dc.contributorAndrades, Jesús
dc.creatorAlbarrán Lacruz, Luis Eduardo
dc.date2014-06-09T12:17:05Z
dc.date2014-06-09T12:17:05Z
dc.date2013-10
dc.date.accessioned2017-03-03T14:42:23Z
dc.date.available2017-03-03T14:42:23Z
dc.identifierhttp://www.saber.ula.ve/handle/123456789/38617
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/220884
dc.descriptionEl presente trabajo de investigación, tiene como objetivo incorporar la variable espacial a los muestreos forestales tradicionales para así optimizar las predicciones del volumen en plantaciones forestales con fines comerciales; también tiene como meta manifestar qué posible fundamento teórico de los mínimos cuadrados ordinarios (MCO) se puede estar violando, y mostrar la Regresión Ponderada Geográfica (GWR) como alternativa en aquellos casos donde los MCO no sean aplicables teóricamente. Se dispuso de un censo de un rodal de árboles de clones de Eucalyptus urograndis (4657 individuos); utilizando el software Rstudio se desarrolló un script que realiza 100 muestreos completamente aleatorizados al 5% (233 individuos), en cada uno de ellos se probó la hipótesis de aleatoriedad espacial utilizando el I de Moran como indicador de manifestación de la Autocorrelación Espacial (AE) para la variable volumen (pvalor<5%), posteriormente para aquellos muestreos donde existiera AE significativa se aplicó la técnica GWR y para los que no cumplieran MCO teniendo como criterio de selección el AICc. Los resultados muestran que 75 muestreos poseen AE significativa y 25 no, adicionalmente los resultados totales muestran que la GWR tiene un sesgo del 0,19% del volumen total y los MCO 2%; en otro ámbito al realizar una predicción que no posee AE significativa los resultados muestran un mejor ajuste de la GWR sobre MCO. Se calculó el Clusters espacial utilizando la herramienta Anselin Local de Moran para las variables diámetro a la altura pecho, altura y volumen, donde es evidente la AE en grupos Clusters bien definidos. Por último, los resultados muestran la GWR como mejor método a tomar en cuenta en los muestreos forestales, con resultados satisfactorios que lo aventajan sobre los MCO, al tomar en cuenta la AE de los datos.
dc.description1-93
dc.descriptionIngeniero Forestal
dc.descriptionluis.albarran.leal@gmail.com
dc.languagees
dc.publisherVenezuela
dc.subjectAutocorrelación Espacial o dependencia espacial
dc.subjectMuestreo Forestal
dc.subjectMínimos Cuadrados Ordinarios
dc.subjectRegresión Ponderada Geográfica (GWR)
dc.subjectHeterogeneidad Espacial
dc.subjectClusters espaciales
dc.subjectÍndice de Moran
dc.subjectAnálisis estructural de la dependencia espacial
dc.subjectCriterio de Información de Akaike corregido (AICc) y Validación Cruzada
dc.subjectUniversidad de Los Andes
dc.subjectEscuela de Ingeniería Forestal
dc.subjectFacultad de Ciencias Forestales y Ambientales
dc.subjectDepartamento de Manejo de Bosques
dc.subjectIngeniería
dc.subjectTesis
dc.titleEstimación y evaluación del volumen de un rodal de una plantación, utilizando regresión ponderada geográfica e índices de autocorrelación espacial en muestreos aleatorios iterativos en árboles individuales
dc.typeArtículos de revistas


Este ítem pertenece a la siguiente institución