O presente estudo teve como objetivo determinar uma equação de volume para ser
aplicada às árvores que compõem a vegetação remanescente da área onde irá se instalar o
Complexo Petroquímico do Estado do Rio de Janeiro, COMPERJ, situado no Município de
Itaboraí, RJ, obedecendo ao disposto no Termo de Referência emitido pelo Instituto Estadual
de Florestas do Rio de Janeiro.Tomando como base os dados do inventário florestal realizado,
onde foram mensuradas 100 unidades amostrais com as dimensões de 10 x 50 m e diâmetro
mínimo de 5 cm foram selecionados 202 fustes pertencentes a árvores de 18 famílias e 22
espécies diferentes, cubadas rigorosamente em pé, para obtenção da base de dados a ser
utilizada no processamento. Dentre os inúmeros modelos existentes para estimar o volume das
árvores foram selecionados 4 dos mais freqüentes em trabalhos similares: Kopezky-
Gehrhardt, Spurr (Variável combinada), Husch e Schumacher & Hall. Os critérios utilizados
para seleção do melhor modelo contemplaram os seguintes itens: relação linear entre as
variáveis envolvidas nos modelos, avaliada pelo coeficiente de correlação; significância dos
coeficientes, no nível de 95%; coeficiente de determinação corrigido; erro padrão; índice de
Furnival; existência de dados discrepantes e distribuição dos resíduos. Os modelos de Husch e
Schumacher & Hall apresentaram os melhores resultados, sendo escolhido o modelo de Husch
que, mesmo apresentando o segundo melhor desempenho quanto às estatísticas básicas
mostrou os melhores resultados à distribuição dos resíduos e tem a vantagem de necessitar
apenas da variável diâmetro para sua aplicação, evitando as tendenciosidades advindas de
erros de mensuração da altura no campo.
This research aimed to determine volume equation of remaining forest of the
Petrochemical Complex (COMPERJ), in Itaboraí, State of the Rio de Janeiro. In the forest
inventory were measured 100 sampling units (10m x 50 m, each), tree with DBH ≥ 5cm, and
selected 202 trees mensured (stump and crown) envolving 18 families and 22 species. The
following linear regression models was tested: Kopezky-Gehrhardt, Spurr, Husch and
Schumacher & Hall. For selection of the best model was based on: coefficient of correlation;
significance of the coefficients (p=0,05); coefficient of determination adjusted; standard error;
Furnival ́s index; analyses of errors. Statisticaly the Schumacher & Hall ́s model presented
the best results, but the second best Husch ́s model were selected based on analysis of errors
and single equation based on DBH measure only.
