Tese Geoestatistica

Universidade de So Paulo
Escola Superior de Agricultura Luiz de Queiroz
Modelagem geoestatstica em quatro formaes florestais do

Estado de So Paulo
Melissa Oda-Souza
Tese apresentada para obteno do ttulo de Doutor

em Recursos Florestais. Opo em Conservao de
Ecossistemas Florestais
Piracicaba
2009
Melissa Oda-Souza
Engenheira Agrnoma
Modelagem geoestatstica em quatro formaes florestais do

Estado de So Paulo
Orientador:
Prof. Dr. JOO LUS FERREIRA BATISTA
Tese apresentada para obteno do ttulo de Doutor

em Recursos Florestais. Opo em Conservao de
Ecossistemas Florestais
Piracicaba
2009
Dados Internacionais de Catalogao na Publicao

DIVISO DE BIBLIOTECA E DOCUMENTAO - ESALQ/USP
Oda-Souza, Melissa
Modelagem geoestatstica em quatro formaes florestais do Estado de So Paulo /
Melissa Oda-Souza. - - Piracicaba, 2009.
99 p. : il.
Tese (Doutorado) - - Escola Superior de Agricultura Luiz de Queiroz, 2009.
Bibliografia.
1. Amostragem 2. Comunidades vegetais 3. Delineamento experimental 4. Ecologia floresta
5. Geoestatstica 6. Simulao - Estatstica I. Ttulo
CDD 634.94
O22m
Permitida a cpia total ou parcial deste documento, desde que citada a fonte O autor
D EDICO
A
Deus
por me dar foras e guiar meus passos.
s minhas avs, Kaor e Zlia

Aos meus pais, Lucy e Isao
s tias, Elza, Laura, Lira, Luzia, Mery e Tereza
Ao meu irmo, Eduardo
pelo amor incondicional, apoio, dedicao e confiana.
Ao meu esposo
Bruno de Almeida Souza
a compreenso, carinho, intensa dedicao e, principalmente, por se manter sempre forte nos momentos decisivos.
Sua bondade e imensa generosidade tornam os momentos
eternos.
AGRADECIMENTOS
Ao professor Dr. Joo Lus Ferreira Batista, pela orientao, apoio, crdito ao trabalho, os
ensinamentos e a amizade.
Ao professor Dr. Paulo Justiniano Ribeiro Jnior pelos ensinamentos, a amizade, a pacincia,
as incansveis discusses e sugestes ao meu trabalho.
FAPESP, ao Projeto Biota Parcela Permanentes e ao coordenador Ricardo Ribeiro Rodrigues
pela concesso dos dados para a realizao deste trabalho.
Aos professores Demstenes Ferreira da Silva Filho, Edson Vidal e Hilton Thadeu Zarate do
Couto, pelas valiosas sugestes ao trabalho feitas no exame de qualificao.
Ao professor Jos Mrcio Mello pelo concesso dos dados para o ajuste da equao de biomassa
para floresta Estacional.
Ao Jefferson, pela ajuda, amizade, pelo cafs, principalmente pela infinita pacincia e generosidade.
todos do LMQ, pelas conversas, cafs, risadas e pela convivncia agradvel, em especial,
meus irmos de orientador, Ana, Edgar, Mauricio, e aos amigos, Eduardo, Flvia, Francisco,
Jaime, Jlio Csar, Ktia, Luciana e Rodrigo, pelo companheirismo.
Ao Laboratrio de Estatstica e Geoinformao (LEG - UFPR), em especial aos professores
Paulo Justiniano Ribeiro Jnior, Silvia Emiko Shimakura e a doutoranda Ana Beatriz Tozzo Martins
pela receptividade, discusses e valiosas sugestes.
Ao Elias Krainski, o menino mais bonzinho do Brasil, ao Benilton Carvalho e ao Ramiro Crdenaz, que mesmo pouco me conhecendo no pouparam esforos para me ajudar na programao
em R.
minha famlia paranaense e baiana que me acompanharam durante essa etapa.
Ao Paulo e Silvia, pela acolhida, conversas, apoio, amizade e aos meninos, Paulo Neto e Luca,
por dividirem comigo seus momentos familiares.
Ao professor Dcio Barbin, orientador do mestrado e amigo para a vida, e Bernadete, pelos
belssimos exemplos de vida, as conversas, conselhos e por todo carinho e cuidado dispensados.
As Amigas de Repblica, Dani, Tammy e Rose, por todos os momentos compartilhados e
vividos.
Aos amigos, mesmo os no diretamente envolvidos com a tese, mas que sempre alegraram
6
meus dias em Piracicaba, Ana, Amancio e Tai, Dani, Dcio e Bernadete, Edmilson e Jurema,
Juliana Cespedes, Lilian, Lcia, Marchini e Mena, Myrian, Natacha, Fernando, Matheus e Isadora.
Ana Schilling pela reviso e sugestes.
Ao Bruno Souza, pela reviso, pelos palpites e pela ajuda na correria final.
Fbia, Maria Teresa e Mariana Carvalhaes pela receptividade no Piau.
Capes, pelo apoio financeiro.
Aos professores e funcionrios do Departamento de Cincias Florestais pela ajuda e convivncia.
s bibliotecrias da ESALQ pela convivncia, em especial a Silvia Zinsly pelo auxlio na reviso das normas.
professora Cimara Pereira Prada pela reviso do Portugus.
A todos que de forma direta ou indireta contriburam para realizao deste novo desafio em
minha vida agradeo.
S UMRIO
R ESUMO
A BSTRACT
11
1 I NTRODUO
13
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2 I NFLUNCIA
DO TAMANHO E DA FORMA DA UNIDADE AMOSTRAL SOBRE A ES -
TRUTURA DE DEPENDNCIA ESPACIAL EM QUATRO FORMAES FLORESTAIS
17
Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.2 Material e Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.2.2 Tamanhos e formas de parcelas estudadas . . . . . . . . . . . . . . . . . . . . . . . .
21
2.2.3 Anlise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.3.1 Anlise descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.3.2 Transformao das variveis resposta . . . . . . . . . . . . . . . . . . . . . . . . . .
31
2.3.3 Comparao das funes de continuidade espacial . . . . . . . . . . . . . . . . . . .
31
2.3.4 Comparao dos modelos espaciais e no-espaciais . . . . . . . . . . . . . . . . . . .
34
2.3.5 Influncia da parcela e da formao no modelo espacial . . . . . . . . . . . . . . . . .
37
2.3.6 Influncia do tamanho da parcela . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
2.3.7 Influncia da forma da parcela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
2.4 Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
2.5 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
3 C OMPARAO DAS ESTRUTURAS DE CONTINUIDADE ESPACIAL EM QUATRO FOR MAES FLORESTAIS
49
Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
50
3.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
8
3.2.2 Amostragem e conjunto de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.3 Modelagem da estrutura espacial . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
53
3.2.4 Modelos utilizados na comparao das estruturas espaciais . . . . . . . . . . . . . . .
54
3.2.5 Seleo dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
3.3 Resultados e Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
64
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
4 A MOSTRAGEM BASEADA EM DELINEAMENTO E A MOSTRAGEM BASEADA EM MO DELO :
UM
ESTUDO POR SIMULAO EM QUATRO FORMAES FLORESTAIS
67
Resumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
67
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
69
4.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.2 Amostragem e conjunto de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
71
4.2.3 Estudos de simulao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
73
4.2.4 Avaliao dos dados simulados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
4.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Simulao do mapa de rvores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
78
4.3.2 Simulao do modelo geoestatstico . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
4.4 Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
82
4.5 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
84
A PNDICES
87
R ESUMO
Modelagem geoestatstica em quatro formaes florestais do Estado de So
Paulo
Em muitos estudos ecolgicos a distribuio dos organismos vivos era considerada aleatria,
uniforme ou orientada ao longo de um simples gradiente. Ao contrrio disso, sabe-se que eles podem se apresentar agregados em manchas, em forma de gradientes ou em outros tipos de estruturas
espaciais. Dessa forma, a descrio e incorporao da estrutura espacial para a compreenso dos
fenmenos ecolgicos tem se tornado cada vez mais necessria. Neste trabalho, foram discutidos aspectos relacionados amostragem e modelagem da estrutura de continuidade espacial, por
meio da geoestatstica baseada em modelo, em quatro formaes florestais do Estado de So Paulo.
Nas quatro formaes florestais foram instaladas parcelas permanentes de 320 320 m e todos os
indivduos arbreos no interior das parcelas com dimetro maior ou igual a 5 cm foram mapeados, georreferenciados, medidos e identificados. Os modelos geoestatsticos ajustados mostraram
que a percepo da estrutura de dependncia espacial foi influenciada pelo tamanho e pela forma da
unidade amostral. As parcelas quadradas de 2020 m foram as que melhor descreveram a estrutura
de continuidade espacial e as parcelas retangulares captaram a variabilidade da floresta. As quatro formaes florestais avaliadas apresentaram estruturas espacias distintas, sendo que a Savana
e Ombrfila apresentam estruturas espaciais mais pronunciadas do que as formaes Estacional e
Restinga. Por fim, ao comparar as estimativas geradas pela abordagem baseada em delineamento
(teoria da amostragem clssica) e a abordagem baseada em modelo (geoestatstica) por estudos de
simulao, verificou-se que mesmo com dependncia espacial os estimadores clssicos fornecem
estimativas e intervalos de confiana igualmente vlidos.
Palavras-chave: Parcela permanente; Geoestatstica baseada em modelo; Tamanho e forma da
unidade amostral; Estrutura de continuidade espacial; Amostragem baseada em
delineamento; Amostragem baseada em modelo; Estudo de simulao
10
11
A BSTRACT
Geostatistical modeling in four forest formations of Sao Paulo State
In many ecological studies the distribution of living organisms was considered random, uniform or oriented along a single gradient. Unlike this, it is known that they can present aggregated
in patches, in the form of gradients or other types of spatial structures. Thus, the description and
the incorporation of spatial structure for understanding of ecological phenomena is becoming increasingly necessary. In this work were discussed aspects related to sampling and modeling the
structure of spatial continuity through model-based geostatistics on four forest formations of Sao
Paulo State. In the four forest formations were installed permanent plots of 320 320 m. All
individual trees within the plots with a diameter greater than or equal to 5 cm were mapped, georeferenced, measured and identified. The adjusted geostatistical models showed that the perception
of spatial structure of dependence was influenced by the size and shape of sampling unit. The structure of spatial continuity was best described by square plots of 20 20 m. The rectangular plots
capture the variability of the forest. The four forest formations evaluated showed distinct spatial
structures. The Savanna and Dense Rain formations have spatial structures more pronounced than
the Seasonal Semideciduos and Restinga formations. Finally, to compare the estimates generated
by the design-based approach (classical sampling theory) and model-based approach (geostatistics)
for simulation studies, was found that even with the spatial dependence, the classical estimators
provide estimates and confidence intervals equally valid.
Keywords: Permanent plot; Model-based geostatistics; Size and shape of sampling unit; Structure
of spatial continuity; Design-based sampling; Model-based sampling; Simulation study
12
13
1 I NTRODUO
A maioria dos estudos ecolgicos quantitativos do sculo XIX assumiam que a distribuio dos
organismos vivos era aleatria, uniforme ou orientada ao longo de um simples gradiente. Ao contrrio disso, sabe-se que eles podem se apresentar agregados em manchas, em forma de gradientes
ou em outros tipos de estruturas espaciais (LEGENDRE; FORTIN, 1989; LEGENDRE, 1993).
A presena da estrutura espacial em dados ecolgicos tem sido vista como um problema que
pode obscurecer a compreenso dos processos e das interaes dos fenmenos ecolgicos. Na literatura, vrios mtodos foram concebidos para contornar os efeitos da dependncia espacial como,
por exemplo, o uso da amostragem estratificada para a obteno de reas mais homogneas. Contudo, durante os ltimos 20 anos, ecologistas comearam a perceber a importncia da dependncia
espacial, e tornaram-se cada vez mais interessados nas relaes espaciais buscando entender, quantificar e modelar os padres destas (LIEBHOLD; GUREVITCH, 2002).
Atualmente, vrios estudos ecolgicos relatam que a maioria das comunidades, se no todas,
so espacialmente estruturadas e de que os mtodos de amostragem devem ser robustos para detectar diferentes nveis de autocorrelao espacial. Apesar de a importncia da autocorrelao
espacial em levantamentos ecolgicos ser reconhecida, pouca informao quantitativa encontra-se
disponvel (GOSLEE, 2006). Mais de 80% das publicaes na literatura ecolgica no consideram
a estrutura de dependncia espacial (DORMANN, 2007).
Diversos mtodos de anlise espacial tm sido adotados pelos ecologistas. No entanto muitos
deles foram originalmente desenvolvidos em outras disciplinas cientficas, tais como a geografia
e a minerao. Dentre esses mtodos, podemos citar: autocorrelograma (LEGENDRE; FORTIN,
1989), covariograma (SATAKE; IWASA, 2002), coeficiente de autocorrelao espacial de Morans
I (FORTIN, 1999), anlise fractal (VEDYUSHKIN, 1994; CHEN; YU; DONG, 2002), teste de
Mantel (FORTIN; GUREVITCH, 1993), geoestatstica baseada em variogramas (JOURNEL; HUIJBREGTS, 1978; ISAAKS; SRISVASTAVA, 1989; GOOVAERTS, 1997) e geoestatstica baseada
em modelo (DIGGLE; TAWN; MOYEED, 1998; DIGGLE; RIBEIRO JR., 2007). Dentre elas,
as tcnicas geoestatsticas tm se destacado em estudos ecolgicos e florestais (HERNANDEZSTEFANONI, 2005; MELLO et al., 2005; HOLMES et al., 2006; SALES et al., 2007; SCHULP;
WAGNER, 2008) e seu uso, aumentado nos ltimos 10 anos (AUBRY; DEBOUZIE, 2001).
O termo geoestatstica utilizado para identificar uma parte dos mtodos de estatstica espacial,
na qual o modelo utilizado descreve uma variao contnua das observaes no espao. A geoestatstica modela a distribuio espacial, associando o grau de dependncia a medidas de distncia
e de direo entre os pontos amostrados (VIOLA, 2007). Em estudos ecolgicos, essa tcnica tem
sido utilizada com quatro objetivos: (1) deteco e descrio da estrutura de dependncia espacial;
14
(2) otimizao amostral (escala de estudo, tamanho e forma da unidade amostral); (3) interpolao
e construo de mapas e (4) estimao e inferncia (AUBRY; DEBOUZIE, 2000, 2001).
Neste trabalho, foram discutidos aspectos relacionados amostragem e modelagem da estrutura de continuidade espacial, por meio da geoestatstica baseada em modelo, em quatro formaes
florestais do Estado de So Paulo. Os resultados so apresentados em trs captulos: o segundo
captulo aborda a influncia do tamanho e da forma da unidade amostral na percepo da estrutura
de continuidade espacial; o terceiro captulo foi desenvolvido com o objetivo de ajustar modelos
e de comparar as estruturas de continuidade espacial; e o quarto captulo compara as estimativas
geradas pela abordagem baseada em delineamento (teoria da amostragem clssica) e a abordagem
baseada em modelo (geoestatstica) por estudos de simulao.
Referncias
AUBRY, P.; DEBOUZIE, D. Geostatiscal estimation variance for the spatial mean in
two-dimensional systematic sampling. Ecology, Tempe, v.81, n.2, p.543-553, 2000.
AUBRY, P.; DEBOUZIE, D. Estimation of the mean from a two-dimensional sample: The
geostatistical model-based approach. Ecology, Tempe, v.82, n.5, p.1484-1494, 2001.
CHEN, Y. F.; YU, F. H.; DONG, M. Scale-dependent spatial heterogeneity of vegetation in Mu Us
sandy land, a semi-arid area of China. Plant Ecology, Netherlands, v.162, p.135-142, 2002.
DIGGLE, P. J.; RIBEIRO JR., P. J. Model-Based geostatistics. New York: Springer, 2007. 228p.
DIGGLE, P. J.; TAWN, J. A.; MOYEED, R. A. Model-Based geostatistics. Applied Statistics,
London, v.47, p.299-350, 1998.
DORMANN, C. F. Effects of incorporating spatial autocorrelation into the analysis of species
distribution data. Global Ecology and Biogeography, Oxford, v.16 , p.129-138, 2007.
FORTIN, M. J. Effects of sampling unit resolution on the estimation of spatial autocorrelation.
Ecoscience, Saint-Foy, v.6, p.636-641, 1999.
FORTIN, M. J.; GUREVITCH, J. Mantel tests: spatial structure in field experiments. In:
SCHEINER, S. M.; GUREVITCH, J. (Ed.), Design and analysis of ecological experiments.
New York: Chapman and Hall, 1993, p. 342-359.
GOOVAERTS, P. Geostatistics for natural resources evaluation, New York: Oxford University
Press, 1997. 483p.
15
GOSLEE, S. C. Behavior of vegetation sampling methods in the presence of spatial
autocorrelation. Plant Ecology, Dordrecht, n.187, p. 203-212, 2006.
HERNANDEZ-STEFANONI, J. L. Relationships between landscape patterns and species richness
of trees, shrubs and vines in a tropical forest. Plant Ecology, Dordrecht, v. 179, p. 53-65, 2005.
HOLMES, K. W.; CHADWICK, O. A; KYRIAKIDIS, P. C.; FILHO, E. P. S., SOARES, J. V.;
ROBERTS, D. A. Large-area spatially explicit estimates of tropical soil carbon stocks and
response to land-cover change. Global Biogeochemical Cycles, Washington, v.20, p.1-12, 2006.
ISAAKS, E. H.; SRIVASTAVA, R. H. Applied Geostatisctics. New York: Oxford University
Press, 1989. 561p.
JOURNEL, A. G.; HUIJBREGTS, C. J. Mining geostatistics. London: Academic Press, 1978.
600p.
LEGENDRE, P. Spatial autocorrelation: trouble or new paradigm? Ecology, Tempe, v.74,
p.1659-1673, 1993.
LEGENDRE, P.; FORTIN, M. J. Spatial pattern and ecological analysis. Vegetatio, The Hague,
v.80, p.107-138, 1989.
LIEBHOLD, A. M.; GUREVITCH, J. Integrating the statistical analysis of spatial data in ecology.
Ecography, Copenhagen, v.25, p. 553-557, 2002.
MELLO, J. M.; BATISTA, J. L. F.; OLIVEIRA, M. S.; RIBEIRO JR., P. J. Estudo da dependncia
espacial de caractersticas dendromtricas para Eucalyptus grandis. Cerne, Lavras, v.11, n.2,
p.113-126, 2005.
SALES, M. H.; SOUZA JR., C. M.; KYRIAKIDISB, P. C.; ROBERTS, Dar A.; VIDAL, E.
Improving spatial distribution estimation of forest biomass with geostatistics: A case study for
Rondnia, Brazil. Ecological Modelling, Amsterdam, n.205, p.221-230, 2007.
SATAKE, A.; IWASA, Y. Spatially limited pollen exchange and a long-range synchronization of
trees. Ecology, Tempe, v.83, p. 993-1005, 2002.
SCHLUP, B. M.; WAGNER, H. H. Effects of study design and analysis on the spatial community
structure detected by multiscale ordination. Journal of Vegetation Science, Knivsta, p.621-632,
2008.
VEDYUSHKIN, M. A. Fractal properties of forest spatial structure. Vegetatio, The Hague,
v.113, p.65-70, 1994.
VIOLA, D. N. Deteco e modelagem de padro espacial em dados binrios e de contagem.
2007, 118 p. Tese (Doutorado) - rea de concentrao: Estatstica e Experimentao Agronmica.
16
Escola Superior de Agricultura Luiz de Queiroz", Universidade de So Paulo, Piracicaba, 2007.
17
2 I NFLUNCIA DO TAMANHO E DA FORMA DA UNIDADE AMOSTRAL SOBRE

