de Eucalyptus, com base em modelos lineares mistos em multiníveis. A base de dados utilizada foi proveniente de povoamentos homogêneos, localizados na região costal brasileira, nos Estados do Espírito Santo e da Bahia. Foram utilizados dois níveis aleatórios de modelagem: unidades amostrais e árvores individuais dentro das unidades amostrais. Como exemplo de aplicação do método foi utilizado o logaritmo da área basal, como resposta, em função do inverso da idade, da altura total e da interação entre elas. Com a utilização de técnicas de modelagem baseada nos efeitos fixos e mistos, as estimativas dos parâmetros foram melhoradas significativamente. Também, com a modelagem da autocorrelação e da heterogeneidade da variância, partindo-se de um modelo homoscedástico para um modelo heteroscedástico auto-regressivo, com estrutura de variância positiva definida no nível 1 e com estrutura de correlação auto-regressiva de primeira ordem (AR1), os valores do logaritmo da máxima verossimilhança foram significativamente elevados.The main purpose of this study was to apply the mixed-effects theory in modeling Eucalyptus stand growth. The database is from homogeneous stands located on Brazilian coastal region, Espírito Santo and Bahia States. We used two levels of sampling: sample units and individual trees inside of sample units. As an example, we considered the logarithm of the basal area as response variable and inverse of age, logarithm of the total height and their interaction as covariates. The parameter estimate quality of the linear model was significantly improved. Also, by modeling the heteroscedasticity and the autocorrelation (AR(1)), the log-likelyhood values were increased significantly.

Keywords