Teresa Fidalgo Fonseca 博士是葡萄牙 Trás-os-Montes e Alto Douro 大学 (UTAD) 的森林科学教授，她在那里研究森林资源工程和造林，重点关注将林地生长管理与社区价值相结合的实践和需求。 她担任国际林业研究组织联盟 (IUFRO) 造林第一部门副协调员和学术期刊客座编辑森林和森林管理前沿。
她最近出版的作品，海松管理：替代造林指南的活力潜力，与 José Lousada 合着，发表于森林生物质：从树木到能源2021 年 2 月。 在其中，特蕾莎提出了管理海松物种的新指南，这些指南是通过她的模拟开发和验证的。莫迪斯皮纳斯特模型。 最终，这项研究的结果一旦实施，有可能优化生物质的产量，生物质是一种具有成本效益且可持续的可再生能源。
作为统计传播者，特蕾莎使用联合管理计划多年来，无论是在课堂上还是在她自己的研究中。
Forest of maritime pine in Portugal where data for statistical analysis and modeling is collectedForest of maritime pine in Portugal where data for statistical analysis and modeling is collectedForest of maritime pine in Portugal where data for statistical analysis and modeling is collectedForest of maritime pine in Portugal where data for statistical analysis and modeling is collected葡萄牙的海松林，收集用于统计分析和建模的数据梅格：您对林业的兴趣还是对统计学的兴趣，哪一个先出现？
特蕾莎：作为 UTAD 的本科生，我选修了一门优秀的林业工程课程——树木测量学，该课程由一位出色的教授教授，他向我介绍了森林生物识别和建模。 当时我就觉得自己非常喜欢统计学，而且发现自己可以将统计学应用到林业中，真是太兴奋了！
毕业后，我完成了森林资源工程硕士学位，并致力于对桉树的茎锥度进行建模（树干的直径与地面高度的函数关系）。 然后我完成了博士学位（也是建模方向）并创建了一个模型，现在可以通过法国平台免费获得辣椒，模拟海松的动态，包括死亡率、生长和直径分布。
该模型 ModisPinaster 的出现是为了解决一个问题：当时我们没有针对葡萄牙北部最具代表性的针叶树物种的森林模型，可用于森林规划！ 我们在现场实施了几个永久性地块，收集了数据，然后我将其发展成为最初的概念创作。 现在它不仅限于葡萄牙森林，还可以被其他地方的其他研究人员使用。
A design plan for ModisPinasterA design plan for ModisPinasterA design plan for ModisPinasterA design plan for ModisPinasterModisPinaster 的设计方案梅格：您认为实施您使用 ModisPinaster 制定的造林指南的潜在影响是什么？
特蕾莎：森林经营必须始终以科学为基础。 传统上，管理者使用的是从实证研究中得出的指导方针，而这些指导方针不具备我们通过统计模型所能提供的力量。 就[我最近的论文森林,火灾后再生海松的尺寸-密度轨迹]，我们的模型展示了如何通过自然更新最好地管理受森林火灾影响的天然松林。
该模型允许森林管理者确定植物的最佳标准密度以及物种的发育阶段。 管理人员不能仅仅根据“我们应该有多少棵树？”之类的数字目标来开展工作，这一点非常重要。而是在一个非常好的数据集和适当的模型上，这可能很简单，如线性或二次模型，其中最大密度线的描述就是一个例子。
我一直非常喜欢将我的研究与实际应用联系起来，只要有可能，我都会尝试建立有利于森林管理者的模型……。 如果我们能为他们提供良好的森林管理支持，我相信这将为森林资源的可持续性带来影响。
Example of ModisPinaster interface showing output options and simulation of growthExample of ModisPinaster interface showing output options and simulation of growthExample of ModisPinaster interface showing output options and simulation of growthExample of ModisPinaster interface showing output options and simulation of growthModisPinaster 界面示例显示输出选项和生长模拟梅格：您使用该模型调查的其他研究问题是什么？
特蕾莎：最近，我和我的同事一直在分析另一种松树——欧洲黑松的径向直径增长，这种松树并非原产于葡萄牙。 我们有来自六个不同地点的数据，并使用舒马赫生长方程，我们研究了黑松种群之间的差异。 我们想要了解自然范围之外的物种的预期行为，而建模是实现这一目标的关键方法。
