Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1034484
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorKILCA, R. V.pt_BR
dc.contributor.authorLONGHI, S. J.pt_BR
dc.contributor.authorSCHWARTZ, G.pt_BR
dc.contributor.authorSOUZA, A. M.pt_BR
dc.contributor.authorWOJCIECHOVSKI, J. C.pt_BR
dc.date.accessioned2016-01-20T11:11:11Zpt_BR
dc.date.available2016-01-20T11:11:11Zpt_BR
dc.date.created2016-01-20pt_BR
dc.date.issued2015pt_BR
dc.identifier.citationCiência Florestal, Santa Maria, v. 25, n. 4, p. 885-895, out./dez. 2015.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1034484pt_BR
dc.descriptionA 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.isoengeng
dc.rightsopenAccesseng
dc.subjectFisionomia florestalpt_BR
dc.subjectEstrutura arbóreapt_BR
dc.subjectEstatística multivariadapt_BR
dc.subjectRio Grande do Sulpt_BR
dc.titleApplication of fisher's discriminant analysis to classify forest communities in the pampa biome.pt_BR
dc.typeArtigo de periódicopt_BR
dc.date.updated2016-03-22T11:11:11Zpt_BR
dc.subject.thesagroInventário Florestalpt_BR
riaa.ainfo.id1034484pt_BR
riaa.ainfo.lastupdate2016-03-22pt_BR
dc.contributor.institutionRicardo V. Kilca, DOUTORANDO UFSM; Solon Jonas Longhi, UFSM; GUSTAVO SCHWARTZ, CPATU; Adriano M. Souza, UFSM; Julio C. Wojciechovski, UNEMAT.pt_BR
Aparece en las colecciones:Artigo em periódico indexado (CPATU)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Kilca2015.pdf362.41 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace