Teresa Fidalgo Fonseca 博士是葡萄牙 Trás-os-Montes e Alto Douro 大學 (UTAD) 的森林科學教授，她在那裡研究森林資源工程和造林，重點關注將林地生長管理與社區價值相結合的實踐和需求。 她擔任國際林業研究組織聯盟 (IUFRO) 造林部門 1 副協調員和學術期刊客座編輯森林和森林管理前沿。
她最近出版的作品，海鬆管理：替代造林指南的活力潛力，與 José Lousada 合著，發表於森林生物質：從樹木到能源2021 年 2 月。 在其中，特蕾莎提出了管理海松物種的新指南，這些指南是透過她的模擬開發和驗證的。莫迪斯皮納斯特模型。 最終，這項研究的結果一旦實施，就有可能優化生物質的產量，生物質是一種具有成本效益且可持續的可再生能源。
作為統計傳播者，特蕾莎使用聯合管理計劃多年來，無論是在課堂上還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，收集用於統計分析和建模的數據梅格：您對林業的興趣還是對統計學的興趣，哪一個先出現？
特蕾莎：作為 UTAD 的本科生，我選修了一門優秀的林業工程課程——樹木測量學，該課程由一位出色的教授教授，他向我介紹了森林生物識別和建模。 當時我就覺得自己非常喜歡統計學，而且發現自己可以將統計學應用在林業中，真是太興奮了！
畢業後，我完成了森林資源工程碩士學位，並致力於對桉樹的莖錐度進行建模（樹幹的直徑與地面高度的函數關係）。 然後我完成了博士學位（也是建模方向）並創建了一個模型，現在可以透過法國平台免費獲得辣椒，模擬海鬆的動態，包括死亡率、生長和直徑分佈。
這個模型 ModisPinaster 的出現是為了解決一個問題：當時我們沒有針對葡萄牙北部最具代表性的針葉樹物種的森林模型，可用於森林規劃！ 我們在現場實施了幾個永久性地塊，收集了數據，然後我將其發展成為最初的概念創作。 現在它不僅限於葡萄牙森林，還可以被其他地方的其他研究人員使用。
A design plan for ModisPinasterA design plan for ModisPinasterA design plan for ModisPinasterA design plan for ModisPinasterModisPinaster 的設計方案梅格：您認為實施您使用 ModisPinaster 制定的造林指南的潛在影響是什麼？
特蕾莎：森林經營必須始終以科學為基礎。 傳統上，管理者使用的是從實證研究中得出的指導方針，而這些指導方針不具備我們透過統計模型所能提供的力量。 就[我最近的論文森林,火災後再生海鬆的尺寸-密度軌跡]，我們的模型展示瞭如何透過自然更新來最好地管理受森林火災影響的天然松林。
此模型允許森林管理者確定植物的最佳標準密度以及物種的發育階段。 管理人員不能僅僅根據「我們應該有多少棵樹？」之類的數字目標來開展工作，這一點非常重要。而是在一個非常好的資料集和適當的模型上，這可能很簡單，如線性或二次模型，其中最大密度線的描述就是一個例子。
我一直非常喜歡將我的研究與實際應用連結起來，只要有可能，我都會試著建立一個有利於森林管理者的模型…。 如果我們能為他們提供良好的森林管理支持，我相信這將為森林資源的可持續性帶來影響。
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 介面範例顯示輸出選項和生長模擬梅格：您使用該模型調查的其他研究問題是什麼？
特蕾莎：最近，我和我的同事一直在分析另一種松樹——歐洲黑鬆的徑向直徑增長，這種松樹並非原產於葡萄牙。 我們有來自六個不同地點的數據，並使用舒馬克生長方程，我們研究了黑松族群之間的差異。 我們想要了解自然範圍之外的物種的預期行為，而建模是實現這一目標的關鍵方法。
透過建模，我們可以做的不僅僅是計算平均值和標準差。 首先，我們繪製了直徑隨樹齡的分佈圖，然後擬合模型以識別不同地點的一些差異。 正如你所看到的，當我談論模特兒時我總是微笑，因為這真的是我喜歡的事情！
