Model-based clustering approach in dendrochronology with Pinus spp

El campo de la dendrocronología estudia series temporales a lo largo de gradientes ecológicos, los árboles que forman las cronologías pueden no responder de la misma manera al medio que les rodea, particularmente responden desigual al clima. Por ello la vulnerabilidad de los árboles al cambio climát...

ver descrição completa

Detalhes bibliográficos
Autor: Valeriano Peñas, Cristina
Formato: tesis de maestría
Fecha de publicación:2020
País:España
Recursos:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/120947
Acesso em linha:http://hdl.handle.net/10609/120947
Access Level:acceso abierto
Palavra-chave:tree-ring
clustering
finite mixture models
dendrochronology
em algorithm
anillos de los arboles
modelos de mezcla finita
dendrocronología
algoritmo em
anells dels arbres
models de mescla finita
dendrocronologia
algoritme em
Dendrochronology -- TFM
Dendrocronologia -- TFM
Dendrocronología -- TFM
id ES_24ec87a41bb455d7e0afcff46e6d9093
oai_identifier_str oai:openaccess.uoc.edu:10609/120947
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Model-based clustering approach in dendrochronology with Pinus spp
title Model-based clustering approach in dendrochronology with Pinus spp
spellingShingle Model-based clustering approach in dendrochronology with Pinus spp
Valeriano Peñas, Cristina
tree-ring
clustering
finite mixture models
dendrochronology
em algorithm
anillos de los arboles
clustering
modelos de mezcla finita
dendrocronología
algoritmo em
anells dels arbres
clustering
models de mescla finita
dendrocronologia
algoritme em
Dendrochronology -- TFM
Dendrocronologia -- TFM
Dendrocronología -- TFM
title_short Model-based clustering approach in dendrochronology with Pinus spp
title_full Model-based clustering approach in dendrochronology with Pinus spp
title_fullStr Model-based clustering approach in dendrochronology with Pinus spp
title_full_unstemmed Model-based clustering approach in dendrochronology with Pinus spp
title_sort Model-based clustering approach in dendrochronology with Pinus spp
dc.creator.none.fl_str_mv Valeriano Peñas, Cristina
author Valeriano Peñas, Cristina
author_facet Valeriano Peñas, Cristina
author_role author
dc.contributor.none.fl_str_mv Ventura, Carles
Fernández Martínez, Daniel
dc.subject.none.fl_str_mv tree-ring
clustering
finite mixture models
dendrochronology
em algorithm
anillos de los arboles
clustering
modelos de mezcla finita
dendrocronología
algoritmo em
anells dels arbres
clustering
models de mescla finita
dendrocronologia
algoritme em
Dendrochronology -- TFM
Dendrocronologia -- TFM
Dendrocronología -- TFM
topic tree-ring
clustering
finite mixture models
dendrochronology
em algorithm
anillos de los arboles
clustering
modelos de mezcla finita
dendrocronología
algoritmo em
anells dels arbres
clustering
models de mescla finita
dendrocronologia
algoritme em
Dendrochronology -- TFM
Dendrocronologia -- TFM
Dendrocronología -- TFM
description El campo de la dendrocronología estudia series temporales a lo largo de gradientes ecológicos, los árboles que forman las cronologías pueden no responder de la misma manera al medio que les rodea, particularmente responden desigual al clima. Por ello la vulnerabilidad de los árboles al cambio climático puede depender de la respuesta específica de la especie o de la adaptación al sitio en el que se encuentre. Los análisis con técnicas multivariantes como el análisis clustering basado en modelos pueden ser instrumentos de gran utilidad para agrupar las diferencias existentes en la sensibilidad de los árboles y los bosques con el medio. En este trabajo analizamos el potencial de la técnica clustering basado en modelos, sus métodos y el algoritmo EM; para detectar y agrupar patrones de crecimiento comunes usando el ancho de los anillos de los árboles, de varias especies del género Pinus y en diferentes países de la Unión Europea. Los análisis se han desarrollado con tres paquetes del programa R (mclust, funFEM/funHDDC y lcmm) que disponen de funciones para realizar análisis de modelos de mezcla finita y que estiman los parámetros mediante la máxima verosimilitud con el algoritmo EM. Los análisis muestran agrupaciones de tres/cuatro clases de trayectorias, y en cada clase se observan diferentes características ecológicas.
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/120947
url http://hdl.handle.net/10609/120947
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869404727689609216