A ESTRUTURA DE DEPENDNCIA ESPACIAL EM QUATRO FORMAES
FLORESTAIS
Resumo
O tamanho e a forma da unidade amostral tm grande influncia na percepo da estrutura de
continuidade espacial. Dessa forma, a escolha de uma escala adequada para o estudo de processos
espaciais extremamente importante. A dinmica espacial pode ser considerada significante, insignificante ou inoperante, a depender da escala utilizada ou, ainda, das relaes entre as variveis,
podendo ser obscurecida ou distorcida. Muitas tcnicas foram propostas para o estudo da continuidade espacial, entre elas, a geoestatstica baseada em modelos, com a vantagem de associar a
explicitao de modelos, os mtodos de estimao por mxima verossimilhana e a avaliao da
incerteza do processo. O objetivo deste trabalho foi estudar, por meio de tcnicas geoestatsticas
baseadas em modelos, a influncia do tamanho e da forma das unidades amostrais sobre a estrutura de continuidade espacial em quatro formaes florestais. Neste estudo utilizaram-se quatro
parcelas permanentes instaladas em diferentes formaes florestais do Estado de So Paulo. As
parcelas permanentes foram divididas em parcelas quadradas de 5 5 m, 10 10 m e 20 20 m,
e retangulares 10 20 m, 10 30 m, 10 40 m, 10 50 m e 5 80 m, sendo determinadas a
rea basal e a biomassa. Devido distino da estrutura de dependncia espacial e de suas escalas
de ocorrncia, no h como determinar um tamanho e uma forma timos da unidade amostral para
as formaes florestais. Contudo, clara a influncia do tamanho e da forma da parcela sobre a
percepo da estrutura de continuidade espacial. Parcelas retangulares foram capazes de captar a
variabilidade da floresta e parcelas de 20 20 m descreveram melhor a estrutura de continuidade
espacial.
Palavras-chave: Parcela permanente; Geoestatstica baseada em modelo; Estrutura de continuidade
espacial; Mxima verossimilhana; Critrio de informao de Akaike
Abstract
The size and shape of sampling unit has a great influence on the perception of the structure
of spatial continuity. Thus, the choice of an appropriate scale for the study of spatial processes is
extremely important. The spatial dynamics can be considered significant, insignificant or irrelevant
depending on the scale used, or the relationship between variables may be obscured or distorted.
Many techniques have been proposed for the study of spatial continuity, including model-based
geostatistics by the advantage of involving to explicit models, methods of estimation by maximum
likelihood and evaluation of the uncertainty of the process. The aim of this work was to study,
through model-based geostatistics techniques, the influence of size and shape of sampling units
on the structure of spatial continuity in four forest formations. Four permanent plots located in
different forest formations of Sao Paulo State were used. The permanent plots were divided into
square plots of 5 5 m, 10 10 m and 20 20 m, and rectangular plots of 10 20 m, 10 30
18
m, 10 40 m, 10 50 m and 5 80 m. The basal area and biomass were determined. Due to
the distinction of the structure of spatial dependence and its scales of occurrence, there is no way
to determine an optimum size and shape of sampling unit for the forests formations. However, the
influence of size and shape of the plot on the perception of the structure of spatial continuity is
clear. The rectangular plots were able to capture the variability of the forest, and 20 20 m plots
were best described the structure of spatial continuity.
Keywords: Permanent plot; Model-based geostatistics; Spatial structure continuity; Maximum likelihood; Akaike information criterion
2.1
Introduo
Considerveis esforos tm sido dedicados a desenvolver delineamentos amostrais e tcnicas
estatsticas, para detectar e quantificar a estrutura de continuidade espacial em estudos ecolgicos

(ROSSI et al., 1992; DUTILLEUL, 1993; BELLEHUMEUR; LEGENDRE, 1998; GOSLEE, 2006;
DORMANN, 2007). No entanto, ainda so poucos os estudos (e.g. BELLEHUMEUR; LEGENDRE; MARCOTTE, 1997; FORTIN, 1999; ROSSI; NUUTINEN, 2004) realizados para verificar a
influncia da mudana de escala na percepo da autocorrelao espacial.
Segundo Gotway e Young (2002), a escolha de uma escala adequada para o estudo de processos
espaciais extremamente importante. A dinmica espacial de um processo pode ser considerada
significante, insignificante ou inoperante, a depender da escala utilizada ou, ainda, das relaes
entre as variveis, podendo ser obscurecida ou distorcida.
O conceito de escala pode ser definido de diferentes formas nas diversas reas do conhecimento, mas, em levantamentos ecolgicos, refere-se principalmente aos componentes do delineamento amostral (HE; LaFRANKIE; SONG, 2002). Bellehumeur e Legendre (1998) e Dungan et
al. (2002) descrevem trs componentes amostrais como essenciais para a percepo da estrutura
espacial: 1) o tamanho da unidade amostral, que a superfcie ou o volume no qual a varivel de
interesse ser mensurada, 2) a forma da unidade amostral, sendo as mais comuns as quadradas, as
retangulares e as circulares e 3) a distncia entre as unidades amostrais. Os dois primeiros componentes tm influncia direta sobre a varivel mensurada, pois mudanas no tamanho e na forma
da unidade amostral criam uma nova varivel, induzindo a alteraes na varincia e na estrutura de
continuidade espacial. O ltimo componente, distncia entre as unidades amostrais, tem influncia
sobre a vizinhana.
Nos ltimos anos, muitas tcnicas, como o autocorrelograma (LEGENDRE; FORTIN, 1989),
o covariograma (SATAKE; IWASA, 2002), o coeficiente de autocorrelao espacial de Morans I
(FORTIN, 1999), a anlise fractal (VEDYUSHKIN, 1994; CHEN; YU; DONG, 2002), a geoestatstica baseada em variogramas (JOURNEL; HUIJBREGTS, 1978; ISAAKS; SRISVASTAVA,
1989; GOOVAERTS, 1997) e a geoestatstica baseada em modelo (DIGGLE; TAWN; MOYEED,
19
1998; DIGGLE; RIBEIRO JR., 2007), foram propostas para o estudo da continuidade espacial.
Contudo, as tcnicas geoestatsticas tm sido muito aplicadas em estudos ecolgicos e florestais
(HERNANDEZ-STEFANONI, 2005; MELLO et al., 2005; HOLMES et al., 2006; SALES et al.,
2007; SCHULP; WAGNER, 2008) e, quando aliadas a conceitos de escala, so conhecidas por
mudana de suporte (CRESSIE, 1993).
Tradicionalmente, das tcnicas geoestatsticas, as baseadas em variogramas tm sido as mais
utilizadas para a modelagem da estrutura de continuidade espacial, mas com a desvantagem de no
assumirem explicitamente nenhuma distribuio (PLONER; DUTTER, 2000) e de levarem a resultados muitas vezes imprecisos, em funo dos diferentes nmeros de pares que geram cada ponto
do variograma e pelo fato de cada ponto entrar, vrias vezes, no clculo das distncias (OLIVEIRA,
2003).
A geoestatstica baseada em modelos, expresso cunhada por Diggle, Tawn e Moyeed (1998),
descreve problemas geoestatsticos fundamentados na aplicao de mtodos estatsticos formais,
com a explicitao de um modelo e de mtodos de inferncia baseados na mxima verossimilhana. As vantagens da explicitao de modelos, associada mxima verossimilhana, so maior
eficincia na estimao de parmetros e avaliao da incerteza envolvida na estimativa da estrutura
de dependncia (DIGGLE; RIBEIRO JR., 2007), que podem ser facilmente integradas na previso,
ao contrrio da geoestatstica baseada em variogramas (PLONER; DUTTER, 2000).
Considerando que as estruturas de dependncia espacial variam entre as formaes florestais e
que o tamanho e a forma da parcela influenciam na percepo dessa estrutura, diferentes modelos
geoestatsticos podem se ajustar a diferentes formaes, ou mesmo um nico modelo ajustado
apresentar diferenas marcantes para as estimativas dos parmetros.
Assim, o objetivo deste trabalho foi estudar, por meio de tcnicas geoestatsticas baseadas em
modelos, a estrutura de continuidade espacial em quatro formaes florestais, analisando a influncia do tamanho e da forma das unidades amostrais sobre a estrutura espacial.
2.2
2.2.1
Material e Mtodos
reas de estudo
Os dados utilizados neste trabalho so provenientes do Projeto Diversidade, dinmica e conservao em florestas do Estado de So Paulo: 40 ha de parcelas permanentes, do Programa Biota, da
FAPESP (RODRIGUES, 2002, 2005). Foram instaladas parcelas permanentes em quatro Unidades
de Conservao do Estado de So Paulo (Figura 2.1), que representam as principais formaes
florestais do estado: Floresta de Restinga (Parque Estadual Ilha do Cardoso), Floresta Ombrfila
Densa Montana (Parque Estadual de Carlos Botelho), Floresta Estacional Semidecidual (Estao
Ecolgica dos Caetetus) e Cerrado lato sensu ou Savana Florestada (Estao Ecolgica de Assis).
20
Figura 2.1 Localizao das quatro Unidades de Conservao no Estado de So Paulo

O Parque Estadual da Ilha do Cardoso possui uma rea de aproximadamente 22.500,00 ha e est
situado entre as coordenadas 25o 03 a 25o 18 S e 47o 05 a 48o 05O, no municpio de Canania,
extremo sul do Estado de So Paulo (NEGREIROS et al., 1974). Apresenta topografia montanhosa,
com vegetao de mangue, de restinga e pioneira de dunas, bem como floresta pluvial tropical da
plancie litornea e floresta pluvial tropical da Serra do Mar (SOUZA; BIANCHINI, 2007).
O Parque Estadual de Carlos Botelho um remanescente de floresta ombrfila densa submontana/montana (VELOSO; GES-FILHO, 1982). Com uma rea de 37.797,43 ha, situada na regio
sul do Estado de So Paulo (24o 00 a 24o 15S, 47o 45 a 48o 10O), suas terras distribuem-se pelos
municpios de So Miguel Arcanjo, Capo Bonito, Sete Barras e Tapira. Preservado como unidade
de conservao desde 1941, o Parque possui a maior parte de sua cobertura vegetal representada
por florestas no-perturbadas ou com perturbaes pouco significativas (DIAS; COUTO, 2005).
A Estao Ecolgica dos Caetetus localiza-se no Planalto Ocidental Paulista, regio de domnio
de floresta estacional semidecidual, segundo a classificao de Veloso, Rangel Filho e Lima (1991).
Esse tipo florestal faz parte do complexo da Mata Atlntica, o mais ameaado dos ecossistemas
florestais brasileiros (DURIGAN et al., 2000). Apresentando rea de 2.178,00 ha, situa-se nos
municpios de Glia e Alvilndia, entre as coordenadas geogrficas 22o 41 e 22o 46S e 49o 10 e
49o 16O, dentro da bacia hidrogrfica do Mdio Paranapanema.
A Estao Ecolgica de Assis, com rea de 1.312,28 ha, localiza-se no municpio de Assis, entre
as coordenadas geogrficas 22o 33 a 22o 36 S e 50o 23 a 50o 22 O. Sua vegetao enquadra-se
no conceito de cerrado lato sensu, sendo a forma cerrado a fisionomia predominante (DURIGAN
et al., 1999).
21
Em cada Unidade de Conservao, foi alocada uma parcela permanente de 320 320 m, totalizando 10,24 ha, subdividida em 256 subparcelas contguas de 20 20 m (400 m2 ) (Figura 2.2).
Todos os indivduos arbreos no interior das parcelas com dimetro (d - Dimetro a Altura do
Peito) maior ou igual a 5 cm foram mapeados, georreferenciados, medidos e identificados. Com
essas informaes, foram construdos mapas de todas as rvores das parcelas permanentes, com
suas coordenadas.
Figura 2.2 Parcela permanente subdividida em 256 subparcelas contguas de 20 20 m (400 m2 )
2.2.2
Tamanhos e formas de parcelas estudadas
As parcelas permanentes foram divididas em parcelas quadradas de 5 5 m (4096 parcelas),

1010 m (1024 parcelas) e 2020 m (256 parcelas), e retangulares 1020 m (512 parcelas), 1030
m (300 parcelas), 10 40 m (256 parcelas), 10 50 m (180 parcelas) e 5 80 m (256 parcelas).
Para as duas formas (quadrada e retangular) e diferentes tamanhos (25m2 , 100m2 , 200m2 , 300m2 ,
400m2 e 500m2 ) de parcelas, foram determinadas rea basal (m2 ha1 ) e biomassa (M g ha1 ).
22
A biomassa da parcela foi obtida totalizando-se a biomassa acima do solo das rvores individuais, utilizando-se os modelos apresentados na Tabela 2.1.
Tabela 2.1 Modelos utilizados para estimativas das biomassas das rvores individuais (b a Biomassa (M g ha1 ) e d, o Dimetro a Altura do Peito (cm))
Formaes
Modelo
Fonte
(2,29744)
Savana Florestada e Floresta de Restinga b = exp(1, 79532)(d)
Batista1 , 2008
Floresta Estacional
b = exp(9, 36745 + 2, 47442(log(d))) Mello2 , 2008
Floresta Ombrfila
b = exp(6, 80067 + 3, 77738(log(d))) Burger, 2005
2.2.3
Anlise
Modelo geoestatstico
O modelo geoestatstico, proposto por Diggle, Tawn e Moyeed (1998), descreve a dependncia espacial por meio de um componente de erro aleatrio e espacialmente correlacionado. Considerando que as variveis de rea basal e biomassa (y = y1 , ..., yn ) variam continuamente no
espao, em funo das coordenadas (xi = 1, , n), o modelo linear gaussiano geoestatstico
dado por:
Yi = (xi ) + S(xi ) + i
i = 1, , n
(2.1)
em que Yi o valor observado na posio xi , xi a posio espacial da i-sima parcela, (xi )

determinada a partir de um modelo de regresso linear dado por:
(xi ) =
p
X
fk (xi )k
(2.2)
k=1
em que fk (.) so os valores observados de variveis explanatrias. O termo S(xi ), no diretamente observvel, denota o valor na posio xi de um processo estacionrio gaussiano, com mdia
zero, varincia 2 e funo de correlao (u; ), com argumento dado pela distncia u de separao entre observaes e parametrizada por , que descreve o grau de associao espacial. Decorre
que, para um conjunto finito de observaes S N M V (0, 2 R()), em que R() a matriz de
covarincia n n com (i, j)-simo elemento, (u), sendo u = ||xi xj || a distncia euclidiana
entre xi e xj . O termo i denota variveis aleatrias, independentes e normalmente distribudas
com mdia zero e varincia 2 .
1
BATISTA, J. L. F. Escola Superior de Agricultura Luiz de Queiroz", Universidade de So Paulo, Departamento de

Cincias Florestais, 2008.
2
MELLO, J. M. Universidade Federal de Lavras, Departamento de Cincias Florestais, 2008.
23
A funo de correlao presente na matriz de covarincia foi dada pelo modelo Matrn (DIGGLE; RIBEIRO JR., 2007):

1
(u) = 21 ()
(u/) K (u/),
(2.3)
com =0, 5; 1, 0 e 2, 0, em que o primeiro caso corresponde ao modelo exponencial:
(u) = exp {(u/)} ,
(2.4)
em que (u) a correlao entre pares de pontos separados pela distncia u, o parmetro de
alcance, o parmetro que determina a suavidade do processo S(x), () a funo Gama e K
a funo Bessel modificada de terceira ordem . A relao entre o alcance prtico, que funo
do parmetro , depende do valor . Considerando-se as funes de correlao apresentadas acima,
o alcance prtico aproximadamente 3; 4 e 5, 37, respectivamente.
Na modelagem geoestatstica, o modelo gaussiano considerado referncia quando se trabalha
com variveis contnuas. No entanto a suposio de normalidade frequentemente inapropriada.
Para contornar esse problema, transformaes podem ser utilizadas na tentativa de obter uma distribuio aproximadamente normal. A relativa simplicidade da transformao para o modelo gaussiano o tem tornado uma alternativa atrativa (CHRISTENSEN; DIGGLE; RIBEIRO JR., 2001).
Foi adotada a famlia de transformaes Box-Cox (BOX; COX, 1964), que depende diretamente
de um parmetro , que o coeficiente de transformao dos dados. Na prtica, para um conjunto
de dados, obtm-se um intervalo de mxima plausibilidade para que, caso inclua o valor 1, indica
que a transformao dos dados no necessria. Esse tipo de transformao tem sido usado com
sucesso em pesquisas florestais (SILVA; BAILEY, 1991) e discutido no contexto de modelagem
geoestatstica por Christensen, Diggle e Ribeiro Jr. (2001).
Semivariograma
Alguns mtodos geoestatsticos utilizam estimadores como o variograma (ou semivariograma),
o covariograma e o correlograma empricos, para descrever a dependncia espacial. O semivariograma deve o seu nome a Matheron (1963) e foi definido como uma funo matemtica que representa o nvel de dependncia entre valores de uma varivel observada em duas posies na mesma
regio de estudo. O estimador de mtodos dos momentos do semivariograma dado por :
N (u)
1 X
(z(xa ) z(xa + u))2 ,
(u) =
2N (u) a=1
(2.5)
24
em que (u) a semivarincia estimada para cada distncia ou classe de distncia u, N (u) o
nmero de pares de pontos separados por u, z(xa ) e z(xa + u), os valores das variveis no ponto
xa e xa + u, respectivamente. Para que o semivariograma seja funo apenas de distncia u,
necessrio adotar a Hiptese Intrnseca, ou seja, a varincia depende somente da diferena entre
dois pontos amostrados, sendo a mesma para toda a rea avaliada (estacionaridade). Na presena
de estacionaridade, h uma relao entre a estrutura de varincias e covarincias e a semivarincia,
que dada pela seguinte expresso:
(u) = 2 + 2 (1 (u))
(2.6)
na qual 2 o efeito pepita (nugget), 2 o patamar (sill) e a distncia a partir da origem at

o patamar chamada de alcance prtico (range), denotado aqui por a , funo do parmetro
(Figura 2.3).
Figura 2.3 Semivariograma com efeito pepita

