Baixe o app para aproveitar ainda mais
Prévia do material em texto
MILENA HARDT NATALI DE OLIVEIRA PITZ COMPARAÇÃO DE MODELOS HIPSOMÉTRICOS E VOLUMÉTRICOS PARA UM POVOAMENTO DE Pinus sp. LAGES – SC 2019 RESUMO Este trabalho teve como objetivo ajustar e selecionar modelos hipsométricos e volumétricos para a estimativa dos volumes e das alturas das árvores respectivamente, em um povoamento de Pinus sp. Foram testados oito volumes hipsométricos e desenvolvidos dois modelos por Stepwise, da mesma forma realizou-se para os modelos volumétricos. Os modelos foram comparados e selecionados pelas estatísticas de ajuste como R² e R² ajustado (ou IA e IA ajustado), Syx, Syx (%) e análise gráfica dos resíduos. O ajuste de Stepwise sem constante apresentou melhor desempenho para ambas as variáveis de interesse. Considerando somente os 16 modelos testados, equação número 6 apresentou um melhor desempenho para a estimativa das alturas e, a equação número 5 (Spurr com variável logarítmica combinada) apresentou melhor desempenho para a estimativa de volume. PALAVRAS-CHAVE: Hipsométricos, Volumétricos, Stepwise. ABSTRACT The objective of this work was to adjust and select hypsometric and volumetric models for the estimation of tree volumes and heights, respectively, in a stand of Pinus sp. Eight hypsometric volumes were tested and two models were developed by Stepwise, in the same way for the volumetric models. The models were compared and selected by adjustment statistics such as R² and adjusted R² (or adjusted IA and IA), Syx, Syx (%) and graphical analysis of the residues. The Stepwise adjustment without constant presented better performance for both variables of interest. Considering only the 16 models tested, equation number 6 presented a better performance for the estimation of heights and, equation number 5 (Spurr with combined logarithmic variable) presented better performance for volume estimation. KEYWORDS: Hypsometric, Volumetric, Stepwise. INTRODUÇÃO As árvores oriundas de florestas plantadas são destinadas a produção de celulose, papel, painéis de madeira, pisos laminados, carvão vegetal, biomassa e ainda fonte de centenas de outros produtos e subprodutos. O Brasil com área de cerca de 7,84 milhões de hectares de reflorestamentos, está entre os principais produtores de celulose, papel e painéis de madeira no mundo, sendo o setor brasileiro de árvores plantadas responsável por 91% de toda a madeira produzida para fins industriais e 6,2% do PIB Industrial no País, além de ser um dos segmentos com maior potencial de contribuição para a construção de uma economia verde (IBÁ, 2017). Segundo Miguel et al. (2010) conhecer o volume de madeira de uma floresta é de extrema relevância, uma vez que a preocupação com o planejamento, ordenamento e o uso da madeira, cada vez exigem uma maior precisão na quantificação do volume dos povoamentos florestais. A análise de regressão tem sido usada com ênfase na solução de grande parte dos problemas florestais, principalmente quando se pretende obter estimativas de parâmetros da floresta, utilizando-se de relações biométricas que possibilitam obter valores estimados de forma indireta através de equações de regressão (SCHNEIDER et al., 2009). Estimativas de produção quando mal sucedidas podem acarretar em um mau planejamento da empresa florestal e consequentemente trazer prejuízos ao produtor florestal Miranda 2015 , assim, o