spelling Model-based clustering approach in dendrochronology with Pinus sppValeriano Peñas, Cristinatree-ringclusteringfinite mixture modelsdendrochronologyem algorithmanillos de los arbolesclusteringmodelos de mezcla finitadendrocronologíaalgoritmo emanells dels arbresclusteringmodels de mescla finitadendrocronologiaalgoritme emDendrochronology -- TFMDendrocronologia -- TFMDendrocronología -- TFMEl campo de la dendrocronología estudia series temporales a lo largo de gradientes ecológicos, los árboles que forman las cronologías pueden no responder de la misma manera al medio que les rodea, particularmente responden desigual al clima. Por ello la vulnerabilidad de los árboles al cambio climático puede depender de la respuesta específica de la especie o de la adaptación al sitio en el que se encuentre. Los análisis con técnicas multivariantes como el análisis clustering basado en modelos pueden ser instrumentos de gran utilidad para agrupar las diferencias existentes en la sensibilidad de los árboles y los bosques con el medio. En este trabajo analizamos el potencial de la técnica clustering basado en modelos, sus métodos y el algoritmo EM; para detectar y agrupar patrones de crecimiento comunes usando el ancho de los anillos de los árboles, de varias especies del género Pinus y en diferentes países de la Unión Europea. Los análisis se han desarrollado con tres paquetes del programa R (mclust, funFEM/funHDDC y lcmm) que disponen de funciones para realizar análisis de modelos de mezcla finita y que estiman los parámetros mediante la máxima verosimilitud con el algoritmo EM. Los análisis muestran agrupaciones de tres/cuatro clases de trayectorias, y en cada clase se observan diferentes características ecológicas.Dendrochronology is a field of science be able to show spatial and temporal ecologic and climatic information based on tree-ring chronologies. These studies are usually integrated by chronologies along ecological gradients, though trees may not respond in the same way to the environment, particularly to climate. Therefore, this vulnerability of trees to climate change may depend on the species-specific distribution, or geographical adaptation prevails over species. Analysis with a multivariate technique such as model-based clustering can be a useful instrument when aiming at capturing and grouping these differences in trees and forests sensitivity to the environment. The aim of the study was analyze the potential of model-based clustering technique, theirs methods and the EM algorithm; to detect and cluster common growth patterns using the tree-ring width of several species for the genus Pinus and in different countries of the European Union. The analyses have been developed with three R packages (mclust, funFEM/funHDDC and lcmm) with the functions to perform finite mixture models and estimate the parameters using the maximum likelihood with the EM algorithm. The results show groupings of three/four trajectories classes, and in each class different ecological characteristics are observed.El camp de la dendrocronologia estudia sèries temporals al llarg de gradients ecològics, els arbres que formen les cronologies poden no respondre de la mateixa manera al mitjà que els envolta, particularment responen desigual al clima. Per això la vulnerabilitat dels arbres al canvi climàtic pot dependre de la resposta específica de l'espècie o de l'adaptació al lloc en el qual es trobi. Els anàlisis amb tècniques multivariants com l'anàlisi clustering basat en models poden ser instruments de gran utilitat per agrupar les diferències existents en la sensibilitat dels arbres i els boscos amb el mitjà. En aquest treball analitzem el potencial de la tècnica clustering basat en models, els seus mètodes i l'algorisme EM; per a detectar i agrupar patrons de creixement comuns usant l'ample dels anells dels arbres, de diverses espècies del gènere Pinus i en diferents països de la Unió Europea. Els anàlisis s'han desenvolupat amb tres paquets del programa R (mclust, funFEM/funHDDC i lcmm) que disposen de funcions per a realitzar anàlisis de models de mescla finita i que estimen els paràmetres mitjançant la màxima versemblança amb l'algorisme EM. Els anàlisis mostren agrupacions de tres/quatre classes de trajectòries, i en cada classe s'observen diferents característiques ecològiques.Universitat Oberta de Catalunya (UOC)Ventura, CarlesFernández Martínez, Daniel202020202020info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/120947reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1209472026-05-28T12:42:01Z
score 15,223283

Registos relacionados