Caracterização de processos pontuais marcados pela função de correlação marcada

uma aplicação em dados florestais

Autores

  • Wélson Antônio de Oliveira Programa de Pós-Graduação em Estatística e Experimentação Agropecuária - Universidade Federal de Lavras
  • Wigor Deivid de Melo Santos
  • José Márcio de Mello
  • João Domingos Scalon

Palavras-chave:

Correlação Marcada, Processos Pontuais Marcados, Dependência Espacial, Estimador Kernel

Resumo

Entende-se um processo pontual espacial como um conjunto de pontos (eventos) distribuídos de forma irregular no espaço, gerados por um mecanismo probabilístico estocástico. Associando um atributo (marca) à coordenada, determina-se um processo pontual marcado. Na análise de processos pontuais marcados, o interesse está na caracterização do padrão de interação entre os processos estocásticos que geraram os pontos e as marcas. As análises iniciam-se com a caracterização de efeitos de primeira ordem para visualização completa das intensidades de ocorrência. Assumindo estacionariedade, pode-se realizar a análise de segunda ordem para caracterizar a dependência espacial presente no fenômeno. Os dados consistem em localizações georreferenciadas de ocorrência de árvores arbóreas em um fragmento de floresta nativa e seus respectivos diâmetros à altura do peito (DAP). Este trabalho tem como objetivo caracterizar os processos pontuais marcados por variáveis contínuas, dados pelo DAP das árvores nativas, através da estimativa da função de correlação marcada. Todas as análises foram realizadas com o software R, desenvolvido pela equipe do R Core Team (2023). A partir dos resultados, foi possível observar o potencial dos métodos utilizados para caracterizar os padrões e a dinâmica da floresta em estudo.

Referências

BADDELEY, A.; TURNER, R. Spatstat: an r package for analyzing spatial point patterns. Journal of statistical software, 2005. 1-42.

CÂMARA, G.; DAVIS, C.; MONTEIRO, A. M. V. Introdução à Ciência de geoinformação. São José dos Campos: INPE, 2001.

CRESSIE, N. Statistics for Spatial Data. Ames: John Wiley & Sons, 1993.

CRONIE, O.; LIESHOUT, M. N. M. V. A non-model-based approach to bandwidth selection for kernel estimators of spatial intensity functions. Biometrika, 105(2), 2018. 455-462.

DALMASO, C. A. et al. Interações espaciais intraespecíficas de ocotea odorifera na floresta nacional de irati. FLORESTA, v. 46, n. 1, p. 103-114, 2016.

DIGGLE, P. A kernel method for smoothing point process data. Journal of the Royal Statistical Society: Series C (Applied Statistics), 34, 1985. 138-147.

DIGGLE, P. J. Statistical analysis of spatial and spatio-temporal point patterns. [S.l.]:

CRC press, 2013.

DIGGLE, P. J.; RIBEIRO, P. J.; CHRISTENSEN, O. F. An introduction to model-based geostatistics. Spatial Statistics and Computational Methods, 173, 2003. 43-86.

ILLIAN, J. Statistical analysis and modelling of spatial point patterns. Nova York: John Wiley & Sons, v. 70, 2008.

LOADER, C. Local regression and likelihood. Springer Science & Business Media, 2006.

MACHADO, S. d. A. et al. Distribuição espacial de um fragmento de Floresta Ombrófila Mista Montana. [S.l.]: SciELO Brasil, 2012.

MØLLER, J.; WAAGEPETERSEN, R. Some recent developments in statistics for spatial point patterns. Annual Review of Statistics and Its Application, Annual Reviews, v. 4, p. 317-342, 2017.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2023.

SCALON, J. D.; OLIVEIRA, C. A. P. d.; MELLO, J. M. d. Análise espacial de um fragmento florestal baseada no Mosaico de Dirichlet. Revista Árvore, SciELO Brasil, v. 36, p. 733-740, 2012.

SCHAAF, L. B. et al. Alteração na estrutura diamétrica de uma floresta ombrófila mista no período entre 1979 e 2000. Revista árvore, SciELO Brasil, v. 30, p. 283-295, 2006.

STOYAN, D.; PENTTINEN, A. Recent applications of point process methods in forestry statistics. Statistical science, JSTOR, p. 61-78, 2000.

TERRELL, G.; SCOTT, D. Variable kernel density estimation. The Annals of Statistics, 1992. 1236-1265.

Downloads

Publicado

05-01-2024

Como Citar

Oliveira, W. A. de, Santos, W. D. de M. ., Mello, J. M. de, & Scalon, J. D. (2024). Caracterização de processos pontuais marcados pela função de correlação marcada: uma aplicação em dados florestais. Sigmae, 12(3), 177–186. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2239

Edição

v. 12 n. 3 (2023): Número especial: 67ª RBRAS e 20° SEAGRO

Seção

Estatística Aplicada

Licença

Proposta de Política para Periódicos de Acesso Livre


Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

    1. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

  1. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).