ÍNDICE DE SITIO PARA PLANTAÇÕES DE PROSOPIS ALBA NO CHACO SEMIÁRIDO POR MEIO DE MODELOS MISTOS

• Autor(a) principal: SENILLIANI, MARIA GRACIA
• Data de Publicação: 2019
• Outros Autores: Bruno, Cecilia, Brassiolo, Miguel Marcelo
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Cerne (Online)
• Texto Completo: https://cerne.ufla.br/site/index.php/CERNE/article/view/2035
• topic: dominant height, forestry, site quality; SILVICULTURA

La clasificación de los sitios a través de las curvas del índice de sitio permite predecir el rendimiento de los bosques plantados a una cierta edad del rodal y los planos de tratamientos culturales. El objetivo de esta investigación fue comparar los modelos lineales y no lineales de efectos fijos versus modelos no lineales mixtos para estimar el índice de los sitios en las plantaciones de Prosopis alba var Griseb en el área irrigada de la provincia de Santiago del Estero. Argentina utiliza el método de la curva guía. Los datos se basan en las variables temporales, en las parcelas permanentes y en los datos epidemiológicos. La variable registrada para la evaluación del sitio fue la Altura dominante (HD), definida como la altura promedio de los 100 árboles más gruesos por hectárea.Teniendo en la cuenta que la fuente de datos de repeticiones en el mismo tema, implica la presencia de correlación y / o heterocedasticidad, se propuso a los resultados de los resultados de los resultados de los mismos a los contactos de los mismos a la red de varianza-covarianza, mejorando la precisión en el ajuste El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial.se propuso evaluar los modelos estadísticos que se conviertan en la estructura de la matriz de varianza-covarianza, mejorando la precisión en el ajuste. El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. se propuso evaluar los modelos estadísticos que se conviertan en la estructura de la matriz de varianza-covarianza, mejorando la precisión en el ajuste.El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. Parece que los modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos.El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. Parece que los modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial.