Maria miguelina ovando Predicción de crecimiento y rendimiento METODOS DE PREDICCION DE RENDIMIENTO. • Los métodos estáticos de predicción de rendimiento son aquellos en los cuales el rendimiento se predice directamente como una función de la edad, clase de sitio e historia de la densidad del rodal. Los métodos son estáticos en el sentido de que las funciones resultantes del rendimiento no permiten variación alguna en la historia de los tratamiento del rodal, excepto dentro de amplias clases de tratamientos alternativos de clareos, que ya están presentes en los datos. Los componentes del rendimiento de mayor interés para el administrador forestal son el volumen y el diámetro promedio. Para determinar el volumen de los rodales se requiere conocer el numero de arboles, la altura y el diámetro promedio. El numero de árboles es usualmente la base para definir los tratamientos de aclareo, mientras la altura es la medida más común para la clasificación de sitio. En esta sección se consideran los métodos estáticos para predecir el diámetro promedio. Estimación estadística directa de funciones de predicción del diámetro promedio • Pueden ajustarse funciones directamente a los datos de los diámetros promedios por métodos análogos a Ios utilizados para ajustar curvas de índice de sitio. Las variables predictoras pueden ser la altura dominante y la historia de los tratamientos del rodal (designada por T), o puede incluir edad e índice de sitio como variables separadas en lugar de la variable combinada altura dominante. Los métodos que pueden usarse para ajustar las funciones incluyen: • Con datos de parcelas permanentes. Regresión simple jerárquica, como se describe en la sección 512.2 para curvas de Indice de sitio. Esto dependerg de la habi lidad de encontrar una trasformaciön de los datos que resulte en una figura como la 5.5 (a) 6 5.5 (b) para los modelos de pen diente común 6 término independiente común respectivamente. La ecuación de Schumacher puede ser adecuada, o una trasformación mgs simple del tipo: Dg = a + b Hok donde k es un exponente entre O y 1. Regresión multivariante jergrquica, usando la técnica de variable condicional u otras técnicas mgs avanzadas de regresión Con datos de parcelas temporales: • Se sortean los datos de acuerdo a los diámetros dentro de las clases de altura y se les asigna un ndmero de orden después del sorteo. Se llevan los ndmeros de orden dentro de cada clase de altura a una escala común por la transformación: • T = i/n • donde i es el ndmero de orden dentro de una clase de altura y n es el ndmero de puntos que contiene la clase. T es un Indice de la historia de los tratamientos. Puede ajustarse un regresión múltiple de uno de los tipos discutidos anteriormente usando T como una variable predictora independiente. • Ajuste de una linea de tendencia promedia por regresión simple entre el diámetro promedio y la altura dominante, y después construc ción de un conjunto de curvas proporcionales o paralelas • Regresión múltiple convencional, después de haber asignado un valor de la historia los tratamientos T a cada parcela. Esto puede hacerse de varias maneras, incluyendo una variante del mê todo de sorteo descrito anteriormente para parcelas temporales en la cual, los valores promedios de T calculados para cada medición, se obtienen de parcelas manejadas de acuerdo a un plan consistente de clareos. Con experimento de clareos, los valores T asignados a cada tratamiento pueden ser tan simples como 1, 2, 3, etc., si los tratamientos pueden ordenarse claramente de acuerdo a su grado de intensidad. Un enfoque muy común para ajustar modelos de regresión múltiple a parcelas permanentes es usar el espaciamiento, relacionándolo con la altura o inclusive simplemente con la densidad, como Indices de la historia de los tratamientos. Este método da la impresión de trabajar muy bien, pero introduce dificultades conceptuales especiales • La función matemática que se use como base de los modelos de ajuste no es muy importante, siempre que sea capaz de asumir una forma correcta. Esta será la de una curva levemente cóncava respecto al eje horizontal, como se muestra en la Fig. 5.9 (b). Modelos apropiados son:
2 Dg = bo + blHo + b2T + b3HoT + b4Ho
k k Dg = bo + b1Ho + b 2T + b3HoT El segundo modelo puede ser ajustado usando valores tentativos de k entre O y 1 con métodos de regresión lineal, seleccionando el valor que de el mgximo coeficiente de correlación, o puede ajustarse también directamente por regre Sión no lineal. Cualquiera que sea la función usada, el resultado debe ser examinado gráfica mente y sobrepuesto a los datos para detectar comportamientos anómalos Funciones estáticas de rendimiento predictivas de área basal o volumen. • Así como se construyen funciones estáticas de rendimiento para predecir el diámetro promedio, es posible usar técnicas idénticas para predecir el área basal o el volumen por hectárea. Las formas de estas funciones se muestran en las figuras 5.10 (a) y (b). En general, el uso del diámetro promedio significa ciertas ventajas en térmi nos de simplicidad de un modelo general. Si se predice área basal o volumen usualmente es necesario tener alguna función que permita obtener posteriormente el diámetro promedio. También, con área basal o volumen por ha, un gran componente de la respuesta a las diferentes densidades de los rodales es simplemente el efecto multipli cativo de las diferentes densidades. Con la función del diámetro promedio, esta influencia desaparece, de manera que las relaciones resultantes reflejan los efectos reales de competencia