MIXED-EFFECT MODELS FOR VOLUMETRIC ESTIMATION OF LUMBER FROM NATIVE AMAZONIAN SPECIES

Autores

DOI:

https://doi.org/10.5380/rf.v52i2.82734

Palavras-chave:

Comparison between models, Random effects, Volume prediction models.

Resumo

The objective of the present work is to test fixed effect models and compare them with different configurations of mixed models to predict lumber volume. The database came from a medium-sized sawmill located in the rural area of the municipality of Porto Grande, Amapá, Brazil. A total of 50 logs of 9 native species were used, with their volume being measured by the Smalian method. A fixed effect model proposed by Lima et al. (2018) was fitted andcompared to mixed linear models with species as a random effect. The fitting of the fixed model and the mixed models were performed using the maximum restricted likelihood method. Akaike information criteria (AIC), correlation coefficient, Maximum Likelihood Ratio Test, Square Root of the Mean Square Error (RMSE), absolute mean distance and bias were used to select the best model. According to the established criteria, the mixed models obtained better fits when compared to the fixed model, providing a reduction in the RMSE of 0.3 for an average between the mixed models of 0.26. According to the results achieved, the mixed linear models were more efficient and accurate for volume estimation. The M7 mixed model was the best fit model. The use of mixed models enables greater accuracy in estimating volume.  

Biografia do Autor

Jadson Coelho de Abreu, Universidade do Estado do Amapá/Professor Adjunto.

Possui Graduação em Engenharia Florestal na Universidade do Estado do Amapá UEAP (2010), Mestrado em Ciências Florestais na Universidade Federal Rural de Pernambuco UFRPE (2012) e Doutorado em Ciência Florestal na Universidade Federal de Viçosa UFV (2019). Atualmente é Professor Adjunto na Universidade do Estado do Amapá UEAP. Chefe do laboratório de manejo florestal e líder do grupo de pesquisa métodos quantitativos aplicados aos recursos florestais. Atua também como docente no Programa de Pós-graduação em Propriedade Intelectual e Transferência de Tecnologia para Inovação (PROFNIT), ponto focal UNIFAP. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Manejo e Mensuração Florestal, atuando principalmente nos seguintes temas: Dendrometria e Inventário Florestal, modelos estatísticos (lineares e não lineares), modelos mistos, regressão robusta e aprendizado de máquina (Redes Neurais Artificiais, Máquina de Vetor de Suporte, Árvore de Decisão e Random Forest).

Robson Borges de Lima, Universidade do estado do Amapá/Professor Adjunto

Possui Graduação em Engenharia Florestal pela Universidade do Estado do Amapá (2011), Mestrado (2012-2014) e Doutorado (2014-2017) em Ciências Florestais pelo Programa de Pós-graduação em Ciências Florestais da Universidade Federal Rural de Pernambuco. Atualmente é docente do curso de Engenharia Florestal da Universidade do Estado do Amapá. Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Métodos Estatísticos, Mensuração, Inventário e Manejo Florestal.

Fernando Galvão Rabelo, Universidade do estado do Amapá/Professor Assistente

Possui graduação em Engenharia Florestal pela Universidade Federal Rural da Amazônia - UFRA (1991) e Mestrado em Ciências Florestais pela mesma Universidade, concluído em dezembro de 2000. Linha de Pesquisa: Conhecimento da Biodiversidade. Atualmente exerce a função de Professor Assistente na Universidade do Estado do Amapá. Tem experiência na área de Recursos Florestais, atuando principalmente nos seguintes temas: Silvicultura Tropical, Fitossociologia, Inventário, SAFs e Incêndios Florestais.

Héveli Kalini Viana Santos, Universidade Estadual do Sudoeste da Bahia/Mestranda

Mestranda em Ciências Florestais pela Universidade Estadual do Sudoeste da Bahia (UESB). Graduada em Engenharia Florestal pela Universidade Federal do Recôncavo da Bahia (2018). Tem vivência na área de Silvicultura de espécies nativas, com ênfase na avaliação do comportamento germinativo e na produção de mudas florestais de espécies da Mata Atlântica, e atualmente atua na pesquisa de distribuição espacial de biomassa florestal.

Thaine Teixeira Silva, Universidade Estadual do Sudoeste da Bahia/Mestranda

Mestranda em Ciências Florestais pela Universidade Estadual do Sudoeste da Bahia (2020-2022). Graduada em Engenharia Florestal pela Universidade Federal do Recôncavo da Bahia (2020). Foi bolsista da Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB). Integrante dos Grupos de Pesquisa: Biodiversidade e Conservação de Ecossistemas do Recôncavo Bahiano (BCERB) e Alimentos, Química, Agronomia e Recursos Hídricos (AQARH) Tem experiência na área de composição florística em remanescentes da Mata Atlântica, coleta de espécies, herborização, identificação e vivência em Herbário do Recôncavo da Bahia (HURB). Desenvolve pesquisas na área de Engenharia Florestal com ênfase em Botânica, Taxonomia, Silvicultura, Meio Ambiente e Manejo Florestal. Atualmente participante do projeto " Filogenia, filogeografia e taxonomia integrativa de espécies da flora brasileira com ênfase na família Apocynaceae e integração do conhecimento da biodiversidade através de biobancos". Estagiária da Prefeitura de Boa Esperança do Iguaçu -PR, plano diretor de arborização urbana (2018-2019).

Maricélia Moreira dos Santos, Universidade do estado do Amapá

Possui mestrado em Ciências Florestais pela Universidade Federal do Espírito Santo (2019). Atualmente é instrutora de curso livre - Ensino de Idiomas. Tem experiência na área de Ciências Ambientais e Ciências Florestais, atuando principalmente nos seguintes temas: cultura de tecidos vegetais, propagação seminífera, modelagem ambiental, qualidade ambiental e plântula.

 

Downloads

Publicado

31-03-2022

Como Citar

de Abreu, J. C., de Lima, R. B., Rabelo, F. G., Santos, H. K. V., Silva, T. T., & dos Santos, M. M. (2022). MIXED-EFFECT MODELS FOR VOLUMETRIC ESTIMATION OF LUMBER FROM NATIVE AMAZONIAN SPECIES. Floresta, 52(2), 384–393. https://doi.org/10.5380/rf.v52i2.82734

Edição

v. 52 n. 2 (2022)

Seção

Artigos

Licença

Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.A revista, seguindo a recomendações do movimento Acesso Aberto, proporciona acesso publico a todo o seu conteudo, seguindo o principio de que tornar gratuito o acesso a pesquisas gera um maior intrcambio global de conhecimento. 

Conteúdos do periódico licenciados sob uma  CC BY-NC-SA 4.0