通过建模，我们可以做的不仅仅是计算平均值和标准偏差。 首先，我们绘制了直径随树龄的分布图，然后拟合模型以识别不同地点的一些差异。 正如你所看到的，当我谈论模特时我总是微笑，因为这真的是我喜欢的事情！
当我确定了一种模式后，我可以轻松地每周 7 天、每天 24 小时进行建模。 想到可以从良好数据中生成的所有信息以及我们如何将其总结为数学方程，为森林管理者提供重要的信息，真是太好了。
Examples of visual data analysisExamples of visual data analysisExamples of visual data analysisExamples of visual data analysis可视化数据分析示例梅格：你如何确定你的数据是好的？
特蕾莎：首先，我对数据非常严格，因为我相信如果没有良好数据的良好支持，就不可能有一个好的模型。 拥有足够的测量和数据选择标准非常重要，这样您的数据才能高度代表抽样群体，例如上述示例之一中物种自然再生的条件。
在数据质量方面，我们面临着相当长的挑战。 当我攻读博士学位时，我有过一次发现错误的经历，但只是在构建了几个模型之后。 我必须重新安装所有这些，这花了我一些时间，所以现在我在建模之前非常仔细地分析数据！
还有一件非常重要的事情：你需要分析模型的质量。 您必须查看它是否按照假设执行以及何时执行。 我对我所有的学生说：我们有责任提供一个好的模型，所以我们必须确保模型经过所有正确的统计测试和分析。
Typical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartet典型数据集：Anscombe´s quartet梅格：你用什么样的检查来确定模型好坏？
特蕾莎：我通常会进行可视化分析，用不同的图表不仅检查响应变量与每个因素之间的关系，还检查所有因素之间的关系。 我经常建议我的学生使用颜色，因为有时，只需使用不同的颜色来分隔数据集，我们就可以更好地理解整体和单独的模式。
至于数据清理，任何异常值或有影响的观察结果（只要它们不是错误）都需要保留在数据集中，以便提供有关过程的信息。 有一次，我得到了一个与异常数量的海上松树有关的异常值，但当我在现场测量时，它是一个真实值。 由于与其他数据点如此不同，我意识到它会影响结果。 我建立了几个模型——一个包含总数据集，另一个我测试了没有异常值的模型。 然而，最终我并没有排除它，因为正如我之前所说，好的模型需要好的数据集，包括代表样本中真实变化的任何异常值。
梅格：学生们在统计方面有哪些误解？
特蕾莎：有些学生认为建模只是在数据中创建一些趋势。 其他人认为这太复杂了。 他们一开始并没有做好充分准备，但一旦我教他们更多有关统计分析的知识，他们就会意识到建模的潜力。 建立一个非常好的模型可能需要大量的时间和练习，所以我总是试图激励学生和我一起，一步一步地走上这个建模之旅！ 事实上，我有一些学生即使在完成课程后仍然继续做建模——这对我来说是非常有价值的。
Students in the Forest Management course at UTAD working with ModisPinasterStudents in the Forest Management course at UTAD working with ModisPinasterStudents in the Forest Management course at UTAD working with ModisPinasterStudents in the Forest Management course at UTAD working with ModisPinasterUTAD 森林管理课程的学生与 ModisPinaster 合作梅格：一定是这样！ 毫无疑问，有一位像您这样对统计学充满热情的教授是有帮助的。 并在森林科学等应用环境中学习统计数据，其中不仅仅是纯粹的建模，而且您可以看到现实世界的应用程序。
特蕾莎：应用是如此重要。 我所教授的课程是基于联合管理计划，前几讲是关于如何使用该软件的。 一旦学生熟悉 JMP，他们就开始创建用于林业的小型模型。 从那里开始，我慢慢增加难度。 例如，我从线性回归建模开始，到课程结束时，我正在教授非线性模型。 随着主题变得越来越困难，重要的是我的讲座不仅是理论性的，而且是具有真实科学实例的实用性。
第一堂课是最重要的，因为那是我捕捉学生对数据兴趣的时候。 首先，这不是对建模的兴趣，而是对数据分析的兴趣。 我向他们提供我的研究或网上提供的图表，并要求他们在不了解统计或建模的情况下分析他们所看到的内容。 起初，学生可能认为他们没有看到任何东西，但在我们讨论之后，他们开始看到趋势的出现。 （有时，在展示图表之前，我会呈现字母汤，让学生参与进来并训练他们的眼睛。）
我告诉他们的最重要的事情之一是，未来我们只会在科学领域使用更多的数据。 下一代将比我更多地依赖统计分析和建模。 因此，我们需要投资为未来的科学家提供构建模型所需的技能。 推广统计学作为科学的一部分非常重要。 不仅仅是科学，不仅仅是数据分析，而是两者兼而有之。
我们必须让学生培养处理数据的基本技能——让他们了解数据分析的潜力，通过以前不可能的发现来简化世界。
