MODELOS

NO LINEARES
GENERALIZADOS
APLICADOS NA PREDIO DA REA BASAL
Modelos
no lineares
generalizados
aplicados ...
541
E VOLUME DE Eucalyptus CLONAL
Samuel de Pdua Chaves e Carvalho1, Natalino Calegario2, Fabyano Fonseca e Silva3, Lus Antnio Coimbra Borges4,
Adriano Ribeiro de Mendona5, Mariana Peres de Lima6
(recebido: 9 de fevereiro de 2010; aceito: 22 de agosto de 2011)
RESUMO: Neste trabalho, objetivou-se propor o uso de modelos no lineares generalizados na predio da rea basal e do crescimento
e produo em volume total do hbrido Eucalyptus urocamaldulensis, em um plantio localizado na regio central do estado de
Minas Gerais, pertencente V&M Florestal. A metodologia proposta permite trabalhar com os dados na sua forma original sem a
necessidade de transformaes de variveis, e gerar modelos mais precisos. Para a avaliao da qualidade de ajuste dos modelos
propostos, foram utilizados os critrios de informao Bayesiano, de Akaike e o teste de razo da mxima verossimilhana, alm
do erro padro residual e percentual, e dos grficos de resduos. Os modelos se mostraram com uma boa performance, altamente
precisos e parcimoniosos nas estimativas das variveis propostas, com erros reduzidos para 12% em rea basal e 4% para predio
volumtrica.
Palavras-chave: Modelos estocsticos, predio, crescimento e produo florestal.

GENERALIZED NONLINEAR MODELS APPLIED TO THE PREDICTION OF BASAL AREA

AND VOLUME OF Eucalyptus sp
ABSTRACT: This paper aims to propose the use of generalized nonlinear models for prediction of basal area growth and yield
of total volume of the hybrid Eucalyptus urocamaldulensis, in a stand situation in a central region in state of Minas Gerais. The
used methodology allows to work with data in its original form without the necessity of transformation of variables, and generate
highly accurate models. To evaluate the fitting quality, it was proposed the Bayesian information criterion, of the Akaike, and
test the maximum likelihood, beyond the standard error of estimate, and residual graphics. The models were used with a good
performance, highly accurate and parsimonious estimates of the variables proposed, with errors reduced to 12% for basal area
and 4% for prediction of the volume.
Key words: Probability models, prediction, forestry growth and yield.

1 INTRODUO
O conhecimento do estoque de madeira de um
empreendimento florestal um fator de grande relevncia,
pois gera planejamentos mais precisos e com tomadas de
decises mais sensatas. O uso de modelos estocsticos ou
probabilsticos, aplicados a dados oriundos de inventrio
florestal, facilita e gera um suporte tcnico na tomada de
decises pelo gerente florestal.
Na modelagem o que se busca so modelos
capazes de descrever uma realidade com maior nvel

de preciso. O avano dos recursos computacionais e

o desenvolvimento de microcomputadores com maior
poder de processamento fez com que tcnicas estatsticas
mais atuais pudessem ser empregadas em vrias reas da
pesquisa cientfica. Dentre essas tcnicas possvel citar o
uso de modelos de regresso no lineares, generalizados e
generalizados de efeito misto. Trabalhos no meio florestal
que envolvem tais aplicaes esto sendo empregados
recentemente e foram estudados por Budhathoki et al.
(2008), Calegario et al. (2005a,b), Fang e Bailey (2001),
Gregoire et al. (1995) e Pilar-Daz e Couto (1999). Outra

