Modelos biométricos florestais com a inclusão de covariantes

Abstract

Uma das dificuldades na modelagem biométrica florestal é o grande número de variáveis que influenciam as características de interesse no povoamento e que refletem diretamente na produtividade dos mesmos. Para se obter estimativas precisas do estoque de madeira da floresta, o controle dessas variáveis torna-se ponto fundamental para o planejamento florestal da empresa. No entanto, a heterogeneidade dos plantios e a relação entre os fatores que influenciam sua produtividade dificultam o processo de modelagem e demandam mais tempo. Diante disso, técnicas de decomposição dos parâmetros dos modelos biométricos florestais, com a inclusão de covariantes relacionadas com árvores individuais e com o povoamento, podem melhorar a precisão e também criar um modelo com uma característica mais prática de utilização. O objetivo deste estudo foi avaliar a melhoria da qualidade do ajuste de modelos biométricos florestais pela inclusão de covariantes. Os dados do presente estudo são provenientes de plantios comerciais de Eucalyptus sp. situados na região sul do estado da Bahia. Foram ajustados dois modelos reduzidos, um linear e um não linear, para hipsometria e volumetria. Após o ajuste dos parâmetros do modelo reduzido selecionado, a formulação completa foi ajustada com a inclusão das variáveis relativas à árvore individual. Houve uma redução de 20% no valor do erro padrão residual quando comparados o modelo reduzido e o modelo completo hipsométrico com a inclusão das covariantes; para a o volume, esta redução foi de 7%%. Assim, a inclusão de covariantes nos modelos selecionados, associados individualmente aos parâmetros, contribuiu significativamente para o aumento da precisão dos modelos.

One of the troubles in biometrical forest modeling is the great number of variables which influence the characteristics of interest in povoamento (stand) and which reflect on their yield. In order to obtain precise estimates of the forest’s lumber stock, the control of those variables becomes a fundamental point to the forest planning of the undertaking. Nevertheless, the heterogeneity of plantings and relationship among the factors which influence its yield, make the modeling process difficult and demand further time. Thus, techniques of decomposing the parameters of the biometrical forest parameters with the inclusion of covariants related to the single trees and with povoamento (stand), can improve the precision and also create a model with a more practical characteristic of utilization. The objective of this study was evaluating the improvement of the quality of the biometrical forest models by including covariants. The data of the present study are coming from commercial plantings of Eucalyptus sp. situated in the southern region of the state of Bahia. Two reduced models were adjusted, one linear and other non-linear, for hypsometry and volumetrics. After the adjustment of the parameters of the selected reduced model, the complete formulation was adjusted with the inclusion of the variables relative to the single tree. There was a 20% reduction in the value of the residual standard error when compared the reduced model and the hypsometric complete model with the inclusion of the covariants; for volume, this reduction was of 7%%. Thus, the inclusion of covariants in the selected models, associated singly to the parameters, contributed significantly to the increased of the precision of models.