objetivo deste trabalho foi ajustar e selecionar modelos hipsométricos e volumétricos para a estimativa dos volumes e das alturas das árvores respectivamente, em um povoamento de Pinus sp. MATERIAL E MÉTODOS Os dados aos quais os modelos foram ajustados pertencem a um plantio de Pinus sp. com idade aproximada de dez anos. Foram testados oito modelos hipsométricos para estimativa das alturas e oito modelos volumétricos para estimativa dos volumes, estes foram processados no programa Excel 2010, todos apresentados na Tabela 1 e Tabela 2. Além destes modelos, também foram feitos o ajuste de Stepwise, com e sem constante, para cada variável (volume e altura), sendo estes foram processados tanto no Excel 2010 como no Statgraphics Plus 5.1. Tabela 1. Modelos hipsométricos testados. Identificação Modelo 1 ℎ = 1 𝛽0 + 𝛽1 ∗ 1 𝐷𝐴𝑃 + 1,3 2 1 √ℎ − 1,3 = 𝛽0 + 𝛽1 . 1 𝐷𝐴𝑃 3 ln(ℎ − 1,3) = 𝛽0 + 𝛽1 . 1 𝐷𝐴𝑃 4 𝐷𝐴𝑃² √ℎ − 1,3 = 𝛽0 + 𝛽1 . 𝐷𝐴𝑃 + 𝛽2 . 1 𝐷𝐴𝑃² 5 ℎ − 1,3 = 𝛽0 + 𝛽1 . 𝐷𝐴𝑃 6 ln ℎ = 𝛽0 + 𝛽1 . ln 𝐷𝐴𝑃 7 ℎ = 𝛽0 + 𝛽1 . ( 1 𝐷𝐴𝑃 ) 8 ( 1 ℎ ) − 1,3 = 𝛽0 + 𝛽1. 1 𝐷𝐴𝑃 + 𝛽2 . 1 𝐷𝐴𝑃2 Tabela 2. Modelos volumétricos testados. Identificação Autor Modelo 1 S.h. Spurr (1952) 𝑣 = 𝛽1. 𝑑²ℎ 2 S.h. Spurr (1952) 𝑣 = 𝛽0 + 𝛽1. 𝑑2ℎ 3 Ogaya 𝑣 = 𝑑²(𝛽0 + 𝛽1. ℎ) 4 Stoate (australiana) 𝑣 = 𝛽0 + 𝛽1. 𝑑2 + 𝛽2. 𝑑2ℎ + 𝛽3. ℎ 5 Spurr (variável combinada logarítmica) 𝑣 = 𝛽0. (𝑑2ℎ)𝛽1 6 Schumacher-Hall 𝑣 = 𝛽0. 𝑑𝛽1 . ℎ𝛽2 7 Hohenadl-Krenn 𝑣 = 𝛽0 + 𝛽1. 𝑑 + 𝛽2. 𝑑² 8 Husch – Berkhout (1952) 𝑣 = 𝛽0. 𝑑𝛽1 Pelo ajuste de Stepwise com o auxílio do Statgraphics Plus 5.1 podemos selecionar as variáveis independentes que melhor se ajustam a amostra, sendo as escolhidas representadas na Tabela 3. Tabela 3. Variáveis independentes selecionadas pelo programa Statgraphics Plus 5.1 para o ajuste de Stepwise com e sem constante Ajuste Variável Equação Sem constante Altura ℎ = 𝛽1. 𝑑 + 𝛽2 . ln 𝑑³ Volume 𝑣 = 𝛽1. 𝑑2ℎ + 𝛽2. 𝑑5ℎ + 𝛽3 . 𝑑3 + 𝛽4 . 𝑑5 Com constante Altura ℎ = 𝛽0 + 𝛽1. 𝑑 Volume 𝑣 = 𝛽0 + 1 . 𝑑2ℎ + 𝛽2. 𝑑5ℎ + 𝛽3 . 𝑑ℎ3 + 𝛽4 . 𝑑5 Para comparação dos modelos foram utilizadas as estatísticas de ajuste índice de Schlaegel (IA) e índice de Schlaegel ajustado que correspondem ao coeficiente de determinação (R²) para os modelos em que foi necessário o recálculo da análise de variância, além de erro padrão da estimativa (Syx). Os modelos também foram comparados pela distribuição gráfica dos resíduos. As expressões matemáticas das estatísticas de ajuste estão apresentadas na Tabela 4. Tabela 4. Expressões matemáticas das estatísticas de ajuste utilizadas para comparação dos modelos. Identificação Expressão matemática Índice de Schlaegel (IA) 𝐼𝐴 = 1 − 𝑆𝑄 𝑅𝑒𝑠í𝑑𝑢𝑜 𝑆𝑄 𝑇𝑜𝑡𝑎𝑙 Índice de Schlaegel Ajustado (IA Ajustado) 𝐼𝐴 = 1 − 𝑆𝑄 𝑅𝑒𝑠í𝑑𝑢𝑜 𝑆𝑄 𝑇𝑜𝑡𝑎𝑙 . 𝐺𝐿 𝑇𝑜𝑡𝑎𝑙 𝐺𝐿 𝑅𝑒𝑠í𝑑𝑢𝑜 Erro padrão da estimativa (Syx) 𝑆𝑦𝑥 = √𝑄𝑀 𝑑𝑜 𝑅𝑒𝑠í𝑑𝑢𝑜 Erro padrão da estimava em percentual (Syx %) 𝑆𝑦𝑥 % = 𝑆𝑦𝑥 𝑀é𝑑𝑖𝑎 . 100 RESULTADOS E DISCUSSÃO Diante do ajuste dos modelos hipsométricos, os resultados das estatísticas de ajuste mostram que o modelo 6 apresentou melhor ajuste aos dados. Dentre os modelos testados o modelo 6 apresentou maior valor de IA ajustado e menor valor de Syx e Syx% quando comparado aos demais modelos (Tabela 5). Tabela 5. Valores das estatísticas de ajuste para modelos hipsométricos. Modelo IA IA Ajustado Syx (m) Syx % 1 0,8900 0,8881 2,45 10,37% 2 0,8611 0,8588 2,75 11,65 % 3 0,8233 0,8204 3,11 13,15% 4 0,7291 0,7200 3,85 16,28% 5 0,8903 0,8885 2,49 10,52% 6 0,8905 0,8886 2,44 10,35% 7 0,7228 0,7182 3,89 16,46% 8 0,8842 0,8803 2,51 10,64% Em que: IA: índice de Schlaegel; Syx: erro padrão da estimativa. Portanto, para a estimativa das alturas desta situação a equação ajustada referente ao hipsométrico 6 se mostra como a melhor alternativa dentre as testadas. A distribuição gráfica dos resíduos foi similar entre os modelos testados. O modelo 4 apresentou superestimava das alturas nos diâmetros de 5 a 15 cm e o modelo 7 apresentou superestimativa das alturas para diâmetros de 5 a 10 cm Figura 1. Figura 1. Distribuição dos resíduos para os oito modelos hipsométricos testados. Atanásio et.al (2017) encontraram para relaçãohipsométrica de Pinus taeda no município de Enéas Marques, Paraná, que o melhor modelo para a situação foi 1 √ℎ = 𝛽0 + 𝛽1 ∗ 1 𝐷𝐴𝑃 com R² ajustado de 0,74 e coeficiente de variação de 8,89%. Comparando os modelos ajustados para a variável volume, o modelo número 5 (Tabela 6), correspondente ao modelo de Spurr com variável combinada logarítmica, apresentou o maior valor de IA ajustado e menor valor de Syx e Syx%, sendo assim o modelo que melhor se ajustou para a estimativa de volume desta população. Em um trabalho realizado por Thomas et al. (2006) comparando modelos volumétricos para a estimação do volume total com e sem casca para Pinus taeda, o modelo de Schumacher-Hall, correspondente ao modelo volumétrico 6 deste trabalho, apresentou um melhor desempenho. Examinando a Tabela 6, conseguimos observar que o modelo de Schumacher-Hall não ficou muito atrás do considerado melhor modelo, o modelo 5 de Spurr com variável combinada logarítmica. Tabela 6. Valores das estatísticas de ajuste para modelos volumétricos. Modelo IA IA ajustado Syx (m³) Syx % 1 0,9933 0,9932 0,03 8,38 2 0,9933 0,9932 0,03 8,38 3 0,9934 0,9933 0,03 8,37 4 0,9945 0,9943 0,03 7,72 5 0,9946 0,9945 0,03 7,58 6 0,9946 0,9944 0,03 7,60 7 0,9858 0,9854 0,04 12,33 8 0,9833 0,9830 0,04 13,30 Diferente dos modelos hipsométricos, os modelos volumétricos apresentaram algumas discrepâncias em sua distribuição de resíduos (Figura 2). O modelo 2 e 7, correspondentes aos modelos de S.h. Spurr (1952) e Hohenadl-Krenn respectivamente, apresentaram superestimativa em diâmetros mais baixos da amostra, enquanto o modelo 4, correspondente ao modelo de Stoate, apresentou subestimativa em diâmetros mais baixos. O modelo 8 apresentou uma distribuição de resíduos muito dispersa em comparação aos demais modelos, apresentando tanto superestimativas como subestimativas dos dados em várias classes diamétricas. Figura 2. Distribuição dos resíduos para os oito modelos volumétricos testados. Para os modelos hipsométricos obtidos por Stepwise (Tabela 7), o ajuste sem constante apresentou um melhor desempenho sendo que seu coeficiente de determinação ajustado (R² ajustado) foi maior que o modelo hipsométrico com constante, bem como também obteve o menor erro padrão da estimativa (Syx e Syx%). Tabela 7. Estatísticas de ajuste para o modelo hipsométrico obtidos por Stepwise. Com constante Sem constante R² 0,8869 0,9905 R² Ajustado 0,8850 0,9904 Syx (m) 2,48 2,44 Syx % 10,51% 10,33% Analisando a distribuição de resíduos dos dois ajustes (Figura 3), podemos observar que há tanto superestimativa como subestimativa em ambos, em diâmetros entre 5 cm e 25 cm. Figura 3. Distribuição de resíduos das equações geradas por Stepwise para estimativa das alturas. 