Engenheiro Florestal, Doutorando em Recursos Florestais Departamento de Cincias Florestais Escola Superior Luiz de Queiroz/ESALQ
Universidade de So Paulo/USP Cx. P. 9 13418-900 Piracicaba, SP, Brasil spccarvalho@usp.br
2
Engenheiro Florestal, Professor Dr. em Cincias Florestais Departamento de Cincias Florestais Universidade Federal de Lavras/UFLA Cx.P. 3037
37.200-000 Lavras, MG calegari@dcf.ufla.br
3
Zootecnista, Professor Dr. em Estatstica e Experimentao Agropecuria Departamento de Cincias Exatas Universidade Federal de Viosa/UFV
36.570-000 Viosa, MG fabyano@dpi.ufv.br
4
Engenheiro Florestal, Professor Dr. em Engenharia Florestal Departamento de Cincias Florestais Universidade Federal de Lavras/UFLA Cx.P. 3037
37.200-000 Lavras, MG luis.borges@dcf.ufla.br
5
Engenheiro Florestal, Professor Dr. em Engenharia Florestal Departamento de Engenharia Florestal Centro de Cincias Agrrias Universidade
Federal do Esprito Santo Av. Governador Lindemberg, 316, Centro 29550-000 Jeronimo Monteiro, ES ribeiroflorestal@yahoo.com.br
6
Engenheira Florestal, Professora Doutoranda em Recursos Florestais Instituto de Cincias Agrria e Ambientais Universidade Federal de Mato
Grosso Campus Universitrio Sinop Av. Alexandre Ferronato, n 1200 78557-267 Sinop, MT, Brasil marianaperes@ufmt.br
1

Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Carvalho, S. de P. C. e et al.

542
tcnica utilizada a modelagem da heterogeneidade
de varincia. A homogeneidade de varincia uma das
pressuposies bsicas da anlise da regresso e, muitas
vezes, essa pressuposio violada. Visto isso, aumenta
a importncia de trabalhos que apliquem a tcnica de
modelagem da varincia. Na modelagem florestal, podem
ser citados os trabalhos de Calegario et al. (2005b) e
Carvalho et al. (2009).
Em se tratando de dados de crescimento e produo
florestal, estes so caracterizados por se apresentarem
como desbalanceados, longitudinais e irregularmente
espaados (Gregoire et al., 1995), ou seja, h um
alto grau de complexidade no tratamento de dados dessa
natureza. Essa complexidade e o elevado nmero de dados
justificam o uso das tcnicas estatsticas mais apuradas
como o uso de modelos generalizados e a modelagem da
heterocedasticidade.
Para se conhecer um estoque presente e futuro de
um povoamento florestal necessrio o desenvolvimento
de alguns passos at se chegar a um modelo de crescimento
e produo florestal. Dentre esses passos podem ser
citados: a) Modelagem da relao altura-dimetro, tambm
conhecida como relao hipsomtrica; b) Modelagem da
altura das rvores mdias dominantes e codominantes,
variando no tempo; c) Classificao de stios florestais
(ndices de produtividade local); d) Predio da densidade
do povoamento, expressa, por exemplo, pela predio
da rea Basal; e) Modelagem do volume por rvore
individual; f) e, por fim, predio e projeo da produo,
expressa em volume por unidade de rea.
Neste trabalho, objetivou-se propor o uso de
modelos no lineares generalizados com adio de
covariantes e funes de varincia na predio da rea
basal e do crescimento e da produo do volume total.
A finalidade a obteno de modelos parcimoniosos, de
simples interpretao e de alta preciso.

2 MATERIAL E MTODOS
2.1 Caracterizao da rea de estudo e dos dados
Para desenvolvimento deste estudo, foram
utilizados dados de parcelas circulares e permanentes
de 400 m de rea localizadas em povoamentos do
hbrido Eucalyptus urocamaldulensis. A fazenda onde
foi conduzido o experimento pertence empresa V&M
Florestal, situada no municpio de Paraopeba, regio
central do estado de Minas Gerais, Brasil. A regio tem
uma temperatura mdia anual de 20,9C e precipitao
anual de 1328,7 mm (INSTITUTO BRASILEIRO DE
GEOGRAFIA E ESTATSTICA - IBGE, 2009). Os
plantios so caracterizados por espaamento 3x3 m e o solo
do tipo arenoso. Na Tabela 1, so apresentadas algumas
caractersticas dos dados utilizados neste estudo.
2.2 Predio da rea basal
Em nvel de povoamento, foi utilizado o modelo
assinttico com dois parmetros (Pinheiro; Bates,
2009). Tal modelo foi inicialmente proposto para se estimar
curvas de demanda de oxignio bioqumico (Bates;
Watts, 1988). O modelo adaptado para rea basal na
sua forma original (simples) expresso por:
Gi = 1 1 exp ( exp ( 2 ) I i ) + i

