Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/20778
Full metadata record
DC FieldValueLanguage
dc.contributor.authorRocha, Pedro Vaz da-
dc.date.accessioned2025-04-03T13:00:02Z-
dc.date.available2025-04-03T13:00:02Z-
dc.date.issued2020-02-28-
dc.identifier.citationROCHA, Pedro Vaz da. Geoestatística na classificação da capacidade produtiva em povoamentos de eucalipto. 2020. 74 f. Dissertação (Mestrado em Ciências Ambientais e Florestais) - Instituto de Florestas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2020.pt_BR
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/20778-
dc.description.abstractO objetivo deste trabalho foi avaliar métodos de classificação da capacidade produtiva, associados a aplicação de diferentes técnicas de krigagem, em povoamentos de eucalipto. O estudo foi realizado em 62 talhões com povoamentos clonais de Eucalyptus sp., abrangendo área total de 2.119 hectares, localizados em Minas Gerais, Brasil. O clima é classificado como Aw, tropical úmido de savana, com invernos secos e verões chuvosos. A altitude média é de 820 metros, com precipitação de 1.246 mm e temperatura média anual de 24oC. Os dados foram coletados aos 24, 36, 48, 60, 72 e 84 meses em 170 unidades amostrais de 400 m2, seguindo amostragem casual simples, sendo 136 utilizadas no ajuste dos modelos e 34 na validação preditiva. Nas unidades amostrais foram mensuradas as variáveis diâmetro a 1,30 m do solo (DAP), altura total (Ht) e, posteriormente, obtida a altura média das árvores dominantes (Hd), pelo conceito de Assmann (1970). Utilizou-se na classificação da capacidade produtiva os métodos da curva-guia e da diferença algébrica, com os modelos de regressão de Schumacher, Chapman e Richards e Bailey e Clutter. Assim, foram realizados seis ajustes de equações para estimar o índice de sítio, e a qualidade avaliada através do coeficiente de determinação ajustado (Raj. 2 ), erro padrão da estimativa em porcentagem (Syx%,), raiz quadrada do erro médio (RQEM), erro médio de predição em porcentagem (bias%), análise gráfica dos resíduos normalizados, além da comparação entre os valores estimados e observados. Posteriormente, realizou-se a análise de semivariância do índice de sítio para os seis ajustes. Comprovada a dependência espacial, interpolou-se o índice de sítio aplicando krigagem ordinária, utilizando 4, 8, 12 e 16 vizinhos. Estas estimativas espaciais foram avaliadas através da raiz quadrada do erro médio (RQEM), erro médio de predição em porcentagem (bias%), correlação de Pearson (r), índice de concordância de Willmott (d) e índice de desempenho (c). Também foram obtidas as estimativas do índice de sítio aplicando krigagem com regressão do tipo B e C. A validação foi realizada com os valores da altura dominante aos 72 meses de idade das 34 unidades separadas para a validação. Comparou-se as estimativas do índice de sítio obtidas pelos modelos de regressão, krigagem ordinária e krigagem com regressão tipo B e C. O método da diferença algébrica foi o que gerou as melhores estimativas do índice de sítio, com destaque para o modelo Bailey e Clutter. O índice de sítio apresentou dependência espacial em todos ajustes e sua interpolação utilizando 4 pontos vizinhos apresentou o melhor desempenho. Na espacialização do índice de sítio, as técnicas de krigagem com regressão foram superiores à krigagem ordinária. Conclui-se que o método da diferença algébrica foi mais eficiente e o índice de sítio apresentou forte dependência espacial em todas as idades, independente do modelo utilizado. Os modelos de regressão para estimativa do índice de sítio podem ser utilizados em combinação com as técnicas de krigagem, com maiores níveis de precisão e exatidão quando associados a krigagem com regressão tipo B e C.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal Rural do Rio de Janeiropt_BR