O alcance prtico determina a distncia a partir da qual a varivel no tem mais influncia
relevante sobre a vizinhana. A razo do efeito pepita ( 2 ) com o sill total ( 2 + 2 ) chamada de
efeito pepita relativo (Rel 2 ), e representa a proporo do componente aleatrio sobre a varincia
total.
Neste trabalho, os semivariogramas empricos foram utilizados como uma ferramenta exploratria, pelas razes j citadas por Ploner e Dutter (2000) e Oliveira (2003).
Mxima verossimilhana
Com o desenvolvimento dos recursos computacionais, o mtodo de mxima verossimilhana
25
passou a ser uma tcnica de estimao utilizada com maior frequncia, pois tem propriedades da
teoria das grandes amostras, tornando seu resultado mais atrativo. A grande importncia desse
mtodo consiste nas boas propriedades dos seus estimadores, consistentes e assintoticamente eficientes (DIGGLE; RIBEIRO JR., 2007). Considerando o modelo apresentado em 2.1, e que
y = (y1 , ..., yn ) segue uma distribuio multivariada gaussiana, tem-se que a funo de verossimilhana expressa por:
n

1
1
1
0
L(; ; y) = (2) 2 |G()| exp (y F) {G()} (y F) ,
2
2
(2.7)
em que y o vetor de observaes; F a matriz do delineamento; o vetor de parmetros

desconhecidos; so os parmetros da matriz de covarincia, G() = 2 R() + 2 In com =
( 2 , 2 , ). A funo de verossimilhana uma funo dos parmetros desconhecidos, portanto, a
)
estimativas de (; )
estimao de mxima verossimilhana consiste em encontrar os valores (;
com mxima plausibilidade de terem produzido os valores observados y, atravs da maximizao
do logaritmo da funo de verossimilhana dado por:
1
L(; ) = (nlog(2) + log |G()| + (y F)0 {G()}1 (y F)),
2
(2.8)
A maximizao da equao 2.8 obtida por procedimentos numricos iterativos. Esses procedimentos envolvem computaes que so de ordem proporcional ao cubo do nmero de observaes
(DIGGLE; RIBEIRO JR., 2007).
Seleo dos modelos
A avaliao do desempenho dos modelos foi realizada em duas etapas. Na primeira, avaliouse a plausibilidade das diferentes funes de correlao nos modelos espaciais e, na segunda, a
plausibilidade dos modelos espaciais e no-espaciais. As duas etapas foram baseadas no critrio
de informao de Akaike - AIC. Akaike (1974) estabeleceu uma relao entre a informao ou a
distncia de Kullback-Leibler (KULLBACK; LEIBLER, 1951), que uma medida de discrepncia
relativa entre dois modelos, o modelo verdadeiro e o modelo aproximado, e a funo de mxima
log-verossimilhana para a seleo de modelos. O AIC definido por:
AIC = 2l + 2p
(2.9)
em que l o logaritmo neperiano do mximo da funo de verossimilhana, calculado para os

valores das estimativas dos parmetros, e p, o nmero de parmetros do modelo considerado.
26
O valor de AIC individual no interpretvel (BURNHAM; ANDERSON, 2004). Uma alternativa proposta por Burnham e Anderson (2002), para avaliar a plausibilidade dos modelos,
baseada nas diferenas dos AIC (i ) e dada por:
i = AICi AICm
(2.10)
em que AICi o valor de AIC para o modelo i e AICm , o valor de AIC para o modelo m, ou seja,
o modelo com menor valor de AIC. Para valores de i maiores do que dois, o modelo i menos
plausvel que o modelo m. Os valores das diferenas dos AIC (i ) so de fcil interpretao e
permitem uma rpida comparao entre modelos ordenados (BURNHAM; ANDERSON, 2002).
Especificamente, para avaliar a plausibilidade dos modelos espaciais e no-espaciais, fixou-se
o AICi como o valor do AIC para o modelo no-espacial (AICnsp ) e o AICm como o valor do
AIC para o modelo espacial (AICsp ), sendo obtido pela seguinte expresso:
sp = AICnsp AICsp
(2.11)
Para valores de sp maiores do que dois, o modelo espacial mais plausvel que o no-espacial.
Antecedendo a anlise geoestatstica, foi realizada uma anlise exploratria descritiva, com o
objetivo de avaliar o comportamento das variveis rea basal (m2 ha1 ) e biomassa (M g ha1 )
com a mudana do tamanho e da forma das parcelas nas quatro formaes florestais estudadas.
Nesse estudo, as anlises foram realizadas, utilizando-se o pacote geoR (RIBEIRO JR.; DIGGLE, 2001), do projeto R de computao estatstica (R DEVELOPMENT CORE TEAM, 2008).
2.3
Resultados
2.3.1
Anlise descritiva
As anlises estatsticas descritivas realizadas para avaliar as variveis rea basal (m2 ha1 ) e
biomassa (M g ha1 ) para as quatro formaes florestais so apresentadas nas Figuras 2.4, 2.5, 2.6
e 2.7.
Foi possvel observar que a assimetria dos histogramas tende a diminuir com o aumento do
tamanho da parcela e, consequentemente, os valores das medidas de posio (mdia e mediana)
ficam prximos. medida que o tamanho da parcela aumenta, os desvios-padro e os coeficientes
de variao diminuem, sendo que parcelas de mesmo tamanho mas com formas diferentes apresentam valores prximos. Os valores dos erros-padro da mdia foram semelhantes para todos os
tamanhos e formas de parcelas.
27
rea Basal
Biomassa
40
10
20
30
Densidade
0
600
800
1000
10
20
30
40
100
150
10
15
20
25
30
35
10
20
rea Basal
Densidade
100
30
40
40
30
200
(h)
n=180
m=104,47
med=103,11
s=19,64
sm=1,46
cv=18,80
min=55,00
max=164,18
20
n=256
m=104,29
med=103,67
s=22,12
sm=1,38
cv=21,21
min=28,81
max=173,81
Densidade
150
Biomassa
Densidade
50
120
0
50
(g)
0
30
150
Biomassa
n=256
m=22,00
med=21,89
s=4,23
sm=0,26
cv=19,23
min=6,20
max=34,43
20 40 60 80
40
30
20
10
0
25
rea Basal
20
40
30
100
(h)
n=180
m=22,00
med=21,89
s=3,76
sm=0,28
cv=17,09
min=12,46
max=32,60
20
50
rea Basal
(g)
15
20
Densidade
10
40
250
n=256
m=104,29
med=103,14
s=21,76
sm=1,36
cv=20,86
min=47,06
max=185,99
80 100
35
Densidade
30
200
80
50
25
rea Basal
150
(f)
n=300
m=104,46
med=102,63
s=23,39
sm=1,35
cv=22,30
min=43,00
max=182,96
10
20
100
Biomassa
Densidade
0
15
50
(e)
20 40 60 80
50
40
30
20
10
0
10
100
200
Biomassa
n=256
m=22,00
med=21,89
s=4,14
sm=0,25
cv=18,82
min=10,98
max=36,62
400
n=512
m=104,29
med=103,18
s=29,88
sm=1,32
cv=28,65
min=19,17
max=258,20
60
Densidade
140
50
(f)
n=300
m=22,00
med=21,80
s=4,41
sm=0,25
cv=20,05
min=10,43
max=36,08
300
0 20
80
60
40
Densidade
50
rea Basal
(e)
200
(d)
0
0
100
Biomassa
n=256
m=104,29
med=103,25
s=22,24
sm=1,39
cv=21,33
min=26,21
max=187,50
20
150
100
Densidade
50
40
400
(c)
n=512
m=22,00
med=21,71
s=5,59
sm=0,25
cv=25,41
min=4,29
max=49,08
rea Basal
100 200 300 400
1500
200
Biomassa
Densidade
20 40 60 80
n=256
m=22,00
med=21,64
s=4,22
sm=0,26
cv=19,18
min=6,02
max=36,50
Densidade
(d)
120
(c)
Densidade
60
rea Basal
60
20
40
60
150
40
100
rea Basal
n=1024
m=104,29
med=99,78
s=40,60
sm=1,27
cv=38,93
min=0,00
max=394,99
20
50
n=4096
m=104,29
med=84,42
s=85,26
sm=1,33
cv=81,75
min=0,00
max=915,51
0
0
(b)
500
150
Densidade
250
n=1024
m=22,00
med=21,59
s=7,50
sm=0,23
cv=34,09
min=0,00
max=72,21
50
1200
800
400
0
Densidade
n=4096
m=22,00
med=18,72
s=15,63
sm=0,24
cv=71,05
min=0,00
max=144,21
(a)
Densidade
(b)
(a)
60
80
100 120 140 160

Biomassa
50
100
150
200
Biomassa
Figura 2.4 Estatsticas descritivas e histogramas para a rea basal (m2 ha1 ) e a biomassa (M g ha1 )
em parcelas de (a) 5 5 m, (b) 10 10 m, (c) 20 20 m, (d) 10 20 m, (e) 10 30 m, (f)
10 40 m, (g) 10 50 m, e (h) 5 80 m em Savana Florestada. A linha contnua marca o
valor da mdia e a linha tracejada, o valor da mediana. (n = nmero de unidades amostrais; m
= mdia; med = mediana; s = desvio-padro; sm = erro-padro da mdia; cv = coeficiente de
variao; min = mnimo; max = mximo)
28
rea Basal
Biomassa
60
50
100
100
20
40
60
100
50
60
70
20
40
rea Basal
60
80
1000
600
Densidade
200
400
300
200
1000
1500
Biomassa
(f)
200 400 600 800
1200
n=256
m=145,17
med=121,51
s=104,94
sm=6,56
cv=73,30
min=34,52
max=875,86
200
80
60
600
800
(h)
n=180
m=143,16
med=121,92
s=88,84
sm=6,62
cv=62,06
min=32,83
max=711,65
40
400
Biomassa
n=256
m=145,17
med=116,21
s=102,23
sm=6,39
cv=70,42
min=17,39
max=833,03
0
0
500
(g)
Densidade
80 100
60
40
Densidade
Biomassa
0
40
rea Basal
800
0
0
n=256
m=25,01
med=22,67
s=11,08
sm=0,69
cv=44,30
min=4,83
max=76,22
20
40
30
20
10
30
60
Densidade
80
(h)
20
600
n=300
m=143,16
med=115,05
s=110,33
sm=6,37
cv=77,07
min=16,69
max=1108,37
rea Basal
n=180
m=24,92
med=23,34
s=9,99
sm=0,74
cv=40,09
min=7,55
max=68,32
400
0
0
(g)
10
200
20
80
60
40
Densidade
0
80
3500
0
0
Biomassa
n=256
m=25,01
med=23,14
s=11,45
sm=0,71
cv=45,78
min=8,47
max=82,04
2500
n=512
m=145,17
med=108,60
s=148,14
sm=6,55
cv=102,05
min=9,26
max=1732,98
(e)
20
80
60
40
20
60
1500
(d)
120
Densidade
150
(f)
rea Basal
500
Biomassa
n=256
m=145,17
med=112,38
s=99,77
sm=6,24
cv=68,73
min=12,10
max=876,95
rea Basal
40
0
0
n=300
m=24,92
med=22,56
s=12,26
sm=0,71
cv=49,20
min=4,55
max=102,69
10000
20 40 60 80
100 150 200
Densidade
80
6000
Densidade
40
(e)
20
2000
Biomassa
n=512
m=25,01
med=21,74
s=16,13
sm=0,71
cv=64,49
min=2,03
max=159,92
rea Basal
0
0
0
20
3000
250
(c)
50
60
40
0
20
Densidade
n=256
m=25,01
med=22,41
s=10,75
sm=0,67
cv=42,98
min=3,25
max=83,07
Densidade
200
(d)
80 100
(c)
Densidade
150
rea Basal
Densidade
100
100
50
20 40 60 80
120
800
Densidade
600
n=1024
m=145,17
med=92,71
s=209,50
sm=6,55
cv=144,31
min=0,00
max=3189,89
20 40 60 80
400
rea Basal
20
200
0
0
(b)
n=4096
m=145,17
med=43,66
s=406,72
sm=6,35
cv=280,20
min=0,00
max=10980,20
1000
500
300
Densidade
n=1024
m=25,01
med=20,09
s=22,72
sm=0,71
cv=90,84
min=0,00
max=278,60
100
2000
1000
0
Densidade
3000
n=4096
m=25,01
med=11,87
s=44,30
sm=0,69
cv=177,13
min=0,00
max=887,40
(a)
Densidade
(b)
(a)
200
400
Biomassa
600
800
200
400
600
800
Biomassa
10 40 m, (g) 10 50 m, e (h) 5 80 m em Floresta Estacional. A linha contnua marca o
29
rea Basal
Biomassa
100
80
100
20
rea Basal
40
60
80 100
80
rea Basal
100 120
40
600
Densidade
200
2000 4000 6000 8000

Biomassa
(f)
3000
n=256
m=548,77
med=266,03
s=854,48
sm=53,40
cv=155,71
min=0,73
max=7512,13
5000
7000
2000
Biomassa
60
rea Basal
80
100
4000
6000
8000
Biomassa
(h)
n=180
m=557,64
med=281,47
s=807,40
sm=60,18
cv=144,79
min=0,58
max=6218,69
n=256
m=548,77
med=252,70
s=833,48
sm=52,09
cv=151,88
min=2,59
max=5766,88
0
20
20000
0
0 1000
100
50
0
15000
200
150
100
Densidade
50
140
n=256
m=29,04
med=25,94
s=17,08
sm=1,07
cv=58,82
min=1,77
max=92,45
30
Densidade
(g)
0 10
10 20 30 40 50
0
20
60
(h)
n=180
m=29,33
med=26,93
s=17,67
sm=1,32
cv=60,25
min=0,59
max=118,96
5000
n=300
m=557,64
med=227,25
s=964,28
sm=55,67
cv=172,92
min=0,12
max=6592,87
rea Basal
(g)
40
Densidade
60
3000
0
40
1000
Biomassa
n=256
m=29,04
med=26,54
s=18,09
sm=1,13
cv=62,29
min=0,74
max=131,73
10000
n=512
m=548,77
med=175,57
s=1144,04
sm=50,56
cv=208,47
min=0,05
max=9759,08
(e)
20 40 60 80
50
30
10
0
20
150
0
(f)
Densidade
(e)
100
Densidade
150
rea Basal
Densidade
50
5000
(d)
0
0
rea Basal
n=300
m=29,33
med=25,93
s=20,11
sm=1,16
cv=68,56
min=0,29
max=120,93
Biomassa
n=256
m=548,77
med=268,78
s=801,74
sm=50,11
cv=146,10
min=1,33
max=5106,99
50
150
n=512
m=29,04
med=24,34
s=23,42
sm=1,04
cv=80,65
min=0,14
max=153,84
100
Densidade
100
80000
50
80
60000
150
60
40000
60
40
20000
Biomassa
0
20
3000
0
(c)
50
30
0
10
Densidade
50
n=256
m=29,04
med=26,84
s=18,21
sm=1,14
cv=62,71
min=1,20
max=98,49
Densidade
200
(d)
200
(c)
Densidade
150
Densidade
100
rea Basal
100 200 300 400
50
100 150 200
100
800
Densidade
600
n=1024
m=548,77
med=65,98
s=1580,23
sm=49,38
cv=287,96
min=0,00
max=19515,14
50
400
rea Basal
20
200
0
0
(b)
n=4096
m=548,77
med=13,74
s=3202,59
sm=50,04
cv=583,59
min=0,00
max=77870,46
1000
500
300
Densidade
n=1024
m=29,04
med=19,03
s=30,58
sm=0,96
cv=105,30
min=0,00
max=207,59
100
2000
1000
0
Densidade
3000
n=4096
m=29,04
med=10,36
s=58,63
sm=0,92
cv=201,89
min=0,00
max=769,04
(a)
Densidade
(b)
(a)
1000
3000
Biomassa
5000
1000
3000
5000
Biomassa
10 40 m, (g) 10 50 m, e (h) 5 80 m em Floresta Ombrfila. A linha contnua marca o
= mdia; med = mediana, s = desvio-padro; sm = erro-padro da mdia; cv = coeficiente de
30
rea Basal
Biomassa
50
100
40
60
20
30
40
50
60
50
30
400
300
200
Densidade
0
150
100
Densidade
50
0
0
100 200 300 400 500 600

