Modelagem do crescimento e produção florestal com a estratificação de povoamentos empregando o método k-means

Abstract

O trabalho teve como objetivo propor uma metodologia de estratificação de povoamentos florestais, testar o modelo de Clutter utilizando outras variáveis independentes, empregar o modelo proposto por Oliveira em 2009 e propor uma alternativa para realização de prognose do crescimento e produção de povoamentos com uma ou duas medições do inventário florestal. O estudo foi realizado com informações de parcelas permanentes de inventários florestais contínuos, conduzidos em povoamentos de clones de Eucalipto localizados no Estado de Minas Gerais. A definição dos estratos foi realizada pelo método de mineração de dados k-means, a partir dos parâmetros de equações lineares simples de cada talhão para as variáveis de povoamento em função da idade. O índice de local para a classificação da capacidade produtiva foi calculado para cada talhão e a sua determinação foi feita utilizando o modelo de Schumacher. A classificação de talhões com uma (36 meses) ou duas medições, (48 meses) foi realizada com o cálculo da distância euclidiana para as variáveis de povoamento do talhão com relação à média do estrato definido pelo k-means. Foi ajustado para os dados de um mesmo conjunto de talhões o modelo de Clutter e algumas alternativas com a substituição de variáveis explicativas, bem como o modelo proposto por Oliveira. O desempenho dos modelos foi avaliado pela raiz quadrada do erro médio, bias %, AIC, BIC e gráficos com a dispersão dos resíduos. Com o intuito de verificar se o método k-means foi eficiente na formação de estratos, procedeu-se com o teste White para o ajuste dos modelos de área basal e volume. O modelo de Clutter apresentou estimativas volumétricas precisas com a estratificação usando o método k-means. Não verificou-se a violação de homocedasticidade de variâncias para a maioria dos estratos gerados pelo método k-means. A altura total média explicou com melhor desempenho a variação volumétrica do povoamento. A classificação de talhões florestais com a distância euclidiana entre as variáveis de povoamento apresentou resultados diferentes quanto a idade de referência. As estimativas projetadas com a classificação aos 48 meses obtiveram resultados mais consistentes do que as projetadas com 36 meses.

The work had as object to propose a forest populations stratification methodology, to test the Clutter model using other independent variables, to employ the model proposed by Oliveira in 2009 and to propose an alternative to the performance of growth prognosis and populations productions with one or two forest inventory measurements. The study was performed with permanent parcels of continuous forest inventories, conducted in Eucalyptus clones populations located in Minas Gerais. The stratums definition was performed using the method of data mining k-means, from the simple linear equations parameters of each plot for the population variables according to the age. The local index to classify the productive capability was calculated for each plot and its determination was done using the Schumacher model. The plot classification with one (36 months) or two measurements (48 months) was made with the calculus of the Euclidian distance for the plot population variables in relation to the stratum average determined by the k-mean method. The Clutter model was adjusted for the data of the same group of plots and some alternatives with the substitution of instructive variables, and also with the model proposed by Oliveira. The models development was evaluated by the square root of the average error, bias %, AIC, BIC and graphics with residues dispersion. Intending to verify if the k-means method was efficient in the stratums formation, they continued to the White test for the adjustment of the basal area and volume models. The Clutter model has presented precise volumetric estimates with the stratification using the k-means method. Homoscedasticity variances violation was not shown for the majority of the stratums generated by the k-means method. The average total height has better explained the population volumetric variation. The forest plots classification with the Euclidian distance among the population variables has shown different results in relation to the reference age. The estimates projected with the classification at 48 months have gotten more consistent results than the ones projected at 36 months.