當我確定了一種模式後，我可以輕鬆地每週 7 天、每天 24 小時進行建模。 想到可以從良好數據中生成的所有信息以及我們如何將其總結為數學方程，為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可視化數據分析範例梅格：你如何確定你的數據是好的？
特蕾莎：首先，我對數據非常嚴格，因為我相信如果沒有良好數據的良好支持，就不可能有一個好的模型。 擁有足夠的測量和數據選擇標準非常重要，這樣您的數據才能高度代表抽樣群體，例如上述範例之一中物種自然再生的條件。
在數據品質方面，我們面臨相當長的挑戰。 當我攻讀博士學位時，我有過一次發現錯誤的經歷，但只是在構建了幾個模型之後。 我必須重新安裝所有這些，這花了我一些時間，所以現在我在建模之前非常仔細地分析數據！
還有一件非常重要的事：你需要分析模型的品質。 您必須查看它是否按照假設執行以及何時執行。 我對我所有的學生說：我們有責任提供一個好的模型，所以我們必須確保模型經過所有正確的統計測試和分析。
Typical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartetTypical datasets: Anscombe´s quartet典型資料集：Anscombe´s quartet梅格：你用什麼樣的檢查來確定模型好壞？
特蕾莎：我通常會進行視覺化分析，用不同的圖表不僅檢查反應變數與每個因素之間的關係，還檢查所有因素之間的關係。 我經常建議我的學生使用顏色，因為有時，只需使用不同的顏色來分隔資料集，我們就可以更好地理解整體和單獨的模式。
至於資料清理，任何異常值或有影響的觀察結果（只要它們不是錯誤）都需要保留在資料集中，以便提供有關過程的資訊。 有一次，我得到了一個與異常數量的海上松樹有關的異常值，但當我在現場測量時，它是一個真實值。 由於與其他數據點如此不同，我意識到它會影響結果。 我建立了幾個模型——一個包含總資料集，另一個我測試了沒有異常值的模型。 然而，最終我並沒有排除它，因為正如我之前所說，好的模型需要好的資料集，包括代表樣本中真實變化的任何異常值。
梅格：學生在統計上有哪些誤解？
特蕾莎：有些學生認為建模只是在數據中創建一些趨勢。 其他人則認為這太複雜了。 他們一開始並沒有做好充分準備，但一旦我教他們更多關於統計分析的知識，他們就會意識到建模的潛力。 建立一個非常好的模型可能需要大量的時間和練習，所以我總是試圖激勵學生和我一起，一步一步地走上這個建模之旅！ 事實上，我有一些學生即使在完成課程後仍然繼續做建模——這對我來說是非常有價值的。
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 森林管理課程的學生與 ModisPinaster 合作梅格：一定是這樣！ 毫無疑問，有一位像您這樣對統計學充滿熱情的教授是有幫助的。 並在森林科學等應用環境中學習統計數據，其中不僅僅是純粹的建模，而且您可以看到現實世界的應用程式。
特蕾莎：應用程式是如此重要。 我所教授的課程是基於聯合管理計劃，前幾講是關於如何使用該軟體的。 一旦學生熟悉 JMP，他們就開始創建用於林業的小型模型。 從那裡開始，我慢慢增加難度。 例如，我從線性迴歸建模開始，到課程結束時，我正在教授非線性模型。 隨著主題變得越來越困難，重要的是我的講座不僅是理論性的，而且是具有真實科學實例的實用性。
第一堂課是最重要的，因為那是我捕捉學生對數據興趣的時候。 首先，這不是對建模的興趣，而是對數據分析的興趣。 我向他們提供我的研究或網路上提供的圖表，並要求他們在不了解統計或建模的情況下分析他們所看到的內容。 起初，學生可能認為他們沒有看到任何東西，但在我們討論之後，他們開始看到趨勢的出現。 （有時，在展示圖表之前，我會呈現字母湯，讓學生參與並訓練他們的眼睛。）
我告訴他們的最重要的事情之一是，未來我們只會在科學領域使用更多的數據。 下一代將比我更依賴統計分析和建模。 因此，我們需要投資為未來的科學家提供建立模型所需的技能。 推廣統計學作為科學的一部分非常重要。 不只是科學，不只是數據分析，而是兩者兼具。
我們必須讓學生培養處理數據的基本技能——讓他們了解數據分析的潛力，透過以前不可能的發現來簡化世界。