(1)

em que:
Gi = rea basal do povoamento (m.ha-1); I = idade da
i-sima unidade amostral (anos); 1 e 2 = parmetros a
serem estimados; i = erro aleatrio.
O modelo (1) foi rearranjado com o objetivo de se
adicionar ao modelo, variveis que, alm da idade, tambm
afetam as variaes em G. Foram inseridas no modelo
as covariantes ndice de stio e nmero de fustes por
hectare, que representam, respectivamente, uma varivel
indicadora de produtividade e densidade do povoamento.

Tabela 1 Caracterizao dos dados utilizados nos procedimentos de ajuste dos modelos de crescimento e produo em rea basal
e volume.
Table 1 Summary of the utilized data for fitting growth and yield of basal area and volume models.
Nmero de
talhes
56

Nmero de
parcelas
128

Valor

IS

Mnimo

17,5

625

2,60

7,7125

0,6

Mdio

22,5

1085

13,77

114,1719

3,38

Mximo

32,5

1550

28,30

364,8245

7,7

IS = ndice de stio aos 7 anos (m); N = nmero de fustes por hectare; G = rea basal (m.ha-1); V = volume (m.ha-1); I = idade
(anos).

Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Modelos no lineares generalizados aplicados ...

543

O modelo completo final dado por:

2.4 Modelagem da varincia para dados heterocedsticos

Gi = 10 + 11 ISi + 12 N i 1 exp ( exp ( 2 ) I i ) + i

i =1

(1.1)
sendo:
n
ji IS = parmetro com uma varivel binria associada

Para a correo da heterocedasticidade, foi utilizada

a funo de varincia de poder das covariantes. Segundo
Pinheiro e Bates (2009), uma representao desse modelo
de varincia expresso por:

i =1

ao i-th ndice de stio, com valor 1 para o i-th ndice de

stio e 0 para os demais, para o j-th parmetro.
Ni = nmero de fustes por hectare extrapolado da i-sima
unidade amostral.
2.3 Modelagem do crescimento e produo volumtrica
Para modelagem do crescimento e produo
volumtrica foi utilizado o modelo sigmoidal logstico
(Pinheiro; Bates, 2009).
O modelo na sua forma original dado por:
=
Vi

1
I
1 + exp 2 i
3

+ i

(2)

sendo:
Vi = volume da i-sima unidade amostral (m.ha-1); Ii =
idade da i-sima unidade amostral (anos); i = parmetros
a serem estimados; i = erro aleatrio.
Trata-se de um modelo no linear de comportamento
biolgico em que o parmetro 1 representa o ponto de
assntota, dado pelo valor mdio mximo da varivel resposta.
O parmetro 2 corresponde ao ponto de inflexo, em que
este representa o ponto de mxima taxa de crescimento,
dado pelo ponto em que h mudana na curvatura e sua
unidade a mesma do eixo x. O parmetro 3 representa o
ponto de escala em que este obtido pela diferena entre o
valor aproximadamente 70% assntota e o valor na inflexo
e possui a mesma unidade do eixo das abscissas.
O modelo (2) foi rearranjado, inserindo-se o efeito
da heterocedasticidade no processo de modelagem, e
seus parmetros foram decompostos com adio das
covariantes ndice de stio e rea basal para melhoria da
preciso do modelo.
Vi

10 + 11 ISi + 12 Gi
+ i
(2.1)
( 20 + 21 ISi + 22 Gi ) I i
1 + exp

30 + 31 ISi + 32 Gi

sendo:
IS = ndice de stio aos 7 anos da i-sima unidade amostral
(m); G = rea basal projetada pelo modelo (1.1) da i-sima
unidade amostral (m.ha-1).

