Resumen


Imagen de portada

El presente estudio fue realizado con el objetivo de obtener ecuaciones de regresión y Redes Neuronales Artificiales (RNAs) para la proyección de la supervivencia de Pinus caribaea var. caribaea en la empresa forestal Macurije, provincia de Pinar del Río - Cuba. Los datos utilizados en las modelaciones provienen de la medición de las variables edad (años) y supervivencia (densidad) en parcelas permanentes circulares de 500 m² establecidas en plantaciones de Pinus caribaea var. caribaea. El estudio se dividió en tres etapas: i) Ajuste de modelos de regresión tradicionales para proyección de supervivencia; ii) Entrenamientos de RNAs para la proyección de supervivencia, incluyendo variables categóricas “sitio” y “Unidades Básicas de Producción Forestal”; iii) Comparación de los desempeños de las ecuaciones de regresión con los de las RNAs en la proyección de la supervivencia. Los mejores modelos y RNAs fueron seleccionados basándose en: coeficiente de determinación ajustado - R²aj (%), raíz cuadrada del error medio cuadrático - RMSE (%) y análisis de distribución de residuos. La evaluación de la bondad de ajuste de los modelos también incluyó la verificación de los supuestos de normalidad, homocedasticidad y ausencia de autocorrelación serial en los residuos por las pruebas de Kolmogorov-Smirnov, White y Durbin-Watson, respectivamente. El modelo de Pienaar y Shiver (1981) resultó ser el de mejor ajuste en la proyección de la supervivencia. La RNA de arquitectura MLP 13-10-1 fue la de mejor capacidad de generalización y presentó un desempeño similar al de la ecuación obtenida del ajuste del modelo de Pienaar y Shiver.


Autores/as

Ouorou Ganni Mariel Guera

Universidade Federal Rural de Pernambuco (UFRPE), Departamento de Ciência Florestal (DCFL), Laboratório de Biometria e Manejo Florestal (LBMF)
Brasil

Ingeniero Forestal, Doctor en Ciencias Forestales

José Antônio Aleixo da Silva

Universidade Federal Rural de Pernambuco (UFRPE), Departamento de Ciência Florestal (DCFL), Laboratório de Biometria e Manejo Florestal (LBMF)
Brasil

Ingeniero Forestal

Rinaldo Luiz Caraciolo Ferreira

Universidade Federal Rural de Pernambuco (UFRPE), Departamento de Ciência Florestal (DCFL), Laboratório de Biometria e Manejo Florestal (LBMF)
Brasil

Ingeniero Forestal

Daniel Álvarez Lazo

Universidad de Pinar del Río "Hermanos Saiz Montes de Oca" Facultad de Ciencias Forestales y Agropecuaria Departamento Forestal
Cuba

Ingeniero Forestal, Doctor en Ciencias Forestales

Héctor Barrero Medel

Universidad de Pinar del Río "Hermanos Saiz Montes de Oca", Facultad de Ciencias Forestales y Agropecuaria Departamento Forestal
Cuba

Ingeniero Forestal, Doctor en Ciencias Forestales

Referencias


  • ALEIXO DA SILVA, J.A., 2015. Conceitos e princípios básicos de modelagem matemática em ciências florestais. Anais da Academia Pernambucana de Ciência Agronômica, vol. 11/12, pp. 195-215.

  • BIGLER, C. y BUGMANN, H., 2003. Growth-dependent tree mortality models based on tree rings. Canadian Journal of Forest Research, vol. 33 (2), pp. 210-221. DOI .

  • BUCHMAN, R.G., PEDERSON, S.P. y WALTERS, N.R., 1983. A tree survival model with application to species of the Great Lakes region. Canadian Journal of Forest Research, vol. 13, pp. 601-608.

  • CAMPOS, J.C.C. y LEITE, H.G., 2017. Mensuração florestal: perguntas e respostas. 5a ed. S.l.: Viçosa: Editora UFV.

