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

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

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 d...

Full description

Bibliographic Details
Main Authors: Montoya-Jiménez, Juan Carlos, Ruiz-González, Cecilia Guadalupe, García-Martínez, Réne, Hernández-Soto, Felipe Neri, Estrada-Venegas, Edith Guadalupe, Equihua-Martínez, Armando
Format: Online
Language:spa
Published: Universidad Nacional Autónoma de Nicaragua, León. Area de Conocimiento de Ciencias Agrarias y Veterinarias 2025
Online Access:https://revistas.unanleon.edu.ni/index.php/REBICAMCLI/article/view/1071
id REBICAMCLI1071
record_format ojs
institution Universidad Nacional Autónoma de Nicaragua, UNAN-León
collection Revista Iberoamericana de Bioeconomía y Cambio Climático
language spa
format Online
author Montoya-Jiménez, Juan Carlos
Ruiz-González, Cecilia Guadalupe
García-Martínez, Réne
Hernández-Soto, Felipe Neri
Estrada-Venegas, Edith Guadalupe
Equihua-Martínez, Armando
spellingShingle Montoya-Jiménez, Juan Carlos
Ruiz-González, Cecilia Guadalupe
García-Martínez, Réne
Hernández-Soto, Felipe Neri
Estrada-Venegas, Edith Guadalupe
Equihua-Martínez, Armando
Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
author_facet Montoya-Jiménez, Juan Carlos
Ruiz-González, Cecilia Guadalupe
García-Martínez, Réne
Hernández-Soto, Felipe Neri
Estrada-Venegas, Edith Guadalupe
Equihua-Martínez, Armando
author_sort Montoya-Jiménez, Juan Carlos
description 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.
title Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
title_short Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
title_full Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
title_fullStr Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
title_full_unstemmed Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl
title_sort modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en pinus lawsonii roezl
title_alt Nonlinear models and machine learning algorithms for modeling height-diameter relationships in Pinus lawsonii Roezl
publisher Universidad Nacional Autónoma de Nicaragua, León. Area de Conocimiento de Ciencias Agrarias y Veterinarias
publishDate 2025
url https://revistas.unanleon.edu.ni/index.php/REBICAMCLI/article/view/1071
work_keys_str_mv AT montoyajimenezjuancarlos nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT ruizgonzalezceciliaguadalupe nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT garciamartinezrene nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT hernandezsotofelipeneri nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT estradavenegasedithguadalupe nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT equihuamartinezarmando nonlinearmodelsandmachinelearningalgorithmsformodelingheightdiameterrelationshipsinpinuslawsoniiroezl
AT montoyajimenezjuancarlos modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
AT ruizgonzalezceciliaguadalupe modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
AT garciamartinezrene modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
AT hernandezsotofelipeneri modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
AT estradavenegasedithguadalupe modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
AT equihuamartinezarmando modelosnolinealesyalgoritmosdeaprendizajeautomaticoparamodelarrelacionesalturadiametroenpinuslawsoniiroezl
_version_ 1837840788278476800
spelling REBICAMCLI10712025-06-27T21:34:28Z Nonlinear models and machine learning algorithms for modeling height-diameter relationships in Pinus lawsonii Roezl Modelos no lineales y algoritmos de aprendizaje automático para modelar relaciones altura-diámetro en Pinus lawsonii Roezl Montoya-Jiménez, Juan Carlos Ruiz-González, Cecilia Guadalupe García-Martínez, Réne Hernández-Soto, Felipe Neri Estrada-Venegas, Edith Guadalupe Equihua-Martínez, Armando Coeficiente de determinacion Akaike bayesiano error Software R R software coefficient determination Akike Bayesian error Measuring tree characteristics, particularly height, in forest inventories is a costly and time-consuming task, especially in large areas. For this reason, efforts have been directed to generate mathematical models to estimate height from the diameter of pine trees. In this sense, the objective of this research was to compare statistical models and machine learning algorithms to estimate total height based on normal diameter for Pinus lawsonii trees. The study was carried out in the TESVB forest property, for which the height and diameter of 295 trees of different diameter categories were measured. Fifteen non-linear models were fitted from the data. Additionally, four machine learning algorithms were tested. The analysis was carried out with the R software. With the non-linear models, it was observed that most of the models explained 66% (R2) of the variance in height based on normal diameter, however, all of them failed to meet the assumptions of normality and homoscedasticity. In the case of machine learning algorithms, the percentage of variance explained in total height from normal diameter for the training data ranged between 61 and 84 %. Considering the failure to meet assumptions, random forests are recommended to predict total height, and acceptable predictions with biological consistency were obtained considering the height measured in the field of Pinus lawsonii trees. 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. Universidad Nacional Autónoma de Nicaragua, León. Area de Conocimiento de Ciencias Agrarias y Veterinarias 2025-06-27 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-reviewed article research Artículo de investigacion evaluado por pares application/pdf https://revistas.unanleon.edu.ni/index.php/REBICAMCLI/article/view/1071 10.5377/ribcc.v10i19.19639 IBERO-AMERIKAANS JOURNAL OVER BIOECONOMIE EN KLIMAATVERANDERING; Bd. 10 Nr. 19 (2024); 2356-2366 Ibero-American Journal of Bioeconomics and Climate Change; Vol. 10 No. 19 (2024); 2356-2366 Revista iberoamericana de bioeconomía y cambio climático; Vol. 10 Núm. 19 (2024); 2356-2366 2410-7980 spa https://revistas.unanleon.edu.ni/index.php/REBICAMCLI/article/view/1071/1886 Derechos de autor 2025 Revista iberoamericana de bioeconomía y cambio climático http://creativecommons.org/licenses/by-nc-sa/4.0

Similar Items