dc.subjectÍndice de sítiopt_BR
dc.subjectDependência espacialpt_BR
dc.subjectKrigagempt_BR
dc.subjectKrigagem com regressãopt_BR
dc.subjectModelagempt_BR
dc.subjectSite indexpt_BR
dc.subjectSpatial dependencept_BR
dc.subjectKrigingpt_BR
dc.subjectRegression Krigingpt_BR
dc.subjectModelingpt_BR
dc.titleGeoestatística na Classificação da Capacidade Produtiva em Povoamentos de Eucaliptopt_BR
dc.title.alternativeGeostatistics for the classification of production capacity in eucalyptus standsen
dc.typeTesept_BR
dc.description.abstractOtherThe objective of this work was to evaluate methods of classifying productive capacity, associated with the application of different kriging techniques, in eucalyptus stands. The study was carried out in 62 plots with clonal stands of Eucalyptus sp., covering a total area of 2.119 hectares, located in Minas Gerais, Brazil. The climate is classified as Aw, humid tropical savannah, with dry winters and rainy summers. The average altitude is 820 meters, with precipitation of 1.246 mm and an annual average temperature of 24oC. Data were collected at 24, 36, 48, 60, 72, and 84 months in 170 sample units of 400 m2, following simple casual sampling, 136 of which were used to adjust the models, and 34 for predictive validation. In the sample units, the variables diameter at 1.30 m from the ground (DBH), total height (Ht) were measured, and, subsequently, the average height of the dominant trees (Hd) was obtained, according to the concept of Assmann (1970). In the classification of productive capacity, the methods of the guide curve and the algebraic difference were used, with the regression models of Schumacher, Chapman and Richards, and Bailey and Clutter. Thus, six equation adjustments were made to estimate the site index, and the quality assessed through the adjusted determination coefficient (RAj. 2 ), standard error of the estimate in percentage (Syx%,), root-mean-square error (RMSE), the mean error of prediction in percentage (bias%), graphical analysis of normalized residues, in addition to the comparison between estimated and observed values. Subsequently, the site index semi-variance analysis was performed for the six adjustments. After proving the spatial dependence, the site index was interpolated using ordinary kriging, using 4, 8, 12, and 16 neighbors. These spatial estimates were evaluated using the root-mean-square error (RMSE), mean error of prediction in percentage (bias%), Pearson correlation (r), Willmott agreement index (d), and performance index (c). Site index estimates were also obtained by applying regression kriging with type B and C. Validation was performed with the values of dominant height at 72 months of age from 34 separate units for validation. The site index estimates were compared with obtained by the regression, ordinary kriging, and regression kriging type B and C. The algebraic difference method was the one that generated the best site index estimates, with emphasis on the Bailey and Clutter. The site index showed spatial dependence in all adjustments and its interpolation using 4 neighboring points showed the best performance. In the spatialization of the site index, regression kriging techniques were superior to ordinary kriging. It is concluded that the algebraic difference method was more efficient and the site index presented a strong spatial dependence at all ages, regardless of the model used. Regression models to estimate the site index can be used in combination with kriging techniques, with higher levels of precision and accuracy when associated with kriging with type B and C regression.en
dc.contributor.advisor1Araújo, Emanuel José Gomes de-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-2301-1031pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3124188823262093pt_BR
