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.


Copyright (c) 2018 Ouorou Ganni Mariel Guera, José Antônio Aleixo da Silva, Rinaldo Luiz Caraciolo Ferreira, Daniel Álvarez Lazo, Héctor Barrero Medel

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"