Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
El empleo de funciones de perfil se ha generalizado durante las últimas décadas debido a su fle-
xibilidad para estimar los volúmenes de árboles individuales hasta diferentes diámetros en punta del-
gada o con distintas longitudes de troza. Estas funciones se obtienen, generalmente, al ajustar mode-
los matemáticos a datos obtenidos por mediciones de diámetros a diferentes alturas en el tronco de
un árbol. Se trata, por tanto de mediciones repetidas en cada una de las unidades de muestreo (árbol).
La metodología comúnmente aplicada en el análisis de modelos de regresión con este tipo de datos
se basa en establecer un modelo paramétrico para la matriz de varianzas-covarianzas. En este traba-
jo se analizan diversas estructuras de dicha matriz y se comparan empleando datos reales de análisis
de troncos de Pinus radiata en Galicia.
Palabras clave: Datos longitudinales, Dependencia espacial, Autocorrelación, Modelos espaciales
más adecuados para los errores estándar de los En cada troza se midió la longitud con cinta
estimadores de dichos parámetros; (iii) en métrica y aproximación al centímetro, el diáme-
muchos casos, permite solucionar de forma tro basal en cruz con forcípula milimétrica y el
efectiva los problemas de falta de datos o de espesor de corteza radial en milímetros. Así
diferente número de mediciones entre indivi- mismo se midieron el diámetro normal y el diá-
duos; y (iv) puede emplearse aún cuando el metro a 4 metros en cruz, ambos en milímetros,
número de mediciones sea muy grande en com- la altura total con cinta métrica centimétrica y,
paración con el número de individuos. por último, se estimaron los volúmenes totales
con y sin corteza cubicando cada troza median-
te la fórmula de Smalian.
MATERIAL Y MÉTODOS Por tanto, los datos procedentes del análisis
de tronco corresponden a mediciones de diáme-
Los datos empleados en este trabajo provie- tro en alturas no equidistantes entre sí ni coinci-
nen de un total de 30 árboles seleccionados alea- dentes de unos individuos a otros, es decir, se
toriamente entre la muestra de 365 árboles con trata de datos no rectangulares, lo que impone
que se ajustó la función de perfil de la especie en una limitación a algunas de las matrices de
Galicia (CASTEDO Y ÁLVAREZ, 2000). La muestra varianzas-covarianzas a utilizar en la modeliza-
original proviene de 61 parcelas establecidas en ción de la estructura del error. En la figura 1,
masas regulares de Pinus radiata con edades donde se muestran los perfiles de los 30 árboles
comprendidas entre 5 y 41 años. Dichas parcelas seleccionados, se puede observar como las altu-
se han distribuido por toda Galicia tratando de ras de medición no son las mismas en todos los
cubrir las diferentes calidades de estación y de individuos y las distancias entre unas medicio-
modo que, en la muestra final de árboles medidos, nes y otras tampoco son constantes.
estuviesen adecuadamente representadas las prin- Para evitar este inconveniente se ha emplea-
cipales combinaciones de diámetros normales y do la función de perfil ajustada a la especie en
alturas. Cada árbol fue apeado y dividido en tro- Galicia para estimar los valores de los diámetros
zas de longitud comprendida entre 1 y 2,5 metros, relativos (cociente entre el diámetro a una cierta
siendo en su mayoría de un metro de longitud. altura relativa y el diámetro normal) a 10 alturas
80
70
60
Mediciones no equidistantes
50
Diámetros (cm)
40
Mediciones a diferentes alturas
30
20
10
0
0 5 10 15 20 25 30 35 40
Alturas (m)
Figura 1. Perfiles de los 30 árboles seleccionados en los que se observa que las mediciones no se realizan a las mis-
mas alturas y las distancias entre mediciones no son constantes
298
