Inferência bayesiana na parametrização do modelo hipsométrico de Stoffels-Soest para eucalipto

A modelagem hipsométrica é amplamente utilizada em inventários florestais, porém a parametrização dos modelos ainda depende majoritariamente de métodos frequentistas, com limitada exploração de abordagens probabilísticas alternativas. Neste contexto, avaliou-se a inferência Bayesiana na parametrização do modelo de Stoffels e Soest para estimar a altura total de um povoamento clonal de Eucalyptus urophylla S. T. Blake na região central de Minas Gerais. O inventário foi realizado aos 60 meses de idade, com 100 árvores amostradas em 10 parcelas. O modelo foi ajustado por mínimos quadrados ordinários (MQO) e abordagem Bayesiana com diferentes números de iterações (500 a 4.000), utilizando o diâmetro à altura do peito como variável preditora. Os resultados indicaram desempenho preditivo equivalente entre as abordagens, sem ganhos com o aumento do número de iterações após a convergência. A inferência Bayesiana, contudo, permitiu representar explicitamente a incerteza dos parâmetros por meio de distribuições posteriores, ampliando a interpretação probabilística das estimativas. Assim, mostrou-se uma alternativa complementar ao MQO para a parametrização de modelos hipsométricos, agregando a quantificação explícita da incerteza sem comprometer o desempenho preditivo.