dc.contributor.referee1Araújo, Emanuel José Gomes de-
dc.contributor.referee1IDhttps://orcid.org/0000-0002-2301-1031pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3124188823262093pt_BR
dc.contributor.referee2Monte, Marco Antonio-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5126290976099630pt_BR
dc.contributor.referee3Morais, Vinícius Augusto-
dc.contributor.referee3IDhttps://orcid.org/0000-0003-1514-5969pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/9860717809502990pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/7358732852388861pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Florestaspt_BR
dc.publisher.initialsUFRRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciências Ambientais e Florestaispt_BR
dc.relation.referencesABREU, E. C. R. et al. Modelagem para prognose precoce do volume por classe diamétrica para Eucalyptus grandis. Scientia Forestalis, n. 61, p. 86-102, 2002. ALVARES, C. A. et al. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2013. ARAÚJO, E. J. G. Métodos de amostragem para a regeneração natural de Eremanthus erythropappus (DC.) Macleish em áreas submetidas ao sistema de manejo com porta sementes. 2015. 160f. Tese (Doutorado em Engenharia Florestal) – Universidade Federal do Paraná, Curitiba, 2015. ASSMANN, E. The principles of forstry yield study. Oxford: Pergamon Press, 1970. ATAÍDE, D. H. S. Geoestatística aplicada à mensuração e manejo de povoamentos de eucalipto. 2019. 106 f. Dissertação (Mestrado em Ciências Ambientais e Florestais) - Universidade Federal Rural do Rio de Janeiro, Seropédica, 2019. ATAÍDE, D. H. S. et al. Métodos geoestatísticos e determinísticos na espacialização da altura dominante em povoamento de eucalipto. Revista de Ciências Agrárias, v. 43, n, 1, p. 98-108, 2020. BATISTA, J. L. F.; COUTO, H. T. Z. Escolha de modelos matemáticos para a construção de curvas de índice de sítio para florestas implantadas de Eucalyptus sp. no estado de São Paulo. IPEF, n. 32, p. 33-42, 1986. BATY, F. et al. A Toolbox for Nonlinear Regression in R: The Package nlstools. Journal of Statistical Software, v. 66, n. 5, p. 1-21, 2015. BINOTI, D. H. B. et al. Aplicação da função hiperbólica na construção de curvas de índice de local. Revista Árvore, v. 36, n. 4, p. 741-746, 2012. BISHOP, T. F. A.; MCBRATNEY, A. B. A comparison of prediction methods for the 7creation of field-extent soil property maps. Geoderma, v. 103, n. 1–2, p. 149–160, 2001. BRANDELERO, C. et al. Silvicultura de precisão: nova tecnologia para o desenvolvimento florestal. Ambiência, v. 3, n. 2, p. 269-281, 2007. BURNHAN, K. P.; ANDERSON, D. R. Model selection and multimodel inference. 2 ed. New York: Springer, 2002. CALDEIRA, M. A. et al. Spatial distribution of leaf-cutting ant nests (Hymenoptera: Formicidae) in eucalyptus plantations. Cerne, v. 11, n. 1, p. 34–39, 2005. CAMBARDELLA, C. A. et al. Field-Scale Variability of Soil Properties in Central Iowa Soils. Soil Science Society of America Journal, v. 58, n. 5, p. 1501, 1994. CAMPOS, J. C. C.; LEITE, H. G. Mensuração Florestal: perguntas e respostas. 5 ed. atualizada e ampliada. Viçosa: Editora UFV. 2017. 636 p. CARVALHO, J. R. P.; SILVERA, P. M.; VIEIRA, S. R. Geoestatística na determinação da variabilidade espacial de características químicas do solo sob diferentes preparos. Pesquisa agropecuária brasileira, v. 37, n. 8, p. 1151–1159, 2002. CASTRO, R. V. O. et al. Modelagem do crescimento e produção para um povoamento de Eucalyptus utilizando dois métodos para quantificação do índice de local. Scientia 51 Forestalis, v. 43, n. 105, p. 83–90, 2015. CASTRO, R. V. O. et al. Função Gama Generalizada para descrever a distribuição diamétrica de um povoamento de eucalipto. Revista Floresta, v. 46, n. 1, p. 67-73, 2016a. CASTRO, R. V. O. et al. Modelagem do crescimento e da produção de povoamentos de Eucalyptus em nível de distribuição diamétrica utilizando índice de local. Revista Árvore, v. 40, n. 1, p. 107-116, 2016b. CLUTTER, J. L. Compatible growth and yield models for Loblolly Pine. Forest Science, v. 9, n. 3, p. 354-371, 1963. CRESSIE, A. G. Statistics for spatial data. New York: J. Wiley, 1993. 900 p. CUNHA NETO, F. R. et al. Uso da diferença algébrica para construção de curvas de índice de sítio para Eucalyptus grandis e Eucalyptus urophylla na Região de Luiz Antonio – SP. Cerne, v. 2, n. 2, p. 119-141, 1996. CUNHA, A. B. Modelagem do crescimento e produção de povoamentos de Eucalyptus por diferentes métodos de classificação de índice de local. 2016. 52 f. Dissertação (Mestrado em Ciências Florestais) - Universidade de Brasília, Brasília, 2016. DEMOLINARI, R. A. et al. Crescimento de plantios clonais de eucalipto não desbastados na região de Monte Dourado (PA). Revista Árvore, v. 31, n. 3, p. 503-512, 2007. DIAS, A. N. et al. Avaliação de métodos de ajuste de curvas de índices de local em povoamentos de eucalipto desbastados. Revista Árvore, v.29, n.5, p.741-747, 2005. FOX, J. C.; ADES, P. K.; BI, H. Stochastic structure and individual tree growth models. Forest Ecology and Management, v. 154, p. 261–276, 2001. GOMES, O. M. et al. Análise Geoestatística da Precipitação Pluvial do Estado da Paraíba. Revista Brasileira de Geografia Física, v. 4, n. 4, p. 692–702, 2011. GUEDES, I. C. L. et al. Técnicas geoestatísticas e interpoladores espaciais na estratificação de povoamentos de Eucalyptus sp. Ciência Florestal, v. 22, n. 3, p. 541- 550, 2012. GUEDES, I. C. L. Uso de métodos da estatística espacial em biometria e inventário florestal. 2014. 138 f. Tese (Doutorado em Ciências Florestais) – Universidade Federal de Lavras, Lavras, 2014. GUEDES, I. C. L. et al. Continuidade espacial de características dendrométricas em povoamentos clonais de Eucalyptus sp. avaliada ao longo do tempo. Cerne, v. 21, n. 4, p. 527-534, 2015. HENGL, T.; HEUVELINK, G. B. M.; ROSSITER, D. G. About regression-kriging: From equations to case studies. Computers and Geosciences, v. 33, n. 10, p. 1301–1315, 2007. HUDAK, A. T. et al. Integration of lidar and Landsat ETM+ data for estimating and mapping forest canopy height. Remote Sensing of Environment, v. 82, n. 2–3, p. 397– 416, 2002. HUSCH, B.; BEERS, T. W.; KERSHAW JR., J. A. Forest mensuration. 4a ed. 52 Hoboken, New Jersey: John Wiley & Sons, 2003, 443 p. ISAAKS, E. H.; SRIVASTAVA, R. M. Applied geostatistics. New York: Oxford University Press, 1989, 561 p. JOURNEL, A. G.; HUIJBREGTS, J.C.H. Mining geostatistics. Academic Press, 1978. 600p. KESKIN, H.; GRUNWALD, S. Regression kriging as a workhorse in the digital soil mapper’s toolbox. Geoderma, v. 326, n. October 2017, p. 22–41, 2018. KITIKIDOU, K.; BOUNTIS, D.; MILIOS, E. Site index models for calabrian pine (Pinus brutia Ten.) in Thasos island, Greece. Ciência Florestal, v. 21, n.1, p. 125-131, 2011. KNOTTERS, M.; BRUS, D. J.; OUDE VOSHAAR, J. H. A comparison of kriging, co- kriging and kriging combined with regression for spatial interpolation of horizon depth with censored observations. Geoderma, v. 67, n. 3–4, p. 227–246, 1995. LANDIM, P. M. B. Sobre Geoestatística e mapas. Terra e Didática, v. 2, n. 1, p. 19–33, 2006. LEITE, H. G. et al. Classificação da capacidade produtiva de povoamentos de eucalipto utilizando diâmetro dominante. Silva Lusitana, v. 19, n. 2, p. 181-195, 2011. LI, Y. et al. Improved prediction and reduction of sampling density for soil salinity by different geostatistical methods. Agricultural Sciences in China, v. 6, n. 7, p. 832–841, 2007. LI, J.; HEAP, A. D. A Review of Spatial