Principal component regression analysis demonstrates the collinearity-free effect of sub estimated climatic variables on tree growth in the central Amazon / El análisis de regresión por componentes principales muestra el efecto libre de colinealidad de variables climáticas subestimadas sobre el crecimiento de los árboles en la Amazonía central

ABSTRACT

Abstract Introduction: Climatic variables show a seasonal pattern in the central Amazon, but the intra-annual variability effect on tree growth is still unclear. For variables such as relative humidity (RH) and air vapor pressure deficit (VPD), whose individual effects on tree growth can be underestimated, we hypothesize that such influences can be detected by removing the effect of collinearity between regressors. Objective: This study aimed to determine the collinearity-free effect of climatic variability on tree growth in the central Amazon. Methods: Monthly radial growth was measured in 325 trees from January 2013 to December 2017. Irradiance, air temperature, rainfall, RH, and VPD data were also recorded. Principal Component Regression was used to assess the effect of micrometeorological variability on tree growth over time. For comparison, standard Multiple Linear Regression (MLR) was also used for data analysis. Results: Tree growth increased with increasing rainfall and relative humidity, but it decreased with rising maximum VPD, irradiance, and maximum temperature. Therefore, trees grew more slowly during the dry season, when irradiance, temperature and VPD were higher. Micrometeorological variability did not affect tree growth when MLR was applied. These findings indicate that ignoring the correlation between climatic variables can lead to imprecise results. Conclusions: A novelty of this study is to demonstrate the orthogonal effect of maximum VPD and minimum relative humidity on tree growth.

RESUMEN

Resumen Introducción: Las variables climáticas muestran un patrón estacional en la Amazonía central, pero el efecto de la variabilidad intra-anual en el crecimiento de los árboles aún no está claro. Para variables como la humedad relativa (HR) y el déficit de presión de vapor (VPD), cuyo efecto individual en el crecimiento de los árboles puede ser subestimada, planteamos la hipótesis de que tales influencias pueden detectarse eliminando el efecto de colinealidad entre regresores. Objetivo: Este estudio tuvo como objetivo determinar el efecto libre de colinealidad de la variabilidad climática sobre el crecimiento de los árboles en la Amazonía central. Métodos: Se midió el crecimiento radial mensual en 325 árboles desde enero 2013 hasta diciembre 2017. También se registraron datos de irradiancia (PAR), temperatura del aire, lluvia, humedad relativa (RH) y déficit de presión de vapor de aire (VPD). Se utilizó la regresión de componentes principales para evaluar el efecto de la variabilidad micrometeorológica a lo largo del tiempo sobre el crecimiento de los árboles. Para comparación, también se utilizó la regresión lineal múltiple (MLR) estándar para el análisis de datos. Resultados: El crecimiento de los árboles incrementó con el aumento de las precipitaciones y la humedad relativa, y disminuyó con el aumento de la VPD máxima, la irradiancia y la temperatura máxima. Por lo tanto, los árboles crecieron más lentamente durante la estación seca, cuando la irradiancia, la temperatura y la VPD eran más altas. La variabilidad micrometeorológica no afectó el crecimiento de los árboles cuando se aplicó MLR. Estos hallazgos indican que ignorar la correlación entre las variables climáticas puede conducir a resultados imprecisos. Conclusiones: Una novedad de este estudio es demostrar el efecto ortogonal del VPD máximo y la humedad relativa mínima sobre el crecimiento de los árboles.