Cuad. Soc. Esp. Cien. For. 18: 297-302 (2004) «Actas de la Reunión de Modelización Forestal»
relativas (cociente entre la altura del árbol a la ción entre los valores de los diámetros relativos
que se mide el diámetro y la altura total) equi- a las diferentes alturas relativas. Se puede obser-
distantes e iguales para cada árbol correspon- var como el valor medio de los diámetros relati-
dientes a dividir la altura total en diez partes vos decrece, como es lógico, por lo que no se
iguales. Por tanto las 10 alturas relativas emple- trata de un valor estacionario y, por tanto, es
adas para cada árbol se corresponden con valo- necesario emplear un modelo para representar
res que van desde 0,1 hasta 1 con una equidis- dicha variación. Por otra parte, la varianza de los
tancia de 0,1. La expresión matemática de la diámetros relativos muestra variaciones aunque,
función de perfil ajustada a la especie es la con el propósito de simplificar el análisis se va a
siguiente (CASTEDO Y ÁLVAREZ, 2000): considerar estacionaria, es decir, se asume que
existe homogeneidad de varianzas. En cuanto a
b0 ⋅ D D 1
r= + − b0 ⋅ D ⋅ 1 − b1 ⋅(1,3− H )
+ (1) los valores del coeficiente de correlación lineal,
1 − eb2 ⋅(1,3− H ) 2 1 − e se observa que existen fuertes correlaciones
D 1,3⋅b1 entre todos los diámetros relativos, que los valo-
− b0 ⋅ D ⋅ e −b2 H res decrecen muy ligeramente a medida que las
+ e− b1 ⋅h ⋅
2 − eb2 ⋅h ⋅ b0 ⋅ D ⋅ e mediciones están más alejadas y que las correla-
b2 ⋅(1,3− H )
1 − eb1 ⋅(1,3− H ) 1 − e ciones sub-diagonales se pueden considerar
estacionarias, es decir, las correlaciones entre
cualquier diámetro relativo y el diámetro relati-
donde r es el radio con corteza correspondiente vo a n mediciones anteriores (donde n varia de 1
a la altura h, en cm; D es el diámetro normal con a 9) es constante.
corteza, en cm; h es la altura en metros desde la Finalmente se cuenta con dos bases de datos
base del árbol hasta el punto donde se alcanza el para realizar los ajustes: la original, con medi-
diámetro d; H es la altura total del árbol, en m y ciones no equidistantes y con diferente número
b0, b1 y b2 son los parámetros obtenidos en el para cada individuo; y la construida con la fun-
ajuste y cuyos valores son 0,45034; 0,76913 y ción de perfil en la que las mediciones son equi-
0,05076, respectivamente. distantes en altura relativa y hay el mismo
En la tabla 1 se muestran los datos de las número por individuo.
medias y las varianzas de los diámetros relativos Entre las matrices empleadas con la base de
a las diferentes alturas relativas obtenidos al datos original para corregir los posibles proble-
emplear la función de perfil. También se mues- mas de dependencia de los errores se han inclui-
tran los valores de los coeficientes de correla- do modelos espaciales que tienen en cuenta la
Altura relativa 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90
Medias 0,93 0,84 0,77 0,69 0,61 0,52 0,41 0,29 0,16
Varianzas: 0,0002 0,0002 0,0001 0,0002 0,0001 0,0002 0,0001 0,0001 0,0001
N 30 30 30 30 30 30 30 30 30
Corr.: 1,0000
0,9998 1,0000
0,9996 0,9999 1,0000
0,9993 0,9998 0,9999 1,0000
0,9989 0,9996 0,9998 0,9999 1,0000
0,9984 0,9993 0,9996 0,9998 0,9999 1,0000
0,9979 0,9989 0,9994 0,9996 0,9998 0,9999 1,0000
0,9973 0,9984 0,9990 0,9994 0,9996 0,9998 0,9999 1,0000
0,9965 0,9979 0,9985 0,9990 0,9993 0,9996 0,9998 0,9999 1,0000
Tabla 1. Valores medios y varianzas de los diámetros relativos de los 30 árboles a alturas relativas equidistantes. Se
presentan también las correlaciones entre dichos diámetros relativos y la línea discontinua muestra como las correla-
ciones sub-diagonales se pueden considerar constantes
299
J.G. ÁLVAREZ GOZÁLEZ et al. «Modelos paramétricos de la matriz de varianzas-covarianzas en el ajuste de funciones de perfil»
1 0 0 0
