SciELO - Scientific Electronic Library Online

 
vol.31 número3Restauración ecológica para aumentar la provisión de agua como un servicio ecosistémico en cuencas forestales del centro-sur de ChileIniciación adventicia de raíces en estacas adultas y juveniles de Guindilia trinervis, una planta endémica de Chile, apta para producción de biodiésel índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Bosque (Valdivia)

versión On-line ISSN 0717-9200

Resumen

SALAS, Christian; ENE, Liviu; OJEDA, Nelson  y  SOTO, Héctor. Métodos estadísticos paramétricos y no paramétricos para predecir variables de rodal basados en Landsat ETM+: una comparación en un bosque de Araucaria araucana en Chile. Bosque (Valdivia) [online]. 2010, vol.31, n.3, pp.179-194. ISSN 0717-9200.  http://dx.doi.org/10.4067/S0717-92002010000300002.

Los bosques de Araucaria araucana tienen una alta importancia ecológica y científica. Aunque existen varios estudios ecológicos llevados a cabo en bosques de A. araucana, muy pocos han producido modelos cuantitativos. Se compararon métodos estadísticos paramétricos y no paramétricos para predecir variables de rodal en función de variables derivadas de Landsat ETM+ para dos rodales de A. araucana en el centro-sur de Chile. Los métodos paramétricos fueron regresión líneal múltiple (MLR), mínimos cuadrados generalizados con una estructura de correlación no nula (GLS), modelo lineal de efectos mixtos (LME) y mínimos cuadrados parciales (PLS); mientras que los métodos no paramétricos fueron: k-ésimo vecino más cercano (k-NN) y vecino más similar (MSN). En orden descendente, número de árboles por hectárea (N), volumen bruto (V), área basal (G) y altura dominante (Hdom), fueron las variables más complejas de modelar por todos los métodos. El modelo lineal de efectos mixtos con efectos aleatorios conocidos (LME1) tuvo el mejor desempeño, alcanzando una raíz cuadrada de las diferencias (RMSD) para N y V de 18,31 y 4,08 % versus 33,06 y 33,05 % para el segundo mejor método, respectivamente. Después de LME1, GLS se comportó mejor, y también toma en consideración la correlación espacial de los datos. Las diferencias fueron mayores entre métodos no paramétricos que para los paramétricos, con una diferencia de 10-15 % entre k-NN y MSN. Aunque los resultados obtenidos favorecen a los métodos paramétricos, se destaca que los métodos no paramétricos son también útiles, y la elección entre ambos métodos depende del objetivo del estudio.

Palabras clave : estimación del k-ésimo vecino más cercano; vecino más similar; regresión de mínimos cuadrados parciales; sensores remotos.

        · resumen en Inglés     · texto en Español     · Español ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons