Escolar Documentos
Profissional Documentos
Cultura Documentos
FUNDAMENTADO EM EQUAES DIFERENCIAIS Breno Rodrigues Mendes1, Natalino Calegario2, Carlos Eduardo Silva Volpato3, Anabel Aparecida de Mello4
(recebido: 21 de outubro de 2005; aceito: 31 de julho de 2006)
RESUMO: O presente estudo teve como objetivo o desenvolvimento de modelos no-lineares para rvores individuais a partir de equaes diferenciais e a avaliao da qualidade de ajuste dos mesmos para expressar o crescimento em rea basal individual. Foram utilizados dados provenientes de um inventrio florestal contnuo de clones de Eucalyptus spp., fornecidos pela empresa Aracruz Celulose S/A, localizada na regio costeira do Brasil, nos Estados da Bahia e Esprito Santo. A avaliao da preciso dos modelos foi realizada por meio do teste da razo da mxima verossimilhana, do erro padro residual (EPR) e do grfico de resduos. Os resultados mostraram que o modelo completo com 3 parmetros, desenvolvido a partir do modelo original, foi superior aos demais modelos, devido incluso de variveis relativas ao povoamento, como: clone, altura total (HT), altura dominante (HD), dimetro quadrtico (Dg), rea Basal (G), ndice de stio(IS) e densidade(N), originando um novo modelo denominado por Modelo Completo III. O ganho com preciso foi altamente significativo pelo teste da razo da mxima verossimilhana, quando comparado com os outros modelos. Sendo assim, este modelo gera informaes com um alto grau de preciso para o planejamento das empresas florestais. Palavras-chave: Modelos de crescimento, equao diferencial, rvore individual, Eucalyptus spp.
1 INTRODUO O territrio nacional coberto em 66% da sua extenso por florestas naturais, 0,5% por florestas plantadas e o restante utilizado para outros fins (agricultura, pecuria, reas urbanas, etc.). As florestas plantadas so compostas, principalmente, por Pinus e Eucalyptus, que ocupam cerca de 4,7 milhes de hectares, sendo 64% de Eucalyptus e 36% de Pinus. Essas florestas tm uma importncia econmica muito grande no desenvolvimento do Pas, tendo em vista que o setor de base florestal representa
1
cerca de 2% do PIB brasileiro, <<available on http:// sistemasweb.desenvolvimento.gov.br>>. Em face dessa importncia, torna-se de interesse do administrador florestal quantificar o crescimento e a produo de suas florestas, promovendo um planejamento criterioso da produo atravs da prescrio de regimes de manejo adequados, visando qualidade do produto final (ACERBI JNIOR et al., 2002; EISFELD et al., 2005). Sendo assim, pode-se dizer que a predio do crescimento e da produo parte fundamental do processo de planejamento dos povoamentos florestais.
39550-000 Lavras, MG Lavras, MG Cx. P. 3037
Engenheiro Florestal da empresa Carvovale Produtos Agroindustriais e Florestais, Av. do Contorno, 1660 Taiobeiras, MG brenolavras@yahoo.com.br 2 Professor do Departamento de Cincias Florestais Universidade Federal de Lavras/UFLA Cx. P. 3037 37200-000 calegari@ufla.br 3 Professor do Departamento de Engenharia Agrcola Universidade Federal de Lavras/UFLA Cx. P. 3037 37200-000 volpato@ufla.br 4 Bolsista Recm-doutor FAPEMIG Departamento de Cincias Florestais Universidade Federal de Lavras/UFLA 37200-000 Lavras, MG anabel_mello@yahoo.com.br
255
A anlise do crescimento de seres vivos, utilizando modelos matemticos e estatsticos, no algo novo. Esse tipo de anlise est cada vez mais sofisticado no setor florestal e, segundo Clutter et al. (1983) e Davis & Johnson (1987), uma das principais tarefas atribudas ao profissional da rea entender como ocorre o crescimento das rvores de um povoamento, qual tratamento silvicultural adotar e prever qual ser a poca de corte e a produtividade do plantio. Atualmente, o ajuste dos modelos de crescimento realizado com a utilizao de mtodos cada vez mais avanados, dada a facilidade encontrada ao acesso de computadores de alto desempenho e de softwares especializados em tais anlises. De acordo com Wraith & Or (1998), os modelos de crescimentos podem ser representados por equaes diferenciais ou sistemas contendo duas ou mais destas equaes. Estes modelos so equaes no-lineares que, atravs de curvas de crescimento, procuram explicar as relaes de crescimento inerente a vrias partes do organismo vegetal, at a sua maturidade, em situaes ambientais distintas. O modelo de crescimento uma abstrao da dinmica natural da floresta e pode abranger crescimento, mortalidade e outras mudanas na composio e estrutura do povoamento. O domnio da modelagem do crescimento extremamente importante para os pesquisadores da rea florestal que estejam interessados em um melhor entendimento das relaes existentes na produo florestal durante a vida de um determinado povoamento (VANCLAY, 1994). O crescimento individual de rvores pode ser expresso como o incremento em dimetro, rea basal, altura, volume ou massa. Existe um crescente interesse no desenvolvimento de modelos de crescimento em rea basal, isto porque a rea basal uma medida direta, sendo altamente correlacionada com o volume, ou massa, e com as prticas silviculturais, expressando o grau de densidade do povoamento e permitindo a otimizao da utilizao do stio florestal. Sendo assim, o principal objetivo deste estudo foi o desenvolvimento de modelos que permitam expressar o crescimento em rea basal individual
em povoamentos clonais de Eucalyptus spp, baseando-se em equaes diferenciais, com a incluso de variveis relacionadas rvore e ao povoamento. 2 MATERIAL E MTODOS 2.1 Caracterizao da rea e a base de dados Os dados de Eucalyptus spp utilizados nesse estudo so provenientes do inventrio florestal contnuo realizado nos povoamentos clonais da empresa Aracruz Celulose S.A., localizados na regio costeira do Brasil, nos Estados do Esprito Santo e Bahia. As parcelas possuem formato circular, com tamanho variado. Em cada parcela foram obtidas medidas de dimetro (tomada a 1,30 m de altura) e altura total, com remedies bimestrais, totalizando 4.683 observaes individuais distribudas entre diferentes clones e idades, como pode ser observado na Tabela 1. O clima da regio classificado como Aw (Tropical mido, com estao chuvosa e seca no inverno) e Am (Tropical mido, sem estao seca pronunciada), no Estado do Esprito Santo e Af (Quente, com o ms mais frio atingindo temperatura superior a 18C), Am (Tropical Chuvoso, de mono) e Aw (Quente com temperatura do ms mais frio superior a 18C), no Estado da Bahia. As coordenadas geogrficas, aproximadas, para cada regio administrativa e suas respectivas reas so apresentadas na Tabela 2. 2.2 Desenvolvimento dos modelos A idia inicial desse estudo foi baseada na ausncia de um modelo terico que relacione a varivel dependente rea seccional (g) com a varivel independente idade (t). O ponto de partida foi uma investigao da variao da taxa de crescimento relativa apresentada na Figura 1, em que se pode visualizar o comportamento da relao entre o incremento corrente anual relativo (ICAR) da rea basal individual em funo da idade. Verifica-se uma reduo exponencial da taxa relativa com o aumento da idade das rvores. Baseando-se em tal informao, selecionou-se os modelos para expressar tal tendncia, conforme sugerido por Ratkowsky (1983).
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
256 Tabela 1 Dados experimentais provenientes do inventrio florestal contnuo. Table 1 Experimental data from continue forest inventory.
MENDES, B. R. et al.
Clone
N da parcela 1 2 4 5 6 7 8 9 10 11 12
Idade (anos) 3,08-4,67 3,08-4,67 3,33-4,92 2,92-4,50 2,92-4,50 3,25-4,83 2,92-4,50 3,25-4,83 2,92-4,50 2,92-4,50 2,92-4,50
N de medies 14 15 12 14 13 15 13 14 14 13 15
Nmero de Observaes 431 448 113 224 171 420 866 223 742 605 440
Dimetro Mdio Quadrtico (cm) 18,88 17,13 14,93 14,42 16,59 14,49 13,64 16,42 13,94 14,42 13,55
1 1 3 4 3 3 2 6 5 1 3
Tabela 2 Coordenadas geogrficas aproximadas e extenso da rea da empresa Aracruz Celulose S.A. Table 2 Aproximated Geographic coordenates and total area.
Aracruz Latitude (S) Longitude (W) rea (ha) 1935 e 2015 4000 e 4020 33.114,50 So Mateus 1805 e 1845 3930 e 4010 44.162,00 Posto da Mata 1715 e 1805 3905 e 4000 47689,20
g ICAr anos gt
1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 0,00 1,00 2,00 3,00 4,00 5,00 6,00
Idade(anos)
Figura 1 Variao da taxa de crescimento relativa em rea basal (m2.idade-1.m-2) em funo da idade. Figure 1 Variation on the relative basal area growth rate (m2.idade-1.m-2) as function of age.
257
Visando obter operacionalidade no desenvolvimento dos modelos, optou-se por selecionar equaes com 1, 2 e 3 parmetros, totalizando trs equaes, nas quais se utilizou o conceito de equao diferencial, que toda equao que relaciona uma funo incgnita (funo desconhecida) com uma ou mais das suas derivadas. As equaes diferenciais foram resolvidas com o intuito de obter solues satisfatrias para as mesmas. O desenvolvimento do novo modelo foi elaborado em trs etapas, descritas a seguir. Para o modelo I, o desenvolvimento se deu a partir de uma equao de um parmetro, selecionada por representar uma variao exponencial negativa da taxa relativa de crescimento da rea basal, que pode ser escrita como:
Os procedimentos para o segundo e terceiro modelos foram os mesmos, sendo que as funes exponenciais que os geraram so as seguintes:
g gi t g gi t
(t ; )
o i
(5)
(t ; )
1 i
g gi t
(t ; )
ti
(1)
em que: gi = rea basal da ith rvore, em m2; t = idade, em anos, e; = parmetro. A equao (1) classificada como equao diferencial de Bernoulli (BRONSON, 1993; EDUARDS & PENNEY, 1996) e, aplicando-se a anti-derivativa, tem-se:
g g
(2)
ln(g)
t(
1)
(3)
Aplicando o anti-logaritmo na equao (3), obteve-se a seguinte funo exponencial de crescimento, denominada por Modelo Original I neste estudo:
exp
t(
1)
(Modelo Original I)
(4)
A aplicao da anti-derivativa em ambos os lados das expresses (5) e (6) gerou os modelos representados na Tabela 3. Buscando a melhoria da preciso dos trs modelos gerados, algumas variveis foram adicionadas aos modelos originais, como clone, altura total (HT), dimetro quadrtico (Dg), densidade (N), ndice de stio (IS), altura dominante (HD) e rea basal (G). Todas estas variveis esto correlacionadas diretamente com o crescimento da rea seccional (g), desenvolvendo-se, assim, trs novos modelos, denominados por Modelos Completos. Esta incluso de variveis foi feita de forma simples, atravs da decomposio dos parmetros dos modelos originais. A determinao de cada varivel, que seria includa em cada parmetro, foi feita de acordo com o seu grau de significncia em relao ao parmetro. O grau de significncia foi verificado atravs de teste estatstico t de Student. A Tabela 3 tambm apresenta os Modelos Completos desenvolvidos a partir dos Modelos Originais. Ambos foram ajustados considerando as pressuposies de que os erros so independentes e identicamente distribudos, com distribuio normal, mdia zero e varincia constante 2 . Os valores iniciais requeridos para reduzir o nmero de iteraes necessrias para a soluo do sistema de equaes foram obtidos com o uso da representao grfica da relao rea seccional (g) versus idade (t). Esta uma das alternativas que permite a obteno dos valores iniciais para os parmetros dos modelos no-lineares, conforme Draper & Smith (1981).
