Acceso usuarios
[1]
;
Jonathan Hernández-Ramos
[1]
;
Vidal Guerra-De la Cruz
[1]
;
Enrique Buendía-Rodríguez
[1]
;
Casimiro Ordóñez-Prado
[1]
México
La altura total (At) del árbol es una variable relevante para predecir otros atributos del árbol o del rodal como el volumen, biomasa o contenido de carbono. Sin embargo, a diferencia del diámetro normal (Dn), la medición de la altura total es difícil y costosa, por lo que para estimarla se recurren a ecuaciones At -Dn. El objetivo fue generar ecuaciones locales altura –diámetro para cinco especies de coníferas con importancia maderable al suroeste de Puebla, México. En una primera fase se evaluó la capacidad predictiva de nueve modelos biparamétricos no lineales, se utilizó una base de datos global integrada en el 2012 de las cinco especies. Mediante un sistema de evaluación cuantitativo y gráfico se identificó al modelo de Hossfeld I modificado como el de mejor capacidad predictiva porque exhibió un comportamiento biológicamente realista. En una segunda fase el modelo seleccionado se ajustó mediante tres estrategias de ajuste: (1) mínimos cuadrados ordinarios no lineales (MCO-NL) por especie, (2) MCO-NL con incorporación de variables indicadoras (VI) para la base global y, (3) modelos de efectos mixtos (MEM) para la base completa y usando la covariable especie como factor de agrupación. Los estadísticos R2adjy RCME fueron mejores en MCO-NL-VI y MEM que en MCO-NL, posteriormente se diagnosticó que MEM fue superior que MCO-NL-VI (AIC = 10 442.2, BIC = 10481.24 y logLik = -5 214.1). Se concluye que los valores de los efectos aleatorios del MEM son útiles para estimar la At con uso principal en inventarios forestales maderables.
Tree height (h) is a relevant variable for predicting other tree or stand attributes such as volume, biomass or carbon content. However, unlike diameter at breast height (d), the measurement of total height is difficult and costly, so h –d equations are used to estimate it. The objective was to generate local height -diameter equations for five conifer species of timber importance in southwestern Puebla, Mexico. In a first phase, the predictive capacity of nine nonlinear biparametric models was evaluated,using the global database integrated in 2012 of the five species. Through a quantitative and graphic evaluation system, the modified Hossfeld I model was identified as the one with the best predictive capacity because it exhibited a biologically realisticbehavior. In a second phase, the selected model was adjusted using three fitting strategies: (1) nonlinear least squares (NLS) per species, (2) NLS with the incorporation of dummy variables (NLS-DV) for the global database, and (3) mixed-effects models (MEM) for the full base and using the species covariate as a grouping factor. According to R2adjand RMSE statistics it was determined that NLS-DV and MEM were better than NLS, subsequently MEM was diagnosed to be superior than NLS-DV (AIC = 10 442.2, BIC = 10481.24 and logLik = -5 214.1). It is concluded that MEM random effects values are useful forestimating h with primary use in forest inventories.
