Baixe o app para aproveitar ainda mais
Prévia do material em texto
editora científica Robson José de Oliveira Organizador VOLUME 1 Robson José de Oliveira Organizador VOLUME 2 1ª Edição 2021 editora científica Copyright© 2021 por Editora Científica Digital Copyright da Edição © 2021 Editora Científica Digital Copyright do Texto © 2021 Os Autores EDITORA CIENTÍFICA DIGITAL LTDA Guarujá - São Paulo - Brasil www.editoracientifica.org - contato@editoracientifica.org O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores. Permitido o download e compartilhamento desde que os créditos sejam atribuídos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais. Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0). CORPO EDITORIAL Editor Chefe Reinaldo Cardoso Editor Executivo João Batista Quintela Editor Científico Prof. Dr. Robson José de Oliveira Assistentes Editoriais Elielson Ramos Jr. Erick Braga Freire Bianca Moreira Sandra Cardoso Arte e Diagramação Andrewick França Leonardo Higuti Borba Bibliotecário Maurício Amormino Júnior - CRB6/2422 Jurídico Dr. Alandelon Cardoso Lima - OAB/SP-307852 CONSELHO EDITORIAL Mestres, Mestras, Doutores e Doutoras Robson José de Oliveira Universidade Federal do Piauí, Brasil Eloisa Rosotti Navarro Universidade Federal de São Carlos, Brasil Rogério de Melo Grillo Universidade Estadual de Campinas, Brasil Carlos Alberto Martins Cordeiro Universidade Federal do Pará, Brasil Ernane Rosa Martins Instituto Federal de Educação, Ciência e Tecnologia de Goiás, Brasil Rossano Sartori Dal Molin Universidade Federal do Rio Grande do Sul, Brasil Edilson Coelho Sampaio Universidade da Amazônia, Brasil Domingos Bombo Damião Universidade Agostinho Neto, Angola Elson Ferreira Costa Universidade do Estado do Pará, Brasil Carlos Alexandre Oelke Universidade Federal do Pampa, Brasil Patricio Francisco da Silva Faculdade Pitágoras, Brasil Reinaldo Eduardo da Silva Sales Instituto Federal do Pará, Brasil Dalízia Amaral Cruz Universidade Federal do Pará, Brasil Susana Jorge Ferreira Universidade de Évora, Portugal Fabricio Gomes Gonçalves Universidade Federal do Espírito Santo, Brasil Erival Gonçalves Prata Universidade Federal do Pará, Brasil Gevair Campos Faculdade CNEC Unaí, Brasil Flávio Aparecido de Almeida Faculdade Unida de Vitória, Brasil Mauro Vinicius Dutra Girão Centro Universitário Inta, Brasil Clóvis Luciano Giacomet Universidade Federal do Amapá, Brasil Giovanna Moraes Universidade Federal de Uberlândia, Brasil André Cutrim Carvalho Universidade Federal do Pará, Brasil Silvani Verruck Universidade Federal de Santa Catarina, Brasil Auristela Correa Castro Universidade Federal do Pará, Brasil Osvaldo Contador Junior Faculdade de Tecnologia de Jahu, Brasil Claudia Maria Rinhel-Silva Universidade Paulista, Brasil Dennis Soares Leite Universidade de São Paulo, Brasil Silvana Lima Vieira Universidade do Estado da Bahia, Brasil Cristina Berger Fadel Universidade Estadual de Ponta Grossa, Brasil Graciete Barros Silva Universidade Estadual de Roraima, Brasil Juliana Campos Pinheiro Universidade Federal do Rio Grande do Norte, Brasil Cristiano Marins Universidade Federal Fluminense, Brasil Silvio Almeida Junior Universidade de Franca, Brasil CONSELHO EDITORIAL Mestres, Mestras, Doutores e Doutoras Raimundo Nonato Ferreira do Nascimento Universidade Federal do Piaui, Brasil Marcelo da Fonseca Ferreira da Silva Escola Superior de Ciências da Santa Casa de Misericórdia de Vitória, Brasil Carlos Roberto de Lima Universidade Federal de Campina Grande, Brasil Iramirton Figuerêdo Moreira Universidade Federal de Alagoas, Brasil Daniel Luciano Gevehr Faculdades Integradas de Taquara, Brasil Maria Cristina Zago Centro Universitário UNIFAAT, Brasil Wescley Viana Evangelista Universidade do Estado de Mato Grosso, Brasil Samylla Maira Costa Siqueira Universidade Federal da Bahia, Brasil Antônio Marcos Mota Miranda Instituto Evandro Chagas, Brasil Dennys Ramon de Melo Fernandes Almeida Universidade Federal do Rio Grande do Norte, Brasil Francisco Lima Instituto Federal de Educação, Ciência e Tecnologia Baiano, Brasil Reginaldo da Silva Sales Instituto Federal de Educação, Ciência e Tecnologia do Pará, Brasil Maria do Carmo de Sousa Universidade Federal de São Carlos, Brasil Mauro Luiz Costa Campello Universidade Paulista, Brasil Sayonara Cotrim Sabioni Instituto Federal de Educação Ciência e Tecnologia Baiano, Brasil Ricardo Pereira Sepini Universidade Federal de São João del-Rei, Brasil Flávio Campos de Morais Universidade Federal de Pernambuco, Brasil Sonia Aparecida Cabral Secretaria da Educação do Estado de São Paulo, Brasil Jonatas Brito de Alencar Neto Universidade Federal do Ceará, Brasil Moisés de Souza Mendonça Instituto Federal de Educação, Ciência e Tecnologia do Pará, Brasil Pedro Afonso Cortez Universidade Metodista de São Paulo, Brasil Julianno Pizzano Ayoub Universidade Estadual do Centro-Oeste, Brasil Cynthia Mafra Fonseca de Lima Universidade Federal de Alagoas, Brasil Marcos Reis Gonçalves Centro Universitário Tiradentes, Brasil Vitor Afonso Hoeflich Universidade Federal do Paraná, Brasil Bianca Anacleto Araújo de Sousa Universidade Federal Rural de Pernambuco, Brasil Bianca Cerqueira Martins Universidade Federal do Acre, Brasil Daniela Remião de Macedo Faculdade de Belas Artes da Universidade de Lisboa, Portugal Dioniso de Souza Sampaio Universidade Federal do Pará, Brasil Rosemary Laís Galati Universidade Federal de Mato Grosso, Brasil Maria Fernanda Soares Queiroz Universidade Federal de Mato Grosso, Brasil CONSELHO EDITORIAL Mestres, Mestras, Doutores e Doutoras Letícia Cunha da Hungria Universidade Federal Rural da Amazônia, Brasil Leonardo Augusto Couto Finelli Universidade Estadual de Montes Claros, Brasil Thais Ranielle Souza de Oliveira Centro Universitário Euroamericano, Brasil Danielly de Sousa Nóbrega Instituto Federal de Educação, Ciência e Tecnologia do Acre, Brasil Livia Fernandes dos Santos Instituto Federal de Educação, Ciência e Tecnologia do Acre, Brasil Liege Coutinho Goulart Dornellas Universidade Presidente Antônio Carlos, Brasil Ticiano Azevedo Bastos Secretaria Estadual da Educação de Minas Gerais, Brasil Walmir Fernandes Pereira Miami University of Science and Technology, Estados Unidos da América Jónata Ferreira De Moura Universidade Federal do Maranhão, Brasil Camila de Moura Vogt Universidade Federal do Pará, Brasil José Martins Juliano Eustáquio Universidade de Uberaba Gloria Maria de Franca Universidade Federal do Rio Grande do Norte, Brasil Carla da Silva Sousa Instituto Federal de Educação, Ciência e Tecnologia Baiano, Brasil Mário Celso Neves de Andrade Universidade Tiradentes, Brasil SUMÁRIO 98 CAPÍTULO 01 ANÁLISE MULTIVARIADA E GEOESTATÍSTICA NO ESTUDO DA DISTRIBUIÇÃO ESPACIAL DE ATRIBUTOS DO SOLO E DA VEGETAÇÃO Camila Santos da Silva; Felipe Leite Coelho da Silva; Marcos Gervasio Pereira DOI: 10.37885/201202646 .................................................................................................................................................................... 14 CAPÍTULO 02 APLICAÇÃO DE TÉCNICAS DE REGRESSÃO LINEAR E APRENDIZAGEM DE MÁQUINAS NA PREDIÇÃO DA ALTURA TOTAL DE ÁRVORES DE EUCALYPTUS SPP. Isáira Leite e Lopes; Laís Almeida Araújo; Evandro Nunes Miranda; Vítor de Souza Abreu; Vanessa de Souza Gomes; Bruna Cristina Almeida; Anny Francielly Ataide Gonçalves; Lorena Oliveira Barbosa; Lucas Rezende Gomide DOI: 10.37885/201102132 ..................................................................................................................................................................... 29 CAPÍTULO 03 AVALIAÇÃO DA QUALIDADE DE MUDAS DE MYRACRODRUON URUNDEUVA ALLEMÃO, CLONADAS POR MINIESTAQUIA COM USO DE EXTRATO DE CYPERUS ROTUNDUS L. Sérvio Túlio Pereira Justino;Eder Ferreira Arriel; Mellina Nicácio da Luz; Roberta Patrícia de Sousa Silva; George Martins de França; Cheila Deisy Ferreira; Juliana Araújo Leite; Maria José de Holanda Leite DOI: 10.37885/210102744 ..................................................................................................................................................................... 44 CAPÍTULO 04 BALANÇO HÍDRICO CLIMATOLÓGICO PARA O MUNICÍPIO DE IRAÍ – RS Fernanda Dias dos Santos; Roberta Aparecida Fantinel; Elenice Broetto Weiler; Sally Deborah Pereira da Silva; Juliana Marchesan; Alisson Kunde de Morais; Jussara Cabral Cruz DOI: 10.37885/201102061 .....................................................................................................................................................................61 CAPÍTULO 05 CARBONO DE UM PLANTIO MISTO DE PINUS TAEDA L. E PINUS ELLIOTTII ENGELM. Renata Reis de Carvalho; Jonathan William Trautenmüller; Sérgio Costa Junior; Dimas Agostinho da Silva; Ana Paula Dalla Corte; Afonso Figueiredo Filho DOI: 10.37885/210102743 ......................................................................................................................................................................72 CAPÍTULO 06 COEFICIENTE DE RENDIMENTO VOLUMÉTRICO E DE CARBONO DE ESPÉCIES FLORESTAIS COMERCIAIS NO ESTADO DO ACRE Flora Magdaline Benitez Romero; Laércio Antônio Gonçalves Jacovine; Vicente Toledo Machado de Morais Junior; José Ambrosio Ferreira Neto; Sabina Cerruto Ribeiro; Philip Martin Fearnside DOI: 10.37885/201102208 .....................................................................................................................................................................85 SUMÁRIO 98 CAPÍTULO 07 COMPARAÇÃO ENTRE MÉTODOS ANALÍTICOS PARA CUBAGEM DE ÁRVORES INDIVIDUAIS Ana Paula Severo Bento; Julio Cesar Wojciechowski; Wescley Viana Evangelista DOI: 10.37885/201202679 .................................................................................................................................................................... 