Biomassa
60
80
n=256
m=162,33
med=156,05
s=55,90
sm=3,49
cv=34,44
min=31,19
max=407,88
0
100
200
300
400
500
100
Biomassa
40
rea Basal
50
60
200
300
400
Biomassa
(h)
n=180
m=161,66
med=150,72
s=54,61
sm=4,07
cv=33,78
min=64,76
max=360,69
n=256
m=162,33
med=151,53
s=57,42
sm=3,59
cv=35,37
min=46,44
max=408,34
0
20
100
2000
Densidade
80
60
Densidade
40
80
60
0
60
50
10
1000
(f)
40
Densidade
60
n=256
m=29,12
med=27,54
s=8,56
sm=0,54
cv=29,40
min=10,26
max=61,13
30
Densidade
400
(g)
0 10
50
40
30
20
10
0
30
40
(h)
rea Basal
300
n=300
m=161,64
med=149,29
s=68,94
sm=3,98
cv=42,65
min=14,72
max=517,74
rea Basal
n=180
m=29,00
med=27,62
s=8,13
sm=0,61
cv=28,03
min=12,90
max=57,62
200
0
10
(g)
20
100
20
50
30
Densidade
80
rea Basal
10
Biomassa
n=256
m=29,12
med=28,32
s=8,37
sm=0,52
cv=28,74
min=6,55
max=62,19
800
n=512
m=162,33
med=149,28
s=79,05
sm=3,49
cv=48,70
min=16,37
max=554,41
(e)
0 10
100
60
0 20
40
80
(f)
n=300
m=29,00
med=27,38
s=10,24
sm=0,59
cv=35,31
min=3,11
max=80,49
20
60
rea Basal
(e)
n=256
m=162,33
med=152,90
s=58,03
sm=3,63
cv=35,75
min=35,16
max=426,67
40
20
600
(d)
0
0
400
Biomassa
Densidade
70
rea Basal
200
20
60
80 100
50
2000
60
40
1500
20
150
100
Densidade
n=512
m=29,12
med=27,71
s=11,91
sm=0,53
cv=40,90
min=3,22
max=86,06
Densidade
30
1000
Biomassa
0
20
500
(c)
50
30
0
10
Densidade
50
n=256
m=29,12
med=28,11
s=8,72
sm=0,54
cv=29,95
min=7,99
max=65,87
10
Densidade
(d)
200
(c)
Densidade
150
rea Basal
40
Densidade
300
n=1024
m=162,33
med=133,24
s=113,78
sm=3,55
cv=70,09
min=0,00
max=978,66
20
200
rea Basal
40
100
20
50
n=4096
m=162,33
med=83,94
s=224,60
sm=3,51
cv=152,96
min=0,00
max=2257,51
0
0
(b)
1000
150
Densidade
250
n=1024
m=29,12
med=25,21
s=17,02
sm=0,53
cv=58,45
min=0,00
max=147,07
50
1500
500
0
Densidade
n=4096
m=29,12
med=18,11
s=33,67
sm=0,53
cv=115,63
min=0,00
max=311,15
(a)
3000
(b)
(a)
50 100
200
Biomassa
300
400
100
200
300
400
Biomassa
10 40 m, (g) 10 50 m, e (h) 5 80 m em Floresta de Restinga. A linha contnua marca o
31
2.3.2
Transformao das variveis resposta
Os intervalos de mxima plausibilidade nas estimativas da famlia de transformao Box-Cox,

para as quatro formaes florestais estudadas, so apresentados na Tabela 2.2. Pode-se observar
que, para quase todos os tamanhos e formas de parcelas os dados no seguiram uma distribuio
normal, com exceo das parcelas de 400m2 e 500m2 para as duas variveis na Savana Florestada.
Sendo assim, foi escolhida, para cada formao florestal e varivel, uma estimativa do parmetro
b comum aos tamanhos e s formas das parcelas.
()
b da famlia
Tabela 2.2 Intervalos de mxima plausibilidade para as estimativas dos parmetros ()
de transformao Box-Cox das quatro formaes florestais, para as variveis rea basal
(m2 ha1 ) e biomassa (M g ha1 )
Varivel
rea basal
Biomassa
2.3.3
Parcelas
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Savana
b 0,50
0,40
b 0,67
0,48
b 1,56
0,74
b 0,94
0,48
b 1,06
0,13
b 1,17
0,18
b 1,32
0,00
b 1,40
0,56
b 0,55
0,40
b 0,55
0,40
b 1,30
0,50
b 0,75
0,34
b 0,48
0,10
b 1,01
0,12
b 1,24
0,00
b 1,22
0,44
Formaes
Estacional
Ombrfila
b
b 0,25
0,23 0,25 0,18
b 0,28 0,25
b 0,32
0,20
b
b 0,62
-0,05 0,34 0,24
b
b 0,42
0,00 0,25 0,25
b 0,25 0,25
b 0,55
-0,13
b
b 0,59
-0,35 0,25 0,24
b
b 0,67
-0,15 0,45 0,24
b 0,25 0,25
b 0,64
-0,32
b
b 0,15
0,19 0,21 0,09
b 0,20 0,10
b 0,15
0,12
b
b 0,23
0,18 0,20 0,10
b
b 0,15
-0,11 0,20 0,06
b 0,20 0,08
b 0,19
-0,20
b
b 0,22
-0,40 0,21 0,08
b
b 0,26
-0,27 0,20 0,10
b 0,21 0,07
b 0,20
-0,30
Restinga
b 0,30
0,25
b 0,41
0,25
b 0,61
0,04
b 0,56
0,25
b 0,59
0,19
b 0,78
0,21
b 0,78
0,21
b 0,45
-0,22
b
0,24 0,26
b 0,33
0,23
b 0,51
0,02
b 0,44
0,18
b 0,44
0,10
b 0,58
0,09
b 0,52
0,03
b 0,33
-0,25
Comparao das funes de continuidade espacial
Nas Tabelas 2.3 e 2.4, so apresentados os valores do critrio de informao de Akaike dos
modelos espaciais com diferentes funes de continuidade para as variveis de rea basal e biomassa, respectivamente. Os valores de AIC sofreram maiores variaes (i > 2) nas parcelas de
5 5 m, para as duas variveis em floresta Ombrfila. Para as demais parcelas, os valores foram
aproximadamente iguais e suas diferenas no foram maiores que dois. Assim, foi selecionada a
funo Matrn com = 1 para apresentar os prximos resultados.
32
Tabela 2.3 Critrio de informao de Akaike (AIC) dos modelos espaciais com diferentes
funes de continuidade (FC) das quatro formaes florestais, com diferentes tamanhos e formas de parcelas para a varivel rea basal (m2 ha1 )
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Savana
31986,32
31985,05
31984,45
6941,84
6941,46
6941,49
1454,99
1454,58
1454,31
3205,46
3204,93
3204,61
1733,82
1733,14
1732,68
1445,44
1444,65
1443,91
982,64
982,72
982,68
1448,42
1448,46
1448,50
Formaes
Estacional Ombrfila
28560,93
22386,04
28561,02
22390,99
28561,15
22397,62
8450,24
8439,83
8450,23
8439,65
8450,23
8440,18
1883,32
2097,96
1883,24
2097,84
1883,16
2097,94
4037,82
4422,20
4037,82
4420,22
4037,82
4418,84
2263,48
2559,61
2263,48
2557,76
2263,48
2556,61
1901,49
2163,81
1901,44
2163,60
1901,40
2163,44
1315,24
1528,03
1315,24
1527,61
1315,24
1527,53
1879,87
2114,13
1879,87
2114,41
1879,87
2114,78
Restinga
33413,72
33413,64
33413,54
8441,76
8441,71
8441,67
1817,12
1816,98
1816,88
3945,47
3945,47
3945,47
2223,06
2223,05
2223,05
1812,71
1812,71
1812,71
1251,47
1251,47
1251,47
1806,68
1806,64
1806,61
33
Tabela 2.4 Critrio de informao de Akaike (AIC) dos modelos espaciais com diferentes
funes de continuidade (FC) das quatro formaes florestais, com diferentes tamanhos e formas de parcelas para a varivel biomassa (M g ha1 )
Parcela
FC
55m
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Savana
45113,92
45112,92
45112,51
10350,81
10350,52
10350,51
2312,22
2312,04
2311,98
4917,19
4916,88
4916,65
2741,62
2741,37
2741,19
2303,18
2302,82
2302,45
1583,94
1583,79
1583,73
2298,20
2298,12
2298,04
Formaes
Estacional Ombrfila
39961,51
29785,46
39961,60
29788,58
39961,70
29793,02
12136,20
12859,19
12136,20
12859,10
12136,20
12859,52
2916,76
3666,42
2916,63
3666,34
2916,52
3666,33
6002,84
7091,53
6002,84
7090,87
6002,84
7090,42
3445,61
4277,13
3445,61
4276,59
3445,61
4276,42
2927,16
3702,12
2927,10
3701,94
2927,06
3701,82
2039,18
2620,19
2039,18
2619,87
2039,18
2619,61
2912,17
3692,13
2912,17
3692,23
2912,17
3692,33
Restinga
46620,03
46619,96
46622,44
12142,86
12142,83
12142,80
2773,29
2773,08
2773,97
5835,47
5835,47
5835,47
3337,81
3337,76
3337,71
2768,40
2768,40
2768,40
1926,77
1926,77
1926,76
2765,27
2765,20
2765,15
34
2.3.4
Comparao dos modelos espaciais e no-espaciais
De forma geral, comparando-se as quatro formaes pelos valores obtidos das diferenas de
AIC (sp ) (Tabela 2.5 e 2.6), os modelos espaciais das florestas Ombrfila, seguidos da Savana Florestada, so marcadamente diferentes, mais pronunciados do que nas florestas Estacional
e Restinga.
Considerando a plausibilidade dos modelos espaciais e no-espaciais, foi verificado, pelos valores de sp , que os modelos espaciais foram mais plausveis nas florestas Savana e Ombrfila em
todos tamanhos e formas de parcelas, para a varivel rea basal (Tabela 2.5). Entretanto, para a
varivel biomassa (Tabela 2.6), o modelo no espacial foi o mais plausvel para a floresta Savana
com parcelas de 10 20 m, 10 30 m, 10 40 m e 10 50 m, e para a Ombrfila com parcelas de
10 40 m e 10 50 m. Nas florestas Estacional e Restinga, os valores de sp foram maiores do
que dois para as parcelas de 5 5 m, nas duas variveis e, para a biomassa, na parcela de 20 20
m, respectivamente.
A proporo do componente aleatrio, dado pelo efeito pepita relativo (Rel 2 ), diminuiu com o
aumento do tamanho da parcela, e, consequentemente, aumentou a varincia estruturada. Mesmo
apresentando baixa proporo da varincia estruturada, os modelos espaciais foram mais plausveis
para as parcelas de tamanho de 25m2 , nas formaes de Savana, Estacional e Ombrfila, nas variveis avaliadas.
Pde-se observar que a estrutura de continuidade espacial da varivel biomassa foi mais tnue,
se comparada da rea basal. Esses resultados foram corroborados pelos valores de (sp ) e pelo
alcance prtico (a), maiores na rea basal. Como exemplo, na Savana Florestada, as parcelas de
tamanhos 10 20 m, 10 30 m, 10 40 m e 10 50 m so estruturadas espacialmente na varivel
rea basal, ao passo que, na varivel biomassa, no se justifica a aplicao do modelo geoestatstico.
35
Tabela 2.5 Nmero de parmetros (NP), critrio de informao de Akaike (AIC), diferenas de
AIC (sp ) e efeito pepita relativo (Rel 2 ) dos modelos espaciais e no-espaciais das
quatro formaes florestais com diferentes tamanhos e formas de parcelas, para a varivel rea basal (m2 ha1 )
Formaes
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Modelos
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Savana
AIC
sp
31985,05
49,69
32034,74
6941,46
36,16
6977,62
1454,58
21,61
1476,19
3204,93
10,85
3215,78
1733,14
8,80
1741,95
1444,65
10,69
1455,34
982,72
6,59
989,32
1448,46
24,12
1472,59
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Ombrfila
AIC
sp
22390,99
783,89
23274,88
8439,65
261,51
8701,16
2097,84
84,01
2181,86
4420,22
33,28
4453,50
2557,76
28,37
2586,13
2163,60
2,32
2165,91
1527,61
2,39
1530,00
2114,41
36,37
2150,78
Modelos
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
Rel 2
NP
4
0,97
2
4
0,92
2
4
0,77
2
4
0,92
2
4
0,91
2
4
0,86
2
4
0,86
2
4
0,58
2
Formaes
Rel 2
0,75
0,62
0,41
0,84
0,60
0,88
0,80
0,46
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Estacional
AIC
sp
28561,02
24,22
28585,24
8450,23
-3,96
8446,28
1883,24
-3,66
1879,58
4037,82
-4,00
4033,82
2263,48
-4,00
2259,48
1901,44
-3,06
1898,37
1315,24
-4,00
1311,24
1879,87
-4,00
1875,87
Restinga
AIC
sp
33413,64
1,90
33415,54
8441,71
-3,66
8438,05
1816,98
1,03
1818,00
3945,47
-4,00
3941,47
2223,05
-3,63
2219,42
1812,71
-4,00
1808,71
1251,47
-4,00
1247,47
1806,64
-3,27
1803,37
Rel 2
0,71
0,69
0,71
0,73
0,72
0,53
Rel 2
0,97
0,93
0,72
0,73
0,70
-
36
Tabela 2.6 Nmero de parmetros (NP), critrio de informao de Akaike (AIC), diferenas de
AIC (sp ) e efeito pepita relativo (Rel 2 ) dos modelos espaciais e no-espaciais das
quatro formaes florestais com diferentes tamanhos e formas de parcelas, para a varivel biomassa (M g ha1 )
Formaes
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
Modelos
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Savana
AIC
sp
45112,92
31,98
45144,89
10350,52
22,12
10372,64
2312,04
11,12
2323,16
4916,88
-0,22
4916,66
2741,37
-1,16
2740,20
2302,82
0,18
2303,00
1583,79
0,46
1584,26
2298,12
18,66
2316,78
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Ombrfila
AIC
sp
29788,58
574,18
30362,76
12859,10
139,05
12998,15
3666,34
31,33
3697,66
7090,87
11,72
7102,58
4276,59
11,03
4287,63
3701,94
-2,54
3699,41
2619,87
-2,64
2617,23
3692,23
6,32
3698,55
Modelos
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
espacial
no-espacial
Rel 2
NP
4
0,98
2
4
0,93
2
4
0,82
2
4
0,96
2
4
0,97
2
4
0,93
2
4
2
4
0,59
2
Formaes
Rel 2
0,80
0,76
0,64
0,92
0,78
0,96
0,94
0,82
NP
4
2
4
2
4
2
4
2
4
2
4
2
4
2
4
2
Estacional
AIC
sp
39961,60
14,56
39976,16
12136,20
-3,96
12132,24
2916,63
-3,44
2913,19
6002,84
-4,00
5998,84
3445,61
-4,00
3441,61
2927,10
-3,05
2924,05
2039,18
-4,00
2035,18
2912,17
-4,00
2908,17
Restinga
AIC
sp
46619,96
-0,07
46619,87
12142,83
-3,67
12139,16
2773,08
4,20
2777,29
5835,47
-4,00
5831,47
3337,76
-1,34
3336,41
2768,40
-4,00
2764,40
1926,77
-3,92
1922,84
2765,20
-2,69
2762,51
Rel 2
0,77
0,74
0,50
0,74
0,71
0,52
Rel 2
0,98
0,90
0,73
0,95
0,71
-
37
2.3.5
Influncia da parcela e da formao no modelo espacial
As estimativas dos parmetros do modelo geoestatstico para as variveis rea basal e biomassa
so apresentadas na Tabela 2.7. Em geral, pode-se observar que, com o aumento do tamanho e
a mudana na forma da parcela, as estimativas dos parmetros patamar (b2 ) e efeito pepita (b2 )
diminuram nas quatro formaes florestais estudadas. O efeito pepita relativo (Rel 2 ) diminuiu
com o aumento do tamanho da parcela, e as parcelas de 5 80 m apresentaram os menores valores
para as duas variveis estudadas.
Os alcances prticos (a) que determinam a distncia a partir da qual a varivel no tem mais influncia relevante sobre a vizinhana, foram maiores para as florestas Savana e Ombrfila e menores
para a Estacional e a Restinga (exceto para parcelas de 20 20 m).
2.3.6
Influncia do tamanho da parcela
Na Tabela 2.8, so apresentadas as estimativas dos parmetros do modelo geoestatstico para

as variveis rea basal e biomassa em parcelas quadradas. As estimativas da varincia estrutura
(b
2 ), do componente aleatrio (b
2 ) e do efeito pepita relativo (Rel 2 ) diminuram com o aumento
do tamanho da parcela, sendo menores para as parcelas 20 20 m. Os menores valores de alcance
prtico (a) foram encontrados nas parcelas de 10 10 m, para as formaes de Savana, Estacional
e Restinga, e na 5 5 m para Ombrfila.
2.3.7
Influncia da forma da parcela
Considerando parcelas de mesmo tamanho (400m2 ) e diferentes formas, para as variveis rea
basal e biomassa (Tabela 2.9), os valores das estimativas
b2 foram menores e o efeito pepita relativo
(Rel 2 ), maior para as formaes de Savana e Ombrfila considerando parcelas de 10 40 m.
38
Tabela 2.7 Estimativas dos parmetros (b

2 , b2 ), efeito pepita relativo (Rel 2 ) e alcance prtico (a)
das quatro formaes florestais com diferentes tamanhos e formas de parcelas para as
variveis rea basal (m2 ha1 ) e biomassa (M g ha1 )
Formaes
Varivel
rea basal
Biomassa
Varivel
rea basal
Biomassa
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
b2
0,30
0,22
0,20
0,12
0,08
0,11
0,09
0,36
1,25
1,06
0,90
0,33
0,18
0,33
3,71
1,96
Savana
b2
Rel 2
10,74
0,97
2,39
0,92
0,68
0,77
1,35
0,92
0,82
0,91
0,68
0,86
0,56
0,86
0,48
0,58
60,65
0,98
14,39
0,93
4,16
0,82
8,30
0,96
5,09
0,97
4,24
0,93
0,00
2,86
0,59
b2
3,82
2,41
1,58
0,66
1,73
0,31
0,57
1,22
6,75
5,33
4,35
1,36
3,37
0,41
0,69
2,01
Ombrfila
b2
Rel 2
11,38
0,75
4,01
0,62
1,09
0,41
3,51
0,84
2,55
0,60
2,29
0,88
2,25
0,80
1,04
0,46
27,84
0,80
16,99
0,76
7,71
0,64
15,72
0,92
12,13
0,78
10,94
0,96
10,62
0,94
9,32
0,82
Parcela
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
55m
10 10 m
20 20 m
10 20 m
10 30 m
10 40 m
10 50 m
5 80 m
b2
271,40 2,80
183,73 0,66
214,06 0,59
179,86 0,33
458,05 0,20
212,18 0,64
306,26 0,15
27,83 0,27
230,83 4,83
149,65 1,73
187,10 2,30
148,86 2,05
283,64 0,72
164,39 2,45
15,00 0,60
24,87 1,07
Formaes
a
70,53
91,49
101,73
241,02
473,63
406,26
466,71
25,69
76,53
97,28
94,98
243,73
471,36
475,99
558,18
58,05
b2
0,26
1,86
0,03
0,25
0,66
0,13
0,12
0,45
0,52
5,75
0,16
0,81
0,11
0,42
1,31
1,48
Estacional
b2
Rel 2
6,79
0,71
1,50
0,69
0,00
0,83
0,71
0,54
0,73
0,00
0,40
0,72
0,31
0,53
16,46
0,77
4,97
0,74
0,00
2,02
0,50
2,01
0,74
0,00
1,51
0,71
1,18
0,52
a
8,16
7,39
17,05
2,52
2,28
10,65
2,46
0,08
8,32
7,48
18,30
2,52
2,38
10,69
2,41
0,08
Restinga
b2
Rel 2
7,70
0,97
0,00
0,44
0,93
0,67
0,72
0,00
0,33
0,73
0,28
0,70
0,00
20,76
0,98
0,00
1,44
0,90
2,16
0,73
2,06
0,95
1,07
0,71
0,00
0,00
-
a
19,70
7,17
237,04
2,32
9,15
2,41
2,66
5,13
21,13
7,18
294,80
2,53
161,53
2,57
8,20
5,60
39

