Generación de un modelo de regresión segmentado a través de un análisis dendroclimático en Pseudotsuga menziesii (Mirb.) Franco.

El objetivo de este trabajo es Generar un modelo de Regresión Segmentado a través de un análisis dendroclimático en Pseudotsuga menziesii (Mirb.) Franco, para ello se desarrollaron tres cronologías en tres bosques de coníferas, en el Norte-Noreste de México, se correlacionó el Índice de ancho de ani...

Descripción completa

Detalles Bibliográficos
Autor principal: Ortega Arroyo, Edgar Jesús
Formato: Tesis
Lenguaje:Spanish / Castilian
Publicado: 2017
Materias:
Acceso en línea:http://eprints.uanl.mx/16480/1/1080289793.pdf
Descripción
Sumario:El objetivo de este trabajo es Generar un modelo de Regresión Segmentado a través de un análisis dendroclimático en Pseudotsuga menziesii (Mirb.) Franco, para ello se desarrollaron tres cronologías en tres bosques de coníferas, en el Norte-Noreste de México, se correlacionó el Índice de ancho de anillo con las variables climáticas de precipitación y temperatura con las estaciones más cercanas al sitio. Las cronologías desarrolladas para cada una de las zonas comprenden periodos de edad que van desde los 127 años hasta 135 años, el periodo de edad más largo (135 años) corresponde a la cronología de Puentecillas. Las correlaciones internas de las tres cronologías fueron positivas, para CPOT se obtuvo un valor de .72, para el área de SZAP se obtuvo una intercorrelación de .70, para la zona de PNT, se obtuvo una intercorrelación entre series de .567. En las áreas de estudio se determinó que el periodo de lluvia que influye de manera significativa (p<0,05) en el crecimiento de la especie, es el periodo invierno-primavera de enero a mayo específicamente. La relación entre el índice de ancho de anillo y la precipitación acumulada(enero -mayo) presentó una asociación positiva en las tres áreas, en SZAP se obtuvo una correlación de 0.65, para CPOT 0.79, y por último para PNT se obtuvo una correlación de 0.69. La correlación entre las cronologías más alta se logró a partir del año 1950 a 20 14, que fue en el periodo donde se encontraron correlaciones positivas que variaron de 0.51 a 0.74. El modelo que mejor se ajustó a los datos fue el ARIMA (0,2,2), donde el valor d e F(124.95>P=.05) fue significativa, los coeficientes del modelo fueron B0= 0.00 04, B1=-1.6551 y B2=0.6898, con un coeficiente de correlación de .89.