0 1 0 0
σ2
0 0 1 0
0 0 0 1
− 1d e e e ρ ρ ρ
1 e e e
21 − d 23 θ −d
24 −d ρ
2
21 −
2
d 23
−
2
d 24
θ
e θ
2
ρ2 ρ2
σ 2 e − d 31
1
− d 32
e
−d
34
σ 2 e
−d ρ
2
31 d
2
− 32
1 e e
−
2
d 34
2 2 2
θ θ e θ
e d e 1 ρ ρ
e e 1 e
d 43 2 2 2
41 − d 42 −d d 42 d 43
e − θ
e θ
e
− θ
1 e
ρ
41
2
e
−
ρ
2
e
−
ρ
2
1
Modelo lineal
1 1 − ρ ⋅ d12 1 − ρ ⋅ d13 1 − ρ ⋅ d14
1 − ρ ⋅ d 1 1 − ρ ⋅ d 23 1 − ρ ⋅ d 24
σ2 21
ρ ⋅ d ij ≤ 1
1 − ρ ⋅ d 31 1 − ρ ⋅ d32 1 1 − ρ ⋅ d 34
1 − ρ ⋅ d 41 1 − ρ ⋅ d 42 1 − ρ ⋅ d 43 1
Matrices empleadas para la base de datos construida a partir de la función de perfil
Modelo simple sin dependencia de errores Modelo de simetría compuesta
1 0 0 0
0 1 0 0
σ2
0 0 1 0
0 0 0 1
Tabla 2. Matrices empleadas para modelizar la estructura del error en la base de datos original y en la base de datos
construida a partir de la función de perfil. Donde σ 2 es la varianza, dij es la distancia entre la medición i y la medi-
ción j y los restantes parámetros (σ1, σ2, ρ y γ) definen el tipo de dependencia entre los errores
300
Cuad. Soc. Esp. Cien. For. 18: 297-302 (2004) «Actas de la Reunión de Modelización Forestal»
influencia que tiene la distancia entre las medi- terio de Información de Akaike (AICd) y del Cri-
ciones en la correlación entre dichos errores. terio de Información Bayesiano (BICd) en dife-
Estas matrices no han sido utilizadas en el caso rencias (BURNHAM & ANDERSON, 2000).
de la base de datos originada con la función de
perfil. En la tabla 2 se muestran las expresiones
de las matrices utilizadas en el caso de que sólo RESULTADOS Y DISCUSIÓN
se contase con cuatro mediciones.
Puesto que el objetivo de este estudio no es En la tabla 3 se muestran los resultados
analizar los resultados de diferentes funciones obtenidos para el ajuste de los datos originales,
de perfil sino caracterizar la estructura del error, es decir, con distinto número de observaciones
para modelizar la estructura de la media se ha por individuo y con mediciones no equidistan-
empleado un modelo totalmente saturado, es tes entre sí. Como era de esperar, los peores
decir, un modelo lineal en el que intervienen resultados corresponden al modelo simple de
todas las variables que afectan al proceso, que matriz de varianzas-covarianzas en el que no se
en este caso son la altura en la base de datos ori- tiene en cuenta la dependencia de errores. Con
ginal y la altura relativa en la base de datos cons- el resto de los modelos la precisión del ajuste es
truida a partir de la función de perfil. bastante similar, aunque los valores más bajos
Para realizar los ajustes se han asumido una de los criterios de información de Akaike y
serie hipótesis de partida: (i) las mediciones rea- Bayesiano en diferencias se obtienen al emple-
lizadas en árboles distintos son independientes ar un modelo potencial para la matriz de varian-
entre sí; (ii) la variable dependiente está normal- zas-covarianzas. En este modelo se asume que
mente distribuida y (iii) las varianzas de los erro- la dependencia entre las mediciones decrece a
res son homogéneas. La estimación de los pará- medida que estas se van espaciando, y la rela-
metros se ha realizado por máxima verosimilitud ción entre ellas viene dada por un término de
restringida o residual (para más detalles ver LIT- correlación (ρ) elevado a la distancia, en valor
TELL et al., 1996) empleando el procedimiento absoluto, que separa ambas mediciones en el
MIXED del programa SAS (SAS INSTITUTE INC., tronco del árbol.
2001). Por último, la comparación entre modelos En la tabla 4 se muestran los resultados
se ha basado en el cálculo de los valores del Cri- obtenidos al emplear la base de datos construi-
301
J.G. ÁLVAREZ GOZÁLEZ et al. «Modelos paramétricos de la matriz de varianzas-covarianzas en el ajuste de funciones de perfil»
302