( )

Var ij = ij

com a seguinte funo de varincia correspondente:

g ij , = ij

em que:

ij um poder do valor absoluto da varincia da covariante;

o parmetro irrestrito, ou seja, pode assumir qualquer

valor real e assim pode modelar casos onde a varincia

aumenta ou diminui com o valor absoluto da varincia
da covariante.
2.5 Avaliao da qualidade de ajuste dos modelos
Os modelos tiveram sua qualidade de ajuste
avaliada pelas seguintes estatsticas:
2.5.1 Erro padro residual e percentual
n

S yx =

Y Y

i =1
n p

S yx (%) =

S yx
Y

.100

em que:
Syx = erro padro da estimativa na unidade da varivel
resposta; Syx (%) = erro padro relativo (%); Y = varivel
regressora estimada pelo modelo; Y = varivel observada;
n = nmero de observaes; p = nmero de parmetros.
2.5.2 Critrio de Informao de Akaike (AIC) e Critrio
de Informao Bayesiano (BIC)
AIC =
2 ln (mv) + 2 p
BIC =
2 ln (mv) + p ln (n)
sendo:
mv = valor que maximiza a funo de verossimilhana;
p = nmero de parmetros do modelo; n = nmero de
observaes.
Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Carvalho, S. de P. C. e et al.

544
Quanto menores os valores de AIC e BIC melhor
o modelo ajustado. Os critrios propostos para a seleo
dos modelos so de extrema relevncia na anlise de
regresso, pois penalizam modelos com nmero excessivos
de parmetros, selecionando modelos mais parcimoniosos.
2.5.3 Teste de Razo da Mxima Verossimilhana (TRMV)
Trata-se de um teste de comparao dois a dois de
modelos aninhados dado pela diferena entre os valores
mximos da funo de verossimilhana dos modelos,
expresso por:
TRMV = 2[ ln (mv2)ln (mv1)]
em que:
mv2 = valor que maximiza a funo de verossimilhana
do modelo completo; mv1 = valor que maximiza a funo
de verossimilhana do modelo simples.
Esse valor testado pela estatstica com p2-p1
graus de liberdade. Se o valor de TRMV for significativo
ao nvel de de probabilidade, o modelo com maior valor
de mv (mxima verossimilhana) apresenta maior preciso.
Foi feita ainda a anlise grfica de resduos
para verificar as pressuposies bsicas de anlise de
regresso em que os resduos se assumem independentes,
identicamente distribudos, com distribuio normal,
mdia zero e varincia .
2

Tabela 3 Erro padro e erro padro residual em porcentagem

para modelagem da rea basal.
Table 3 Standard deviation and percentual standard deviation
for basal area modeling.
Modelo

Syx (m.ha-1)

Syx%

Simples

2,2457

15,5677

Completo

1,8001

12,4775

Syx=erro padro residual; Syx%=erro padro residual percentual.

Foi possvel verificar uma melhora significativa no

modelo completo para predio da rea basal, ou seja, as
variveis, ndice de stio e nmero de plantas por hectare
afetam significativamente a relao rea basal e idade. Essa
afirmativa confirmada pelo alto grau de significncia do
TRMV indicando uma melhora progressiva no modelo e
a reduo de 3% no erro padro residual.
Os parmetros para predio da rea basal so
apresentados na Tabela 4.
Tabela 4 Parmetros do modelo assinttico completo para
predio da rea basal.
Table 4 Parameters of the full asymptotic model for basal
area prediction.
Parmetro

3 RESULTADOS E DISCUSSO
1

3.1 Predio da rea basal

Os resultados das estatsticas empregadas para
avaliar a qualidade de ajuste dos modelos so apresentados
nas Tabelas 2 e 3.
Tabela 2 Resultados da anlise da varincia e dos critrios de
seleo do modelo utilizado na predio da rea basal.
Table 2 Results of analysis of variance and of criteria for
selection of models utilized for basal area prediction.
Modelo

G.L.

