Modelo Sinh-Arcish original (SHASHo) aplicado ao Volume (m³) de Eucalyptus spp.

  • Tiago Almeida Oliveira Universidade Estadual da Paraíba
  • Rayane Santos Leite Universidade Federal Rural de Pernambuco - UFRPE
  • Ana Patricia Bastos Peixoto Universidade Estadual da Paraíba
  • Kerolly Kedma Felix do Nascimento Universidade Federal Rural de Pernambuco
  • Diego Alves Gomes Universidade Federal Rural de Pernambuco
  • André Luiz Pinto dos Santos Universidade Federal Rural de Pernambuco
  • Fábio Sandro dos Santos Universidade Federal Rural de Pernambuco
Palavras-chave: Ensaio Fatorial, Florestas Plantadas, Modelagem Estatística

Resumo

Quando se refere a plantio de florestas energéticas é interessante conseguir detectar o estoque dessas. A distribuição do volume é uma ferramenta que indica o estoque de produção. Diante disto, objetivou-se a realização do presente trabalho para modelar a produtividade de três clones de Eucalyptus spp. em cinco espaçamentos distintos por meio do Volume (m³), plantados no Polo Gesseiro do Araripe - Pernambuco, testou-se os modelos da classe Modelos Aditivos Generalizados para Locação, Escala e Forma (GAMLSS) que compreende uma vasta série de distribuições para variável resposta que agregam funções de suavização e modelos flexíveis capazes de fazer uma melhor descrição da realidade. E selecionar as melhores equações com base no critério de Akaike generalizado (GAIC), pelas análises gráficas dos resíduos, gráfico worm plot. Verificou-se que sob o modelo Sinh-Arcsinh original (SHASHo) encontrou-se o melhor ajuste e que por meio do teste de Tukey em média o clone 3 nos espaçamentos 4 e 3 propiciou um maior estoque de Volume (m³).

Biografia do Autor

Tiago Almeida Oliveira, Universidade Estadual da Paraíba
Bacharel em Estatística pela Universidade Estadual da Paraíba - UEPB (2006). Mestre em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras - UFLA (2008). Doutor em Estatística e Experimentação Agronômica - Esalq/Usp (2012). Revisor dos periódicos: Revista Brasileira de Biometria (RBB) e Revista Brasileira de Parasitologia Veterinária (RBPV). Membro do grupo de pesquisa estatística aplicada e computacional da Universidade Estadual da Paraíba. Atualmente é Professor Doutor nível C e Chefe Adjunto do Departamento de Estatística da Universidade Estadual da Paraíba - UEPB. Foi Coordenador Adjunto do curso de Bacharelado em Estatística (UEPB) entre 2014-2016 e Coordenador do Curso de Estatística (UEPB) entre 2016-2018. Tem experiência na área de Probabilidade e Estatística, com ênfase em Planejamento de Experimentos, Análise de Sobrevivência e Modelos de Regressão. Sua linha de Pesquisa no Mestrado foi a de Planejamento de Experimentos com proeminência em Análise de Covariância. No Doutorado sua linha de Pesquisa foi a de Estatística Genética com ênfase em Melhoramento Genético Animal.
Rayane Santos Leite, Universidade Federal Rural de Pernambuco - UFRPE
Mestranda em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (UFRPE), Graduada em Estatística pela Universidade Estadual da Paraiba (UEPB), tendo atuado no Fundo Municipal de Defesa dos Direitos difusos-Procon de Campina Grande-PB, na área de pesquisas estatísticas quantitativas. Atuei na área de Probabilidade e Estatística, com ênfase em Análise de Regressão. Fui bolsista PIBIC durante as cotas 2013-2014 e 2014-2015, trabalhando com temas voltados para modelos não lineares.
Ana Patricia Bastos Peixoto, Universidade Estadual da Paraíba
Possui graduação em Engenharia Agronômica pela Universidade Federal da Bahia (2006) e mestrado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2009). Doutora pela Universidade de São Paulo -Escola Superior de Agricultura "Luiz de Queiroz", Professora do Departamento de Estatística da Universidade Estadual da Paraíba.
Kerolly Kedma Felix do Nascimento, Universidade Federal Rural de Pernambuco
Doutoranda em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco. Possui Mestrado em Biometria e Estatística Aplicada (2017), Especialização em Matemática e Física pela Faculdade de Juazeiro do Norte (2012) e Graduação em Licenciatura em Matemática pela Universidade Regional do Cariri (2011). Tem experiência nas seguintes áreas: Matemática, Física, Probabilidade e Estatística Aplicada.
Diego Alves Gomes, Universidade Federal Rural de Pernambuco
em experiência na área de Probabilidade e Estatística, com ênfase em Modelagem Estatística em áreas multidisciplinares
André Luiz Pinto dos Santos, Universidade Federal Rural de Pernambuco
Doutorado em andamento em Biometria e Estatística Aplicada na UFRPE, Mestrado em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco - UFRPE (2015), e graduação em Bacharelado em Estatística pela Universidade Estadual da Paraíba - UEPB (2011).
Fábio Sandro dos Santos, Universidade Federal Rural de Pernambuco

