Spring hunting season for wild turkey (Meleagris gallopavo) in Mississippi is designed to coincide with peak gobbling activity. The Mississippi Department of Wildlife, Fisheries and Parks (MDWFP) uses brood surveys and hunter observations to forecast gobbling activity. Hunters claimed hunting season does not coincide with regional gobbling peaks. I conducted statewide surveys to assess latitudinal and climatic influences in gobbling activity and used long-term (1996-2008) MDWFP data to evaluate use as a forecasting tool. I observed ≥ 66% of all spring gobbling with an approximate 2-week difference in peak gobbling activity between northern and southern Mississippi. Gobbling in the north was influenced by temperature, wind speed, and cloud cover; in the south, only cloud cover. Long-term data performed poorly predicting gobbling activity (R2 = 0.02 – 0.047, regionally; R2 = 0.06 – 0.09, statewide). Spring hunting season captures most gobbling, including peaks. Data sources should be used cautiously to forecast gobbling activity.

Os P-splines de Eilers e Marx (1996) são métodos de suavização que é uma combinação de bases B-splines e uma penalização discreta sobre os coeficientes das bases utilizados para suavizar dados normais e não normais em uma ou mais dimensões, no caso de várias dimensões utiliza-se como suavização o produto tensor dos P-splines. Também os P-splines são utilizados como representação de modelos mistos Currie et al. (2006) pela presença de características tais como: efeitos fixos, efeitos aleatórios, correlação espacial ou temporal e utilizados em modelos mais generalizados tais como os modelos mistos lineares generalizados e modelos mistos aditivos generalizados. Neste trabalho apresentou-se toda a abordagem, metodologia e descrição dos P-splines como modelos mistos e como componentes das estruturas suavizadoras de variáveis unidimensionais e bidimensionais dos modelos mistos aditivos generalizados, mostrando essa abordagem e propondo seu uso em uma aplicação no comportamento dos níveis médios da produção de cana-de-açúcar sob a influência das alterações das variáveis climáticas como temperatura e precipitação, que foram medidos ao longo de 10 anos em cada mesorregião do Estado de São Paulo. O motivo de usar essa abordagem como método de suavização é que muitas vezes não é conhecido a tendência dessas covariáveis climáticas mas sabe-se que elas influenciam diretamente sobre a variável resposta. Além de permitir essa abordagem inclusão de efeitos fixos e aleatórios nos modelos a serem propostos, permitirá a inclusão do processo autoregressivo AR(1) como estrutura de correlação nos resíduos. / P-splines of Eilers e Marx (1996) are methods of smoothing that is a combination of B-splines bases and penalty the coefficients of the bases used to smooth normal and non-normal data in one or more dimensions; in the case of several dimensions it is used as smoothing the tensor product of the P-splines. Also the P-splines are used as representation of mixed models Currie et al. (2006) by the presence of characteristics such as: fixed effects, random effects, spatial or temporal correlation and used in more generalized models such as generalized linear mixed models and generalized additive mixed models. In this work the whole approach, methodology and description of the P-splines as mixed models and as components of the smoothing structures of one-dimensional and two-dimensional variables of generalized additive mixed models were presented, showing this approach and proposing its application in the behavior of the average levels of sugarcane production, which is influenced by changes in climatic variables such as temperature and precipitation , which were measured over 10 years in each mesoregion of the state of São Paulo. The reason for using this approach as a smoothing method is that the tendency of these climate covariables is not know for the most part, but is known that they influence directly the response variable, besides allowing this approach to include fixed and random effects in the models to be proposed, will allow the inclusion of the autoregressive process AR(1) as a correlation structure in the residuos.

Os P-splines de Eilers e Marx (1996) são métodos de suavização que é uma combinação de bases B-splines e uma penalização discreta sobre os coeficientes das bases utilizados para suavizar dados normais e não normais em uma ou mais dimensões, no caso de várias dimensões utiliza-se como suavização o produto tensor dos P-splines. Também os P-splines são utilizados como representação de modelos mistos Currie et al. (2006) pela presença de características tais como: efeitos fixos, efeitos aleatórios, correlação espacial ou temporal e utilizados em modelos mais generalizados tais como os modelos mistos lineares generalizados e modelos mistos aditivos generalizados. Neste trabalho apresentou-se toda a abordagem, metodologia e descrição dos P-splines como modelos mistos e como componentes das estruturas suavizadoras de variáveis unidimensionais e bidimensionais dos modelos mistos aditivos generalizados, mostrando essa abordagem e propondo seu uso em uma aplicação no comportamento dos níveis médios da produção de cana-de-açúcar sob a influência das alterações das variáveis climáticas como temperatura e precipitação, que foram medidos ao longo de 10 anos em cada mesorregião do Estado de São Paulo. O motivo de usar essa abordagem como método de suavização é que muitas vezes não é conhecido a tendência dessas covariáveis climáticas mas sabe-se que elas influenciam diretamente sobre a variável resposta. Além de permitir essa abordagem inclusão de efeitos fixos e aleatórios nos modelos a serem propostos, permitirá a inclusão do processo autoregressivo AR(1) como estrutura de correlação nos resíduos. / P-splines of Eilers e Marx (1996) are methods of smoothing that is a combination of B-splines bases and penalty the coefficients of the bases used to smooth normal and non-normal data in one or more dimensions; in the case of several dimensions it is used as smoothing the tensor product of the P-splines. Also the P-splines are used as representation of mixed models Currie et al. (2006) by the presence of characteristics such as: fixed effects, random effects, spatial or temporal correlation and used in more generalized models such as generalized linear mixed models and generalized additive mixed models. In this work the whole approach, methodology and description of the P-splines as mixed models and as components of the smoothing structures of one-dimensional and two-dimensional variables of generalized additive mixed models were presented, showing this approach and proposing its application in the behavior of the average levels of sugarcane production, which is influenced by changes in climatic variables such as temperature and precipitation , which were measured over 10 years in each mesoregion of the state of São Paulo. The reason for using this approach as a smoothing method is that the tendency of these climate covariables is not know for the most part, but is known that they influence directly the response variable, besides allowing this approach to include fixed and random effects in the models to be proposed, will allow the inclusion of the autoregressive process AR(1) as a correlation structure in the residuos.