Selección de puntos de corte en un modelo de perfil segmentado Max–Burkhart mediante mínimo residual: aplicación a Pinus ayacahuite
Selection of cutting points in a segmented profile model (Max–Burkhart) using minimum residual: application to Pinus ayacahuite.
Cómo citar:
Resumen:
Este trabajo presenta una metodología optimizada para determinar los puntos de corte en el modelo segmentado de Max & Burkhart, una herramienta fundamental para describir el ahusamiento de especies forestales. La estructura geométrica de un árbol suele dividirse en tres secciones (neiloide, paraboloide y cono), lo que requiere funciones matemáticas que mantengan condiciones de continuidad y derivabilidad en sus transiciones. El objetivo central es proponer una alternativa eficiente para la obtención de los parámetros de transición que definen estas secciones. Para ello, se desarrolló un script en R Studio que automatiza la búsqueda de los puntos de corte óptimos. A diferencia de los métodos de regresión no lineal convencionales, este enfoque utiliza los valores observados de la variable independiente para realizar un bucle de iteraciones sobre todas las parejas posibles de puntos. El algoritmo ajusta un modelo lineal para cada elección y selecciona aquella combinación que minimiza el residuo, garantizando así el mejor ajuste estadístico para la muestra analizada. La validez del método se comprobó mediante un conjunto de datos reales de Pinus ayacahuite en el ejido Ingenio el Rosario, Veracruz. Los resultados obtenidos muestran una alta precisión, con un coeficiente de determinación (R²) ajustado cercano a la unidad y niveles mínimos de sesgo y error cuadrático medio. La significancia de los coeficientes obtenidos demuestra que este procedimiento es altamente confiable para generar tablas de volumen y funciones de perfil precisas. Finalmente, se destaca que esta técnica facilita la toma de decisiones en el manejo forestal local, abriendo la puerta a futuras mejoras mediante la incorporación de modelos de efectos mixtos para corregir la autocorrelación de datos.
Referencias:
Boukhris, I., Pulleti, N., Vonderach, G., &
Valentini, R. (2024). Comparative analysis of taper models for Pinus nigra
Arn. using terrestrial laser scanner acquired data. iForest – Biogeosciences
and Forestry, 17(1), 203–212. https://iforest.sisef.org/abstract/?id=ifor4525-017
Hussain, A., Shahzad, M. K., Jiang, L., & Li, F.
(2021). Segmented taper model form for Manchurian fir and Korean spruce in
northeastern China. Cerne, 27, Artículo e102758. https://doi.org/10.1590/01047760202127012659
Hussain, A.,
Shahzad, M. K., Xin, S., & Jiang, L. C. (2020). Compatible stem volume and taper equations for five major tree species
in northeast China. Applied Ecology and Environmental Research, 18(5),
6295–6308. https://www.aloki.hu/pdf/1805_62956308.pdf
Max, T. A., & Burkhart, H. E. (1976). Segmented
polynomial regression applied to taper equations. Forest Science, 22(3),
283–289. https://doi.org/10.1093/forestscience/22.3.283
R Core Team. (2022). R: A language and environment
for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/
Saud, P., Chapagain, T. R., Bandari, S. K., &
Moser, W. K. (2024). Taper functions to predict the upper stem diameter of Chir
pine (Pinus roxburghii) in the mid-hills of Nepal. Trees, Forests and
People, 17, Artículo 100627. https://doi.org/10.1016/j.tfp.2024.100627
Wickham, H. (2016). ggplot2: Elegant graphics for
data analysis. Springer-Verlag.
Wilms, F., Berendt, F., Bronisz, K., & Bashutska, U. (2024). Applying taper function models for black locust plantations in Greek post-mining areas. Scientific Reports, 14(1), Artículo 15510. https://doi.org/10.1038/s41598-024-66380-z