O problema de nosso interesse é a estimação do número de plantas ou árvores individuais que ocorrem numa região do espaço na situação onde esses indivíduos acham-se distribuídos de modo agregado na região. A estimação do tamanho de uma população distribuída espacialmente numa região é geralmente feita através da amostragem de sub-regiões ou ainda através do estudo da vizinhança de pontos selecionados ao acaso na região. Para resolver esse tipo de problema, existem várias técnicas desenvolvidas. O objetivo deste estudo é comparar três dessas técnicas: a estimação por contagem de quadrats, a estimação através dos métodos de distâncias e a estimação através do conglomerado adaptativo. Em simulações com uma configuração do tipo agregada, os estimadores que obtiveram o melhor desempenho foram os do conglomerado adaptativo (Hansen-Hurwitz e Horvitz-Thompson) e o da contagem de quadrats, sendo esse último o de menor variância dentre o dois. Entretanto, em regiões de difícil deslocamento, os estimadores do conglomerado adaptativo mostram-se os mais adequados, já que os quadrats amostrados estarão também agregados e, assim, os deslocamentos serão minimizados.
The size population of trees or plants spatially distributed in a planar region is estimated through sampling of sub-regions or through the study of the neighborhood of randomly selected points in the region. This paper involves the estimation of the population size when it is spatially clumped. This clumping makes the search for individuals in the study region difficult. Our objective is to compare three proposed methods to solve this estimation problem: quadrats counts, distance methods and adaptative cluster. In the simulation study, we worked with an aggregated population. The adaptative cluster estimators (Hansen-Hurwitz and Horvitz-Thompson) and the quadrat counts estimator had better performance compared to distance methods. The quadrat counts estimator had a smaller variance than the adaptative cluster estimators. However, when the movements accross the region are difficult, the adaptative cluster estimators are more indicated than quadrat counts estimator because the sampled quadrats will be aggregated and hence the movements will be minimized.
