Resumen de Modelling the influence of radiata pine log variables on structural lumber production

Elvis Gavilán, Rosa M. Alzamora, Luis A. Apiolaza, Katia lorena Sáez Carrillo, Juan Pedro Elissetche, Mário Antônio Pinto da Silva Júnior

• español

  Ejecutamos modelos logit para explicar la variabilidad de la madera estructural de Pinus radiata en 71 troncos no podados de segunda y tercera. La variable de respuesta fue la proporción de madera aserrada con un módulo de elasticidad estático mayor o igual a 8 GPa, p MSG8+, y las variables explicativas fueron el volumen del tronco, índice de rama, rama más grande, índice de entrenudos del tronco, densidad básica de la madera y velocidad acústica. El volumen promedio de p MSG8+ fue de 44,30 % y 36,18 % en el segundo y tercer log respectivamente. Se seleccionaron diez modelos en base al cumplimiento de supuestos estadísticos, su bondad de ajuste y la significación estadística de sus parámetros. Los mejores modelos (R 2- adj. > 0,75) incluyeron la velocidad acústica (AV) como variable explicativa, la cual explicó el 56,25 % de la variabilidad de p MSG8+. Los modelos sin VA presentaron bondad de ajuste entre 0,60 y 0,75 (R 2 - adj.), y las variables con mayor peso para explicar la variabilidad de p MSG8+ fueron el volumen, seguido de la densidad básica de la madera, índice de ramaje y rama más grande. Es posible modelar p MSG8+ a partir de variables logarítmicas incluso cuando no se dispone de la velocidad acústica; sin embargo, esto requiere modelos de densidad básica de la madera calibrados para la zona de cultivo de Pinus radiata

• English

  We run logit models to explain the variability of Pinus radiata structural lumber in 71 second and third un-pruned logs. The response variable was the proportion of lumber with a static modulus of elasticity greater or equal than 8000 MPa, pMSG8+, and the explanatory variables were log volume, branch index, largest branch, log internode index, wood basic density, and acoustic velocity. The average pMSG8+ volume was 44,30 % and 36,18 % in the second and third log respectively. Ten models were selected based on meeting statistical assumptions, their goodness of fit, and the statistical significance of their parameters. The best models (R2 - adj. > 0,75) included acoustic velocity (AV) as explanatory variable, which explained 56,25 % of the variability of pMSG8+. Models without AV presented goodness of fit ranging from 0,60 to 0,75 (R2 - adj.), and variables with the highest weight to explain the variability of pMSG8+ were volume, followed by wood basic density, branch index, and largest branch. It is possible to model pMSG8+ from log variables even when acoustic velocity is not available; however, this requires wood basic density models calibrated for the Pinus radiata growing zone