Predição volumétrica por meio da krigagem pontual reduz o esforço de amostragem em inventários florestais pré-corte

Autores

DOI:

https://doi.org/10.35699/2447-6218.2020.15927

Palavras-chave:

Semivariograma, Inventário Florestal, Intensidade amostral

Resumo

O objetivo deste trabalho foi avaliar o desempenho de um estimador geoestatístico para estimar a volumetria de um povoamento de eucalipto com 8 anos de idade considerando diferentes intensidades amostrais. A base de dados foi proveniente de inventários florestais pré-corte. A intensidade amostral foi de uma parcela a cada 5 ha aproximadamente, totalizando 220 parcelas inventariadas em campo. Os dados foram divididos em dois grupos: 80% para ajuste dos semivariogramas e 20% para validação. Dentre os dados destinados aos ajustes, foram selecionadas parcelas que representassem quatro diferentes intensidades amostrais (1:5, 1:10, 1:15 e 1:20), e posteriormente, ajustados os modelos de semivariogramas. Os modelos foram então utilizados para estimar o volume das parcelas destinadas à validação. Os resultados permitiram inferir que o modelo esférico ajustado para as diferentes intensidades amostrais apresentou desempenho satisfatório e próximos entre si, com erros inferiores a 10 %. O menor valor foi apresentado na intensidade amostral de 1:5, 7,33 %, e o maior na intensidade de 1:20, 8,90 %, uma diferença de apenas 1,57 %. Assim sendo, foi possível concluir que o estimador geoestatístico permitiu a redução da intensidade amostral em inventários que antecedem o corte de povoamentos clonais de Eucalyptus, sem grandes perdas na precisão.

Referências

Alvares, C. A.; Stape, J. L; Sentelhas, P. C.; Gonçalves, J. L. de M.; Sparovek, G. 2013. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, 22: 711-728. doi: https://dx.doi.org/10.1127/0941-2948/2013/0507.

Biase, A. G.; Santana, T. V. F. de. 2012. Geoestatística análise de dados em outro software Gamma Desing GS+. Piracicaba: Escola superior de Agricultura Luiz de Queiroz, 120f.

Burnham, K. P.; Anderson, D. R. 2002. Model selection and multimodel inference. 2. ed. Springer. New York.

Cochran, W. G. 1977. Sampling Techniques. 3 ed. New York.

Couto, E. G.; Stein, A.; Klamt, E. 1997. Large area spatial variability of soil chemical properties in central Brazil. Agriculture Ecosystems and Environment, 66: 139- 152. doi: https://doi.org/10.1016/S0167-8809(97)00076-5.

Cressie, N. 1993. Statistics for spatial data. New York: Wiley.

Dantas, D. 2019. Estimador geoestatístico e modelos de efeito misto para modelagem hipsométrica e volumétrica de povoamentos florestais. Lavras: Universidade Federal de Lavras, 120f. Dissertação Mestrado. Disponível em: http://repositorio.ufla.br/jspui/handle/1/33647

Dantas, D.; Calegario, N.; Acerbi Júnior, F. W.; Carvalho, S. P. C.; Isaac Júnior, M. A.; Melo, E. A. 2020. Multilevel nonlinear mixed-effects model and machine learning for predicting the volume of Eucalyptus spp. trees. Cerne, 26(1): 1-10. doi: https://doi.org/10.1590/01047760202026012668.

Diggle, P. J.; Ribeiro Júnior, P. J. 2000. Model-based geostatistics. In: Simpósio Nacional de Probabilidade e Estatística. Associação Brasileira de Estatística.

Diggle, P. J.; Ribeiro Júnior, P. J. 2007. Model-based geostatistics. Springer. Londres.

ESRI. ArcGIS Desktop: Release 10. 2011. Redlands, CA: Environmental Systems Research Institute.

Guedes, I. C. de L.; Mello, J. M. de; Mello, C. R. de; Oliveira, A. D. de; Silva, S. T. da; Scolforo, J. R. S. 2012. Técnicas geoestatísticas e interpoladores espaciais na estratificação de povoamentos de Eucalyptus sp.. Ciência Florestal, 22: 541-550. doi: https://dx.doi.org/10.5902/198050986621.

Isaaks, E. H.; Srivastava, R. M. 1989. Anintroduction to applied geostatistics. Oxford University Press. New York, NY, USA.

Journel, A. G.; Huijbregts, C. J. 1978. Mininggeostatistics. Academic Press. London, UK.

Journel, A. G.; Huijbregts, C. J. 2003. Mining geoestatistics. Academic. London, UK.

Lima, E. S.; Montanari, R.; Lovera, L. H.; Teixeira Filho, M. C. M.; González, A. P. 2017. Variabilidade espacial das propriedades dendrométricas do eucalipto e atributos químicos de um Neossolo Quartzarênico. Journal of Neotropical Agriculture, 4(1): 1-11.