1) Equação com constante. 2) Equação sem constante. Nos modelos volumétricos obtidos por Stepwise, novamente o modelo sem constante apresentou melhor ajuste, sendo que seu coeficiente de determinação ajustado (R² ajustado) mostrou um valor mais alto (Tabela 8), porém seu erro padrão da estimativa foi maior, mas analisando a distribuição de resíduos (Figura 4) podemos observar que no modelo com constante houve uma grande superestimativa no diâmetro próximo a 5 cm e uma superestimativa mais leve em valores entre 5 cm e 10 cm. Figueiredo et al. (2009) encontrou que dentre os modelos testados para relação hipsométrica de Pinus taeda, os modelos desenvolvidos pelo processo de Stepwise estiveram entre os que apresentaram melhores ajustes, no entanto, os modelos apresentavam idade como variável independente. Tabela 8. Estatísticas de ajuste para os modelos volumétricos obtidos por Stepwise. Com constante Sem constante R² 0,9966 0,9982 R² Ajustado 0,9964 0,9981 Syx (m³) 2,05 2,09 Syx % 6,14% 6,26% Figura 4. Distribuição de resíduos das equações geradas por Stepwise para estimativa dos volumes. 1) Equação com constante. 2) Equação sem constante. CONCLUSÃO A análise das estatísticas de ajuste juntamente com a observação gráfica dos resíduos resultantes para as equações de altura e volume, demonstrou que o ajuste de Stepwise sem constante apresentou melhor desempenho para ambas as variáveis de interesse. Porém como foi necessário o uso do programa Statgraphics Plus 5.1, pode ser este um fator limitante para o uso dessa equação. Sendo assim a equação número 6 apresentou um melhor desempenho para a estimativa das alturas e, a equação número 5 (Spurr com variável logarítmica combinada) apresentou melhor desempenho para a estimativa de volume. REFERÊNCIAS ATANAZIO, Kemely Alves et al. COMPARAÇÃO DE MODELOS PARA RELAÇÃO HIPSOMÉTRICA EM FLORESTA DE Pinus taeda L. NO MUNÍCIPIO DE ENÉAS MARQUES, PARANÁ. Scientia Agraria Paranaensis, Marechal Cândido Rondon, v. 16, n. 4, p.535-541, jan. 2017 FIGUEIREDO, R.; NASCIMENTO, F.A.F.; FILHO, A.F.; MIRANDA, G.M.; ARCE, J.E.; DIAS, A.N. Comparação de modelos para expressar a relação hipsométrica em plantios de Pinus taeda L. In: SEMANA DE INTEGRAÇÃO ENSINO, PESQUISA E EXTENSÃO, 1., 2009, Irati, PR. Anais… Irati, PR, 2009 INDÚSTRIA BRASILEIRA DE ÁRVORES. Relatório IBÁ 2017. Brasília: IBÁ, 2017. Disponível em: <https://www.iba.org/datafiles/publicacoes/pdf/iba- relatorioanual2017.pdf> . Acesso em: 30 abr. 2019. MIGUEL, Eder Pereira et al. AJUSTE DE MODELO VOLUMÉTRICO E DESENVOLVIMENTO DE FATOR DE FORMA PARA PLANTIOS DE Eucalyptus grandis LOCALIZADOS NO MUNICIPIO DE RIO VERDE – GO. Enciclopédia Biosfera: Centro Científico Conhecer, Goiânia, v. 6, n. 11, p.1-13, 2010. https://www.iba.org/datafiles/publicacoes/pdf/iba-relatorioanual2017.pdf https://www.iba.org/datafiles/publicacoes/pdf/iba-relatorioanual2017.pdf MIRANDA, D. L. C.; B. JUNIOR, V.; GOUVEIA, D. M.. Fator de forma e equações de volume para estimativa volumétrica de árvores em plantio de Eucalyptus urograndis. Scientia Plena, v. 11, n. 3, p.1-8, 2015. SCHNEIDER, P. R; SCHNEIDER, P. S. P; SOUZA, C. A. M. Análise de Regressão aplicada à Engenharia Florestal. 2. Ed- Santa Maria: FACOS, 2009. 294p. THOMAS, et al. COMPARAÇÃO DE EQUAÇÕES VOLUMÉTRICAS AJUSTADAS COM DADOS DE CUBAGEM E ANÁLISE DE TRONCO. Ciência Florestal, Santa Maria, v. 16, n. 3, p. 319-327, 2006.
Compartilhar