99 CAPÍTULO 08 CRESCIMENTO DE PLANTAS JOVENS EUCALYPTUS UROPHYLLA EM MEIO HIDROPÔNICO COM DIFERENTES PROPORÇÕES DE NITRATO E AMÔNIO Paulo Araquém Ramos Cairo; Maycon Murilo Castro Guimarães; Orlando Sílvio Caires Neves DOI: 10.37885/201102205 ................................................................................................................................................................... 115 CAPÍTULO 09 DECOMPOSIÇÃO DE ACACIA MANGIUM, PARKIA PLATYCEPHALA E MIMOSA CAESALPINIAEFOLIA EM TRÊS CONDIÇÕES DE EXPOSIÇÃO AMBIENTAL Karolline Rosa Cutrim Silva; Luisa Julieth Parra-Serrano; Romário Martins Costa; Clene dos Santos Reis; Maryzélia Furtado de Farias DOI: 10.37885/201202567 ...................................................................................................................................................................130 CAPÍTULO 10 DESENVOLVIMENTO INICIAL DE MUDAS DE TABEBUIA IMPETIGINOSA SUBMETIDAS A DIFERENTES TIPOS DE SUBSTRATOS Edison Bisognin Cantarelli; Thais Pollon Zanatta; Daniele Fontana; Patrícia Brezolin; Carolina Trentin; Diandra Della Flora; Carla Janaina Werner DOI: 10.37885/201102077 ....................................................................................................................................................................146 CAPÍTULO 11 DIAGNÓSTICO ARQUEOLÓGICO NA DISTRIBUIÇÃO DE ENERGIA ELÉTRICA NA MICRORREGIÃO DO ALTO PARNAÍBA PIAUIENSE Paulo Henrique Silva Borges; Cirila Lopes dos Santos Borges; Maria Clara Santos Borges; Robson José de Oliveira DOI: 10.37885/210102784 ...................................................................................................................................................................156 CAPÍTULO 12 EFEITO DA LUZ NA GERMINAÇÃO DE SEMENTES DE ANGICO – VERMELHO (ANADENANTHERA PEREGRINA FALCATA) Quezia Lemos Rocha; Débora Leonardo dos Santos; Lais Silva de Castro DOI: 10.37885/210102751 ....................................................................................................................................................................165 SUMÁRIO 1110 CAPÍTULO 13 EFEITO DE FITORREGULADORES NO ENRAIZAMENTO DE ESTACAS DE ACACIA MANGIUM Flávio Pereira Silva; Robson José de Oliveira DOI: 10.37885/210102756 ................................................................................................................................................................... 172 CAPÍTULO 14 FAUNA DE FORMIGAS EM PLANTIO DE ACACIA MEARNSII DE WILD NO SUL DO ESTADO DO RIO GRANDE DO SUL Leandra Pedron; Ervandil Corrêa Costa; Dayanna do Nascimento Machado; Leonardo Mortari Machado; Jardel Boscardin; Marciane Danniela Fleck; Mateus Alves Saldanha; Jéssica Maus da Silva DOI: 10.37885/201102063 ...................................................................................................................................................................182 CAPÍTULO 15 FORMAÇÃO DE REGIÕES HOMOGÊNEAS DE PRECIPITAÇÃO POR AGRUPAMENTO FUZZY C-MEANS Evanice Pinheiro Gomes; Claudio José Cavalcante Blanco; Francisco Carlos Lira Pessoa DOI: 10.37885/200800994 ................................................................................................................................................................. 190 CAPÍTULO 16 GESTÃO PARTICIPATIVA DOS RISCOS DE ACIDENTE DE TRABALHO E USO DE EQUIPAMENTOS DE PROTEÇÃO INDIVIDUAL Vanessa Paiva Zoccal Ferrari; Emerson Ferrari; Robson José de Oliveira; Elisabete Oliveira da Silva; Giovani Levi Sant’Anna DOI: 10.37885/210102782...................................................................................................................................................................203 CAPÍTULO 17 LEVANTAMENTO DESCRITIVO DA CULTURA MATERIAL RELATIVA À PECUÁRIA REMANESCENTE DOS SÉCULOS XVIII E XIX NA FAZENDA ABELHEIRAS, CAMPO MAIOR, PIAUÍ. Paulo Henrique Silva Borges; Fabrícia de Oliveira Santos; Jacionira Coêlho Silva; Abraão Sanderson Nunes Fernandes da Silva; Robson José de Oliveira; Sônia Maria Campelo Magalhães DOI: 10.37885/210102793 ................................................................................................................................................................... 217 CAPÍTULO 18 MECANISMOS CAUSADORES DE PRESSÃO E IMPACTO AMBIENTAL SOBRE OS ECOSSISTEMAS E FLORESTAS NATIVAS Gustavo Belchior de Barros; Lucas Teles Bezerra; Déborah Monteiro Barbosa; Allaiane Fiama Vieira da Silva; Aldo Luiz Maximino Romeiro; Edja Santos de Araújo DOI: 10.37885/201102102 ................................................................................................................................................................... 233 CAPÍTULO 19 MELHORIA DA QUALIDADE DE VIDA COM AÇÕES DA UNIVERSIDADE EM UMA COMUNIDADE Vanessa Paiva Zoccal Ferrari; Robson José de Oliveira; Clescy Oliveira da Silva; Luiz Ferreira do Monte DOI: 10.37885/210102764 .................................................................................................................................................................. 253 SUMÁRIO 1110 CAPÍTULO 20 MODELAGEM DA DISTRIBUIÇÃO DIAMÉTRICA DE CINCO ESPÉCIES COMERCIAIS NATIVAS DA AMAZÔNIA, NO ESTADO DO PARÁ Deiwisson Willam da Silva Santos; Thiago Floriani Stepka DOI: 10.37885/201202653 .................................................................................................................................................................. 259 CAPÍTULO 21 MODELOS DE DISTRIBUIÇÃO DIAMÉTRICA PARA UM POVOAMENTO DE MOGNO AFRICANO EM SISTEMA DE INTEGRAÇÃO LAVOURA, PECUÁRIA E FLORESTA Deiwisson Willam da Silva Santos; Thiago Floriani Stepka DOI: 10.37885/201202652 ..................................................................................................................................................................269 CAPÍTULO 22 PARCERIA EMPRESA-COMUNIDADE: DESAFIOS E PERSPECTIVASPARA O MANEJO FLORESTAL Bruno Rogério Silva Cavalcante DOI: 10.37885/210102770 ....................................................................................................................................................................278 CAPÍTULO 23 PRODUÇÃO DE MUDAS DE BARU SOB DIFERENTES VOLUMES DE TUBETES E DOSES DE OSMOCOTE® Marília Dutra Massad; Tiago Reis Dutra; Marcos Vinícius Miranda Aguilar; Fabiano Guimarães Silva; Aline Ramalho dos Santos; Eduarda Soares Menezes DOI: 10.37885/201202512 .................................................................................................................................................................. 295 CAPÍTULO 24 RAÍZES TABULARES DE CEIBA PENTANDRA (L.) GAERTN. DA FLORESTA NACIONAL MÁRIO XAVIER – SEROPÉDICA - RJ Guilherme Martins Nagy; Alex Braz Iacone Santos; Bianca Cerqueira Martins; Augusto César Gomes Nagy; Glaycianne Christine Vieira dos Santos; Carlos Eduardo Silveira da Silva; José Henrique Pace DOI: 10.37885/201102115 .................................................................................................................................................................... 311 CAPÍTULO 25 REFLORESTAMENTO CONSERVACIONISTA EM UNIDADE DE CONSERVAÇÃO NA AMAZÔNIA BRASILEIRA: ÁREA DE RELEVANTE INTERESSE ECOLÓGICO SERINGAL NOVA ESPERANÇA, ACRE Elke Lima dos Santos; Vítor de Souza Abreu; Evandro Nunes Miranda; Isáira Leite e Lopes; Lorenna Eleamen da Silva Gama; Nilcélia Pires dos Santos; Daniele Lemos Brum; Eduardo Van Den Berg; Jorge Antonio de Farias; Ecio da Silva Rodrigues DOI: 10.37885/201202432 .................................................................................................................................................................. 329 SUMÁRIO 1312 CAPÍTULO 26 RESPOSTAS FISIOLÓGICAS DE CLONES DE EUCALIPTO NA FASE INICIAL DE CRESCIMENTO EM SOLO SALINIZADO Lucas Teles Bezerra; Jailma Ribeiro de Andrade; Sebastião de Oliveira Maia Júnior; Vicente Mota da Silva; Karolyne Priscila Oliveira Mota da Silva; Vilma Marques Ferreira DOI: 10.37885/201202384 .................................................................................................................................................................. 344 CAPÍTULO 27 SERAPILHEIRA E ATRIBUTOS EDÁFICOS NA AVALIAÇÃO DE TÉCNICAS DE RESTAURAÇÃO FLORESTAL Fagner Luciano Moreira; Julia Siqueira Moreau; Marcilene Favalessa; Marcos Vinicius Winckler Caldeira; Sustanis Horn Kunz; Monique Perini; Júlio Cézar Tannure Faria; Tiago de Oliveira Godinho DOI: 10.37885/201202448 ...................................................................................................................................................................357 CAPÍTULO 28 SERAPILHEIRA E FERTILIDADE DO SOLO AO LONGO DO GRADIENTE BORDA-INTERIOR EM FRAGMENTO DE FLORESTA ATLÂNTICA Paulo Henrique de Souza; Telma Machado de Oliveira Peluzio; Andrêssa Mota Rios Barreto; Verilma Amparo Barbosa; William Macedo Delarmelina; Marcos Vinicius Winckler Caldeira; Sustanis Horn Kunz; Júlio Cézar Tannure Faria DOI: 10.37885/201202438 .................................................................................................................................................................. 370 CAPÍTULO 29 SISTEMAS AGROFLORESTAIS COMO GERAÇÃO DE RENDA NO NORTE DE MINAS E NO ALTO JEQUITINHONHA Ricardo Tuller Mendes; Sidney Araujo Cordeiro; Angelo Márcio Pinto Leite; Robson José de Oliveira; Luiz Carlos Couto; Tomás Murta Godoy; Clara de Almeida Guerra; Renan Nunes Gontijo DOI: 10.37885/210102739 ...................................................................................................................................................................381 CAPÍTULO 30 SOMBREAMENTO E RECIPIENTE NO DESENVOLVIMENTO INICIAL DE MUDAS DE PATA DE VACA E CANAFÍSTULA Dellis Ortiz Garcia; Kennedy Seifert; Tatiane Chassot DOI: 10.37885/201202643 ...................................................................................................................................................................401 CAPÍTULO 31 TECNOLOGIAS PARA A COLHEITA E PROCESSAMENTO DE MAURITIA FLEXUOSA L. F. EM COMUNIDADES RURAIS DO NORTE DE MINAS GERAIS Cibelle Pinheiro Mourão; Ernane Ronie Martins; Karoline Paulino Costa DOI: 10.37885/201102024 ...................................................................................................................................................................414 SUMÁRIO 1312 CAPÍTULO 32 UMA INTRODUÇÃO AO MÉTODO DAS DIFERENÇAS FINITAS: CONDUÇÃO DE CALOR Neylan Leal Dias; Guilherme Augusto Souza da Luz; Eduardo Conceição Rosario; Simone de Almeida Delphim Leal DOI: 10.37885/201102333 ..................................................................................................................................................................426 SOBRE O ORGANIZADOR ....................................................................................................................................436 ÍNDICE REMISSIVO ............................................................................................................................................. 437 “ 01 A n á l i s e m u l t i v a r i a d a e geoestatística no estudo da distribuição espacial de atributos do solo e da vegetação Camila Santos da Silva UFRRJ Felipe Leite Coelho da Silva UFRRJ Marcos Gervasio Pereira UFRRJ 10.37885/201202646 https://dx.doi.org/10.37885/201202646 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza AT15 Palavras-chave: Análise Fatorial, Krigagem Ordinária, Ciência do Solo, Ciência Florestal, Restauração Ecológica. RESUMO Em estudos que avaliam os atributos do solo e da vegetação é frequente o uso da es- tatística univariada. Porém, a análise multivariada é mais indicada, pois avalia múltiplas variáveis. O uso da análise multivariada reduz o número de variáveis e associada à geoestatística melhora a interpretação dos resultados. Logo, o objetivo deste trabalho foi reduzir o número de atributos do solo e da vegetação analisados e espacializar os fatores encontrados em uma área em processo de restauração ecológica. Foram avaliados os atributos químicos, físicos e biológicos do solo e, ainda os atributos fitossociológicos e dendrométricos da vegetação arbórea. A análise fatorial (AF) foi utilizada para reduzir o número de variáveis e a geoestatística para espacializar os escores gerados. O melhor padrão dos atributos foi composto por três eixos fatoriais, no qual o terceiro eixo apre- sentou uma porcentagem acumulada da variância total igual a 60 %. Os atributos do solo correlacionaram-se positivamente com o primeiro e o terceiro eixo fatorial, enquanto o segundo eixo com os atributos da vegetação. Diante disso, o fator 1 pode estar relacio- nado ao teor de matéria orgânica do solo, sendo que esse apresentou uma distribuição mais heterogênea quando comparado aos demais; o fator 2 com a distribuição do es- trato arbóreo e o fator 3 com o teor de bases no solo. Portanto, no presente estudo, três fatores foram suficientes para detectar a variação total dos dados, os quais foram espa- cializados, indicando que o uso da AF associada à geoestatística aprimora e simplifica a interpretação das variáveis. Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 1716 INTRODUÇÃO As relações entre o solo e a vegetação, atualmente, estão sendo avaliadas por meio da análise multivariada (SILVA et al., 2015a). Ainda assim, a estatística univariada é a prin- cipal alternativa para o processamento de dados em estudos realizados na ciência do solo (HOU et al., 2017) e na ciência florestal. Porém, múltiplas variáveis são analisadas nessas áreas de estudo, no qual, geralmente, essas apresentam algum grau de correlação entre si. Desta forma, o uso da análise univariada pode dificultar a interpretação dos resultados (SILVA et al., 2015a), fazendo com que informações sejamperdidas (FREITAS et al., 2014). A principal característica da análise multivariada é a possibilidade de estudar diversas variáveis ao mesmo tempo, verificando as suas relações, o que não é possível por meio das análises univariada e bivariada. A estatística multivariada pode ser empregada quando há indícios de dependência entre algumas variáveis. Mota et al. (2014) verificaram por meio da análise multivariada que o grau de floculação foi o principal fator de influência nos resultados encontrados para a resistência à penetração e que os teores de carbono orgânico possuem alta correlação com a densidade do solo. No entanto, essa observação não foi estabelecida com o emprego da análise univariada nesse estudo. Os autores recomendam o uso das duas técnicas simultaneamente, na qual a análise multivariada pode auxiliar como ferramenta os estudos na ciência do solo. Nos últimos anos, alguns estudos foram publicados utilizando a análise multivariada associada aos sistemas de informação geográfica (SIG), tanto na ciência do solo, quanto na ciência florestal (SILVA et al., 2015b; HOU et al., 2017). O uso dessas duas técnicas permite verificar a distribuição espacial de múltiplas variáveis (SILVA et al., 2010) e a inte- ração entre elas, chegando a um conjunto de fatores. O SIG pode ser utilizado em conjunto com a geoestatística. Essa ferramenta estima variáveis em locais que não foram amostra- dos (LIMA et al., 2014). Duas técnicas são utilizadas frequentemente na geoestatística: o semivariograma e a krigagem. O semivariograma é representado por um gráfico, na qual a semivariância da variável regionalizada está em função da distância dos pontos de coleta do atributo (DALCHIAVON et al., 2012). No momento em que a dependência espacial é constatada pelo semivariograma, o mapa da variável é gerado pela krigagem. Quando apenas a geoestatística é aplicada nas áreas da ciência do solo e florestal, muitas variáveis são avaliadas ao mesmo tempo, nos quais, vários mapas são gerados, dificultando a interpretação desses atributos e demandando tempo. Diante disso, espera-se que um grande número de atributos químicos e biológicos do solo e atributos da vegetação arbórea possa ser reduzido em novas variáveis latentes e, a espacialização dessas novas variáveis pode aprimorar e simplificar a interpretação dos mapas. Para tanto, o objetivo do presente estudo foi reduzir o número de atributos do solo e da vegetação analisados para 1716 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza um conjunto mais significativo de fatores através da análise fatorial e, espacializar os fatores encontrados por meio da geoestatística. MATERIAL E MÉTODOS O estudo foi realizado em uma área em processo de restauração ecológica, com 14.902,8 m² (1,49 ha), localizada no município de Magé, Rio de Janeiro, Brasil, com coor- denadas centrais de 43°01’W e 22°35’S. O clima da região é quente e úmido, sem estação seca, correspondendo ao tipo “Af” (ALVARES et al., 2013). A temperatura média anual é de 21,9 °C e a chuva média anual é de 2.050 mm. O relevo é predominantemente suave ondu- lado (< 5% de declividade). Os solos na área foram classificados como Gleissolo Háplico, Latossolo Amarelo e Latossolo Vermelho e a vegetação primária é caracterizada como Floresta Ombrófila Densa. Antes do plantio, a vegetação presente na área era composta por Brachiaria sp. e manchas de sapê (Imperata brasiliensis Trin.). O plantio foi realizado em 2009, com espaçamento de 2,5 × 2,5 m. Na adubação de arranque das mudas foi aplicada 150 g/berço de NPK (06-30-06), 300 g/berço de calcário e 3 L/berço de esterco bovino cur- tido. As espécies que foram implantadas são pertencentes ao bioma local (Mata Atlântica) e uma espécie exótica, Khaya ivorensis A. Chev. (mogno africano). Os vértices da área foram georreferenciados com o auxílio de um Global Positioning System (GPS). Com o uso do ArcGIS 10.5 foi distribuída sistematicamente uma malha com 49 pontos amostrais, distanciados 20 m entre si. Foram coletadas amostras de terra na pro- fundidade de 0-10, 10-20 e 20-40 cm em cada ponto amostral, posteriormente foi realizada uma média ponderada desses atributos para o prosseguimento das análises estatísticas. Nas amostras coletadas foi realizada a determinação dos seguintes atributos químicos: pH (em H2O), cálcio (Ca+2), magnésio (Mg+2), sódio (Na+), potássio (K+), acidez potencial (H+Al), fósforo (P) e carbono orgânico total (COT), de acordo com Donagemma et al. (2011). A partir desses resultados obteve-se a soma de bases, valor T e valor V. Também foi determinado o fracionamento granulométrico da matéria orgânica do solo (COp = carbono orgânico par- ticulado e COam = carbono orgânico associado aos minerais) (CAMBARDELLA; ELLIOT, 1992); o fracionamento químico da matéria orgânica do solo, somente na profundidade 0-10 cm (C-FAF = carbono orgânico na fração ácido fúlvico, C-FAH = carbono orgânico na fração ácido húmico e C-HUM = fração humina) (BENITES et al., 2003); o carbono oxidável per- manganato (POXC) (WEIL et al., 2003); e a quantificação do nitrogênio total (N). Os atributos biológicos do solo foram determinados somente na profundidade 0-10 cm, a saber: abun- dância de esporos (AE) de fungos micorrízicos arbusculares (GERDERMANN; NICOLSON, 1963) e a glomalina, quantificada como proteína do solo relacionada à glomalina (PSRG), analisando-se a fração facilmente extraível (FE) (WRIGHT; UPDAHYAYA, 1998). Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 1918 Na vegetação, aplicou-se o método de amostragem com unidades amostrais circulares de área fixa, com raio de 6 m (113,10 m²), centradas em cada ponto de coleta de terra. Nas unidades amostrais, foram mensuradas e identificadas todas as plantas arbóreas. Foram consideradas plantas arbóreas aquelas com circunferência a 1,30 m do solo igual ou superior a 15,7 cm (DAP ≥ 5 cm). A circunferência e a altura total das plantas foram mensuradas utili- zando fita métrica e vara hipsométrica, respectivamente. Para caracterizar o estrato arbóreo da vegetação, foram estimados os seguintes indicadores dendrométricos e fitossociológicos: altura total (ht), área basal (G) (m² ha–1), riqueza (S), densidade (DA) (ind ha–1) e índice de diversidade de Shannon-Weaver (H’). Os atributos do solo e da vegetação foram submetidos à análise descritiva com o obje- tivo de verificar a dispersão dos dados, obtendo-se os valores de média, mediana, mínimo, máximo, desvio padrão e coeficiente de variação (CV%). Valores de CV entre 12 e 60%, foram considerados como moderados, valores abaixo ou acima como baixa ou alta variabi- lidade dos dados, respectivamente. Para reduzir o número de variáveis observadas a um número reduzido de fatores foi utilizada a análise fatorial (AF). De acordo com Johnson e Wichern (2007), o modelo de fa- tores para as observações de um vetor aleatório observável , com vetor de médias , matriz de covariância e matriz de correlação . Sejam as variáveis padronizadas, em que e , representam a média e o desvio pa- drão da variável . Logo, o modelo da análise fatorial construído neste estudo a partir da matriz de correlação é dado por: em que, ; , são cargas da -ésima variável sobre o -ésimo fator; , são os fatores comuns; e são os erros ou o fator espe- cífico associado à -ésima variável. A AF foi realizada de acordo com os seguintes parâmetros: construção do gráfico de correlação; verificação da adequabilidade dos dados para a análise fatorial por meio do tes- te de Kaiser-Meyer-Olkin (KMO), com valor do KMO ≥ 0,50 (FIGUEIREDO FILHO; SILVA JÚNIOR, 2010); determinação da matriz de cargas fatoriais utilizando o método das com- ponentes principais; rotação dos fatores pelo método de rotação ortogonal VARIMAX, com objetivo de fazer com que a análise ficasse mais simples e com fácil interpretação; extração dos fatores por meio da variância explicada, nos quais os fatores precisaram explicar60% da variância; e interpretação dos fatores a partir das cargas fatoriais (cargas ≥ 0,40). A ve- rificação da dispersão dos dados e a AF foram realizadas por meio do software R 3.6.0. 1918 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza A geoestatística foi utilizada para verificar a existência e quantificar o grau de depen- dência espacial e espacializar os escores gerados pela AF. Para verificar a estrutura de dependência espacial foram testados três modelos teóricos com patamar: esférico, expo- nencial e gaussiano, na qual a escolha do melhor modelo de semivariância foi com base nos seguintes parâmetros: menor grau de dependência espacial (GDE%), menor raiz quadrada do erro médio (RMSE), menor erro padrão da estimativa (EPE), maior coeficiente de corre- lação (r) e maior índice de concordância de Willmott (d). O GDE foi calculado pela relação [C0/(C0+C)*100], sendo classificado como: forte dependência espacial (GDE ≤ 25%), mode- rada dependência espacial (25 ≤ GDE ≤ 75%) e fraca dependência espacial (GDE ≥ 75%). Quando o GDE é igual a 100%, sugere um semivariograma com efeito pepita puro (EPP), ou seja, a variável é independente espacialmente. Comprovada a estrutura de dependência espacial, a krigagem ordinária foi aplicada para estimar as variáveis em locais não amostra- dos, possibilitando a realização dos mapas. Esse método foi escolhido porque é realizada uma média ponderada dos dados observados, buscando o valor do erro ou resíduo médio igual a zero e diminuindo a variância dos erros. As análises do semivariograma e a krigagem ordinária foram realizadas no software ArcGis 10.5. RESULTADOS Análise fatorial Todos os atributos do solo e da vegetação apresentaram valores de medidas de ten- dência central (média e mediana) bem próximos, com exceção das variáveis Valor V, AE e G (Tabela 1). Em relação aos atributos para os quais essas medidas foram distantes, o desvio padrão foi alto. O coeficiente de variação (CV%) foi considerado alto para as variá- veis P, C-FAH, PSRG-FE, AE, G, S e H’ e baixo e moderado para as demais variáveis. Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 2120 Tabela 1. Estatística descritiva dos atributos do solo e da vegetação em uma área em processo de restauração ecológica localizada no Bioma Mata Atlântica. Atributos Variáveis Estatística Média Mediana Mínimo Máximo s CV (%) So lo pH 4,60 4,60 4,10 6,20 0,37 7,98 SB 2,00 1,80 1,10 4,40 0,69 34,55 Valor T 7,90 7,70 5,00 11,10 1,59 20,21 Valor V 26,60 20,80 14,00 64,50 10,93 41,08 P 1,83 1,50 0,14 6,64 1,21 66,35 N 0,50 0,50 0,20 0,90 0,15 31,57 COT 16,80 16,80 6,60 42,90 5,43 32,37 COp 2,30 1,90 0,70 6,70 1,22 53,67 COam 14,50 14,60 5,80 39,50 5,24 36,16 C-FAF 3,80 3,60 1,20 7,20 1,32 35,27 C-FAH 2,03 1,81 0,00 14,24 2,12 104,35 C-HUM 10,20 10,30 4,30 21,40 3,08 30,10 POXC 0,40 0,40 0,00 0,90 0,18 50,86 PSRG-FE 1,60 1,40 0,20 5,70 1,01 64,70 AE 269,70 229,00 64,00 1600,00 244,52 90,65 Ve ge ta çã o G 11,97 9,74 0,00 101,89 16,01 133,74 ht 7,70 8,20 0,00 12,50 2,71 35,39 DA 443,90 442,10 0,00 1061,00 266,16 59,96 S 3,90 3,00 0,00 10,00 2,45 63,31 H’ 1,10 1,10 0,00 2,20 0,67 60,02 Legenda: s = desvio padrão; CV(%) = coeficiente de variação; SB = soma de bases; Valor T = capacidade de troca catiônica do solo; Valor V = saturação por bases; P = fósforo; N = nitrogênio; COT = carbono orgânico total; COp = carbono orgânico particulado; COam = carbono orgânico associado aos minerais; C-FAF = carbono orgânico na fração ácido fúlvico; C-FAH = carbono orgânico na fração ácido húmico; C-HUM = fração humina; POXC = carbono oxidável permanganato; PSRG-FE = proteína do solo relacionada à glomalina - facilmente extraível; AE = abundância de esporos de fungos micorrízicos arbusculares; G = área basal; ht = altura total; DA = densidade; S = riqueza; H’ = índice de diversidade de Shannon-Weaver; Soma de bases, Valor T e Valor V em cmolc dm–3; P em mg dm–3; N, COT, COp, COam, C-FAF, C-FAH, C-HUM e POXC em g kg–1; PSRG-FE em mg g–1; AE em n° de esporos 50 cm–3 solo; G em m2 ha–1; Ht em metros; DA em indivíduos ha–1. Por meio das correlações entre os atributos do solo e da vegetação, na qual a cor azul representa correlação positiva e os tons mais fortes indicam correlações mais altas, observou-se que os atributos do solo apresentaram correlação entre si, exibindo correlações baixas ou negativas com os atributos da vegetação (Figura 1). O teste de Kaiser-Meyer-Olkin (KMO), obtido para os atributos do solo e da vegetação analisados, foi de 0,58, indicando que os fatores encontrados na análise fatorial podem descrever adequadamente a variação dos dados originais. 2120 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza Figura 1. Correlações entre os atributos do solo e da vegetação de uma área em processo de restauração ecológica localizada no Bioma Mata Atlântica. O melhor padrão dos atributos do solo e da vegetação foi composto por três eixos fato- riais (Tabela 2), no qual o terceiro eixo apresentou uma porcentagem acumulada da variância total igual a 60%, ou seja, três fatores foram suficientes para explicarem a variação total dos dados. O primeiro fator apresentou isoladamente 25% da variabilidade total dos dados, enquanto o segundo e o terceiro fator exibiram 19 e 16%, respectivamente, da variação total dos dados. Os atributos do solo correlacionaram-se positivamente com o primeiro e o terceiro eixo fatorial, com exceção da AE que se correlacionou de maneira negativa com os atributos da vegetação no segundo eixo. Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 2322 Tabela 2. Eixos fatoriais extraídos para os atributos do solo e da vegetação de uma área em processo de restauração ecológica localizada no Bioma Mata Atlântica. Atributos Variáveis Eixo Fatorial Comunalidade 1 2 3 Cargas fatoriais So lo pH -0,10 -0,12 0,88 0,80 SB 0,15 -0,06 0,89 0,82 Valor T 0,81 0,06 -0,25 0,72 Valor V -0,33 -0,05 0,89 0,90 P 0,06 0,16 0,40 0,19 N 0,84 0,04 -0,10 0,71 COT 0,57 -0,13 -0,20 0,38 COp 0,65 0,24 0,06 0,48 COam 0,44 -0,19 -0,22 0,28 C-FAF 0,44 0,08 -0,39 0,35 C-FAH 0,69 0,10 0,03 0,49 C-HUM 0,67 0,20 0,15 0,51 POXC 0,74 0,07 0,35 0,67 PSRG-FE 0,82 0,09 0,03 0,68 AE -0,33 -0,46 -0,24 0,38 Ve ge ta çã o G -0,04 0,68 0,08 0,47 ht 0,12 0,66 0,17 0,47 DA 0,11 0,86 -0,20 0,79 S 0,02 0,92 -0,13 0,86 H’ 0,04 0,92 -0,10 0,85 Autovalores 4,91 3,75 3,14 - Variância total (%) 25,00 19,00 16,00 - Variância acumulada (%) 25,00 44,00 60,00 - Legenda: SB = soma de bases; Valor T = capacidade de troca catiônica do solo; Valor V = saturação por bases; P = fósforo; N = nitrogênio; COT = carbono orgânico total; COp = carbono orgânico particulado; COam = carbono orgânico associado aos minerais; C-FAF = carbono orgânico na fração ácido fúlvico; C-FAH = carbono orgânico na fração ácido húmico; C-HUM = fração humina; POXC = carbono oxidável permanganato; PSRG-FE = proteína do solo relacionada à glomalina - facilmente extraível; AE = abundância de esporos de fungos micorrízicos arbusculares; G = área basal; ht = altura total; DA = densidade; S = riqueza; H’ = índice de diversidade de Shannon-Weaver. Geoestatística A análise geoestatística, com a finalidade de mapear os atributos do solo e da vegeta- ção, foi realizada a partir dos valores do primeiro, segundo e terceiro escores fatoriais gerados pela AF. Os resultados mostraram que o fator 1 apresentou um efeito pepita igual a zero e um alcance baixo quando comparado com os outros fatores (Tabela 3). Consequentemente, esse fator exibiu um grau de dependência espacial forte. Os fatores 2 e 3 mostraram uma dependência moderada dos dados, no qual, o efeito pepita e o alcance foram maiores no fator 3. O modelo esférico foi ajustado para os fatores 1 e 3, enquanto para o fator 2 o mo- delo exponencial apresentou melhor ajuste. 2322 Silvicultura e Manejo Florestal:Técnicas de Utilização e Conservação da Natureza Tabela 3. Parâmetros e modelos teóricos ajustados para os fatores encontrados de uma área em processo de restauração ecológica localizada no Bioma Mata Atlântica. Escores C0 C0+C a GDE (%) Classe RMSE EPE r d Modelo Fator 1 0,00 1,15 40,19 0,00 Forte 0,98 0,51 0,48 0,66 Esf Fator 2 0,52 0,96 101,99 53,67 Moderada 1,02 0,44 0,41 0,61 Exp Fator 3 0,73 1,27 228,65 57,59 Moderada 1,03 0,33 0,26 0,60 Esf Legenda: Fator 1 = Valor T, N, COT, COp, COam, C-FAF, C-FAH, C-HUM, POXC e PSRG-FE; Fator 2 = AE, G, ht, DA, S, H’; Fator 3 = pH, SB, Valor V e P; C0 = efeito pepita; C0+C = patamar; a = alcance; GDE = grau de dependência espacial; RMSE = raiz quadrada do erro médio; EPE = erro padrão da estimativa; r = coeficiente de correlação; d = índice de concordância de Willmott; Esf = esférico; Exp = exponencial. Posteriormente aos ajustes dos modelos e parâmetros dos semivariogramas, os dados foram interpolados por meio da krigagem ordinária para mapear os fatores (Figura 2). A dis- tribuição do fator 1 (Figura 2A) foi mais heterogênea quando comparada com os outros fatores (Figuras 2B e 2C). A distribuição espacial do fator 2 (Figura 2B) apresentou uma concentração maior no interior da área de estudo, com menores valores nas áreas nordeste e noroeste. Nos locais que ocorreram maiores valores do fator 1 também foram verificados maiores escores do fator 2. Na região em que foram verificados os maiores valores do fator 3 (Figura 2C), também observaram-se maiores valores do fator 1. Figura 2. Distribuição espacial do primeiro (A), segundo (B) e terceiro (C) fator de uma área em processo de restauração ecológica localizada no Bioma Mata Atlântica. As linhas nos mapas correspondem à altitude do terreno e os valores apresentados nas legendas correspondem aos escores dos fatores selecionados. Fator 1 = Valor T, N, COT, COp, COam, C-FAF, C-FAH, C-HUM, POXC e PSRG-FE; Fator 2 = AE, G, ht, DA, S, H’; e Fator 3 = pH, SB, Valor V e P. Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 2524 DISCUSSÃO Análise fatorial A maioria das variáveis apresentou moderada variabilidade dos dados, de acordo com o coeficiente de variação. No que se refere às correlações entre os atributos do solo e da vegetação, mais da metade das correlações foram fracas, no qual, os atributos do solo não apresentaram correlação com os atributos da vegetação. No entanto, o teste KMO foi igual a 0,58, portanto os fatores encontrados na análise fatorial descrevem adequadamente a variação dos dados originais (ROCHA; PEREIRA, 2016). Os atributos que possuíram maior número de correlações apresentaram maior importância na composição dos eixos fatoriais, evidenciado como a análise preliminar da matriz de correlação pode auxiliar na retirada ou acréscimo de variáveis (FIGUEIREDO FILHO; SILVA JÚNIOR, 2010). O primeiro fator apresentou correlações positivas e elevadas com a maioria dos atri- butos do solo analisados. As variáveis associadas a esse fator estão relacionadas com as diferentes formas e frações de carbono presente no solo, com a capacidade de troca de cátions (Valor T) e o nitrogênio total, portanto, pode-se dizer, que o fator 1 está relacionado com o teor de matéria orgânica do solo. Essa relação pode ser atribuída à matéria orgânica que contribui para o aumento da capacidade de troca catiônica e áreas com maior aporte de serapilheira ocorre uma intensa ciclagem da matéria orgânica do solo, com aumento da mineralização e elevação da liberação de nitrogênio no solo (MACHADO et al., 2014). Algumas variáveis do fator 3 apresentaram correlação negativa com o fator 1, o que pode ser atribuído ao fator 3 estar relacionado com o teor de bases no solo. Essa relação inversa deve-se à decomposição da matéria orgânica do solo, promovendo o aumento da acidez na solução do solo, em função da deprotonação de um maior número de radicais carboxílicos e fenólicos. Adicionalmente, a lixiviação de bases favorece o aumento relativo na concentração dos íons H+ e Al3+ na solução do solo (SOUSA et al., 2007). O fator 2 pode estar relacionado com o desenvolvimento do estrato arbóreo, pois, com exceção da AE, as variáveis estão relacionadas com os atributos da vegetação. A associa- ção negativa da AE nesse fator pode ter ocorrido porque apesar dos fungos micorrízicos arbusculares (FMA) melhorarem as características físicas e químicas do solo e auxiliarem no desenvolvimento, nutrição e adaptação dos vegetais, eles são eficientes em determinadas espécies. Além disso, os FMA se associam a espécies arbóreas quando há deficiência de nutrientes, portanto, a adubação realizada na área para o plantio das mudas supriu essa cooperação entre os FMA e as espécies arbóreas. 2524 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza Geoestatística Uma variável possui dependência espacial quando a sua distribuição não é aleatória, variando de acordo com a distância (SILVA; LIMA, 2012). Essa distância é denominada de alcance na geoestatística, no qual, quanto menor o alcance, menor a continuidade espacial, ou seja, maior é a heterogeneidade da distribuição da variável. Logo, o fator 1 apresentou um menor alcance e também uma menor continuidade espacial. Provavelmente, isso ocorreu devido a maior variabilidade que esse fator apresentou, pois quanto maior a variabilidade de uma variável em um determinado local, menor será a distância para detectá-la. Silva et al. (2010) analisando 22 variáveis, encontraram resultados diferentes desse estudo. Os autores verificaram que quanto maior a variância de um fator, maior é o seu alcance. No entanto, Lima et al. (2013) trabalhando com 11 variáveis, verificaram que o componente com maior variância possuiu menor alcance, corroborando com os resultados encontrados nesse estudo. O efeito pepita do fator 1 também foi menor quando comparado com os outros fatores. Possivelmente, esse resultado foi encontrado porque a variância total do fator 1 possuiu uma maior variância em comum entre as variáveis, fazendo com que o efeito pepita fosse menor, pois está associado com erros de amostragem e variação ao acaso (MANTOVANELLI et al., 2016). Os fatores 2 e 3 apresentaram um efeito pepita maior, portanto possuíram variações que não conseguem ser explicadas, por isso precisaram de uma maior distância para detectar a dependência espacial, com isso produziram mapas mais homogêneos. A distribuição espacial do teor de matéria orgânica do solo (fator 1) foi mais hetero- gênea quando comparada com os outros fatores. Esse padrão pode ser atribuído a maior variância e ao maior número de variáveis associadas a esse fator, fazendo com que também fosse verificado um menor alcance e continuidade espacial. Além disso, como existem duas classes de solo na área de estudo, já era prevista heterogeneidade na distribuição de algum fator. Em contrapartida, para o teor de bases no solo (fator 3) foi verificada uma menor va- riabilidade e uma maior continuidade espacial, com um GDE moderado. Esse padrão pode ser devido a realização de adubações e calagens na área de estudo antes do plantio das espécies, fazendo com que a distribuição desse fator fosse homogênea na área em processo de restauração ecológica (RESENDE et al., 2014). A espacialização do desenvolvimento do estrato arbóreo (fator 2) apresentou uma dis- tribuição mais homogênea, variando pouco, com uma maior continuidade espacial. O plantio das espécies florestais pode ter interferido na distribuição da vegetação, já que esse foi realizado na mesma época, com mesmo espaçamento e adubação, fazendo com que sua variação fosse pequena. A maior concentração do estrado arbóreo foi encontrada no interior da área de estudo. Provavelmente, isso ocorreu porque é no interior das áreas florestais onde ocorre um microclima favorável ao desenvolvimento das espécies, devido a menor Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservaçãoda Natureza 2726 luminosidade e maior umidade (ENDRES JÚNIOR et al., 2015). O menor desenvolvimento desse estrato nas áreas nordeste e noroeste no local de estudo podem ser atribuídos a focos de incêndios, observados na região nordeste e ao plantio de culturas agrícolas na região noroeste. Nas regiões nas quais foram quantificados os maiores teores de matéria orgânica do solo também verificaram maiores valores do desenvolvimento do estrato arbóreo. Essa as- sociação pode ser atribuída às espécies arbóreas que contribuem com o aporte de matéria orgânica no solo. Esses resultados mostram que a associação da análise fatorial com a geoestatística na avaliação da distribuição espacial dos atributos do solo e da vegetação pode contribuir para a sua análise e classificação bem como diminuir o número de variáveis a serem avaliadas. CONCLUSÕES Das vinte variáveis analisadas, três fatores foram suficientes para detectar 60 % da variação total dos dados, mostrando que é possível com o uso da análise fatorial reduzir o número de variáveis estudadas na ciência do solo e na ciência florestal. Os fatores encon- trados foram relacionados ao teor de matéria orgânica do solo (fator 1), desenvolvimento do estrado arbóreo (fator 2) e teor de bases no solo (fator 3), Foi possível por meio da geoestatística espacializar o teor de matéria orgânica do solo, o desenvolvimento do estrato arbóreo e o teor de bases no solo, indicando que o uso da análise multivariada associada com a geoestatística aprimora e simplifica a interpretação das variáveis analisadas na área de estudo. REFERÊNCIAS 1. ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; MORAES, J. L. G.; SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, [S.I.], v. 22, n. 6, p. 711-728, 2013. 2. BENITES, V. M.; MADARI, B.; MACHADO, P. L. O. A. Extração e fracionamento quantitativo de substâncias húmicas do solo: um procedimento simplificado de baixo custo. Rio de Janeiro: Embrapa Solos, 2003. 7p. (Embrapa Solos. Comunicado Técnico, 16). 3. CAMBARDELLA, C. A.; ELLIOT, E. T. Particulate soil organic-matter changes across a gras- sland cultivation sequence. Soil Science Society of American Journal, [S.I.], v. 56, n. 3, p. 777-783, 1992. 4. DALCHIAVON, F. C.; CARVALHO, M. P.; ANDREOTTI, M.; MONTANARI, R. Variabilidade espacial de atributos da fertilidade de um Latossolo Vermelho Distroférrico sob Sistema Plantio Direto. Revista Ciência Agronômica, Fortaleza, v. 43, n. 3, p. 453-461, 2012. 2726 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 5. DONAGEMMA, G. K.; CAMPOS, D. V. B.; CALDERANO, S. B.; TEIXEIRA, W. G.; VIANA, J. H. M. Manual de métodos de análise de solos. Rio de Janeiro: Embrapa Solos, 2011, 230p. 6. ENDRES JÚNIOR, D.; SASAMORI, M. H.; SILVEIRA, T.; SCHIMITT, J. L.; DROSTE, A. Rein- trodução de Cattleya intermedia Graham (Orchidaceae) em borda e interior de um fragmento de Floresta Estacional Semidecidual no sul do Brasil. Revista Brasileira de Biociências, Porto Alegre, v. 13, n. 1, p. 33-40, 2015. 7. FIGUEIREDO FILHO, D. B.; SILVA JÚNIOR, J. A. Visão além do alcance: uma introdução à análise fatorial. Opinião Pública, Campinas, v. 16, n. 1, p. 160-185, 2010. 8. FREITAS, L.; CASAGRANDE, J. C.; OLIVEIRA, I. A.; CAMPOS, M. C. C. Análise multivariada na avaliação de atributos de solos com diferentes texturas cultivados com cana-de-açúcar. Revista Ciência Agronômica, Fortaleza, v. 57, p. 224-33, 2014. 9. GERDERMANN, J. W.; NICOLSON, T. H. Spores of mycorrhizal Endogone species extracted from soil by wet sieving and decanting. Transactions of the British Mycological Society, [S.I.], v. 46, n. 2, p. 235-244, 1963. 10. HOU, D.; O’CONNOR, D.; NATHANAIL, P.; TIAN, L.; MA, Y. Integrated GIS and multivariate statistical analysis for regional scale assessmest of heavy metal soil contamination: A critical review. Environmental Pollution, [S.I.], v. 231, n. 1, p. 1188-1200, 2017. 11. JOHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. Upper Saddle River: Pearson Prentice Hall, 2007, 773p. 12. LIMA, G. C.; SILVA, M. L. N.; OLIVEIRA, M. S.; CURI, N.; SILVA, M. A.; OLIVEIRA, A. H. Variabilidade de atributos do solo sob pastagens e mata atlântica na escala de microbacia hidrográfica. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 18, n. 5, p. 517-526, 2014. 13. LIMA, J. S. S.; SILVA, S. A.; SILVA, J. M. Variabilidade espacial de atributos químicos de um Latossolo Vermelho-Amarelo cultivado em plantio direto. Revista Ciência Agronômica, For- taleza, v. 44, n. 1, p. 16-23, 2013. 14. MACHADO, L. V.; RANGEL, O. J. P.; MENDONÇA, E. S.; MACHADO, R. V.; FERRARI, J. L. Fertilidade e compartimentos da matéria orgânica do solo sob diferentes sistemas de manejo. Coffee Science, Lavras, v. 9, n. 3, p. 289-299, 2014. 15. MANTOVANELLI, B. C.; CAMPOS, M. C. C.; ALHO, L. C.; FRANCISCON, U.; NASCIMENTO, M. F.; SANTOS, L. A. C. Distribuição espacial dos componentes da acidez do solo em área de campo natural na região de Humaitá, Amazonas. Alta Floresta, Mato Grosso, v. 14, n. 1, p. 01-09, 2016. 16. MOTA, J. C. A.; ALVES, C. V. O.; FREIRE, A. G.; ASSIS JÚNIOR, R. N. Uni and multivariate analyses of soil physical quality indicators of a Cambisol from Apodi Plateau – CE, Brazil. Soil and Tillage Research, [S.I.], v. 140, p. 66-73, 2014. 17. RESENDE, J. M. A.; MARQUES JÚNIOR, J.; MARTINS FILHO, M. V.; DANTAS, J. S.; SI- QUEIRA, D. S.; TEIXEIRA, D. B. Variabilidade espacial de atributos de solos coesos do Leste Maranhense. Revista Brasileira de Ciência do Solo, Viçosa, v. 38, p. 1077-1090, 2014. Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza AT28 18. ROCHA, C. H. B.; PEREIRA, A. M. Análise multivariada para seleção de parâmetros de moni- toramento em manancial de Juiz de Fora, Minas Gerais. Revista Ambiente & Água, Taubaté, v. 11, n. 1, p. 176- 187, 2016. 19. SILVA, E. N. S.; MONTANARI, R.; PANOSSO, A. R.; CORREA, A. R.; TOMAZ, P. K.; FER- RAUDO, A. S. Variabilidade de atributos físicos e químicos do solo e produção de feijoeiro cultivado em sistema de cultivo mínimo com irrigação. Revista Brasileira de Ciência do Solo, Viçosa, v. 39, p. 598-607, 2015a. 20. SILVA, R. B. M.; FRANCELINO, M. R.; MOURA, P. A.; MOURA, T. A.; PEREIRA, M. G.; OLIVEIRA, C. P. Relação solo/vegetação em ambiente de Cerrado sobre influência do grupo Urucuia. Ciência Florestal, Santa Maria, v. 25, n. 2, p. 363-373, 2015b. 21. SILVA, S. A.; LIMA, J. S. S. Avaliação da variabilidade do estado nutricional e produtividade de café por meio da análise de componentes principais e geoestatística. Revista Ceres, Viçosa, v. 59, n. 2, p. 271-277, 2012. 22. SILVA, S. A.; LIMA, J. S. S.; XAVIER, A. C.; TEIXEIRA, M. M. Variabilidade espacial de atributos químicos de um Latossolo Vermelho Amarelo húmico cultivado com café. Revista Brasileira de Ciência do Solo, Viçosa, v. 34, p. 15-22, 2010. 23. SOUSA, D. M. G.; MIRANDA, L. N.; OLIVEIRA, S. A. Acidez do solo e sua correção. In: NO- VAIS, R. F. et al. Fertilidade do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, 2007. p. 206-274. 24. WEIL, R. R.; ISLAM, K. R.; STINE, M. A.; GRUVER, J. B.; SAMSON-LIEBIG, S. E. Estimating active carbon for soil quality assessment: A simplified method for laboratory and field use. American Journal of Alternative Agriculture, [S.I.], v. 18, n. 1, p. 3-17, 2003. 25. WRIGHT, S. F.; UPADHYAYA, A. A survey of soils for aggregate stability and glomalin, a gly- coprotein produced by hyphae of arbuscular mycorrhizal fungi. Plant and Soil, [S.I.], v. 198, n. 1, 97-107. 1998. “ 02 Apl icação de técnicas de regressão linear e aprendizagem de máquinas na predição da altura total de árvores de Eucalyptus spp. Isáira Leite e Lopes UFLA Laís Almeida Araújo UFLA Evandro Nunes Miranda UFLA Vítor de Souza Abreu UFLA Vanessa de Souza Gomes UFLA Bruna Cristina Almeida UFLA Anny Francielly Ataide Gonçalves UFLA LorenaOliveira Barbosa UFLA Lucas Rezende Gomide UFLA 10.37885/201102132 https://dx.doi.org/10.37885/201102132 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 3130 Palavras-chave: Modelos de Regressão, Random Forest, Rede Neural Ar tif ic ial, Biometria Florestal. RESUMO O objetivo deste trabalho foi avaliar o desempenho na predição da altura total de árvores de Eucalyptus spp. por meio do uso de Regressão linear múltipla via stepwise (RLMS), Redes neurais artificiais (RNA) e Random forest (RF) em um povoamento no município de Lavras – MG, Brasil. Para isto, obtiveram-se o diâmetro a 1,30 m do solo (DAP) e a altura total (HT) provenientes da cubagem não destrutiva de uma amostra de 71 árvores nas idades de dois e sete anos, em um espaçamento 3 x 2 m. A modelagem foi realizada no software R com base em três agrupamentos de dados: 1) idade de dois anos; 2) idade de sete anos; e 3) Idade de 2 e 7 anos juntas. Os critérios de avaliação dos modelos foram: correlação (r) entre as alturas estimadas e observadas, raiz do erro quadrado médio percentual (RMSE%), dispersão dos erros percentuais e histogramas dos erros percentuais. Todos os modelos apresentaram coeficientes de correlação (r) similares. Quanto ao RMSE (%), destaca-se o modelo ajustado pelo RF na idade de dois anos apresentou o menor erro no ajuste e na validação. Constatou-se também que aos sete anos de idade, a dispersão residual foi mais homogênea para o RLMS e o RF, sendo mais balanceada neste último. Para ambas as idades, o RLMS apresentou os menores erros de estimativa, seguido do RF. Assim, o RF e o RLMS destacaram-se frente à RNA, como técnicas mais eficientes para predizer a altura total de indivíduos de Eucalyptus spp. 3130 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza INTRODUÇÃO A cultura do gênero Eucalyptus detém a maioria (77%) da área de florestas plantadas no Brasil, com 6,97 milhões de hectares. A indústria de florestas plantadas é responsável por 1,2% do PIB Nacional, com receita bruta total de 97,4 bilhões de reais e uma área to- tal em 2019 com 9 milhões de hectares, representando um aumento de 2,4% em relação ao ano de 2018 (IBÁ, 2020). Ressalta-se que os avanços nesse setor são oportunizados por meio da aquisição de informações essenciais ao planejamento e gestão dos recursos florestais. À exemplo dessas informações, as mensurações de variáveis dendrométricas como altura e diâmetro atuam como primordiais, pois viabilizam a quantificação do volume de madeira, orçamentos de carbono, classificação da capacidade produtiva dos povoamen- tos florestais e monitoramento do crescimento e produção (FERRAZ FILHO et al., 2018; VIEIRA et al., 2018). Entretanto, a mensuração de variáveis no campo, como a altura e o diâmetro a altura do peito (DAP) elevam os custos das atividades florestais, sendo a variável altura de difícil medição e mais onerosa quando comparada ao DAP. Adicionalmente, condições desfavo- ráveis como o vento e a falta de visibilidade do topo da árvore em plantios mais adensados, como os de Eucalyptus spp., inviabilizam sua aquisição, tornando-a sujeita a erros de medi- ção (SOUSA et al., 2013; MOREIRA et al., 2015; BINOTI et al., 2017; FERRAZ FILHO et al., 2018). Logo, na prática é comum que haja a aferição da altura de apenas algumas árvores nas parcelas seguindo alguns princípios como o de Assmann (1970), e com isso, realizar a estimação das alturas das demais árvores em função de variáveis de rápida aferição como o DAP (BINOTI et al., 2017). A esta relação existente entre o diâmetro e a altura das árvores é atribuída a deno- minação de relação hipsométrica (VIANNA et al., 2016). Esta técnica utiliza geralmente modelos de regressão linear clássica, amplamente difundidas na literatura devido a sua facilidade de ajuste. Contudo, esse método está sujeito ao acúmulo de maiores erros de estimativas, quando