Possui graduação em Estatística pela Universidade Estadual da Paraíba (2015). Atualmente é discente no Mestrado do Programa de Pós-Graduação em Biometria e Estatística Aplicada na Universidade Federal Rural de Pernambuco (UFRPE). Tem experiência na área de Probabilidade, Séries Temporais e Estatística, com ênfase em Probabilidade e Estatística Aplicada.

Referências

ALVES, A. M. C. Quantificação da produção de biomassa e do teor de carbono fixado por clones de Eucalipto, no pólo gesseiro do Araripe-PE. 75 p. Dissertação (Ciências Florestais) - Universidade Federal Rural de Pernambuco, Departamento de Ciências Florestais, 2007.

GADELHA, F. H. L. Rendimento volumétrico e energético de clones de híbridos de Eucalyptus urophylla (Cruzamento Natural) e Eucalyptus brassiana (Cruzamento Natural) na chapada do Araripe-PE. Dissertação (Ciências Florestais) - Universidade Federal Rural de Pernambuco, Departamento de Ciências Florestais, 65p., 2010.

GOUVEIA J. F et al. Modelos Volumétricos mistos em clones de Eucalyptus no polo gesseiro do Araripe, Pernambuco. Floresta, v. 45, n. 3, p. 587-598, 2015.

HASTIE, T.; TIBSHIRANI, R.Generalized additive models. [S.l.]: Wiley Online Library, 1990.

HESS, A. F. CIANORSCHI; L.D., SILVESTRE; R., SCARIOT, R.; RICKEN, P. Aplicação dos modelos lineares generalizados para estimativa do crescimento em altura. Pesquisa Florestal Brasileira. v. 35 n. 84. p. 427-433. 2015.

JONES, M. C., PEWSEY, A. Sinh-arcsinh distributions: a broad family giving rise to powerful tests of normality and symmetry. Technical Report 08/06, The Open University, Department of tatistics. http://statistics.open.ac.uk/TechnicalReports/TechnicalReportsIntro.htm. 2008.

MACERA, M. H. C. Uso dos métodos clássico e bayesiano para os modelos não-lineares heterocedásticos simétricos. Dissertação (Ciências de Computação e Matemática Computacional) - Universidade de São Paulo. São Carlos, 2011.newline

NELDER, J. A.; WEDDERBURM, R. W. M. Generalized linear models. Journal of the Royal Statistical Society, v. 135, n. 3, p. 370-384, 1972.

PIERRO, B. Modos de restaurar as florestas.Pesquisa FAPESP, v. 238, p. 32-35, 2015.

PINTO, D. S.; RESENDE, R. T.; MESQUITA, A. G. G.; ROSADO, A. M.; CRUZ, C. D. Seleção precoce para características de crescimento em testes clonais de Eucalyptus. Scientia. Forestalis, Piracicaba, v. 42, n. 102, p. 251-257, 2014.

R CORE TEAM. R:A language and environment for statistical computing. R Foundation for statis- tical Computing, Vienna, Austria. 2018. ISBN 3-900051-07-0, URL http://www.R-project.org/.newline

ROCHA, K. D. Produtividade volumétrica de clones de Eucalyptus spp. Na região do Pólo gesseiro do Araripe}. Tese (Ciências Florestais) - Universidade Federal Rural de Pernambuco, Departamento de Ciências Florestais, 111 p., 2012.

RIGBY, R. A.; STASINOPOULOS, D. M. Generalized additive models for location, scale and shape. Journal of the Royal Statistical Society: Series C (Applied Statistics), Wiley Online Library, v. 54, n. 3, p. 507-554, 2005.

SCHAARSCHMIDT, F. BSagri: {it statistical methods for safety assessment in agricultural field trials}. R package, version 0.1-6. 2010.

SILVA, J. A. A.; NETO, F. P. Princípios básicos de dendrometria. Recife, PE: Imprensa Universitária da UFRPE, 1979. 191 p.

STASINOPOULOS, D. M.; RIGBY, R. A. Generalized additive models for location scale and shape (gamlss) in r. Journal of Statistical Software, v. 23, n. 7, p. 1-46, 2007.

STASINOPOULOS, M. D. et al. Flexible Regression and Smoothing: Using GAMLSS in R}. [S.l.]: CRC Press, 2017.

Publicado
29-07-2019