MODELAGEM NÃO LINEAR DA RELAÇÃO HIPSOMÉTRICA E DO CRESCIMENTO DAS ÁRVORES DOMINANTES E CODOMINANTES DE Eucalyptus sp

Este trabalho teve por objetivo avaliar modelos lineares e não lineares clássicos e generalizados com adição de covariáveis, para modelagem da relação hipsométrica e do crescimento em altura das árvores dominantes e codominantes de clones de eucalipto. Foram ajustados dois modelos lineares e dois não lineares para estimativa da relação hipsométrica e quatro modelos não lineares para classificação de sítio. Com relação à hipsometria, para o modelo que propiciou as melhores estatísticas, utilizou-se a técnica de inclusão de covariáveis para o ajuste, visando obter melhor precisão das estimativas. A seleção e a qualidade de ajuste dos modelos se deram com base no erro padrão percentual "Syx (%)", critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC) e no teste de razão da máxima verossimilhança (TRMV), além da análise gráfica dos resíduos. Para a manipulação, ajuste e processamento dos dados foi utilizado o software R. De acordo com as análises estatísticas dos modelos, para a relação hipsométrica, o logístico com quatro parâmetros mostrou-se superior em relação aos outros modelos ajustados. O modelo logístico com adição de covariáveis obteve uma melhor precisão em comparação ao modelo logístico clássico. Para a estimativa do crescimento em altura das árvores dominantes e codominantes, o modelo logístico com três parâmetros obteve as melhores estatísticas de precisão, sendo, então, utilizado para a construção das curvas de índice de sítio. This work aimed to evaluate linear and nonlinear, classical and generalized models with the addition of covariates for modeling the hypsometric relation and the height growth of dominant and codominant trees of eucalypt clones. Two linear models and two nonlinear models were fitted to estimate the hypsometric relationship and four nonlinear models to classify the site. Regarding the hypsometry, it was used the technique of inclusion of covariates in the model that provided the best statistics in order to obtain more precise estimates. The selection and quality of the fittings was based on the standard error "Syx (%)", Akaike information criterion (AIC), Bayesian information criterion (BIC) and the test of maximum likelihood (LRATIO), in addition to the graphical analysis of the residuals. For handling, fitting and processing the data, it was used software 'R'. According to the statistical analysis of the models, for the hypsometric relation the four parameters logistic model was proved to be superio