estas relações hipsométricas apresentam comportamento do tipo não linear (CALEGARIO et al., 2005; FERREIRA, 2009; OLIVEIRA et al., 2015). Outro ponto é a geração de estatísticas com valores não significativos, incapacidade de lidar com outliers, e por fim, resultar em baixa confiabilidade do seu emprego. Estas incertezas podem implicar na subestimação ou superestimação dos parâmetros dendrométricos (HESS et al., 2014) como a altura total das árvores (HT). Nesse sentido, tem sido despertado o interesse na busca por métodos mais eficientes de estimativa da HT das árvores, visto que encontrar relações de altura-diâmetro (h-d) precisas permitem a economia de tempo e capital nos inventários florestais. Portanto, as técnicas de aprendizagem de máquina (AM) têm sido empregadas com sucesso na área de mensuração florestal, com destaque para as Redes Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 3332 neurais artificiais (RNA), um dos métodos utilizados para estudos relacionados a modelagem de relações hipsométricas (COSTA FILHO et al., 2019, BINOTI et al., 2014; MARTINS et al., 2016; VENDRUSCOLO et al., 2016). Comparada aos modelos de regressão linear e não linear, a vantagem da RNA está na sua superioridade em fornecer estimativas com maior acurácia das variáveis desejadas (CAMPOS et al., 2016; CASTRO et al., 2013; LEITE et al., 2011; GÖRGENS et al., 2009; SILVA et al., 2009; PARUELO & TOMASEL, 1997). É notório que a maioria dos estudos que abordam a modelagem da altura das árvores são restritos a aplicação de RNA. Portanto, outras técnicas de AM, como Random forest (RF) ainda são pouco exploradas nesse contexto. Este algoritmo consiste em um dos métodos mais acurados para problemas de regressão (WANG et al., 2016), cuja aplicação nas ciências florestais tem demonstrado êxito para a predição da altura (SU; MA; GUO, 2017), volume total e sortimento da madeira (SILVA et al., 2017), distribuição diamétrica (SHANG et al., 2017) e biomassa florestal (SILVA et al., 2019). Considerando o potencial dessas técnicas na melhoria das estimativas da altura das árvores, o presente trabalho teve como objetivo avaliar o desempenho na predição da HT de árvores de Eucalyptus spp. por meio do uso de Regressão linear múltipla (RLMS), Redes neurais artificiais e Random forest. MATERIAL MÉTODOS Área de Estudo Os dados foram obtidos por meio da cubagem em pé das árvores com uso do Criterion. Foram amostradas 71 árvores provenientes de povoamentos de Eucalyptus spp. para as idades de dois e sete anos. Os povoamentos estão localizados em Lavras, na região Sul de Minas Gerais (Figura 1) em espaçamento 3 x 2 metros. 3332 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza Figura 1. Mapa de localização do município de Lavras, Minas Gerais, Brasil. Durante a cubagem foram coletados dados do diâmetro na altura de 1,30 metros do solo (DAP) e HT. Com base na análise descritiva disposta na Tabela 1, nota-se uma maior variação da HT no povoamento aos dois anos de idade. Entretanto, para esta mesma idade, uma menor variabilidade é constatada para o DAP, quando comparada com o povoamen- to aos sete anos. Tabela 1. Estatística descritiva do diâmetro a 1,30 m de altura (DAP) e da altura total (HT) dos povoamentos de Eucalyptus spp. no município de Lavras. Idade (anos) Variável Mínimo Máximo Média Desvio padrão CV (%) 2 HT (m) 4,3 11,6 8,0 1,8 22,3 DAP (cm) 3,7 12,3 8,7 2,0 22,9 7 HT (m) 12,3 31,1 24,2 4,3 17,9 DAP (cm) 6,0 20,6 14,6 3,6 24,5 Em que: CV= coeficiente de variação. Modelagem da altura das árvores Inicialmente, a abordagem consistiu na estruturação da base de dados, em que foram tomadas como variáveis preditoras o DAP e suas transformações com uso das funções: inversa, logarítmica, raiz quadrada e segunda potência, totalizando em 5 variáveis predi- toras. De posse dessas variáveis, foi realizada a modelagem da HT das árvores com base em três agrupamentos de dados: 1) conjunto de dados referente aos dois anos de idade,2) conjunto de dados referente aos sete anos de idade e 3) conjunto de dados com ambas Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 3534 as idades. Cabe ressaltar que nessa última estratégia, a variável idade (id) também foi con- siderada como preditora. Em seguida, a base de dados foi dividida de forma aleatória em dois conjuntos, um para o treinamento dos modelos de RLMS e AM e outro para avaliar a capacidade de generalização dos modelos. A proporção adotada foi de 65% e 35%, respec- tivamente. A descrição destas etapas está disposta no fluxograma metodológico (Figura 2). Quanto aos métodos de regressão, são detalhados na sequência. Figura 2. Fluxograma dos métodos implementados para estimar a altura (m). Regressão linear múltipla via stepwise - RLMS O procedimento adotado para elaboração de modelos lineares múltiplos via stepwise (RLMS) foi efetuado com auxílio do pacote car, disponível na versão 4.0.2 do software R (R CORE TEAM, 2020). Este procedimento é caracterizado por seu passo a passo na seleção de variáveis, sendo realizado de forma iterativa. Desta forma, a incorporação de variáveis a cada passo foi realizada por meio da adição (forward) e remoção de variáveis (backward), com base no critério de seleção. Para este trabalho, utilizou-se o critério informação de Akaike (AIC). Posteriormente a seleção do conjunto ideal de variáveis para o modelo RLMS, foi avaliada a significância de cada variável independente existente no modelo por meio da estatística F. Adicionalmente, foi considerado o fator de inflação da variância (Variance Inflation Factor, VIF) para diagnosticar a existência de multicolinearidade entre as variáveis independentes. A presença de multicolinearidade da variável foi indicada por valores de VIF maiores que 10, sendo este o critério para exclusão da variável independente. 3534 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza Random forest - RF O RF consiste em um método de aprendizado de máquinas não paramétrico que otimiza a predição com base no ajuste de um conjunto de árvores. Para isto, cada árvore é formada a partir da seleção aleatória de um conjunto de variáveis e uma amostra aleatória do conjunto de dados de treinamento (BREIMAN, 2001). Este algoritmo demanda o ajuste de parâmetros que foram estabelecidos por meio de testes preliminares, sendo o número de árvores igual a 800 unidades (ntrees), número de atributos a serem selecionados aleatoriamente para divisão da árvore como 1 (mtry) e o número de observações nos nós igual a 5 (nodesize). Foram processadas 50 repetições desse algoritmo para obtenção do melhor modelo (com menor erro médio quadrático, MSE). Para a implementação do RF utilizou-se o pacote ran- domForest (LIAW; WIENER, 2018) da versão 4.0.2 do software R (R CORE TEAM, 2020). Redes neurais artificiais - RNA O funcionamento das RNA é inspirado no processo de aprendizagem humano estabe- lecendo conexões entre os dados de entrada e saída (WERE et al., 2015), sendo a RNA do tipo Multilayer Perceptron (MLP) uma das mais difundidas devido a sua comprovada eficiência na geração de resultados satisfatórios (BAYAT et al., 2019). Portanto, foi a arquitetura ado- tada no treinamento de 50 RNA para a modelagem da HT, cuja estrutura consiste em uma camada de entrada e duas camadas de processamento, sendo estas últimas, uma camada oculta e uma de saída. O número de neurônios na camada de entrada foi equivalente ao número de variáveis preditoras e na camada oculta foi igual a quatro. A camada de saída contemplou um único neurônio, que forneceu os valores estimados de HT. A configuração da rede também envolveu o algoritmo de treinamento Resilient propagation (Rprop+), a função de ativação logística na camada oculta e linear na camada de saída. O critério de parada adotado foi o número de ciclos igual a 100.000. A RNA foi implementada com auxílio do pacote neuralnet disponível na versão 4.0.2 do software R (R CORE TEAM, 2020). Cabe ressaltar que o uso de RNA demanda a normalização das variáveis contínuas, portanto, seus valores foram escalados em um intervalo entre 0 e 1, conforme o procedimento Max-Min expresso pela Equação 1. Em que novov é o valor normalizado do conjunto de dados e v é o valor original do conjunto de dados. (1) Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 3736 Critérios de avaliação das estimativas dos modelos A avaliação da qualidade das estimativas de HT das árvores resultantes dos modelos testados foi fundamentada nos seguintes critérios em ordem de prioridade: 1) análises gráficas da dispersão e o histograma dos erros percentuais, sendo o erro obtido conforme a Equação 2, 2) raiz do erro quadrado médio percentual (root mean squared error – RMSE%), conforme a Equação 3 e 3) correlação (r) entre as alturas estimadas e observadas (Equação 4). em que: ( )%iErro é o erro de cada observação. RESULTADOS As estatísticas de avaliação e os coeficientes estimados no treino e na validação dos modelos hipsométricos para os três métodos analisados nas diferentes idades estão apre- sentados na Tabela 2. Para os modelos de RLMS, na idade de dois anos e sete anos, foram selecionadas, respectivamente, as transformações DAP² e 1/DAP, com nível de significância de 5% (p < 0,05). No modelo que inclui as duas idades, as variáveis significativas foram o DAP, sem transformação, e a id. Quanto as análises estatísticas nos três agrupamentos de dados (dois anos, sete anos e com as duas idades) o RLMS resultou em valores próximos de correlação, entretanto os maiores valores foram encontrados na validação quando com- parados com a correlação do treino. Em relação ao RMSE%, destacamos a superioridade do desempenho do modelo para a idade de sete anos, visto que resultou em um menor valor na validação (8,45%). Analisando os conjuntos de dados separados por idade, o modelo ajustado pelo RF na idade de dois anos