AIC

BIC

LogLik TRMV p-valor

Simples

2517,17 2530,17 -1255,58

Completo

2271,60 2301,94 -1128,80 253,56 < 0,0001

---

Simples = modelo no seu formato original (1); Completo = modelo com adio das covariantes (1.1); G.l. = graus de liberdade;
AIC = critrio de informao de Akaike; BIC = critrio de informao Bayesiano; LogLik = log da funo de verossimilhana;
TRMV = teste da razo da mxima verossimilhana; p-valor =
nvel de significncia do TRMV.

Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Covariante
associada

Valor

Erro
padro

t-valor

Intercepto

6,4143 3,2454

1,9764

0,0486

stio 22,5

6,9458 1,4561

4,7699

< 0,0001

stio 27,5 12,6659 1,5511

8,1657

< 0,0001

stio 32,5 16,1038 1,8401

p-valor

8,7516

< 0,0001

6,8772

< 0,0001

0,0184 0,0026

---

-1,9682 0,0631 -31,1505 < 0,0001

Verifica-se que os parmetros para o modelo

completo de predio so altamente significativos,
conforme resultados da Tabela 4. Os valores dos
parmetros para cada covariante indicam a representao
de uma varivel binria que deve ser somada aos valores
do intercepto.
A boa qualidade de ajuste do modelo proposto
tambm verificada pela anlise visual grfica dos resduos,
apresentada na Figura 1.
Na Figura 1, complementam-se os resultados
fornecidos nas Tabelas 2 e 3 de anlise estatstica,
assumindo as pressuposies bsicas de anlise de
regresso de resduos identicamente distribudos, com
mdia zero e varincia .

Modelos no lineares generalizados aplicados ...

545
Para gerar a Figura 2, foi fixado um nmero de 1000
fustes por hectare variando os ndices de stio. possvel
verificar a grande variabilidade do crescimento em rea
basal para os diferentes stios e a capacidade do modelo
completo de deslocar nos dados captando ao mximo as
variaes existentes.
5.5 Crescimento e Produo Volumtrica
Nas Tabelas 5 e 6, so apresentados os resultados da
anlise da varincia para comparao e seleo do modelo
de predio do crescimento e da produo em volume por
hectare com os respectivos valores de erro padro residual
e percentual.
Tabela 5 Anlise da varincia para comparao e seleo do
modelo utilizado na predio do crescimento e da produo em
volume por hectare.
Table 5 Analysis of variance for comparison and selection of the
utilized model for predicting volume growth and yield per hectare.

Figura 1 Distribuio de resduos para o modelo completo

utilizado na predio da rea basal.
Figure 1 Residuals distribution for the full model utilized for
basal area prediction.

Na Figura 2, ilustrada a flexibilidade do modelo

proposto para predio da rea basal.

Modelo

G.L. AIC

BIC

logLik TRMV p-valor

Logstico
completo
11 3327,21 3375,56 -1652,6
heterocedstico
Logstico
simples

---

4 5762,21 5779,79 -2877,1 2448,99 <0,0001

Logstico completo heterocedstico = modelo logstico com

adio das covariantes (2.1); Logstico simples = modelo no
seu formato original (2). G.l. = graus de liberdade; AIC = critrio de informao de Akaike; BIC = critrio de informao
Bayesiano; LogLik = log da funo de verossimilhana; TRMV
= teste da razo da mxima verossimilhana; p-valor = nvel de
significncia do TRMV.
Tabela 6 Erro padro e erro padro residual percentual para os
modelos logstico simples e logstico completo heterocedstico
para predio do crescimento e produo em volume.
Table 6 Standard error and percent standard error for the
simple and full heterocedasticy logistic models for predicting
volume growth and yield.
Modelo

Figura 2 Flexibilidade do modelo completo para predio da

rea basal.
Figure 2 Flexibility of the full model for basal area prediction.