das quatro formaes florestais com diferentes tamanhos de parcelas para as variveis
rea basal (m2 ha1 ) e biomassa (M g ha1 )
Formaes
Varivel
rea basal
Biomassa
Varivel
rea basal
Biomassa
Parcela
55m
10 10 m
20 20 m
55m
10 10 m
20 20 m
b2
0,30
0,22
0,20
1,25
1,06
0,90
Savana
b2
Rel 2
10,74
0,97
2,39
0,92
0,68
0,77
60,65
0,98
14,39
0,93
4,16
0,82
b2
3,82
2,41
1,58
6,75
5,33
4,35
Ombrfila
b2
Rel 2
11,38
0,75
4,01
0,62
1,09
0,41
27,84
0,80
16,99
0,76
7,71
0,64
Parcela
55m
10 10 m
20 20 m
55m
10 10 m
20 20 m
b2
271,40 2,80
183,73 0,66
214,06 0,59
230,83 4,83
149,65 1,73
187,10 2,30
Formaes
a
70,53
91,49
101,73
76,53
97,28
94,98
b2
0,26
1,86
0,03
0,52
5,75
0,16
Estacional
b2
Rel 2
6,79
0,71
1,50
0,69
0,00
16,46
0,77
4,97
0,74
0,00
-
a
8,16
7,39
17,05
8,32
7,48
18,30
Restinga
b2
Rel 2
7,70
0,97
0,00
0,44
0,93
20,76
0,98
0,00
1,44
0,90
a
19,70
7,17
237,04
21,13
7,18
294,80

das quatro formaes florestais com diferentes formas de parcelas para as variveis
rea basal (m2 ha1 ) e biomassa (M g ha1 )
Formaes
Varivel
rea basal
Biomassa
Varivel
rea basal
Biomassa
Parcela
20 20 m
10 40 m
5 80 m
20 20 m
10 40 m
5 80 m
b2
0,20
0,11
0,36
0,90
0,33
1,96
Savana
b2
Rel 2
0,68
0,77
0,68
0,86
0,48
0,58
4,16
0,82
4,24
0,93
2,86
0,59
b2
1,58
0,31
1,22
4,35
0,41
2,01
Ombrfila
b2
Rel 2
1,09
0,41
2,29
0,88
1,04
0,46
7,71
0,64
10,94
0,96
9,32
0,82
Parcela
20 20 m
10 40 m
5 80 m
20 20 m
10 40 m
5 80 m
b2
214,06 0,59
212,18 0,64
27,83 0,27
187,10 2,30
164,39 2,45
24,87 1,07
Formaes
a
101,73
406,26
25,69
94,98
475,99
58,05
b2
0,03
0,13
0,45
0,16
0,42
1,48
Estacional
b2
Rel 2
0,00
0,00
0,31
0,53
0,00
0,00
1,18
0,52
a
17,05
10,65
0,08
18,30
10,69
0,08
Restinga
b2
Rel 2
0,44
0,93
0,33
0,73
0,00
1,44
0,90
1,07
0,71
0,00
-
a
237,04
2,41
5,13
294,80
2,57
5,60
40
2.4
Discusso
As mudanas de tamanho e de forma de parcelas tm um grande impacto na distribuio dos
dados. Avaliando a simetria das distribuies das variveis rea basal e biomassa, pde-se observar
que parcelas pequenas tm maior probabilidade de conter valores extremos, levando a maiores
varincias e a distribuies assimtricas. O aumento do tamanho da parcela leva diluio dos
valores extremos, com o efeito de reduzir a disperso e a simetria dos dados, tornando as medidas
de posio (mdia e mediana) semelhantes. A semelhana entre os valores dos erros-padro da
mdia deve-se existncia de uma relao inversa entre o tamanho da amostra e o erro-padro, ou
seja, quando o tamanho da amostra aumenta, o erro-padro diminui. Resultados similares tambm
foram encontrados por Bellehumeur, Legendre e Marcotte (1997), em trabalho com densidade de
rvores em uma parcela permanente de 50 ha na floresta tropical da Malsia, e por Rossi e Nuutinen
(2004), analisando o efeito do tamanho da parcela na percepo do padro espacial de minhocas.
A funo de correlao utilizada, Matrn, foi adotada devido flexibilidade que ela oferece para
modelar o decaimento da correlao, bem como suavidade do processo, atravs da modificao
de seus parmetros. A suavidade do processo S(x) estabelecida pelos parmetros de alcance ()
e (BOGNOLA et al., 2008). No caso das florestas, a utilizao de diferentes ( = 0,5; 1,0 e
2,0) na modelagem permitiu que variaes suaves ou abruptas, como, por exemplo, nas parcelas
de 5 5 m na floresta Ombrfila, fossem detectadas. Uma possvel explicao para essa variao
observada na floresta Ombrfila so a topografia altamente acidentada, a presena de clareiras e de
grandes quantidades de bambus, captada em variaes de pequena escala e filtrada com o aumento
do tamanho da parcela.
Capretz (2004), analisando o padro espacial da distribuio das rvores pela funo K de Ripley, concluiu que as quatro formaes florestais apresentam padres espaciais distintos e em diferentes escalas. A floresta Ombrfila mostrou um padro mais complexo de agregao, diferenciandose das demais formaes. No entanto, foram encontradas semelhanas entre o padro espacial da
Savana e da Restinga, sendo o padro espacial predominamente aleatrio para a floresta Estacional.
No presente trabalho, a estrutura de continuidade espacial da floresta Ombrfila tambm se mostrou
complexa e mais pronunciada, seguida pela Savana e relativamente fracas nas florestas Estacional
e Restinga.
Fortin (1999), trabalhando com diferentes tamanhos e formas de parcelas, quanto densidade de
trs espcies de rvores, utilizando o coeficiente de autocorrelao espacial de Morans I, verificou
que a magnitude da estrutura espacial aumentou com o aumento do tamanho das parcelas de 10
20 m, 20 10 m e 15 15 m e diminuiu em parcelas de 20 20 m. Segundo esse autor, isso pode
ser explicado pelo fato de as parcelas maiores inclurem maiores variabilidades, que resultam em
menor autocorrelao espacial.
41
Resultados contrrios foram encontrados em estudos baseados em variogramas. Bellehumeur,
Legendre e Marcotte (1997), trabalhando com parcelas quadradas verificaram que o processo no se
apresenta espacialmente estruturado nas parcelas de 55 m, sendo contudo, fortemente estruturado
nas parcelas de 20 20 m. Neste trabalho, as parcelas quadradas foram fortemente estruturadas
para as formaes de Savana e Ombrfila, mesmo para as parcelas de 5 5 m, que apresentaram
baixa proporo da varincia estruturada. Oliveira (2003) argumenta que, embora demande uma
metodologia mais complexa e tempo computacional, a obteno das estimativas dos parmetros
baseada em modelos e as interpretaes dos resultados so elaboradas com maior confiabilidade,
quando comparadas aos mtodos em que as estimativas dos parmetros so obtidas atravs do
semivariograma, de forma subjetiva.
Nas florestas Estacional e Restinga, as mudanas do tamanho e da forma das parcelas no
influenciaram a estrutura de dependncia. Por outro lado, na Savana e na Ombrfila, essa dependncia foi intensificada com o aumento do tamanho da parcela quadrada, e no detectada para
algumas parcelas com forma retangular, quanto varivel biomassa. Para essas reas, as parcelas quadradas, com dimenses de 20 20 m, captaram a estrutura de dependncia espacial e as
retangulares de 10 40 m a variabilidade da floresta, no detectando a estrutura continuidade espacial. Esses resultados so confirmados pelos perfis de verossimilhana (Figuras 2.8 e 2.9), que
investigam a variabilidade dos parmetros ( 2 , , 2 ) de modelos que apresentam dependncia espacial. Nestas figuras, as parcelas de 10 40 m na Ombrfila apresentam perfis assimtricos, com
maior variabilidade, ou seja, quando o modelo espacial no to relevante, a incerteza associada
aumenta, enquanto as parcelas de 20 20 m, na Savana e na Ombrfila, e de 10 40 m, na Savana,
apresentam perfis aproximadamente simtricos.
Fortin (1999) no recomenda o uso de parcelas retangulares, quando o objetivo do estudo
detectar a estrutura de continuidade espacial, pois a magnitude da autocorrelao espacial pode
ser sub ou superestimada em funo de a orientao da parcela corresponder, ou no, aos padres
espaciais da populao em estudo.
Apesar da dependncia espacial da floresta Ombrfila ser mais pronunciada do que na Savana,
foi observado que a estrutura de continuidade espacial da Savana se apresentou em escala mais
ampla do que a estrutura da floresta Ombrfila, para a varivel rea basal. Enquanto, para a floresta
Ombrfila, a parcela com 10 40 m apresentou o modelo espacial no limiar do valor proposto para
a plausibilidade do modelo geoestatstico, na Savana Florestada, o modelo espacial foi consideravelmente mais plausvel que o modelo no-espacial. Isso mostra que, na Ombrfila, as parcelas
retangulares captaram o padro espacial da floresta, conforme sugerido por Fortin (1999).
42
0.2
0.3
0.4
0.5
50
100
150
200
724.0
profile loglikelihood
0
725.0
724.0
0.1
725.0
724.0
725.0
(a)
250
0.55
0.65
0.75
0.85
0.1
0.2
0.3
0.4
0.5
0.6
50
100
150
200
719.0
0.7
720.0
719.0
0.0
720.0
719.0
720.0
(b)
250
0.5
0.6
0.7
0.8
0.9
Figura 2.8 Perfil de verossimilhana para os parmetros ( 2 , , 2 ), com funo de correlao

Matrn ( = 1) para a rea basal (m2 ha1 ), em parcelas de (a) 20 20 m e (b)
10 40 m na Savana Florestada
1.0
1.5
2.0
2.5
3.0
20
30
40
50
1045.5
10
1046.5
1045.5
0.5
1046.5
1045.5
1046.5
(a)
60
0.0
0.5
1.0
1.5
2.0
0.5
1.0
1.5
2
2.0
2.5
100
200
300
400
500
1078.5
0
1079.5
1078.5
0.0
1079.5
1078.5
1079.5
(b)
1.5
2.0
2.5
3.0
Figura 2.9 Perfil de verossimilhana para os parmetros ( 2 , , 2 ), com funo de correlao

Matrn ( = 1) para a rea basal (m2 ha1 ), em parcelas de (a) 20 20 m e (b)
10 40 m na Floresta Ombrfila
43
2.5
Concluso
Devido distino da estrutura de dependncia espacial e de suas escalas de ocorrncia, foi
verificado que no h como determinar um tamanho e uma forma timos da unidade amostral para
as formaes florestais. Eles dependero das caractersticas de cada formao e dos vrios processos ecolgicos que podem estar atuando, de forma simultnea, na definio da estrutura espacial
dessas florestas. No entanto, ao escolher o tamanho da unidade amostral, importante considerar que unidades amostrais pequenas levam a alta variabilidade e que, ao aumentar o tamanho da
unidade amostral, deve-se encontrar consenso entre a prtica em campo e a teoria estatstica.
clara a influncia do tamanho e da forma da parcela sobre a percepo da estrutura de continuidade espacial. Quando estudos sobre a estrutura de dependncia espacial no forem possveis,
parcelas retangulares so preferidas, pois foram capazes de captar a variabilidade da floresta, no
detectando a estrutura de continuidade espacial. Porm, a no detectao dessa estrutura, no indica
que inexiste a dependncia, pois quando esta detectada por algum tamanho e forma de parcela,
inerente ao processo. No caso de trabalhos que objetivam a deteco da estrutura espacial e a
predio, parcelas de 20 20 m descreveram melhor a estrutura de continuidade espacial.
Referncias
AKAIKE, H. A new look at statistical model identification. Transactions on Automatic Control.

New York, v.19, n.6, p. 717-723, 1974.
BELLEHUMEUR, C. ; LEGENDRE, P. Multiscale sources of variation in ecological variables:
modeling spatial dispersion, elaborating sampling designs. Landscape Ecology, Netherlands,
v.13, p.15-25, 1998.
BELLEHUMEUR, C.; LEGENDRE, P.; MARCOTTE, D. Variance and spatial scales in a tropical
rain forest: changing the size of sampling units. Plant Ecology, Dordrecht, v.130, p.89-98, 1997.
BOGNOLA, I. A.; RIBEIRO JR., P.J.; SILVA, E.A.A.; LINGNAU, C.; HIGA, A.R. Modelagem
uni e bivariada da variabilidade espacial de rendimento de Pinus taeda L. Floresta, Curitiba, v. 38,
n. 2, p.373-385, 2008.
BOX, G. E. P.; COX, D. R. An analysis of transformations. Journal of the Royal Statistical
Society, London, v.26, n.2, p.211-252, 1964.
BURGER, D. M. Modelos alomtricos para a estimativa da fitomassa de Mata Atlntica na
Serra do Mar, SP. 2005, 112p. Tese (Doutorado) - rea de Ecologia. Instituto de Biocincias,
Universidade de So Paulo, So Paulo, 2005.
44
BURNHAM, K. P.; ANDERSON, D. R. Model selection and multimodel inference. 2nd Ed.
New York: Springer, 2002, 350p.
BURNHAM, K. P.; ANDERSON, D. R. Multimodel Inference: Understanding AIC e BIC in
Model Selection. Sociological Methods & Research, Beverly Hills, v. 33, n.2, p.261 - 304, 2004.
CAPRETZ, R. L. Anlise de padres espaciais de rvores em quatro formaes florestais do
Estado de So Paulo, atravs de anlises de segunda ordem, com a funo K de Ripley. 2004,
93p. Dissertao (Mestrado) - Ecologia de Agroecossistemas. Escola Superior de Agricultura
Luiz de Queiroz, Universidade de So Paulo. Piracicaba, 2004.
CHEN, Y. F.; YU, F. H.; DONG, M. Scale-dependent spatial heterogeneity of vegetation in Mu Us
sandy land, a semi-arid area of China. Plant Ecology, Netherlands, v.162, p.135-142, 2002.
CHRISTENSEN, O. F.; DIGGLE, P. J.; RIBEIRO JR, P. J. Analysing positive-valued spatial data:
the transformed gaussian model. In geoENV - Geostatistics for Environmental Applications,
MONESTIEZ, P.; ALLARD, D.; FROIDEVAUX, R., (Ed.), Amsterdam: Kluwer, 2001, p.
287-298.
CRESSIE, N. Statistics for spatial data. New York: Wiley, 1993. 900p.
DIAS, A. C.; COUTO, H. T. Z. Comparao de mtodos de amostragem na Floresta Ombrfila
Densa, Parque Estadual Carlos Botelho, SP, Brasil. Revista Instituto Florestal, So Paulo, v. 17,
n.1, p. 63-72, 2005.
London, v.47, p.299-350, 1998.
DORMANN, C.F. Effects of incorporating spatial autocorrelation into the analysis of species
distribution data. Global Ecology and Biogeography, Oxford, v.16, p. 129-138, 2007.
DUNGAN, J. L.; PERRY, J. N.; DALE, M. R. T.; LEGENDRE, P.; CITRON-POUSTY, S.;
FORTIN, M.J.; JAKOMULSKA; MIRITI, M.; ROSENBERG, M. S. A balanced view of scale in
spatial statistical analysis. Ecography, Copenhagen, v.25, p.626-640, 2002.
DURIGAN, G.; BACIC, M. C.; FRANCO, G. A. D. C.; SIQUEIRA, M.F. Inventrio florstico do
cerrado na estao ecolgica de Assis, SP. Hoehnea, So Paulo, v.26, p.149-172, 1999.
DURIGAN, G.; FRANCO, G. A. D. C.; SAITO, M.; BAITELLO, J. B. Estrutura e diversidade do
componente arbreo da floresta na Estao Ecolgica dos Caetetus, Glia, SP. Revista Brasileira
Botnica, So Paulo, v.23, n.3, p.361-373, 2000.
45
DUTILLEUL, P. Spatial heterogeneity and the design of ecological field experiments. Ecology,
Tempe, v.74, n.6., p.1646-1658, 1993.
FORTIN, M. J. Effects of sampling unit resolution on the estimation of spatial autocorrelation.
Ecoscience, Saint-Foy, v.6, p.636-641, 1999.
GOOVAERTS, P. Geostatistics for natural resources evaluation, New York: Oxford University
Press, 1997. 483p.
autocorrelation.Plant Ecology, Dordrecht, n.187, p. 203-212, 2006.
GOTWAY, C. A.; YOUNG, L. J. Combining Incompatible Spatial Data. Journal of the
American Statistical Association, New York, v.97, p. 632-648, 2002.
HE, F.; LaFRANKIE, J. V.; SONG, B. Scale dependence of tree abundance and richness in a
tropical rain forest. Landscape Ecology, Netherlands, v. 17, p. 559-568, 2002.
HERNANDEZ-STEFANONI, J. L. Relationships between landscape patterns and species richness
of trees, shrubs and vines in a tropical forest Plant Ecology, Dordrecht, v. 179, p. 53-65, 2005.
HOLMES, K. W.; CHADWICK, O. A; KYRIAKIDIS, P. C.; FILHO, E. P. S., SOARES, J. V.;
ROBERTS, D. A. Large-area spatially explicit estimates of tropical soil carbon stocks and
response to land-cover change. Global Biogeochemical Cycles, Washington, v. 20, p. 1-12, 2006.
ISAAKS, E. H.; SRIVASTAVA, R. H. Applied Geostatisctics. New York: Oxford University
Press, 1989. 561p.
JOURNEL, A. G.; HUIJBREGTS, C. J. Mining geostatistics. London: Academic Press, 1978.
600p.
KULLBACK, S.; LEIBLER, R. A. On information and sufficiency. Annals of Mathematical
Statistics, Ann Arbor, v.22, p.79-86, 1951.
v. 80, p. 107-138, 1989.
MATHERON, G. Principles of geostatistics. Economic Geology, Lancaster, v. 58, p. 1246-1266,
1963.
MELLO, J. M.; BATISTA, J. L. F; OLIVEIRA, M. S.; RIBEIRO JR., P. J.Estudo da dependncia
espacial de caractersticas dendromtricas para Eucalyptus grandis. Cerne, Lavras, v. 11, n. 2,
p. 113-126, 2005.
46
NEGREIROS, O. C.; CARVALHO, C. T.; CESAR, S. F., DUARTE; F. R.; DESLER, W. O.;
THELEN, K. D. Plano de Manejo para o Parque Estadual da Ilha do Cardoso. Boletim Tcnico
do Instituto Florestal, So Paulo, v. 9, p. 1-56, 1974.
OLIVEIRA, M. C. N. Mtodos de estimao de parmetros em modelos geoestatsticos com
diferentes estruturas de covarincia: uma aplicao ao teor de clcio no solo. 2003, 140p.
Tese (Doutorado) - rea de concentrao: Estatstica e Experimentao Agronomica. Escola
Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo, Piracicaba, 2003.
PLONER, A.; DUTTER, R. New directions in geostatistics. Journal of Statistical Planning and
Inference, Amsterdam, v. 91, p. 499-509, 2000.
R DEVELOPMENT CORE TEAM. R: A language and environment for statistical computing. R
Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL
http://www.R-project.org, 2008.
RIBEIRO JR., P. J.; DIGGLE, P.J. The geoR package functions for geostatistical data analysis.
R-NEWS, Vienna, v.1, p.15-18, 2001.
RODRIGUES, R. R. Relatrio temtico do projeto parcelas permanentes. Laboratrio de Ecologia
e Restaurao Florestal, ESALQ/USP. Piracicaba, 2002. Disponvel em:
<http://www.lerf.esalq.usp.br/parcelas/relatorio1.pdf>. Acesso em: 4 fev. 2009.
RODRIGUES, R. R. 4 Relatrio Temtico do Projeto Parcelas Permanentes. Laboratrio de
Ecologia e Restaurao Florestal, ESALQ/USP. Piracicaba, 2005. Disponvel em:
<http://www.lerf.esalq.usp.br/old/parrel2005.php>. Acesso em: 4 fev. 2009.
ROSSI, J.P.; NUUTINEN, V. The effect of sampling unit size on the perception of the spatial
pattern of earthworm (Lumbricus terrestris L.) middens. Applied Soil Ecology, Amsterdam, v.27,
p.189-196, 2004.
ROSSI, R. E.; MULLA, D. J.; JOURNEL, A.G.; FRANZ, E.H. Geostatistical tools for modeling
and interpreting ecological spacial dependence. Ecological Monographs, Lawrence, v. 62, n. 2,
p. 277-341, 1992.
SALES, M. H.; SOUZA JR., C. M.; KYRIAKIDISB, P. C.; ROBERTS, Dar A.; VIDAL, E.
Improving spatial distribution estimation of forest biomass with geostatistics: A case study for
Rondnia, Brazil. Ecological Modelling, Amsterdam, n. 205, p. 221-230, 2007.
SATAKE, A.; IWASA, Y. Spatially limited pollen exchange and a long-range synchronization of
trees. Ecology, Tempe, v.83, p. 993-1005, 2002.
SILVA, J. A. A. ; BAILEY, R. L. Uso de transformaes normalizadoras no ajuste de modelos
volumtricos. Revista rvore, Viosa, v. 15, n. 12, p. 199-206, 1991.
47
SOUZA, F. O.; BIANCHINI, R. S. Mikania Willd. (Asteraceae) no Parque Estadual da Ilha do
Cardoso, Canania, So Paulo, Brasil. Revista Brasileira de Biocincias, Porto Alegre, v. 5,
p. 237-239, 2007.
SCHLUP, B. M.; WAGNER, H. H. Effects of study design and analysis on the spatial community
structure detected by multiscale ordination. Journal of Vegetation Science, Knivsta, p.621-632,
2008.
VEDYUSHKIN, M. A. Fractal properties of forest spatial structure. Vegetatio, The Hague,
v. 113, p. 65-70, 1994.
VELOSO, H. P.; GES-FILHO, L. Fitogeografia brasileira - classificao fisionmico-ecolgica
da vegetao neotropical. Boletim Tcnico do Projeto RADAMBRASIL, Srie Vegetao, So
Paulo, v. 1, p. 1-80, 1982.
VELOSO, H. P.; RANGEL FILHO, A. L. R.; LIMA, J. C. A. Classificao da vegetao
brasileira, adaptada a um sistema universal. Rio de Janeiro: Fundao Instituto Brasileiro de
Geografia e Estatstica, 1991, 112 p.
48
49
3 C OMPARAO DAS ESTRUTURAS DE CONTINUIDADE ESPACIAL EM