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
MENDES, B. R. et al. Modelos originais e completos obtidos a partir da decomposio dos parmetros dos modelos originais. Original and full models based on parameter decompositions from original models.
Original
exp
t(
00
1)
00
5
Modelo I Completo
( b 00
exp
t
( b 00
Original
exp
00
* t(
10
10
1)
1)
(b10 5 b1iClone(i) b16H b17G b18IS b19N) T i1
Modelo II
b
00
5 b Clone(i) b D b H b G b IS b N *t G T
i 1
0i 06 07 08 09 10
Completo
g exp
b10
i 1
Original
exp b00 * t
(b00
i 1 5
g exp
(b20
b10
i 1
i1
b20
i 1
2.3 Medidas de Acurcia e seleo do modelo As medidas de acurcia utilizadas foram o Erro Padro Residual (EPR), o Critrio de Informao de Akaike (CIA) e o Critrio de Informao Bayesiano (CIB). Para a seleo do melhor modelo foi utilizado
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
o Teste da Razo da Mxima Verossimilhana (CALEGARIO et al., 2005), o qual dado pela seguinte expresso:
TRMV 2 ln( MV2 ) MV1 2 ln( MV2 ) ln( MV1 )
(7)
259
em que: TRMV=Teste da Razo da Mxima Verossimilhana; ln(.)= Logaritmo natural; MV2=Mxima Verossimilhana para o modelo geral; MV1= Mxima Verossimilhana para o modelo restrito; A Mxima Verossimilhana uma funo de parmetro e dada pela seguinte expresso:
n
MV ( )
i 1
f ( xi ; )
(8)
Se k 1 e k 2 representarem os nmeros de parmetros dos modelos restrito e geral, respectivamente, a distribuio assinttica de TRMV 2 com k2-k1 graus de liberdade. Os Critrios de Informaes de Akaike e Bayesiano so derivados do valor da mxima verossimilhana e so computados pelas seguintes expresses:
CIA
2 MV ( ) 2 p
(9) (10)
CIB
2 MV ( )
p ln(n)
em que p representa o nmero de parmetros no modelo e n o nmero total de observaes. Para ambos os critrios, quanto menor o valor melhor a representao dos dados pelo modelo. Comparou-se o ajuste dos Modelos Originais gerados com o ajuste dos modelos que mais tradicionalmente aparecem na literatura para a modelagem do crescimento florestal: Weibull, Logstico e Richard. Tambm foi utilizado a distribuio grfica dos resduos para verificar o ganho na preciso com a incluso de variveis relativas s rvores individuais e ao povoamento. 3 RESULTADOS E DISCUSSO 3.1 Estimativas dos parmetros e medidas de acurcia Os resultados da estimativa dos parmetros dos modelos originais e os de Weibull, Logstico e Richard, com suas respectivas medidas de acurcia, esto apresentados, de forma comparativa, na Tabela 4. Entre os modelos originais, destaca-se o Modelo Original III, pois o mesmo apresentou menor EPR,
expresso em termos absolutos. Comparado com os modelos tradicionais, o Modelo Original III apresentou o mesmo EPR, indicando que o mesmo apresenta a mesma preciso na representao dos dados amostrais. As anlises feitas para os modelos completos mostraram que a incluso das variveis proporcionou uma reduo no valor do erro padro residual. A maior reduo foi verificada no Modelo Completo III, em que o Erro Padro Residual foi reduzido de 0,004239 para 0,001974, gerando um percentual de reduo de 53% (Tabela 5). Entre os modelos completos, o Modelo II teve desempenho melhor que o Modelo I, gerando um valor de 1013 para o TRMV, com um valor significativo de probabilidade 2 para a distribuio , com 22-12=10 graus de liberdade. O Modelo Completo III teve desempenho melhor que o II, com um valor para o TRMV de 3073, tambm altamente significativo. Portanto, o Modelo Completo III representa melhor os dados, quando comparado com os Modelos Completos I e II. Com relao ao erro padro residual, comparado com o Modelo Completo II, o Modelo Completo III apresentou uma reduo de 0,002739 para 0,001974, ou seja, 28%. Todas as variveis includas de forma combinada a cada um dos parmetros que compem os modelos, esto, de maneira geral, relacionadas umas com as outras, ou seja, uma depende da outra, pois a retirada ou a incluso de qualquer varivel a qualquer parmetro destes modelos modifica significativamente a estrutura de todo o ajuste. Isso mostra que essa tcnica de incluso de variveis aos modelos necessita, de forma detalhada, ser mais estudada a cada situao de interesse. Como pode ser visto na Tabela 6, apesar de alguns clones no terem diferenas significativas do parmetro intercepto, para os trs parmetros e para a um nvel de 5% de significncia, os mesmos foram deixados discriminados no modelo para fins de planejamento. As outras variveis testadas foram Altura, Stio, Densidade e Dimetro Quadrtico. Para o parmetro 1, todas foram significativas. Para o parmetro 2, as significativas foram Altura, Stio e Densidade. E para o parmetro 3, apenas Dimetro Quadrtico e Densidade tiveram valores significativos.
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
260
MENDES, B. R. et al.
Tabela 4 Parmetros e estatsticas comparativas entre os modelos originais I, II e III e os modelos de Weibull, Logstico e de Richard, seguidos de seus respectivos erros padres residuais (EPR). Table 4 Parameters and Comparative statistics between original models I, II and III and Weibull, Logistic and Richard models, followed by its respective residual standard errors. Valores do Parmetros e Estatsticas Modelo EPR (m2) 1 2 3 (Erro Padro/|t|/pr>|t|) -1,191611 x x I 0,004329 (0,00014/8719/<0,0001) x x 1,6197 -1,2768 x II 0,004242 (0,05426/30/<0,0001) (0,006754/189/<0,0001) x -0,298776 6,20228 -0,769412 III 0,004239 (0,035289/8/<0,0001) (1,0307/6/<0,0001) (0,081/9/<0,0001) 0,0243255 0,1156448 0,7642602 Weibull 0,004234 (0,0009217/26/<0,0001) (0,0269112/4/<0,0001) (0,1008587/8/<0,0001) 0,022646 2,814349 0,72951 Logstico 0,004239 (0,00051589/43/<0,0001) (0,02624660/107/<0,0001) (0,05886209/12/ <0,0001) 0,022651 3,855021 1,369708 Richard 0,004239 (0,0005168/43/<0,0001) (0,30086/12/<0,0001) (0,110581/12/<0,0001)
Tabela 5 Estatsticas comparativas entre os modelos desenvolvidos no estudo, em que: EPR=Erro Padro Residual; GL=Graus de Liberdade; CIA=Critrio de Informao de Akaike; CIB=Critrio de Informao Baysiano; LogMV=Logaritmo da Mxima Verossimilhana; TRMV= Teste da Razo da Mxima Verossimilhana; Prob.= Probabilidade associada ao teste da razo. Table 5 Comparative statistics for the models developed in this study, where: EPR=Residual Standard Error; GL=Degree of Freedom; CIA= Akaike Information Criterion; CIB= Bayesian Information Criterion; LogMV=Logarithm of the Likelihood Value; TRMV= Ratio Test of Likelihood; Prob= Probability.
GL 2 3 4 12 22 29
Teste x 1 vs 2 2 vs 3 x 4 vs 5 5 vs 6
161,9061 <0,0001
3.2 Anlise grfica residual para os modelos Na Figura 2 esto representados, de forma comparativa, os grficos dos resduos versus o valor da rea basal individual estimada, para todos os modelos ajustados.
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
Analisando a distribuio dos resduos percentuais apresentados na Figura 2, verifica-se que os modelos originais apresentaram uma forma semelhante de distribuio de resduos, distribudos aleatoriamente em torno do eixo zero.
Desenvolvimento de modelos de crescimento de rvores... Tabela 6 Valores dos parmetros e estatsticas para o Modelo Completo III. Table 6 Parameter values and statistics for the Complete Model III.
261
Parmetro
Decomposio Intercepto Clone 1 Clone 2 Clone 3 Clone 4 Clone 5 Altura Stio Densidade Dg Intercepto Clone 1 Clone 2 Clone 3 Clone 4 Clone 5 Altura Stio Densidade Intercepto Clone 1 Clone 2 Clone 3 Clone 4 Clone 5 Dg Densidade
Valor -4,317657 0,202185 -0,066665 -0,020354 6,075414 -0,835348 0,10199 -0,017124 0,098871 -0,038632 4,446365 -0,268608 0,066889 0,03651 -6,168647 0,841718 -0,05442 0,018543 -0,118546 -4,4078 0,113029 -0,026955 -0,015156 0,14554 0,038086 0,066007 0,046618
Erro Padro 36,29462 0,06290 0,01986 0,01437 43,80636 7,29638 0,00529 0,00321 0,01670 0,00813 36,38941 0,07183 0,02434 0,02169 43,81635 7,29909 0,00599 0,00294 0,01575 0,31679 0,01915 0,00646 0,00844 0,03259 0,00844 0,00628 0,00329
t -0,11896 3,21453 -3,35617 -1,41633 0,13869 -0,11449 19,28701 -5,33211 5,92092 -4,74967 0,12219 -3,73951 2,74837 1,68322 -0,14078 0,11532 -9,09165 6,31477 -7,52441 -13,91381 5,90304 -4,17463 -1,79668 4,46515 4,51317 10,50735 14,14924
Pr>|t| 0,9053 0,0013 0,0008 0,1567 0,8897 0,9089 <.0001 <.0001 <.0001 <.0001 0,9028 0,0002 0,006 0,0924 0,888 0,9082 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 0,0725 <.0001 <.0001 <.0001 <.0001
Para os Modelos Completos, observa-se que o Modelo Completo I apresentou a pior distribuio de resduos, indicando que a suposio de homocedasticidade foi violada, e que a incluso de novas variveis aos parmetros do Modelo Original I no contribuiu para sua melhoria. Um dos ganhos desta nova modelagem est na reduo do erro, verificado atravs da anlise grfica dos resduos percentuais, dos Modelos Completo II e III, que exprime uma sensvel melhoria
na distribuio dos resduos em relao aos seus modelos originais, em que os resduos foram distribudos aleatoriamente em torno do eixo zero de forma mais concentrada. Na Figura 2, tambm mostrase que o Modelo Completo III estima valores em uma amplitude bem maior que os outros modelos. A citada amplitude se aproxima bem mais da amplitude dos valores observados, sendo esta uma caracterstica bem desejvel na aplicao de um determinado modelo.
Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
262
Modelo Original I
120 100 80 60 40 Resduo (%)
MENDES, B. R. et al.