Syx (m.ha-1) Syx %

Logstico completo heterocedstico

4,7836

4,01

Logstico simples

29,57

26,31

A reduo nos valores de AIC e BIC e o alto valor

do TRMV com elevado grau de significncia (P<0,0001)
apontam o modelo logstico completo heterocedstico
como melhor na predio do volume total. Essas
Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Carvalho, S. de P. C. e et al.

546
concluses implicam que os efeitos rea basal e ndice
de stio tornam o modelo completo mais adequado para a
descrio dos dados. O que se observa tambm a reduo
de 26,31 para 4,01% do erro padro residual, ou seja, a
modelagem da heterocedasticidade bem como a adio do
efeito das covariantes contribui significativamente para
melhoria do modelo.
Os parmetros do modelo logstico completo
heterocedstico selecionado para predio do crescimento
e da produo em volume por hectare so apresentados
na Tabela 7.
Tabela 7 Parmetros do modelo logstico completo para predio do crescimento e da produo em volume total.
Table 7 Parameters of the full logistic model for predicting
total volume growth and yield.
Parmetro

Covariante
Valor
associada

Erro
padro

t-valor

p-valor

Intercepto -206,567 14,582333 -14,16559 <0,0001

Assntota

Stio

8,43024 0,715025 11,79014 <0,0001

13,00883 0,379827 34,2494 <0,0001

Intercepto 1,17424 0,396818 2,95915 0,0032

Inflexo

Stio

0,19462 0,017552 11,08775 <0,0001

-0,25528 0,018415 -13,86247 <0,0001

Intercepto 4,33059 0,404723 10,70011 <0,0001

Escala

Stio

-0,04908 0,013211 -3,71525 0,0002

0,05381 0,014676 3,66628 0,0003

Stio = ndice de stio aos 7 anos variando de 17,5 a 32,5 m;

G = rea basal projetada (m.ha-1)

Os resultados apresentados na Tabela 7 indicam

que todos os parmetros so significativos a um nvel de
5% de significncia, reforando a idia de que o efeito
das covariantes ndice de stio e rea basal contribuem
significativamente para melhoria do modelo e seu uso
necessrio.
A anlise dos resduos padronizados (Figura
3) mostra o efeito da heterocedasticidade do tipo funil
crescente para os dados de crescimento e produo em
volume. Situao semelhante foi estudada por Calegario
et al. (2005b).
Verifica-se uma melhora significativa na
distribuio dos resduos para o modelo heterocedstico
quando comparado ao modelo homocedstico, sendo que,
quando corrigido o efeito da heterocedasticidade os erros
tenderam a uma distribuio aleatria em torno de zero.
Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Figura 3 Distribuio de resduos para os modelos sigmoidais

logstico ajustados para predio do crescimento e da produo
volumtrica
Figure 3 Residuals distribution for the sigmoid logistic models
fitted for predicting of the volume growth and yield

Esses recursos computacionais so de grande relevncia

para os processos de modelagem e evoluo tcnicocientfica, pois permitem trabalhar com os dados no seu
formato original sem a necessidade de transformaes
para que possam ser atendidas as pressuposies bsicas
de anlise de regresso.

Modelos no lineares generalizados aplicados ...

Na Figura 4, so ilustradas as curvas de produo
volumtrica para os diferentes stios, empregando-se o
modelo de predio logstico completo heterocedstico.

547
5 AGRADECIMENTOS

empresa V&M florestal pela concesso dos
dados e apoio tcnico-cientfico no desenvolvimento deste
estudo. Em especial ao Engenheiro Florestal Fernando
Fischer.
6 REFERNCIAS
BATES, D. M.; WATTS, D. G. Nonlinear regression analysis
and its applications. New York: Wiley, 1988. 365 p.
BUDHATHOKI, C. B.; LYNCH, T. B.; GULDIN, J. M.
Nonlinear mixed modeling of basal area growth for shortleaf
pine. Forest Ecology and Management, Amsterdam, v. 255,
n. 8/9, p. 3440-3446, May 2008.

