Visando reduzir custos e tempo, muitas vezes nas parcelas de um inventário florestal, apenas algumas árvores têm suas alturas medidas, sendo necessário estimar a altura das demais. Para isso é comum o uso de modelos de regressão relacionando altura e o diâmetro à altura do peito. No entanto, a suposição de independência dos erros em um modelo de regressão nem sempre é razoável, uma vez que para medidas feitas em pontos próximos entre si, espera-se que as alturas tenham valores parecidos (alta correlação espacial). Neste contexto, o presente trabalho teve por objetivo comparar modelos de regressão com e sem componente espacial, para um plantio de Pinus sp. da Floresta Nacional de Ipanema – SP e determinar a função de correlação que propicia o melhor desempenho para o modelo com componente espacial. Dos modelos ajustados o modelo que se mostrou com melhor desempenho foi o modelo com componente espacial, tendência quadrática, com as funções de correlação exponencial, gaussiana e esférica.
In order to reduce costs and time, often in the forest inventory’s plots, only a few trees have their height measured, this is necessary to estimate the height of the other trees. So, regression models relating height and diameter at breast height are useful. However, the assumption of the independent errors in the regression model is not always accurate. If measurements are taken at points close to each other, it is expected that the heights have similar values (high spatial correlation). In this context, this paper aims at comparing regression models with and without spatial component, for Pinus sp. in the FLONA – SP and to determine the correlation function that gives the best performance for a model with the spatial component. The fitted model that showed the best performance was the model with spatial component, quadratic trend, with exponential, Gaussian and spherical correlation functions.
