Application of fisher's discriminant analysis to classify forest communities in the pampa biome.

KILCA, R. V.; LONGHI, S. J.; SCHWARTZ, G.; SOUZA, A. M.; WOJCIECHOVSKI, J. C.

Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1034484

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	KILCA, R. V.	pt_BR
dc.contributor.author	LONGHI, S. J.	pt_BR
dc.contributor.author	SCHWARTZ, G.	pt_BR
dc.contributor.author	SOUZA, A. M.	pt_BR
dc.contributor.author	WOJCIECHOVSKI, J. C.	pt_BR
dc.date.accessioned	2016-01-20T11:11:11Z	pt_BR
dc.date.available	2016-01-20T11:11:11Z	pt_BR
dc.date.created	2016-01-20	pt_BR
dc.date.issued	2015	pt_BR
dc.identifier.citation	Ciência Florestal, Santa Maria, v. 25, n. 4, p. 885-895, out./dez. 2015.	pt_BR
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1034484	pt_BR
dc.description	A análise discriminante de Fisher (ADF) busca realizar uma combinação linear das variáveis independentes com objetivo de maximizar a separação de grupos preditos em um espaço reduzido bidimensional e ainda permitir que novas observações sejam classificadas ou não dentro dos grupos conhecidos a priori. Empregou-se a ADF utilizando oito variáveis estruturais obtidas de inventários sistemáticos do componente arbóreo (DAP>10 cm) realizados em cinco tipos florestais (total de 5 ha) distintos no bioma Pampa do sul do Brasil. Posteriormente foram sorteadas 10 novas amostras provenientes das mesmas fitofisionomias para realizar a validação do modelo. A AD gerou quatro funções discriminantes (FDs), sendo que as duas primeiras funções desempenharam uma capacidade de 88,4% de habilidade para discriminação dos grupos: FD1 = 74,4% (autovalor FD1 = 33,99) e FD2 = 14% (autovalor FD2 = 6,34). Os atributos estruturais que estiveram mais relacionados com a FD1 foram riqueza de espécies, altura comercial e altura total. Em FD2 prevaleceu a área basal e o diâmetro máximo atingido pelo caule. As outras FDs e variáveis estruturais apresentaram menor capacidade de discriminação dos grupos. A AD classificou 100% dos casos nos respectivos grupos preditos, revelando a alta eficiência das variáveis discriminadoras escolhidas. As novas amostras também foram classificadas em seus respectivos grupos, porém, com pequeno grau de erro. O uso da AD para a classificação das florestas deveria ser incentivado porque o método é simples e os resultados são estatisticamente mais confiáveis do que outros métodos descritivos da estatística multivariada que são amplamente utilizados.	pt_BR
dc.language.iso	eng	eng
dc.rights	openAccess	eng
dc.subject	Fisionomia florestal	pt_BR
dc.subject	Estrutura arbórea	pt_BR
dc.subject	Estatística multivariada	pt_BR
dc.subject	Rio Grande do Sul	pt_BR
dc.title	Application of fisher's discriminant analysis to classify forest communities in the pampa biome.	pt_BR
dc.type	Artigo de periódico	pt_BR
dc.date.updated	2016-03-22T11:11:11Z	pt_BR
dc.subject.thesagro	Inventário Florestal	pt_BR
riaa.ainfo.id	1034484	pt_BR
riaa.ainfo.lastupdate	2016-03-22	pt_BR
dc.contributor.institution	Ricardo V. Kilca, DOUTORANDO UFSM; Solon Jonas Longhi, UFSM; GUSTAVO SCHWARTZ, CPATU; Adriano M. Souza, UFSM; Julio C. Wojciechovski, UNEMAT.	pt_BR
Aparece nas coleções:	Artigo em periódico indexado (CPATU)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
Kilca2015.pdf		362,41 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas