Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl

Resumen

La medición de características del arbolado, particularmente la altura, en los inventarios forestales es una tarea costosa y requiere mucho tiempo, especialmente en grandes superficies. Por esta razón, se han encaminado esfuerzos para generar modelos matemáticos para estimar la altura a partir del diámetro de los pinos. En este sentido, el objetivo de esta investigación fue comparar modelos estadísticos y algoritmos de aprendizaje automático para estimar la altura total en función del diámetro normal para árboles de Pinus lawsonii. El estudio se realizó en el predio forestal del TESVB, para ello se midió la altura y diámetro de 295 árboles de diferente categoría diamétrica. A partir de los datos se ajustaron 15 modelos no lineales. Adicionalmente se probaron cuatro algoritmos de aprendizaje automático. El análisis se realizó con el software R. Con los modelos no lineales, se observó que la mayoría de los modelos explicaron el 66 % (R²) de la varianza de la altura en función del diámetro normal, sin embargo, todos los incumplieron los supuestos de normalidad y homocedasticidad. En el caso de los algoritmos de aprendizaje automático el porcentaje de la varianza explicada en la altura total a partir del diámetro normal, para los datos de entrenamiento osciló entre 61 y 84 %. Considerando el incumplimiento de los supuestos se recomienda bosques aleatorios para predecir altura total, además que obtuvieron predicciones aceptables y con congruencia biológica considerando la altura medida en campo de los árboles de Pinus lawsonii.