The volumetric variability of dry tropical forests in Brazil and the scarcity of studies on the subject show the need for the development of techniques that make it possible to obtain adequate and accurate wood volume estimates. In this study, we analyzed a database of thinning trees from a forest management plan in the Contendas de Sincorá National Forest, southwestern Bahia State, Brazil. The data set included a total of 300 trees with a trunk diameter ranging from 5 to 52 cm. Adjustments, validation and statistical selection of four volumetric models were performed. Due to the difference in height values for the same diameter and the low correlation between both variables, we do not suggest models which only use the diameter at breast height (DBH) variable as a predictor because they accommodate the largest estimation errors. In comparing the best single entry model (Hohenald-Krenn) with the Spurr model (best fit model), it is noted that the exclusion of height as a predictor causes the values of 136.44 and 0.93 for Akaike information criterion (AIC) and adjusted determination coefficient (Radj2), which are poorer than the second best model (Schumacher-Hall). Regarding the minimum sample size, errors in estimation (root mean square error (RMSE) and bias) of the best model decrease as the sample size increases, especially when a larger number of trees with DBH ≥ 5.0 cm are randomly sampled. Stratified sampling by diameter class produces smaller volume prediction errors than random sampling, especially when considering all trees. In summary, the Spurr and Schumacher-Hall models perform better. These models suggest that the total variance explained in the estimates is not less than 95%, producing reliable forecasts of the total volume with shell. Our estimates indicate that the bias around the average is not greater than 7%. Our results support the decision to use regression methods to build models and estimate their parameters, seeking stratification strategies in diameter classes for the sample trees. Volume estimates with valid confidence intervals can be obtained using the Spurr model for the studied dry forest. Stratified sampling of the data set for model adjustment and selection is necessary, since we find significant results with mean error square root values and bias of up to 70% of the total database.

中文翻译：

---

改进巴西半干旱地区干燥热带森林的木材量预测

巴西干燥热带森林的体积变异性和对该主题研究的稀缺性表明需要开发技术，以便能够获得充分和准确的木材体积估计。在这项研究中，我们分析了巴西巴伊亚州西南部 Contendas de Sincorá 国家森林森林管理计划中的间伐树木数据库。数据集包括总共 300 棵树，树干直径从 5 到 52 厘米不等。对四个体积模型进行了调整、验证和统计选择。由于相同直径的身高值存在差异且两个变量之间的相关性较低，我们不建议仅使用胸高直径 (DBH) 变量作为预测变量的模型，因为它们可容纳最大的估计误差。在比较最佳单项模型 (Hohenald-Krenn) 与 Spurr 模型（最佳拟合模型）时，注意到排除身高作为预测变量导致 Akaike 信息准则 (AIC) 和调整后的确定值分别为 136.44 和 0.93系数 (Radj2)，比第二好的模型 (Schumacher-Hall) 差。关于最小样本量，最佳模型的估计误差（均方根误差 (RMSE) 和偏差）随着样本量的增加而减少，尤其是当随机采样大量 DBH ≥ 5.0 cm 的树木时。按直径类别分层抽样比随机抽样产生更小的体积预测误差，尤其是在考虑所有树木时。总之，Spurr 和 Schumacher-Hall 模型表现更好。这些模型表明估计中解释的总方差不低于 95%，从而对带壳的总体积产生可靠的预测。我们的估计表明，围绕平均值的偏差不超过 7%。我们的结果支持使用回归方法来构建模型并估计其参数的决定，在样本树的直径类别中寻求分层策略。使用所研究的干燥森林的 Spurr 模型可以获得具有有效置信区间的体积估计值。需要对数据集进行分层抽样以进行模型调整和选择，因为我们发现显着的结果具有平均误差平方根值和高达整个数据库 70% 的偏差。我们的估计表明，围绕平均值的偏差不超过 7%。我们的结果支持使用回归方法来构建模型并估计其参数的决定，在样本树的直径类别中寻求分层策略。对于所研究的干旱森林，可以使用 Spurr 模型获得具有有效置信区间的体积估计值。需要对数据集进行分层抽样以进行模型调整和选择，因为我们发现显着的结果具有平均误差平方根值和高达整个数据库 70% 的偏差。我们的估计表明，围绕平均值的偏差不超过 7%。我们的结果支持使用回归方法来构建模型并估计其参数的决定，在样本树的直径类别中寻求分层策略。使用所研究的干燥森林的 Spurr 模型可以获得具有有效置信区间的体积估计值。需要对数据集进行分层抽样以进行模型调整和选择，因为我们发现显着的结果具有平均误差平方根值和高达整个数据库 70% 的偏差。使用所研究的干燥森林的 Spurr 模型可以获得具有有效置信区间的体积估计值。需要对数据集进行分层抽样以进行模型调整和选择，因为我们发现显着的结果具有平均误差平方根值和高达整个数据库 70% 的偏差。使用所研究的干燥森林的 Spurr 模型可以获得具有有效置信区间的体积估计值。需要对数据集进行分层抽样以进行模型调整和选择，因为我们发现显着的结果具有平均误差平方根值和高达整个数据库 70% 的偏差。