QUATRO FORMAES FLORESTAIS
Resumo
A teoria clssica de amostragem aplicada a estudos ecolgicos geralmente tem o objetivo de
realizar inferncia dos parmetros populacionais. No entanto, muitas vezes o interesse tambm
o reconhecimento do padro espacial das comunidades. Dessa forma, os objetivos deste trabalho
foram ajustar modelos e comparar as estruturas espaciais de quatro formaes florestais. Nesse
estudo utilizou-se quatro parcelas permanentes instaladas em diferentes formaes florestais do
Estado de So Paulo. Foram obtidos dados de rea basal, biomassa e densidade para subparcelas
de 20 20 m considerando todas as rvores da parcela, rvores localizadas no estrato inferior e
mdio (estrato sub-bosque) e rvores localizadas no estrato dossel e emergente (estrato dossel). O
ajuste e a comparao das estruturas de continuidade espacial das quatro formaes florestais foi
realizada por meio da geoestatstica baseada em modelo, e a seleo de modelos pelo critrio de
informao de Akaike e pelas diferenas de AIC. Verificou-se que as estruturas de continuidade
espacial so distintas entre estratos nas quatro formaes florestais, sendo mais pronunciadas no
sub-bosque. Considerando as formaes, verificou-se que as estruturas espaciais so diferentes,
mais pronunciadas para a Savana e Ombrfila.
Palavras-chave: Floresta tropical; Estratos; Geoestatstica baseada em modelo; Mxima verossimilhana; Critrio de informao de Akaike
Abstract
The classical sampling theory applied to ecological studies generally aim to perform inference in population parameters. However, often the interest is also the recognition of the spatial
pattern of communities. Thus, the objectives of this study were to compare models and adjust the
spatial structures of four forest formations. Four permanent plots located in different forest formations of Sao Paulo State were used. Data of basal area, biomass and density were obtained for
sub-plots of 20 20 m considering all the trees in the plot, trees located in the lower and intermediate stratum (stratum understory) and trees located in the stratum canopy and emerging (canopy
layer). The adjustment and comparison of the structures of spatial continuity of the four forest
formations were performed by means of model-based geostatistics, the selection of models by the
Akaike information criterion and the differences of AIC. It was found that the structures of spatial
continuity are distinct between the strata in the four forest formations, being most pronounced in the
understory. Considering the forest formation it was found that the spatial structures are different,
more pronounced for the Savanna and Dense Rain Forest.
Keywords: Tropical forest; Strata; Model-based geostatistics; Maximum likelihood; Akaike information criterion
50
3.1
Introduo
A maior parte dos fenmenos ecolgicos varia no espao e no tempo, por exemplo: as densi-
dades populacionais variam de ano para ano e raramente so idnticas de um local para outro; as
taxas de disperso variam de acordo com a densidade populacional e, portanto, so diferentes de
um ano para o outro e de uma populao para outra, e as condies climticas variam tanto anual
quando localmente, em funo do fisiografia (KOENIG, 1999).
Nesse sentido, essas florestas devem ser monitoradas periodicamente por mtodos que permitam quantificar a diversidade biolgica, a fim de acumular conhecimento e de gerar informaes
precisas sobre diferentes processos ecolgicos (RODRIGUES, 2002).
H muito tempo reconhecido que procedimentos de amostragem desempenham um papel importante no estudo de populaes e comunidades, em ecologia. Ao longo das ltimas dcadas,
porm, ecologistas tm aplicado procedimentos da teoria clssica de amostragem (COCHRAN,
1977) para problemas ecolgicos. Embora compreendendo que muitos desses princpios so fundamentais (por exemplo, a aleatorizao), tambm importante reconhecer que os objetivos de um
estudo ecolgico podem diferir daqueles considerados pela teoria clssica. Especificamente, a teoria clssica de amostragem amplamente envolvida na inferncia dos parmetros populacionais.
Mas em investigaes ecolgicas, pelo contrrio, muitas vezes o interesse o reconhecimento do
padro espacial das comunidades (KENKEL; JUHFISZ-NAGY; PODANI, 1989).
Atualmente, vrios estudos ecolgicos relatam que a maioria das comunidades, se no todas,
so espacialmente estruturadas e que os mtodos de amostragem devem ser robustos, para detectar
diferentes nveis de autocorrelao espacial (GOSLEE, 2006).
Uma possvel forma de modelar esse padro espacial, incorporando a estrutura de continuidade
espacial, dada pelas tcnicas geoestatsticas, que associam o grau de dependncia espacial a
medidas de distncia e de direo entre os pontos amostrados (VIOLA, 2007). Alm de incorporar a estrutura de continuidade espacial, a geoestatstica permite predizer valores para pontos no
amostrados, possibilitando a construo de mapas e melhorando o entendimento da distribuio
das variveis de interesse.
Considerando que as formaes florestais podem apresentar estruturas de continuidade espacial
distintas, os objetivos deste trabalho foram ajustar modelos e comparar as estruturas espaciais em
quatro formaes florestais do Estado de So Paulo.
3.2
Material e Mtodos
3.2.1
reas de estudo
Os dados utilizados neste trabalho so provenientes do Projeto Diversidade, dinmica e conservao em florestas do Estado de So Paulo: 40ha de parcelas permanentes, do Programa Biota, da
51
florestais do estado: Floresta de Restinga (Parque Estadual Ilha do Cardoso), Ombrfila Densa
Montana (Parque Estadual de Carlos Botelho), Floresta Estacional Semidecidual (Estao Ecolgica dos Caetetus) e Cerrado lato sensu ou Savana Florestada (Estao Ecolgica de Assis).

52
no conceito de cerrado lato sensu , sendo a forma cerrado a fisionomia predominante (DURIGAN
et al., 1999).
3.2.2
Amostragem e conjunto de dados
Em cada Unidade de Conservao, foi alocada uma parcela permanente de 320 320 m, totalizando 10,24 ha, subdividida em 256 subparcelas contguas de 20 20m (400 m2 ) (Figura 3.2).
Todos os indivduos arbreos no interior das parcelas, com dimetro (d - Dimetro a Altura do
Peito) maior ou igual a 5 cm, foram mapeados, georreferenciados, medidos e identificados. Esse
levantamento possibilitou a construo de mapas de todas as rvores das parcelas permanentes com
suas coordenadas.

Nas quatro parcelas permanentes, obtiveram-se dados da rea basal (m2 ha1 ), da biomassa
(M g ha1 ) e da densidade (ha1 ) para as subparcelas de 20 20 m, considerando todas as rvores
da parcela, rvores localizadas no estrato inferior e mdio (estrato sub-bosque) e rvores localizadas
no estrato dossel e emergente (estrato dossel), conforme a Tabela 3.1.
53
Tabela 3.1 Nmero de rvores

restais avaliadas
Formaes
Savana Florestada
Floresta Estacional
Floresta Ombrfila
Floresta de Restinga
no estrato total, sub-bosque e dossel nas quatro formaes floTotal

21.861
11.904
11.387
15.425
Sub-bosque
18.623 (5 < d < 15 cm)
10.185 (5 < d < 20 cm)
8.810 (5 < d < 15 cm)
11.518 (5 < d < 15 cm)
Dossel
3.238 (d 15 cm)
1.719 (d 20 cm)
2.577 (d 15 cm)
3.907 (d 15 cm)
A biomassa da parcela foi obtida totalizando-se a biomassa acima do solo das rvores individuais, utilizando os modelos apresentados na Tabela 3.2.
Tabela 3.2 Modelos utilizados para obter as biomassas das rvores individuais (b
(M g ha1 ) e d, o Dimetro a Altura do Peito (cm))
Unidade de Conservao
Modelo
Savana Florestada e Floresta de Restinga b = exp(1, 79532)(d)(2,29744)
Floresta Estacional
b = exp(9, 36745 + 2, 47442(log(d)))
Floresta Ombrfila
b = exp(6, 80067 + 3, 77738(log(d)))
3.2.3
a Biomassa
Fonte
Batista1 , 2008
Mello2 , 2008
Burger, 2005
Modelagem da estrutura espacial
O formato bsico para dados geoestatsticos univariados dado por (xi , yi ), i = 1, ..., n,
em que xi identifica a posio espacial tipicamente em um plano bidimensional e yi , uma medio
escalar tomada na posio xi . Uma caracterstica da geoestatstica que a varivel de medio yi
pode, em princpio, estar localizada em qualquer lugar numa regio de estudo (DIGGLE; RIBEIRO
JR., 2007).
No contexto de delineamento de amostragem, xi representa a posio da unidade amostral e
yi , as variveis de medio, como rea basal, biomassa e densidade. Assumindo que os dados
de rea basal, de biomassa e de densidade y = y1 , ..., yn seguem o modelo linear gaussiano, o
modelo geoestatstico proposto por Diggle, Tawn e Moyeed (1998) descreve a dependncia espacial atravs de um componente de erro aleatrio e espacialmente correlacionado, que dado por
Yi = (xi ) + S(xi ) + i
i = 1, , n em que, Yi o valor observado na posio xi , xi , a posio
espacial da i-sima parcela, (xi ), determinada a partir de um modelo de regresso linear dado
P
por (xi ) = pk=1 fk (xi )k , em que fk (.) so os valores observados de variveis explanatrias.
O termo S(xi ), no diretamente observvel, denota o valor na posio xi de um processo estacionrio gaussiano, com mdia zero, varincia 2 e funo de correlao (u; ), com argumento
dado pela distncia u de separao entre observaes e parametrizada por , que descreve o grau de
1

2
54
associao espacial. Decorre que, para um conjunto finito de observaes S N M V (0, 2 R()),
em que R() a matriz de covarincia n n com (i, j)-simo elemento, (u), e u = ||xi xj ||
a distncia euclidiana entre xi e xj . O termo i denota variveis aleatrias, independentes e normalmente distribudas com mdia zero e varincia 2 . A funo de correlao (u) presente na
matriz de covarincia adotada, foi a exponencial, (u) = exp(u/), em que o alcance prtico
aproximadamente 3. Seguindo a terminologia geoestatstica usual (ISAAKS; SRIVASTAVA,
1989), 2 o efeito pepita (nugget), 2 o patamar (sill), sendo a distncia a partir da origem at o
patamar chamada de alcance prtico (range), denotado aqui por a , que funo do parmetro . A
razo do efeito pepita ( 2 ) com o sill total ( 2 + 2 ) chamada de efeito pepita relativo (Rel 2 ), que
representa a proporo do componente aleatrio sobre a varincia total. Para a transformao do
modelo gaussiano, foi aplicada a famlia de transformao Box-Cox (BOX; COX, 1964) discutida
no contexto de modelagem geoestatstica por Christensen, Diggle e Ribeiro Jr. (2001); a estimao
dos parmetros foi obtida por mxima verossimilhana (DIGGLE; RIBEIRO JR., 2007).
3.2.4
Modelos utilizados na comparao das estruturas espaciais
Para a comparao das estruturas de continuidade espacial das quatro formaes florestais nos
diferentes estratos, foram adotados cinco modelos (Tabela 3.3). A primeira alternativa considerada
foi a de modelar as quatro formaes florestais com a mesma estrutura espacial (M1); o segundo
modelo (M2) considerou as formaes com estruturas espaciais diferentes; os modelos M3 e M5
foram baseados na semelhana do padro espacial das rvores das florestas Savana e Restinga e no
padro espacial das rvores mais pronunciado da floresta Ombrfila, respectivamente, descrito por
Capretz (2004), j o modelo M4 considerou a proximidade entre as florestas Savana e Estacional.
Tabela 3.3 Modelos propostos para a comparao das estruturas espaciais das quatro formaes
florestais (S- Savana, E- Estacional, O- Ombrfila e R- Restinga)
Modelos
Parmetros (k ; k2 ; k2 ; k )
M1 S = E = O = R k = 0
M2 S 6= E 6= O 6= R k = 1, 2, 3, 4 (1 = S; 2 = E, 3 = O, 4 = R)
M3 (S = R) 6= E 6= O k = 1, 2, 3 (1 = S ; R, 2 = E, 3 = O)
M4 (S = E) 6= O 6= R k = 1, 2, 3 (1 = S; E, 2 = O, 3 = R)
M5 (S = E = R) 6= O k = 1, 2 (1 = S; E; R; 2 = O)
3.2.5
Seleo dos Modelos
A plausibilidade dos modelos espaciais e no-espaciais e a comparao das estruturas de continuidade espacial foram baseadas no critrio de informao de Akaike - AIC. Akaike (1974)
estabeleceu uma relao entre a informao ou a distncia de Kullback-Leibler (KULLBACK;
55
LEIBLER, 1951), que uma medida de discrepncia relativa entre dois modelos, o modelo verdadeiro e o modelo aproximado, e a funo de mxima log-verossimilhana para a seleo de
modelos. O AIC definido por:
AIC = 2l + 2p
(3.1)

O valor de AIC individual no interpretvel (BURNHAM; ANDERSON, 2004). Uma alternativa proposta por Burnham e Anderson (2002) para avaliar a plausibilidade dos modelos
i = AICi AICm
(3.2)
Especificamente para avaliar a plausibilidade dos modelos espaciais e no-espaciais, fixou-se
o AICi como o valor do AIC para o modelo no-espacial (AICnsp ) e o AICm , como o valor do
AIC para o modelo espacial (AICsp ), sendo obtido pela seguinte expresso:
sp = AICnsp AICsp
(3.3)
Para valores de sp maiores do que dois, o modelo espacial mais plausvel que o no-espacial.
Neste estudo, as anlises foram realizadas, utilizando-se o programa R (R DEVELOPMENT
CORE TEAM, 2008) de computao estatstica e o pacote geoR (RIBEIRO JR.; DIGGLE, 2001).
3.3
Resultados e Discusso
A distribuio espacial das variveis rea basal, biomassa e densidade para os estratos total,
sub-bosque e dossel, nas parcelas de 20 x 20 m em Savana Florestada, Floresta Estacional, Floresta

Ombrfila e Floresta de Restinga pode ser observada nos grficos de pontos nas Figuras 3.3, 3.4,
3.5 e 3.6, respectivamente.
Nesses grficos, diferentes smbolos e cores indicam os quartis de distribuio dos dados. De
forma geral, ocorreram zonas de agregao dos valores na distribuio das variveis rea basal, bio-
56
massa e densidade, nas formaes de Savana e Ombrfila em diferentes estratos, porm no apresentaram tendncia com as coordenadas da regio. Nas florestas Estacional e Restinga, aparentemente os valores das variveis estudadas esto distribudos aleatoriamente. A semelhana entre a
distribuio das variveis rea basal e biomassa, nos estratos total e dossel, deve-se ao fato de que
essas variveis expressam o crescimento da floresta e as maiores rvores se concentram no estrato
dossel. Para a varivel densidade, foi observada uma semelhana na distribuio nos estratos subbosque e total. Essa influncia sobre o sub-bosque est relacionada a uma maior concentrao do
nmero de rvores nesse estrato.
Na Tabela 3.4, so apresentados os valores das diferenas dos AIC (sp ) e as estimativas dos
parmetros do modelo geoestattico nos estratos total, sub-bosque e dossel, para as variveis rea
basal, biomassa e densidade, nas quatro formaes florestais estudadas.
Pode-se observar, pelos valores das diferenas dos AIC (sp ), que os modelos espaciais so
mais plausveis nas florestas de Savana, Ombrfila e Restinga para os todos os estratos e variveis.
No entanto as estruturas espaciais das florestas Ombrfila e Savana so marcadamente diferentes,
mais pronunciadas do que nas florestas Estacional e Restinga. Os valores de alcance (a) so maiores
na Savana do que na Ombrfila, considerando todas as variveis e estratos estudados. Esses resultados sugerem que a estrutura de continuidade espacial da Savana se apresenta em maior escala do
que na Ombrfila.
Em geral, a estrutura de continuidade espacial foi mais pronunciada no estrato sub-bosque, nas
quatro formaes florestais estudadas, e, consequentemente, a proporo do componente aleatrio
dado pelo efeito pepita relativo (Rel 2 ), menor. Contrariamente, na floresta Estacional, nos estratos
total e dossel, o modelo no-espacial foi o mais plausvel para as variveis estudadas. Capretz
(2004), estudando o padro espacial das rvores em cada parcela permanente, com base em seis
classes de dimetro, verificou que, nas formaes de Savana, Ombrfila e Restinga, predominou o
padro agregado, para as duas primeiras classes (d < 20 cm), e o padro aleatrio para as ltimas.
Na floresta Estacional, o padro espacial observado para a primeira classe foi o agregado e, para as
demais, predominante aleatrio. Comparando esses resultados, possvel sugerir que as rvores de
sub-bosque tm um padro de dependncia espacial mais pronunciado do que as de dossel.
57
150
200
300
50
100
100
50
100
250
200
150
Y Coord
100
200
250
300
50
50
100
300
100
150
150
200
250
300
50
100
150
(c)
150
X Coord
200
250
300
50
100
150
X Coord
200
250
300
150
Y Coord
200
250
100
250
300
(c)
300
(c)
250
300
X Coord
200
X Coord
X Coord
200
250
150
200
150
150
Y Coord
X Coord
Y Coord
100
300
250
100
300
(b)
200
250
50
50
150
150
100
50
0
0
Y Coord
50
100
50
0
200
250
300
Y Coord
50
200
150
100
Y Coord
250
200
(b)
300
(b)
X Coord
X Coord
150
50
300
100
250
100
50
50
150
200
Y Coord
250
150
Y Coord
100
50
0
50
300
200
250
Densidade
(a)
300
Biomassa
(a)
rea Basal
(a)
50
100
200
250
300

150
200
250
300
X Coord
Figura 3.3 Distribuio espacial das variveis rea basal (m2 ha1 ), biomassa (M g ha1 ) e densidade
(ha1 ), para os estratos (a) total, (b) sub-bosque e (c) dossel em parcelas de 20 20 m na
Savana Florestada
58
150
200
250
300
50
100
50
100
250
250
200
150
Y Coord
300
50
100
300
50
100
150
300
200
250

200
250
150
Y Coord
100
50
150
300
50
100
150
200
150
X Coord
200
250
300
50
100
250
250
300
(c)
300
(c)
250
(c)
300
(b)
200
X Coord
300
150
X Coord
200
X Coord
X Coord
200
250
250
200
200
150
150
Y Coord
150
100
Y Coord
200
250
50
100
150
50
50
Y Coord
100
300
50
50
100
(b)
150
100
Y Coord
200
250
300
(b)
X Coord
X Coord
100
50
300
250
200
150
Y Coord
100
150
X Coord
200
200
100
150
50
Y Coord
100
50
0
0
50
300
150
50
100
Y Coord
200
250
Densidade
(a)
300
Biomassa
(a)
rea Basal
(a)
250
300
50
100
150
200
300
250
250
300
X Coord
Floresta Estacional
59
150
200
250
50
100
200
50
250
100
50
200
150
300
300
50
100
150
200
250
250
300
150
X Coord
200
250
300
50
100
150
200
50
100
300
150
X Coord
200
250
300
300
250
300
250
250
200
200
300
150
250
(c)
(c)
200
200
Y Coord
250
100
150
200
100
Y Coord
150
150
(c)
100
X Coord
250
50
(b)
Y Coord
X Coord
250
200
150
Y Coord
100
50
0
X Coord
50
300
150
Y Coord
100
150
50
300
X Coord
100
50
200
150
Y Coord
100
50
0
300
250
(b)
250
300
(b)
200
X Coord
X Coord
150
Y Coord
100
150
300
50
300
100
200
100
50
50
50
Y Coord
100
50
200
150
Y Coord
100
250
250
300
Densidade
(a)
300
Biomassa
(a)
rea Basal
(a)
50
100
150

200
250
300
X Coord
Floresta Ombrfila
60
150
200
250
300
50
100
0
0
50
250
200
150
200
250
300
50
100
50
100
150
200
250
300
200
150
Y Coord
300
50
100
150
200
150
X Coord
200
250
300
50
100
150
X Coord
300
200
250
150
200
150
Y Coord
Y Coord
250
(c)
300
(c)
300
(c)
250
250
100
50
250
200
150
100
Y Coord
50
300
0
250
200
(b)
300
150
X Coord
X Coord
100
X Coord
X Coord
200
100
150
50
50
300
250
200
150
Y Coord
100
50
0
300
250
200
150
Y Coord
100
50
(b)
X Coord
(b)
100
X Coord
150
150
200
Y Coord
300
250
100
50
100
100
50
Y Coord
100
50
50
300
150
50
100
Y Coord
200
250
Densidade
(a)
300
Biomassa
(a)
rea Basal
(a)
200
250
300
250
300
50
100
150
200
250
300
X Coord
61
Tabela 3.4 Critrio de informao de Akaike (AIC) para modelo espacial (AICsp ) e no-espacial
(AICnsp ), diferenas dos AIC (sp ) e estimativas dos parmetros (b
2 , b2 ), efeito
pepita relativo (Rel 2 ), alcance prtico (a) do modelo geoestatstico nos estratos total
(T ), sub-bosque (SB) e dossel (D), em quatro formaes florestais
Formao
Varivel
rea basal
Savana
Biomassa
Densidade
Formao
Varivel
rea basal
Estacional
Biomassa
Densidade
Formao
Varivel
rea basal
Ombrfila
Biomassa
Densidade
Formao
Varivel
rea basal
Restinga
Biomassa
Densidade
Estratos
T
SB
D
T
SB
D
T
SB
D
Estratos
T
SB
D
T
SB
D
T
SB
D
Estratos
T
SB
D
T
SB
D
T
SB
D
Estratos
T
SB
D
T
SB
D
T
SB
D
AIC
AICsp AICnsp
668,80
690,00
516,91
667,20
816,49
839,59
547,04
557,39
410,29
557,52
776,28
797,27
1792,49 1929,74
1820,58 1975,30
1607,82 1626,99
AIC
AICsp AICnsp
1092,55 1088,75
556,45
561,34
1190,19 1186,54
1074,50 1070,93
509,16
514,01
1178,48 1175,07
1709,31 1711,53
1726,20 1725,76
1604,69 1602,11
AIC
AICsp AICnsp
1304,94 1374,06
663,64
799,59
1321,20 1363,06
1626,96 1650,20
543,79
635,81
1618,41 1634,53
1964,18 2143,85
1938,14 2107,03
1713,43 1786,85
AIC
AICsp AICnsp
965,70
967,41
464,72
476,49
1039,56 1045,89
842,94
846,94
420,91
430,70
934,82
941,52
1728,16 1749,34
1757,13 1791,39
1646,44 1653,82
sp
21,20
150,29
23,10
10,35
147,22
20,99
137,25
154,71
19,17
sp
-3,81
4,89
-3,65
-3,58
4,85
-3,41
2,23
-0,44
-2,58
sp
69,12
135,95
41,86
23,24
92,02
16,12
179,66
168,89
73,41
sp
1,71
11,77
6,33
4,00
9,79
6,69
21,19
34,26
7,38
b2
0,23
0,85
0,56
0,11
0,57
0,42
108,98
141,91
19,50
b2
0,64
0,29
1,03
0,41
0,20
0,95
32,58
26,49
13,61
b2
4,05
0,52
5,94
3,78
0,43
5,68
46,16
48,79
30,11
b2
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
b2
8,13
1,33
6,15
13,92
0,61
11,30
254,47
220,58
45,82
b2
4,05
0,00
6,52
22,11
0,10
25,56
0,00
0,00
23,87
b2
0,23
0,06
0,43
0,18
0,04
0,30
25,52
29,71
9,67
b2
2,31
0,31
3,07
1,42
0,27
2,03
27,65
31,99
27,19
Espacial
b2 + b2
0,87
1,14
1,59
0,52
0,77
1,37
141,56
168,40
33,11
Espacial
b2 + b2
4,05
0,52
5,94
3,78
0,43
5,68
46,16
48,79
30,11
Espacial
b2 + b2
12,18
1,33
12,67
36,04
0,71
36,86
254,87
220,58
69,69
Espacial
b2 + b2
2,54
0,37
3,49
1,60
0,31
2,33
53,17
61,70
36,87
Rel 2
0,73
0,25
0,65
0,79
0,26
0,70
0,23
0,16
0,41
a
218,03
733,84
158,99
183,44
846,88
222,78
345,14
269,60
58,09
Rel 2
-
a
14,96
29,84
16,37
16,82
29,81
17,71
27,40
24,23
20,45
Rel 2
0,33
0,51
0,61
0,14
0,69
0,34
a
104,40
100,22
122,07
96,25
98,10
110,34
126,24
119,72
134,88
Rel 2
0,90
0,85
0,88
0,89
0,86
0,87
0,52
0,52
0,74
a
281,15
222,04
417,30
326,67
231,82
382,43
72,02
89,03
87,37
62
Na Tabela 3.5, so apresentados o nmero de parmetros e os valores do critrio de informao
de Akaike nos estratos total, sub-bosque e dossel, para as trs variveis estudadas.
Pode-se observar que o modelo M1, que considerou as quatro formaes florestais com a mesma
estrutura espacial, teve menor plausibilidade em relao aos modelos M2 a M5. Apesar das semelhanas apresentadas entre as reas de floresta Savana e de Restinga, para o padro espacial das
rvores (CAPRETZ, 2004), o regime de luz em grandes clareiras e a altura do dossel (MUNIZ,
2004), foi verificada maior plausibilidade do modelo M2 em relao ao M3. O modelo M4, que
considerou a proximidade das florestas Savana e Estacional, no foi mais plausvel que o M2.
Esta constatao pode estar relacionada presena de condies de estresse ambiental na floresta
de Savana, que atuam na definio da dinmica florestal, conforme relatado por RODRIGUES
(1999). Apesar de algumas das formaes estudadas apresentarem semelhanas entre si, quando
comparadas estrutura florestal extremamente complexa da floresta Ombrfila (IVANAUSKAS;
MONTEIRO; RODRIGUES, 2000) - presena de grandes clareiras com bambus, relevo extremamente acidentado, que acabam por criar diferentes faces de exposio solar (MUNIZ, 2004) e que
determinam o padro espacial das rvores (CAPRETZ, 2004) - o modelo M2 continuou sendo o de
maior plausibilidade, quando comparado ao M5.
Dessa forma, o modelo M2, que considerou as formaes com estruturas espaciais diferentes,
mesmo penalizado por 16 parmetros, foi o mais plausvel entre os modelos avaliados (M1, M3 e
M4), exceto para o modelo M5, na varivel densidade, no estrato dossel.
Uma possvel explicao que, apesar de existirem semelhanas entre as formaes, os fatores climticos e geomorfolgicos so muito distintos e, provavelmente, acabam por determinar a
estrutura e a dinmica florestal e a estrutura de continuidade espacial.
63
Tabela 3.5 Nmero de parmetros (NP) e Critrio de informao de Akaike (AIC) para as variveis rea basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), nos estratos total
(T), sub-bosque (SB) e dossel (D)
Varivel
Estratos
rea basal
SB
Varivel
Estratos
Biomassa
SB
Varivel
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
Estratos
Densidade
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
SB
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
M1
M2
M3
M4
M5
Modelos
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
Modelos
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
Modelos
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
S=E=O=R
S 6= E 6= O 6= R
(S = R) 6= E 6= O
(S = E) 6= O 6= R
(S = E = R) 6= O
NP
4
16
12
12
8
4
16
12
12
8
4
16
12
12
8
NP
4
16
12
12
8
4
16
12
12
8
4
16
12
12
8
NP
4
16
12
12
8
4
16
12
12
8
4
16
12
12
8
AIC
4405,32
4031,99
4107,53
4189,63
4185,91
2277,48
2201,79
2207,05
2218,28
2224,75
4626,13
4367,44
4409,10
4494,95
4491,25
AIC
5238,60
4091,44
4165,30
4321,11
4327,73
1928,33
1884,18
1887,26
1909,26
1910,26
5332,43
4508,00
4525,84
4650,29
4665,54
AIC
7302,51
7194,13
7199,67
7214,16
7212,54
7318,40
7242,05
7248,46
7269,36
7267,89
6591,78
6572,38
6567,08
6569,97
6563,93
64
3.4
Concluso
Nas condies em que o presente trabalho foi desenvolvido, verificou-se que:
as estruturas de continuidade espacial so distintas entre estratos e entre formaes florestais.
No entanto, foram mais pronunciadas no estrato sub-bosque nas variveis rea basal, biomassa e densidade nas quatro formaes florestais;
as estruturas espaciais mostram-se mais pronunciadas nas florestas de Savana e Ombrfila, e,
aparentemente em maior escala, na Savana;
comparando-se as estruturas espaciais das quatro formaes florestais, verificou-se que o modelo mais plasivel foi o que considera as estruturas como diferentes, exceto para a varivel
densidade, no estrato dossel;
os mtodos geoestatsticos aplicados foram capazes de captar e de descrever as diferentes
estruturas espaciais.
Referncias

New York, v.19, n.6, p. 717-723, 1974.
BOX, G. E. P.; COX, D. R. An analysis of transformations. Journal of the Royal Statistical
Society, London, v.26, n.2, p.211-252, 1964.
Model Selection. Sociological Methods & Research, Beverly Hills, v. 33, n.2, p. 261-304, 2004.
CAPRETZ, R. L. Anlise de padres espaciais de rvores em quatro formaes florestais do
Estado de So Paulo, atravs de anlises de segunda ordem, com a funo K de Ripley. 2004,
93p. Dissertao (Mestrado) - Ecologia de Agroecossistemas. Escola Superior de Agricultura
Luiz de Queiroz, Universidade de So Paulo. Piracicaba, 2004.
65
CHRISTENSEN, O. F.; DIGGLE, P. J.; RIBEIRO JR, P. J. Analysing positive-valued spatial data:
the transformed gaussian model. In geoENV - Geostatistics for Environmental Applications,
MONESTIEZ, P.; ALLARD, D.; FROIDEVAUX, R., (Ed.), Amsterdam: Kluwer, 2001, p.
287-298.
COCHRAN, W. G. Sampling techniques. 3rd Ed., New York: Wiley, 1977. 555p.
n.1, p. 63-72, 2005.
DIGGLE, P. J.; RIBEIRO JR., P. J. Model-Based geostatistics, New York, Springer, 2007. 228p.
London, v.47, p.299-350, 1998.
autocorrelation. Plant Ecology, Dordrecht, n.187, p. 203-212, 2006.
IVANAUSKAS, N.M.; MONTEIRO, R.; RODRIGUES, R.R. Similaridade florstica entre reas
de floresta Atlntica no estado de So Paulo. Brazilian Journal of Ecology, Rio Claro, v. 4,
p. 71-81, 2000.
ISAAKS, E. H.; SRIVASTAVA, R. H. Applied Geostatisctics, New York: Oxford University
Press, 1989. 561p.
KENKEL, N. C.; JUHFISZ-NAGY, P.; PODANI, J. On sampling procedures in population and
community ecology. Vegetatio, The Hague, v. 83, p. 195-207, 1989.
KOENIG, W. D. Spatial autocorrelation of ecological phenomena. Trends in Ecology &
Evolution, Amsterdam, v. 14, p. 22 - 26, 1999.
MUNIZ, M. R. A. Estudo do regime de luz nas quatro principais formaes fitogeogrficas
no Estado de So Paulo durante o inverno do ano de 2003. 2004, 190p. Dissertao (Mestrado)
- Biologia Vegetal. Universidade Estadual de Campinas, Campinas, 2004.
66
R-NEWS, Vienna, v.1, p.15-18, 2001.
RODRIGUES, R.R. A vegetao de Piracicaba e municpios do entorno. Circular Tcnica, So
Paulo, n. 189, 20p., 1999.
RODRIGUES, R. R. Diversidade, dinmica e conservao em florestas do Estado de So Paulo:
40ha de parcelas permanentes. Laboratrio de Ecologia e Restaurao Florestal, ESALQ/USP.
Piracicaba, 2002. Disponvel em: <http://www.lerf.esalq.usp.br/old/parcelas/projeto.pdf>. Acesso
em: 4 fev. 2009.
p. 237-239, 2007.
Paulo, v. 1, p. 1-80, 1982.
Geografia e Estatstica, 1991, 112 p.
VIOLA, D. N. Deteco e modelagem de padro espacial em dados binrios e de contagem.
2007, 118 p. Tese (Doutorado) - rea de concentrao: Estatstica e Experimentao Agronomica.
Escola Superior de Agricultura Luiz de Queiroz", Universidade de So Paulo, Piracicaba, 2007.
67
4 A MOSTRAGEM BASEADA EM DELINEAMENTO E A MOSTRAGEM