apresentou o menor erro na validação (8,33%). Ao analisar o RF com as duas idades, foi encontrada a correlação de 0,98, porém esse modelo apresentou maiores erros de estimativas, 10,33% e 13,22%, respectivamente no treino e na validação, quando comparado aos ajustes com o conjunto de dados separados. As correlações encontradas nos ajustes com o método RNA, assim como na RLM, apresentaram maiores valores na (2) (3) (4) 3736 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza validação do que no treino. O modelo com ambas as idades apresentou maior correlação, sendo 0,98 no treino e 0,99 na validação, entretanto, observou-se nesse modelo maiores valores de erro para os dois conjuntos de dados. Tabela 2. Coeficientes estimados e estatísticas utilizadas para avaliar o desempenho do ajuste dos modelos hipsométricos na estimação da HT de árvores de Eucalyptus spp. nas estratégias utilizadas. Métodos Idade Variáveis Treino Validação r RMSE (%) r RMSE (%) RLMS 2 DAP²* 0,87 10,85 0,91 9,30 7 1/DAP* 0,85 9,29 0,91 8,45 Ambas DAP* + id* 0,98 11,66 0,98 10,25 RF 2 DAP e transformações 0,95 7,07 0,93 8,33 7 0,94 6,21 0,86 9,48 Ambas 0,98 10,33 0,98 13,22 RNA 2 DAP e transformações 0,88 12,58 0,91 10,89 7 0,86 12,73 0,91 9,78 Ambas 0,98 24,39 0,99 13,45 Em que: r = coeficiente de correlação, RMSE (%) = raiz erro quadrado médio percentual, significante ao nível de 5% (p < 0,05). Os gráficos de dispersão dos resíduos percentuais e os seus respectivos histogramas para os três métodos analisados e as diferentes idades utilizadas no processo de estima- ção da HT das árvores de Eucalyptus spp são apresentados na Figura 2. Verificou-se que a dispersão dos resíduos na idade de dois anos para o método RF tanto no treinamento quanto na validação foi quem apresentou a melhor dispersão residual, seguida do método RLMS. O método RNA para essa idade apresentou alta variabilidade em suas estimativas com tendência em superestimativa dos valores deHT das árvores. Em relação aos histogra- mas, de forma geral, foi possível observar que todos apresentaram a forma característica da distribuição normal; e essa característica, distribuição dos erros ser normal, é um forte indicativo de boas estimativas. As técnicas RLMS e RNA apresentaram uma ligeira assimetria a direita, com a maior parte dos erros negativos, o que representa uma tendência em supe- restimar a HT das árvores. Analisando a idade de sete anos, observou-se uma distribuição mais homogênea dos resíduos com uso do RLMS e RF, porém mais balanceada ao consi- derar método RF, para o treinamento e a generalização, seguido pelo método RLMS. Nas maiores alturas foi observado que a RNA apresentou tendência em superestimar os valores de HT das árvores, e por meio da análise do histograma é possível observar a presença de uma ligeira assimetria a direita para este método. Em relação ao uso das duas idades, o método RLMS para a seleção das variáveis, no treinamento e na validação, apresentou a melhor dispersão residual e distribuição dos erros do tipo normal para a estimativa da HT das árvores. O histograma de frequência dos erros apresentou uma distribuição adequada, com as maiores frequências nas classes próximas a -10% e 10% de erro. O ajuste com o método RF apresentou tendência em superestimar as Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 3938 menores alturas, e o ajuste das RNA não foi um bom método para a estimação da HT das árvores de Eucalyptus spp, pois, apresentou tendência na superestimativa de toda a ampli- tude de altura das árvores. Em geral, os métodos de RLMS e RF foram os mais apropria- dos, visto que apresentaram resultados satisfatórios na obtenção de estimativas de HT das árvores. Ao considerar todas as estratégias, ambos foram mais eficientes em extrair carac- terísticas importantes dos dados de treinamento e validação, resultando em desempenhos superiores a RNA. Figura 3. Gráfico de resíduos com histograma marginal dos erros. 2 anos 7 anos Ambas R LM S R F R N A DISCUSSÃO A comparação entre diferentes abordagens e métodos é uma atividade recorrente na modelagem florestal. Esses métodos têm se destacado no setor florestal, uma vez que 3938 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza buscam melhorar a precisão e possibilitam a redução de custos no planejamento. O estu- do de variáveis dendrométricas é uma etapa importante no entendimento do crescimento de um povoamento florestal. Com notável relevância para a altura, essencial na constru- ção de modelos de crescimento e produção, e classificação da capacidade produtiva local (KANDARE et al., 2017; NOORDERMEER et al., 2018; PARRESOL et al., 2017; SHARMA; BREIDENBACH, 2015; FORTIN et al., 2019). A relação h-d desempenha um importante papel na caracterização da estrutura vertical florestal (ZHANG et al., 2014), principalmen- te em florestas homogêneas (LI et al., 2015; NG’ANDWE et al., 2019; SILESHI, 2014). Tradicionalmente, essa relação é examinada por modelos de regressão linear ou não linear, e apresentam bons resultados (TEMESGEN; ZHANG; ZHAO, 2014). No entanto, novos mé- todos envolvendo aprendizado de máquina apresentam vantagens sobre a regressão, pois são capazes de aprender e generalizar os dados, com tolerância a ruído, além de identificar o comportamento não-linear no processo investigativo (WERE et al., 2015). A relação h-d pode ser afetada por uma série de fatores ambientais, os quais tem uma relação não linear no seu comportamento, e por isso equações tradicionais não podem simular com precisão a relação entre estas variáveis (SHEN et al., 2020). Este fato motiva a aplicação de métodos não paramétricos, como o RF cujo potencial foi comprovado nesse estudo. Pela análise gráfica dos resíduos, ao avaliar povoamentos equiâneos, o RF demons- trou ser uma ferramenta adequada, visto que proporcionou boas estimativas de altura total das árvores quando realizados ajustes para as idades separadamente. Entretanto, houve redução do desempenho deste método quando ajustado em função de dados com diferentes idades. Ao contrário da RNA, que apesar de ser um método muito utilizado na estimativa da altura (NETO et al., 2018; TUAN, DINH; LONG 2019; VENDRUSCOLO et al., 2017; SHEN et al., 2020), em nosso estudo a mesma apresentou resultados inferiores nas estratégias utilizadas, e em ambos os conjuntos de dados. Alguns estudos corroboram com este tra- balho, em que a regressão apresenta respostas iguais ou superiores ao aprendizado de máquina (CASTAÑO-SANTAMARÍA et al., 2013; GÖRGENS; MONTAGHI; RODRIGUEZ, 2015; MENDONÇA et al., 2018). O desempenho inferior da RNA pode estar vinculado ao seu aprendizado apresentar uma grande sensibilidade aos parâmetros adotados em sua configuração, o que constitui um desafio na modelagem, portanto, uma abordagem aplicada em alguns estudos envolvem a otimização dos seus parâmetros com uso de outros algorit- mos, como no estudo de Binoti et al. (2017) com a implementação do algoritmo genético. Uma opção aos modelos tradicionais, é a modelagem não somente em função de h-d, mas também com a introdução de outras variáveis, como no caso realizado nesse trabalho ao adicionar a idade das árvores. A idade quando incorporada em modelos de regressão é capaz de compreender o comportamento da altura das árvores em diferentes locais e Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 4140 povoamentos, produzindo estimativas com boa qualidade (CORRAL-RIVAS et al., 2014; ZANG; LEI; ZENG, 2016). A vantagem do uso de uma equação geral, é a redução do esfor- ço no ajuste da altura para vários conjuntos de dados, uma vez que se utiliza uma equação para todo o povoamento (CASTAÑO-SANTAMARÍA et al., 2013). Nesse estudo, a idade foi selecionada no modelo de RLMS, produzindo informações com maior precisão, o que já era esperado. Portanto, é o mais recomendável ao trabalhar com dados em diferentes idades. Embora consolidadas as equações hipsométricas, novas técnicas tornaram-se promis- soras devido ao seu êxito na determinação da altura. Com os resultados encontrados no presente trabalho, comprovou-se a aplicabilidade do RF. Desta forma, incentiva-se o seu uso pela precisão e ineditismo, por ser uma técnica ainda carente de estudos na modelagem da altura das árvores. Complementarmente, a adição de variáveis extra povoamento como parâmetros geográficos, hidrológicos, sensoriais (sensoriamento remoto) e do solo, podem trazer benefícios na redução dos custos e maior precisão das estimativas de altura. CONCLUSÃO É essencial a busca por técnicas de modelagem que forneçam melhorias das es- timativas de altura das árvores, as quais permitem um manejo adequado dos recursos florestais. O RLMS e o RF constituem métodos eficientes para sua predição em indivíduos de Eucalyptus spp., e, portanto, são recomendáveis. A partir dos resultados satisfatórios via RF sugere-se uma maior aplicabilidade na área de biometria florestal, uma vez que ainda é incipiente neste contexto. REFERÊNCIAS 1. ASSMANN, E. The principles of forest yield study. New York: Pergamon Press, 1970 506p. 2. BAYT, M. et al. Application of artificial neural networks for predicting tree survival and mortality in the Hyrcanian forest of Iran. Computers and Electronics in Agriculture, v. 164, n. July, p. 104929, 2019. 3. BINOTI, D.H.B.; BINOTI, M.L.M.S.; LEITE, H.G. Configuração de Redes Neurais Artificiais para Estimação do Volume de Árvores. Revista Ciência da Madeira, Pelotas, v. 5, n. 1, p.58-67, 31 maio 2014. 4. BINOTI, D. H. B. Estimation of height of eucalyptus trees with Neuroevolution of augmenting topologies (NEAT). Revista Árvore, v. 41, n.3, p. e410314, 2017. 5. BREIMAN, L. Random Forests. Machine Learning, v. 45, p. 5–32, 2001. 4140 Silvicultura e Manejo Florestal: Técnicas de Utilização e Conservação da Natureza 6. CALEGARIO, N. et al. Melhoria da qualidade
Compartilhar