Machado, S. A; Conceição, M. B.; Figueiredo, D. J. 2002. Modelagem do volume individual para diferentes idades e regimes de desbaste em plantações de Pinus oocarpa. Revista Ciências Exatas e Naturais, 4: 185-197.

Mc Bratney, A.G.; Webster, A.G. 1986. Choosing functions for semi-variograms and fitting them to sampling estimates. Journal of Soil Science, 37: 617-639. doi: https://doi.org/10.1111/j.1365-2389.1986.tb00392.x.

Mello, J. M. de.; Oliveira, M. S. de; Batista, J. L. F.; Justiniano Júnior, P. R.; Kanegae Júnior, H. 2006. Uso do estimador geoestatístico para predição volumétrica por talhão. Floresta, 36: 251-260. doi: http://dx.doi.org/10.5380/rf.v36i2.6454.

Mello, J. M.; Diniz, F. S.; Oliveira, A. D.; Scolforo, J. R. S.; Acerbi junior, F. W.; Thiersh, C. R. 2009. Métodos de amostragem geoestatística para estimativa do número de fustes e volume em plantios de Eucalyptus grandis. Floresta, 39: 157-166. doi: http://dx.doi.org/10.5380/rf.v39i1.13735.

Mello, J. M. de. 2004. Geoestatística aplicada ao inventário florestal. Piracicaba: Universidade de São Paulo, 122f. Tese Doutorado.

Nielsen, D. R.; Wendroth, O. 2003. Spatial and temporal statistics: sampling field soils and their vegetation. Reiskirchen: Catena Verlag.

Nogueira, C. H. 2013. Análise de variância com dependência espacial sob uma abordagem geoestatística. Lavras: Universidade Federal de Lavras, 124f. Dissertação Mestrado. Disponível em: http://repositorio.ufla.br/jspui/handle/1/700

R Core Team. R. 2019. A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing.

Raimundo, M. R.; Scolforo, H. F.; Mello, J. M.; Scolforo, J. R. S.; McTague, J. P.; Reis, A. A. R. 2017. Geoestatística Aplicada às Estimativas de Crescimento em Inventários Florestais Contínuos, Forest Science, 63(1): 29–38. Disponível em: https://doi.org/10.5849/FS-2016-056

Ribeiro Júnior, P. J. 1995. Métodos geoestatísticos no estudo da variabilidade espacial de parâmetros do solo. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 99f. Dissertação Mestrado. Disponível em: https://doi.org/10.11606/D.11.2019.tde-20191108-110517

Ribeiro Júnior, P. J.; Diggle, P. J. 2001. geoR: Apackage for geostatistical analysis. R-News, 1: 15-18.

Sakamoto, Y.; Ishiguro, M.; Kitagawa, G. 1986. Akaike information criterion statistics. Dordrecht, The Netherlands: D. Reidel.

Santos, M. C.dos; Roveda, M.; Zanon, M. L. B.; Figueiredo Filho, A.; Roik, M.; Pacheco, J. M.; Scavinski, V. 2017. Inventário Florestal utilizando técnicas de silvicultura de precisão em povoamentos de Eucalyptus grandis Hill ex Maiden. Floresta e Ambiente, 24. doi: https://dx.doi.org/10.1590/2179-8087.082714.

Schumacher, F. X.; Hall, F. S. 1933. Logarithmic expression of timber-tree volume. Journal of Agricultural Research, 47: 719 – 734.

Sena, K. K. K.; da Silva Campos, P. S.; Rodrigues, H. C. T.; Chase, O. A.; Marques, G. T.; dos Reis Moraes, R. I.; Santos Galate, R. 2019. Análise geoestatística em povoamento de floresta nativa no município de Paragominas–Pará/Geostatistical analysis in native forest stand in the municipality of Paragominas-Pará. Brazilian Journal of Development, 5(10): 18695-18713.

Shapiro, S. S.; Wilk, M. B. 1965. An analysis of variance test for normality (complete samples). Biometrika, 52: 591-611. doi: https://dx.doi.org/10.2307/2333709.

Thompson, S. K. 1992. Sampling. New York: Wiley.

Vieira, S. R. 2000. Geoestatística em estudos de variabilidade espacial do solo. In: Tópicos em ciências do solo. Viçosa, MG, Sociedade Brasileira de Ciência do Solo.

Wonnacott, T. H; Wonnacott, R. J. 1972. Introductory Statistics. 2. ed. John Wiley, New York, NY, USA

Downloads

Publicado

2020-06-20

Edição

Seção

ARTIGOS ORIGINAIS

Como Citar

Predição volumétrica por meio da krigagem pontual reduz o esforço de amostragem em inventários florestais pré-corte. (2020). Caderno De Ciências Agrárias, 12, 1-9. https://doi.org/10.35699/2447-6218.2020.15927
Share |

Artigos Semelhantes

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.