Interpolation Methods for Environmental Scientists. No. Record 2008/23. Geoscience Australia, Canberra, 2008, p. 154. LI, J.; HEAP, A. D. review of comparative studies of spatial interpolation methods in environmentalsciences: Performance and impact factors. Ecological Informatics, v. 6, p. 228-241, 2011. LUNDGREN, W. J. C.; SILVA, J. A. A.; FERREIRA, R. L. C. Estimação de volume de madeira de eucalipto por cokrigagem, krigagem e regressão. Cerne, v. 21, n. 2, p. 243- 250, 2015. LUNDGREN, W. J. C.; SILVA, J. A. A.; FERREIRA, R. L. C. Estimação do volume de eucaliptos por krigagem e cokrigagem no Semiárido Pernambucano. Floresta e Ambiente, v. 24, 2017. MAEDA, S. et al. Silvicultura de precisão. In: BERNARDI, A. C. C. et al. Agricultura de precisão: resultados de um novo olhar. 1 ed. Brasília: Embrapa, 2014. cap. 47, p. 467- 477. MELLO, J. M. Geoestatística aplicada ao inventário florestal. 2004. 110f. Tese (Doutorado em Recursos Florestais) – Escola Superior de Agricultura “Luiz de Queiroz”, Piracicaba, 2004. MELLO, J. M. et al. Estudo da dependência espacial de características dendrométricas para Eucalyptus grandis. Cerne, v. 11, n. 2, p. 113–126, 2005. 53 MELLO, J. M. et al. Continuidade espacial para características dendrométricas (número de fustes e volume) em plantios de Eucalyptus grandis. Revista Árvore, v. 33, n. 1, p. 185–194, 2009. MORAIS, V. A. et al. Spatial distribution of soil carbon stocks in the Cerrado biome of Minas Gerais, Brazil. Catena, v. 185, 2020. NOORDERMEER, L. et al. Predicting and mapping site index in operational forest inventories using bitemporal airborne laser scanner data. Forest Ecology and Management, v. 457, 2020. ODEH, I. O. A.; MCBRATNEY, A. B.; CHITTLEBOROUGH, D. J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model. Geoderma, v. 63, n. 3–4, p. 197–214, 1994. ODEH, I. O. A.; MCBRATNEY, A. B.; CHITTLEBOROUGH, D. J. Further results on prediction of soil properties from terrain attributes: heterotopic cokriging and regression- kriging. Geoderma, v. 67, n. 3–4, p. 215–226, 1995. OLIVEIRA, M. L. R. et al. Classificação da capacidade produtiva de povoamentos não desbastados de clones de eucalipto. Pesquisa Agropecuária Brasileira, v. 43, n. 11, p. 1559-1567, 2008. OLIVEIRA, B. R.; ANTÔNIO, G. B. Modelagem geoestatística aplicada a geologia de engenharia. Boletim paranaense de geociências, v. 73, p. 46–53, 2017. ORTIZ, J. L. et al. Relações espaciais entre o potencial produtivo de um povoamento de eucalipto e atributos do solo e do relevo. Scientia Forestalis, n. 72, p. 67-79, 2006. PALMER, D. J. et al. Comparison of spatial prediction techniques for developing Pinus radiata productivity surfaces across New Zealand. Forest Ecology and Management, v. 258, n. 9, p. 2046–2055, 2009. PELISSARI, A. L. et al. A. Geoestatística aplicada ao manejo de povoamentos florestais de teca, em períodos pré-desbaste seletivo, no estado do Mato Grosso. Revista Brasileira de Biomassa, v. 32, n. 3, p. 430-444, 2014. PELISSARI, A. L. et al. Propostas de mapeamentos da capacidade produtiva de sítios florestais por meio de análises geoestatísticas. Scientia Forestalis, v. 43, n. 107, p. 601- 608, 2015. PISSININ, L. Z.; SCHNEIDER, P. R. Tendências de crescimento em altura dominante de dois clones de Eucalyptus saligna Smith implantados em distintas condições de solo. Ciência Florestal, v. 27, n. 1, p. 263-275, 2017. R CORE TEAM. R: A language and environment for statistical computing.Vienna, Austria. R Foundation for Statistical Computing, 2015. RETSLAFF, F. A. S. et al. Curvas de sítio e relações hipsométricas para Eucalyptus grandis na região dos Campos Gerais, Paraná. CERNE, v. 21, n. 2, p. 219-225, 2015. RIBEIRO JÚNIOR, P. J.; DIGGLE, P. J. GeoR: a package for geostatistical analysis. 