  • CLUTTER, J.L. et al., 1983. Timber management: a quantitative approach [en línea]. 1sted. New York: John Wiley & Sons, 1983. Disponible en: .

  • CLUTTER, J.L. y JONES, E.., 1980. Prediction of growth after thinning in old-field slash pine plantation [en línea]. S.l.: Res. Pap. SE-217. Asheville, NC: U.S. Dept. of Agriculture, Forest Service, Southeastern Forest Experiment Station. Disponible en: .

  • GLOVER, G.. y HOLL, J.., 1979. A basal area ratio predictor of loblolly pine plantation mortality. Forest Science, vol. 25 (2), pp. 275-282.

  • GUAN, BIING, T. y GERTNER, G., 1991. Modeling red pine tree survival with an artificial neural network. Forest Science, vol. 37 (5), pp. 1429–1440.

  • HAMILTON, D.A., 1974. Event probabilities estimated by regression [en línea]. INT-152. Utah, USA: USDA Forest Service, Intermountain Forest and Range Experiment Station, Ogden, Utah. Research Paper. Disponible en: , , .

  • HAMILTON, D.A., 1986. A logistic model of mortality in thinned and unthinned mixed conifer stands of Northern Idaho. Forest Science, vol. 32 (4), pp. 989–1000.

  • HANN, D.W., 1980. Development and evaluation of an even- and uneven-aged ponderosa pine [en línea]. Arizona, USA: Arizona Fescue stand simulator. Ogden: Forest Service/Intermountain Forest and Range Experiment Station. Disponible en: .

  • K VANCLAY, J., 1994. Modelling forest growth and yield : applications to mixed tropical forests [en línea]. S.l.: Wallingford: CAB International UK. Disponible en: .

  • L KING, S., BENNETT, K.P. y LIST, S., 2000. Modelling non-catastrophic individual tree mortality using logistic regression, neural networks, and support vector methods. Computers and Electronics in Agriculture, vol. 27, pp. 401-406.

  • LEE, Y., 1971. Predicting mortality for even-aged stands of lodgepole pine. Forestry Chronicle, vol. 47(1), pp. 29-32.

  • LORIMER, C.G., DAHIR, S.. y NORDHEIM, E.., 2001. Tree mortality and longevity in mature and old-growth hemlockhardwood forests. Journal of Ecology, vol. 89, pp. 960-971. DOI .

  • MALEKI, K. y KIVISTE, A., 2016. Individual tree mortality of silver birch (Betula pendula Roth) in Estonia. iForest, vol. 9, pp. 643-651.

  • PIENAAR, L.V. y SHIVER, B.D., 1981. Survival functions for site prepared slash pine plantations in the flat woods of Georgia Northern Florida. Southern Jour. Forestry, vol. 5 (2), pp. 59-62.

  • SANQUETTA, C.R., 1990. Predição da sobrevivência em reflorestamentos de Pinus elliottii Engelm [en línea]. Tesis de Maestría para la obtención del título de Máster en Ingeniería Forestal. Brasil, Curitiba: Universidade Federal do Paraná. Disponible en: , .

  • SILVA, J.A.A. DA, 1986. Dynamics of stand structure in fertilized slash pine plantations [en línea]. Georgia Athens, USA: University of Georgia. Disponible en: .

  • VANCLAY, J.K., 1991. Mortality functions for north Queensland rain forests. Journal of Tropical Forest Science, vol. 4 (1), pp. 15-36.


Texto completo:

HTML

PDF

Palabras clave

Plantaciones forestales; mortalidad regular; regresión no lineal; Redes Neuronales Artificiales

Enlaces refback

  • No hay ningún enlace refback.


Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional. Copyright (c) 2018 Ouorou Ganni Mariel Guera, José Antônio Aleixo da Silva, Rinaldo Luiz Caraciolo Ferreira, Daniel Álvarez Lazo, Héctor Barrero Medel


UPR

©2017 Universidad de Pinar del Río "Hermanos Saíz Montes de Oca"