Figura 4 Produo volumtrica para as diferentes classes de

stio.
Figure 4 Volumetric yield for different site index classes.

De acordo com a Figura 4, verificada uma

tendncia esperada de maiores valores de produtividade em
volume para as classes superiores de stio, indicando que o
sistema proposto compatvel. Foi possvel verificar ainda
que o sistema de modelagem proposto com base no critrio
do incremento mdio anual (IMA) como ferramenta de
tomada de deciso indica corte aos 5, 6, 7 e 8 anos como
rotaes silviculturais para os ndices de stio 32,5; 27,5;
22,5 e 17,5 m respectivamente.
4 CONCLUSES
Modelos com funes de varincia melhoraram
significativamente a preciso das estimativas e seu uso
justificvel quando h presena de heterocedasticidade
nos resduos.
O sistema de modelagem emprico de predio
tanto em volume quanto em rea basal se mostrou
altamente eficaz, gerando resultados satisfatrios, com
erros reduzidos para 12% em rea basal e 4% para
predio volumtrica. E ainda com base nas informaes
do incremento mdio anual, o momento de interveno
no povoamento est compatvel com a realidade do
crescimento para florestas com fins de energia e celulose.
O sistema de modelagem proposto gera modelos
precisos, parcimoniosos e com parmetros de simples
interpretao. Porm, a simplificao da aplicao desses
modelos requer um maior esforo computacional.

CALEGARIO, N.; DANIELS, R. E.; MAESTRI, R.; NEIVA,

R. Modeling dominant height growth based on nonlinear
mixed-effects model: a clonal Eucalyptus plantation case
study. Forest Ecology and Management, Amsterdam, v. 204,
n. 1, p. 11-20, Jan. 2005a.
CALEGARIO, N.; DANIELS, R. F.; SOUZA, A. L.;
MAESTRI, R. Estimativa do crescimento do povoamento de
Eucalyptus baseada em modelos lineares em multinveis de
efeito misto. Revista rvore, Viosa, v. 29, n. 2, p. 251-261,
mar./abr. 2005b.
CARVALHO, S. P. C.; SENA, A. L. M.; VELOSO, R.
B.; CALEGARIO, N. Efeito da heterocedasticidade na
estimativa do volume individual de rvores. In: REUNIO
ANUAL DA REGIO BRASILEIRA DA SOCIEDADE
INTERNACIONAL DE BIOMETRIA, 54., 2009, So Carlos.
Anais... So Carlos: UFSCar, 2009. CD-ROM.
FANG, Z. X.; BAILEY, R. L. Nonlinear mixed effects
modeling for slash pine dominant height growth following
intensive silvicultural treatments. Forest Science, Bethesda, v.
47, n. 3, p. 287-300, Aug. 2001.
GREGOIRE, T. G.; SCHABENBERGER, O.; BARRETT, J. P.
Linear modeling of irregulary spaced, unbalanced, longitudinal
data from permanent-plot measurements. Canadian Journal
of Research, Ottawa, v. 25, n. 1, p. 137-156, Jan. 1995.
INSTITUTO BRASILEIRO DE GEOGRAFIA E
ESTATSTICA. Cidades. Disponvel em: <http://www.ibge.
gov.br>. Acesso em: 15 nov. 2009.

Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

548
PILAR-DAZ, M.; COUTO, H. T. Z. do. Modelos generalizados
para a mortalidade de rvores de Eucalyptus grandis no Estado de
So Paulo, Brasil. Scientia Forestalis, n. 56, p. 101-111, 1999.

Cerne, Lavras, v. 17, n. 4, p. 541-548, out./dez. 2011

Carvalho, S. de P. C. e et al.
PINHEIRO, J. C.; BATES, D. M. Mixed-effects models in
S and S-PLUS. 2. ed. New York: Springer-Verlag, 2009.
528 p.