54 RNEWS, v. 1, n. 2, p. 15–18, 2001. RUFINO, T. M. C. et al. Uso da Geoestatística no estudo da relação entre variáveis dentrométricas de povoamentos de Eucalyptus sp. e atributos do solo. Ambiência, v. 2, n. 1, p. 83-93, 2006. SANTOS, M. C. et al. Inventário florestal utilizando técnicas de silvicultura de precisão em povoamentos de Eucalyptus grandis Hill ex Maiden. Floresta e Ambiente, v.24, 2017. SCAVINSKI, V. Projeção da produção utilizando curvas de sítio anamórficas e polimórficas para plantios de Eucalyptus grandis W. Hill. Ex. Maiden. 2014. 75f. Dissertação (Mestrado em Ciências Florestais) – Universidade Estadual do Centro-Oeste, Irati, 2014. SCHNEIDER, P. R.; SCHNEIDER, P. S. P. Introdução ao manejo florestal. 2 ed. Santa Maria: FACOS-UFSM, 2008. 566 p. SCOLFORO, J. R. S.; MACHADO, S. A. Curvas de índice de sítio para plantações de Pinus taeda nos estados do Paraná e Santa Catarina. Revista Floresta, v. 17, p. 140-158, 1988. SCOLFORO, J. R. S. Biometria florestal: modelos de crescimento e produção florestal. Lavras: UFLA/FAEPE, 2006. 393 p. SCOLFORO, H. F. et al. Spatial distribution of aboveground carbon stock of the arboreal vegetation in Brazilian Biomes of Savanna, Atlantic Forest and Semi-arid woodland. PLOS ONE, v. 10, n. 6, p. 1–20, 2015. SCOLFORO, H. F. et al. Spatial interpolators for improving the mapping of carbon stock of the arboreal vegetation in Brazilian biomes of Atlantic forest and Savanna. Forest Ecology and Management, v. 376, p. 24-35, 2016. SEIDEL, E. J.; OLIVEIRA, M. S. DE. Definição de áreas de dependência espacial em semivariogramas. Revista da Estatística, v. 3, n. 3, p. 348–352, 2014. SOARES, P. B. S. et al. Especificação de um modelo de crescimento e produção florestal. Revista Árvore, v. 28, n. 6, p. 831-837, 2004. SOBRINHO, M. F. O. et al. Uso de veículos aéreos não tripulados (VANT) para mensuração de processos florestais. Enciclopédia Biosfera, v. 15, n. 27, p. 117-129, 2018. SOUZA, C. S. et al. Técnicas de sensoriamento remoto como subsídios aos estudos de florestas implantadas no Brasil – uma revisão bibliográfica. Ciência Florestal, v. 17, n. 4, p. 408-417, 2007. TONINI, H. et al. Curvas de índice de sítio para povoamentos clonais de Eucalyptus saligna Smith para a Depressão Central e Serra do Sudeste, Rio Grande do Sul. Ciência Florestal, v. 16, n. 1, p. 27-43, 2006. VIANA, H. et al. Estimation of crown biomass of Pinus pinaster stands and shrubland above-ground biomass using forest inventory data, remotely sensed imagery and spatial prediction models. Ecological Modelling, v. 226, p. 22–35, 2012. WANG, K.; ZHANG, C.; LI, W. Comparison of geographically weighted regression and regression kriging for estimating the spatial distribution of soil organic matter. GIScience 55 & Remote Sensing, v. 49, n. 6, p. 915–932, 2012. WEBSTER, R.; OLIVER, M. A. Geostatistics for environmental scientists. 2. ed. WestSussex: John Wiley & Sons Ltd, 2007. 333 p. YAMAMOTO, J. K. Correcting the smoothing effect of ordinary kriging estimates. Mathematical Geology, v. 37, n. 1, p. 69-94, 2005. YAMAMOTO, J. K.; LANDIM, P. M. B. Geoestatísitica: conceitos e aplicações. 1. ed. São Paulo: Oficina de Textos, 2013. 215 p. ZECH, F. D. et al. Uso de interpoladores espaciais na estratificação estatística de Pinus taeda. Scientia Forestalis, v. 46, n. 117, p. 87-96, 2018. ZIMBACK, C. R. L. Geoestatística. 1. ed. Botucatu: UNESP, 2003. ZHU, Q.; LIN, H.S. Comparing ordinary kriging and regression kriging for soil properties in contrasting landscapes. Pedosphere, v. 20, p. 594–606, 2010.pt_BR
dc.subject.cnpqCiências Ambientaispt_BR
Appears in Collections:Mestrado em Ciências Ambientais e Florestais

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2020 - Pedro Vaz da Rocha.pdf4.7 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.