Site index for Prosopis alba plantations in the semi-arid chaco through mixed models

• Autores: Senilliani, Maria Gracia; Bruno, Cecilia Inés; Brassiolo, Miguel Marcelo
• Año de publicación: 2019
• Idioma: inglés
• Tipo de recurso: artículo
• Materia: Prosopis alba; Algarrobo blanco; Plantación; Región chaqueña; Zona semiárida; Santiago del Estero; Argentina
• Institución: Universidad Nacional de Córdoba

Fil: Senilliani, Maria Gracia. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Forestales; Argentina.
Fil: Bruno, Cecilia Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina.
Fil: Brassiolo, Miguel Marcelo. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Forestales; Argentina.
The classification of sites through curves of Site Index allows to predict the yield of the planted forests at a certain age of the stand and to plan cultural treatments. The goal of this research was to compare linear and non-linear models of fixed effects vs. mixed non-linear models to estimate the site index in plantations of Prosopis alba var Griseb in the irrigated area of the province of Santiago del Estero, Argentina using the guide curve method. The data used comes from temporary plots, permanent plots and growth data from the stem analysis of selected individuals based on their greater growth in height within the sampled areas. The registered variable for the evaluation of the site was the dominant Height (HD), defined as the average height of the 100 thickest trees per hectare. Considering that the source of data from repeated measurements on the same subject implies the presence of correlation and/or heteroscedasticity, it was proposed to evaluate statistical models that allow to properly representing the structure of the variance-covariance matrix, improving the accuracy in the adjustment. From the analysis of the results, it appears that the models non-linear mixed models have had better performance in the adjustment of the Site Index than linear and non-linear models of fixed effects. The most accurate model (smallest AIC and BIC) in the site index estimation was the mixed non-linear regression model of “Gompertz”, with structure of composite symmetry correlation and exponential heteroscedasticity.
La clasificación de los sitios a través de las curvas del índice de sitio permite predecir el rendimiento de los bosques plantados a una cierta edad del rodal y los planos de tratamientos culturales. El objetivo de esta investigación fue comparar los modelos lineales y no lineales de efectos fijos versus modelos no lineales mixtos para estimar el índice de los sitios en las plantaciones de Prosopis alba var Griseb en el área irrigada de la provincia de Santiago del Estero. Argentina utiliza el método de la curva guía. Los datos se basan en las variables temporales, en las parcelas permanentes y en los datos epidemiológicos. La variable registrada para la evaluación del sitio fue la Altura dominante (HD), definida como la altura promedio de los 100 árboles más gruesos por hectárea.Teniendo en la cuenta que la fuente de datos de repeticiones en el mismo tema, implica la presencia de correlación y / o heterocedasticidad, se propuso a los resultados de los resultados de los resultados de los mismos a los contactos de los mismos a la red de varianza-covarianza, mejorando la precisión en el ajuste El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial.se propuso evaluar los modelos estadísticos que se conviertan en la estructura de la matriz de varianza-covarianza, mejorando la precisión en el ajuste. El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. se propuso evaluar los modelos estadísticos que se conviertan en la estructura de la matriz de varianza-covarianza, mejorando la precisión en el ajuste.El análisis de los resultados, parece que los modelos de modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. Parece que los modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos.El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial. Parece que los modelos mixtos no lineales han sido mejorados en el ajuste del Índice de Sitio que los modelos lineales y no lineales de efectos fijos. El modelo más preciso (AIC y BIC más pequeños) en la estimación del índice del sitio fue el modelo de la regresión no lineal mixta de "Goempertz", con la estructura de correlación de simetría compuesta y heteroscedasticidad exponencial.
info:eu-repo/semantics/publishedVersion
Fil: Senilliani, Maria Gracia. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Forestales; Argentina.
Fil: Bruno, Cecilia Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina.
Fil: Brassiolo, Miguel Marcelo. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Forestales; Argentina.