Modelo Original II
120 100 80 60 40 Resduo (%)
0.005 0.010 0.015 0.020 0.025 0.030 0.035 0.040 0.045
0.000
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
0.040
0.045
Modelo Completo I
120 100 80 60 40 Resduo (%) 20 0 -20 -40 -60 -80 -100
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
0.040
0.045
0.0000 0.0045 0.0090 0.0135 0.0180 0.0225 0.0270 0.0315 0.0360 0.0405 0.0450 rea Seccional Estimada (m2)
Modelo Completo II
120 100 80 60 40 Resduo (%)
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
0.040
0.045
0.000
0.005
0.010
0.015
0.020
0.025
0.030
0.035
0.040
0.045
Figura 2 Distribuio dos resduos percentuais em funo da rea seccional estimada de cada rvore, apresentado de forma comparativa entre os Modelos Originais I, II e III e Modelos Completos I, II e III. Figure 2 Residual distribution as function of the estimated basal area from each tree, showing a comparative form between the original models I, II and III and full models I, II and III. Cerne, Lavras, v. 12, n. 3, p. 254-263, jul./set. 2006
263 da produo e anlise econmica de regimes de manejo para Pinus taeda. Revista rvore, Viosa, v. 26, n. 6, p. 699-713, 2002. BRONSON, R. Schaum s outline of theory and problems of differential equations. 2. ed. Washington, DC: [s.n.], 1993. CALEGARIO, N.; DANIELS, R. F.; MAESTRI, R.; NEIVA, R. Modeling dominant height growth based on a nonlinear mixed effect model: a clonal Eucalyptus plantation case study. Forest Ecology and Management, Amsterdam, v. 204, n. 1, p. 11-20, 2005. CLUTTER, J. L.; FORTSON, J. C.; PIENNAAR, L. V.; BRISTER, G. H.; BAILEY, R. L. Timber management: a quantitative approach. New York: J. Willey and Sons, 1983. 333 p. DAVIS, L. S.; JOHNSON, K. N. Forest management. New York: Mc Graw-Hill, 1987. 790 p. DRAPER, N. R.; SMITH, H. Applied regression analysis. New York: Wiley, 1981. EDUARDS, C. H.; PENNEY, D. E. Differential equations and boundary value problems. New Jersey: Prentice hall, 1996. 707 p. EISFELD, R. L.; SANQUETTA, C. R.; ARCE, J. E.; MELLO, A. A. Modelagem do crescimento e da produo de Pinus taeda L. por meio do processo de difuso. Revista Cerne, Lavras, v. 11, n. 2, p. 167-177, abr./jun. 2005. RATKOWSKY, D. A. Nonlinear regression modeling, a unified practical approach. New York: M. Dekker, 1983. VANCLAY, J. K. Modelling forest growth and yield: apllications to mixed tropical forests. Wallingford: CAB International, 1994. 312 p. WRAITH, J. M.; OR, D. Nonlinear parameter estimation using spreadsheet software. Journal of Natural Resources, [S.l.], v. 27, p. 13-19, 1998.
4 CONCLUSES De acordo com as anlises desta tcnica de modelagem, gerando modelos a partir de equaes diferenciais, chegou-se as seguintes concluses: - O Modelo Original III teve preciso aproximada aos modelos comumente utilizados na literatura, como Weibull, Richard e Logstico. - Os modelos completos apresentaram melhorias significativas na preciso da representao dos dados. Pela anlise grfica de resduos, verificou-se que a presena de novas variveis aos modelos permitiu a obteno de uma melhora na distribuio aleatria dos resduos em torno do eixo zero, ocorrendo uma reduo na heterogeneidade de varincia existente nos modelos originais. - Dentre os modelos completos, o Modelo Completo III foi o que apresentou melhor preciso pelo teste da Razo da Mxima Verossimilhana. Quando comparado aos demais, este modelo estimou valores na mesma faixa dos valores observados no grfico de resduos. - Este estudo mostrou que o uso de variveis mensuradas em um inventrio florestal e aquelas relativas a nvel de parcela, como o caso do dimetro quadrtico, da rea basal, do ndice de stio, da altura dominante e da densidade, podem ser utilizadas para contribuir com melhorias no ajuste de modelos para rvore individual sem que haja um custo adicional na obteno de tais informaes. - O uso das equaes diferenciais mostra um elevado potencial no desenvolvimento de modelos biomtricos florestais. - Esta nova modelagem afeta diretamente o plano de suprimento das empresas florestais, podendo este ser elaborado com maior confiabilidade, produzindo assim informaes com um alto grau de preciso e exatido para o planejamento florestal, ocasionando uma reduo de custo nas vrias operaes realizadas na cadeia produtiva da empresa. 5 REFERNCIAS BIBLIOGRFICAS
ACERBI JNIOR, F. W.; SCOLFORO, J. R.; OLIVEIRA, A. D.; MAESTRI, R. Modelo para prognose do crescimento e