BASEADA EM MODELO : U M ESTUDO POR SIMULAO EM QUATRO
FORMAES FLORESTAIS
Resumo
Os procedimentos de amostragem comumente empregados para estimar a mdia ou o total
da varivel de interesse na comunidade, foram desenvolvidos com base na teoria clssica de amostragem, que considera a populao como fixa e assume a independncia dos dados. No entanto,
diversos estudos que consideram a estrutura de continuidade espacial tem questionado a validade
dos mtodos clssicos de amostragem e inferncia, propondo a utilizao de alternativos, como a
geoestatstica. O objetivo do presente trabalho foi comparar, por meio de estudos de simulao, a
abordagem baseada em delineamento (teoria clssica de amostragem) com a abordagem baseada
em modelo (geoestatstica). Foram comparados os intervalos de cobertura dos intervalos de confiana dos estimadores clssicos e geoestatsticos gerados a partir de amostras aleatrias retiradas de
uma populao fixa e de uma populao estocstica, pelo mapa de rvores e por meio de modelos geoestatsticos previamente ajustados. Nesse estudo utilizou-se quatro parcelas permanentes
instaladas em diferentes formaes florestais do Estado de So Paulo. Os estudos de simulao
foram divididos em duas etapas: I) simulao no mapa de rvores: considerando as parcelas em
posio fixa e em posio aleatria e II) por meio de modelos geoestatsticos previamente ajustados: vrias realizaes considerando as parcelas em posio fixa e em posio aleatria, e com
uma nica realizao considerando as parcelas em posio aleatria. Verificou-se que a estimao
do valor mdio ou total de uma varivel de interesse pode ser realizada tanto por estimadores clssicos, quanto por geoestatsticos. Estes forneceram estimativas e intervalos de confiana vlidos,
independente da alocao das parcelas serem fixas ou aleatrias e do percentual de amostras com
dependncia espacial.
Palavras-chave: Floresta tropical; Teoria da amostragem clssica; Geoestatstica; Estrutura de continuidade espacial; Populao fixa e estocstica.
Abstract
The sampling procedures commonly used to estimate the average or total of the variable of
interest in the community, were developed based on classical sampling theory, which considers the
population as fixed and assume the independence of the data. However, several studies that consider
the structure of spatial continuity are questioning the validity of traditional methods of sampling and
inference, and proposes the use of alternative ones, such as geostatistics methods. The objective
of this study was to compare, through simulation studies, the design-based approach (classical
sampling theory) with the model-based approach (geostatistics). The confidence intervals range
coverage of the classical and geostatistical estimators generated from samples taken from a fixed
population and stochastic population were compared into the map of trees and by geostatistical
models previously adjusted. In this study four permanent plots located in different forest formations
68
of Sao Paulo State were used. The simulation studies were divided into two stages: I) simulation
on the map of trees: taking the plots in a fixed position and in random position and II) by means
of geostatistical models previously adjusted: multiple achievements considering the plots in a fixed
and random positions, and a unique achievement considering the plots in random position. It was
found that the estimation of the average or total of a variable of interest can be performed either
by classical estimators, and by geostatistical ones. These provide valid estimates and confidence
intervals, independent of the random or fixed allocation of plots and the percentage of samples with
spatial dependence.
Keywords: Tropical forest; Classical sampling theory; Geostatistics; Spatial structure continuity;
Fixed and stochastic populations.
4.1
Introduo
Trabalhos de levantamento podem ser divididos em trs fases: o delineamento, a estimao e

a inferncia. O delineamento a etapa de seleo das unidades amostrais, pela qual as variveis
de interesse so mensuradas; a etapa da estimao seleciona estimadores para os parmetros de
interesse, por exemplo, a mdia e o total populacional; j a inferncia analisa a preciso desses
estimadores, calculando os erros-padro e os intervalos de confiana (KANGAS; MALTAMO,
2006).
Em levantamentos ecolgicos, devido ao tempo e ao custo, a varivel de interesse , muitas
vezes, parcialmente amostrada na rea de estudo. Ainda assim, os objetivos finais so realizar inferncias sobre toda a rea. Por exemplo, em estudos de populaes e comunidades, o objetivo
estimar a mdia, ou o total da varivel de interesse na comunidade, ou ainda o total da populao
de uma determinada espcie (BARBER; GELFAND, 2007). Na prtica, esses levantamentos so
realizados em grandes reas florestais e a amostragem feita por unidades amostrais, geralmente
parcelas, selecionadas por procedimentos desenvolvidos com base na teoria clssica de amostragem, descrita por Cochran (1977).
Nos ltimos anos, muitas publicaes tm debatido a validade dos mtodos clssicos de amostragem e inferncia em estudos ecolgicos, pois eles assumem a independncia dos dados (LEGENDRE; FORTIN, 1989; CARROLL; PEARSON, 2000). Alternativamente, tm sido propostos
mtodos que consideram a estrutura de continuidade espacial, como a geoestatstica (ROSSI et al.,
1992; LEGENDRE, 1993). Diversos autores (e.g. THOMPSON; SEBER, 1996; GREGOIRE,
1998; VER HOEF, 2002; KANGAS; MALTAMO, 2006) discutem que a principal diferena entre
a teoria da amostragem clssica (baseada em delineamento) e a geoestatstica (baseada em modelo)
reside nas fontes de aleatoriedade utilizada, e que esta definir a escolha entre as duas abordagens.
Na abordagem baseada em delineamento, os locais amostrados so selecionados por um procedimento de seleo aleatrio pr-determinado (BRUS; GRUIJTER, 1997). A fonte de aleatoriedade
introduzida pelo delineamento amostral e as inferncias apoiam-se na estrutura estocstica intro-
69
duzida na seleo da amostra, que considera fixos os valores observados (populao fixa). Na
abordagem baseada em modelo, os valores observados so considerados aleatrios, e no fixos, ao
contrrio da abordagem baseada em delineamento. A amostra formada como uma observao
de uma realizao do processo dentre um nmero infinito de possveis realizaes (populao estocstica), sendo a fonte de aleatoriedade, nesta abordagem, devida populao, e no ao mtodo
de amostragem, como na abordagem baseada em delineamento. Nesta ltima, a independncia
das unidades amostrais requerida, ao contrrio da abordagem baseada em modelo, que considera
a estrutura de continuidade espacial entre as unidades amostrais. Um outro aspecto de diferena
que o mtodo atravs do qual a amostra selecionada no considerado importante, podendo
qualquer esquema de amostragem ser adotado (HAINING, 2003; KANGAS; MALTAMO, 2006).
Segundo Mello (2004), quando se define qual o tipo de populao utilizada na amostragem,
escolhe-se tambm entre a abordagem baseada em delineamento ou a baseada em modelo. Dessa
forma, a questo a ser levantada : como efetuado o procedimento de amostragem no campo?
So selecionadas por sorteio as unidades amostrais na populao fixa ou selecionadas posies onde
sero lanadas as parcelas? Quando as unidades amostrais so selecionadas dentro de um nmero
finito, a populao estatstica fixa, mas quando as posies onde sero lanadas as parcelas so
selecionadas, a populao estatstica estocstica. O autor ainda descreve que, em levantamentos florestais, as unidades amostrais so selecionadas estocasticamente, mas as anlises utilizam
estimadores da populao fixa, considerando as observaes como independentes e identicamente
distribudas, ignorando as possveis correlaes entre os pontos amostrados.
Nesse contexto, o objetivo do presente trabalho foi comparar, por meio de estudos de simulao,
a abordagem baseada em delineamento com a abordagem baseada em modelo. Especificamente,
foram comparados os intervalos de cobertura dos intervalos de confiana dos estimadores clssicos e geoestatsticos, gerados a partir de amostras aleatrias, retiradas de uma populao fixa
e de uma populao estocstica, pelo mapa de rvores e por meio de modelos geoestatsticos
previamente ajustados.
4.2
Material e Mtodos
4.2.1
reas de estudo
Os dados utilizados neste trabalho so provenientes do Projeto Diversidade, dinmica e conservao em florestas do Estado de So Paulo: 40ha de parcelas permanentes, do Programa Biota, da
florestais do estado: Floresta de Restinga (Parque Estadual Ilha do Cardoso), Ombrfila Densa
Montana (Parque Estadual de Carlos Botelho), Floresta Estacional Semidecidual (Estao Ecol-
70
gica dos Caetetus) e Cerrado lato sensu ou Savana Florestada (Estao Ecolgica de Assis).

no conceito de cerrado lato sensu, sendo a forma cerrado a fisionomia predominante (DURIGAN
71
et al., 1999).
4.2.2
Amostragem e conjunto de dados
Em cada Unidade de Conservao, foi alocada uma parcela permanente de 320 320 m, totalizando 10,24 ha, subdividida em 256 subparcelas contguas de 20 20m (400 m2 ) (Figura 4.2).

Todos os indivduos arbreos no interior das parcelas, com dimetro (d - Dimetro a Altura do
Peito) maior ou igual a 5 cm foram mapeados, georreferenciados, medidos e identificados. Esse
levantamento possibilitou a construo de mapas de todas as rvores das parcelas permanentes
com suas coordenadas (Figura 4.3). O nmero de indivduos e de espcies em cada parcela so
apresentados na Tabela 4.1 .
Tabela 4.1 Nmero de indivduos e de espcies nas quatro formaes florestais
Formaes
nmero de indivduos nmero de espcies
Savana Florestada
21.861
118
Floresta Estacional
11.904
150
Floresta Ombrfila
11.387
230
15.425
117
72
(b) Floresta Estacional
(a) Savana Florestada
(d) Floresta de Restinga
(c) Floresta Ombrfila
Figura 4 3 Mapa das rvores georreferenciadas em quatro Unidades de Conservao do Estado de

So Paulo : (a) Savana Florestada Estao Ecolgica de Assis; (b) Floresta Estacional
Estao Ecolgica dos Caetetus; (c) Floresta Ombrfila Parque Estadual de Carlos
Botelho e (d) Floresta de Restinga Parque Estadual Ilha do Cardoso
73
4.2.3
Estudos de simulao
Simulao no mapa de rvores

As quatro parcelas permanentes foram consideradas o censo da populao em estudo; assim, os
estudos de simulao foram realizados a partir dos mapas das rvores das parcelas. Foram geradas
simulaes com delineamento amostral aleatrio, utilizando parcelas de 2020 m com intensidade
amostral de 100, 50, 25 e 10 parcelas.
Os procedimentos para selecionar aleatoriamente as unidades amostrais do mapa de rvores
foram realizados de duas formas:
Simulao I: o mapa das rvores foi dividido em parcelas de 20 20 m, totalizando 256 parcelas.
As posies das parcelas e os valores das variveis de interesse foram fixados. Na Figura 4.4,
observa-se a seleo de parcelas em posies fixas;
Simulao II: considerando que a varivel de interesse definida sobre uma regio contnua no
espao, as posies (coordenadas x e y) foram selecionadas aleatoriamente sobre o mapa e
os valores das variveis variaram conforme a posio selecionada. Na Figura 4.5, observa-se
a seleo de parcelas em posies aleatrias.
Para cada situao (quatro formaes e quatro intensidades amostrais), foram geradas 1.000
simulaes, obtendo-se dados de rea basal (m2 ha1 ), de biomassa (M g ha1 ) e de densidade
(ha1 ), para as parcelas de 20 20 m que foram selecionadas. A biomassa da parcela foi obtida
totalizando-se a biomassa acima do solo das rvores individuais, utilizando os modelos apresentados na Tabela 4.2.
Tabela 4.2 Modelos utilizados para obter as biomassas das rvores individuais (b
(M g ha1 ) e d, o Dimetro a Altura do Peito (cm))
Formaes
Modelo
Savana Florestada e Floresta de Restinga b = exp(1, 79532)(d)(2,29744)
Floresta Estacional
b = exp(9, 36745 + 2, 47442(log(d)))
Floresta Ombrfila
b = exp(6, 80067 + 3, 77738(log(d)))
a Biomassa
Fonte
Batista1 , 2008
Mello2 , 2008
Burger, 2005

2
74
(b)
(a)
250
200
150
100
50
0
100
150
200
250
300
50
300
250
200
150
300
100
50
50
100
150
200
250
300
Figura 4.4 Mapa das rvores: (a) dividido em parcelas de 20 20 m, totalizando 256 parcelas e
(b) seleo aleatria de parcelas em posies fixas
(b)
150
150
200
200
250
300
250
300
(a)
100
100
50
50
50
100
150
200
250
300
50
100
150
200
250
300
Figura 4 5 Mapa das rvores: (a) posies (coordenadas x e y) selecionadas aleatoriamente sobre
a rea de interesse e (b) parcelas de posio espacial aleatria
75
Simulao geoestatstica
Na simulao geoestatstica, as parcelas permanentes foram divididas em parcelas de 20 20
m (256 parcelas), obtendo-se dados de rea basal (m2 ha1 ), de biomassa (M g ha1 ) e de densidade (ha1 ). Esses dados foram ajustados ao modelo geoestatstico (DIGGLE; TAWN; MOYEED,
1998; DIGGLE; RIBEIRO JR., 2007) e a estimao dos parmetros, obtida por mxima verossimilhana, como descrito no Captulo 1.
Atravs dos modelos geoestatsticos com seus parmetros conhecidos (Tabela 19), utilizaram-se
os pacotes geoR (RIBEIRO JR.; DIGGLE, 2001) e RandomFields (SCHLATHER, 2001), gerando
valores das variveis de interesse para as 256 parcelas, com suas respectivas coordenadas.
b do modelo geoestatstico ajustado, famlia de
,
b2 , b2 , )
b e valores paramtricos da populao estatstica () para
transformao Box-Cox ()
as quatro formaes florestais
Variveis
Parmetros
rea basal
Biomassa
Densidade
b
b2
c2
b
b
b
b
2
c2
b
b
b
b
2
c
2
b
b
Savana
22,18
13,12
5,11
76,10
1,00
22,01
105,46
392,40
113,10
65,05
1,00
104,29
1957,30
66792,00
211605,00
115,40
1,00
2134,67
Formaes
Estacional Ombrfila
4,81
7,85
0,00
4,05
0,81
8,14
5,14
34,85
0,25
0,50
4,81
8,18
9,45
12,23
0,00
22,11
3,78
13,92
5,62
32,12
0,25
0,25
9,45
12,44
1162,09
1018,83
0,00
0,00
53450,00 231304,00
9,43
38,49
1,00
1,00
1162,40
1108,50
Restinga
8,75
2,31
0,23
93,85
0,50
8,67
23,42
17,59
2,51
119,60
0,50
23,09
1501,99
71,80
37476,00
23,97
1,00
1503,22
Os procedimentos para selecionar aleatoriamente as unidades amostrais foram realizados de

trs formas:
Simulao III: os valores foram selecionados por parcelas em posies fixas (Figura 4.6). As
posies foram fixadas e os valores variaram (vrias realizaes do modelo), gerando uma
populao estocstica;
Simulao IV: os valores foram selecionados por parcelas em posies aleatrias (Figura 4.7).
As posies e os valores variaram (vrias realizaes do modelo), gerando uma populao
estocstica;
76
Simulao V: os valores foram selecionados por parcelas em posies aleatrias (Figura 4.8). As
posies e os valores variaram, mas foram selecionados a partir de uma nica realizao do
modelo.
Em cada simulao, foram geradas 1.000 simulaes com intensidade amostral de 100, 50, 25
e 10 parcelas.
2a realizao
50
100
150
200
250
300
300
250
200
150
Y Coord
50
0
50
100
150
Y Coord
200
250
300
... 1.000a realizao
100
150
0
50
100
Y Coord
200
250
300
1a realizao
50
100
X Coord
150
200
250
300
50
100
X Coord
150
200
250
300
X Coord
Figura 4.6 Valores gerados com vrias realizaes e amostrados por parcelas em posies fixas
50
100
150
200
250
300
300
250
0
50
100
150
Y Coord
200
250
0
50
100
150
Y Coord
200
250
200
150
0
50
100
Y Coord
... 1.000a realizao
300
2a realizao
300
1a realizao
50
100
X Coord
150
200
250
300
50
100
X Coord
150
200
250
300
X Coord
Figura 4.7 Valores gerados com vrias realizaes e amostrados por parcelas em posies
aleatrias
300
250
200
100
50
50
50
100
150
X Coord
200
250
300
50
0
150
Y Coord
150
Y Coord
100
150
100
Y Coord
200
200
250
250
300
300
Uma realizao
50
100
150
X Coord
200
250
300
50
100
150
200
250
300
X Coord
Figura 4.8 Valores gerados com uma realizao e amostrados por parcelas em posies aleatrias
77
4.2.4
Avaliao dos dados simulados
A avaliao dos dados simulados, do mapa de rvores e do modelo geoestatstico foi realizada por meio do intervalo de cobertura, que consiste na porcentagem dos intervalos de confiana gerados numa simulao, que contm o verdadeiro valor do parmetro. Para cada simulao,
obtiveram-se a mdia (d
d
d
EC ) e a estimativa da varincia da mdia (var
EC (
EC )), a estimativa da
mdia espacial (d
d
d
EG ) e da varincia da mdia espacial (var
EG (
EG )).
O intervalo de confiana clssico (ICEC ) foi obtido por:
!
ICEC = d
EC t
;n 1
2
(var
d
d
EC (
EC ))
(4.1)
em que 1 o coeficiente de confiana.

Para a obteno dos intervalos de confiana geoestatsticos (ICEG ), a estimativa da mdia espacial (d
d
d
EG ) e da varincia da mdia espacial (var
EG (
EG )) utilizaram-se:
t 1
1
t 1
d
EG = (f R f ) (f R y)
(4.2)
t 1
1
var
d
d
EG (
EG ) = (f R f )
(4.3)
em que f vetor de 10 s (mdia constante), R matriz de covarincia e y, vetor de dados observados.

Assim, o intervalo confiana geoestatstico (ICEG ) foi calculado pela seguinte expresso:
!
ICEG = d
EG t
;n 1
2
(var
d
d
EG (
EG ))
(4.4)
em que 1 o coeficiente de confiana. Os intervalos de confiana, clssico e geoestatstico,

foram calculados com um nvel de confiana de 95%.
Em todas as simulaes, foi calculada a percentagem de amostras com dependncia espacial
avaliando-se a plausibilidade dos modelos espaciais e no-espaciais. Essa avaliao foi baseada
no critrio de informao de Akaike - AIC. Akaike (1974) estabeleceu uma relao entre a informao ou a distncia de Kullback-Leibler (KULLBACK; LEIBLER, 1951), que uma medida de
discrepncia relativa entre dois modelos, o modelo verdadeiro e o modelo aproximado, e a funo
de mxima log-verossimilhana para a seleo de modelos. O AIC definido por:
AIC = 2l + 2p
(4.5)
78
O valor de AIC individual no interpretvel (BURNHAM; ANDERSON, 2004). Uma alternativa proposta por Burnham e Anderson (2002) para avaliar a plausibilidade dos modelos
i = AICi AICm
(4.6)
Especificamente para avaliar a plausibilidade dos modelos espaciais e no-espaciais, fixou-se o
AICi como o valor do AIC para o modelo no-espacial (AICnsp ) e o AICm como o valor do AIC
para o modelo espacial (AICsp ), sendo obtido pela seguinte expresso:
sp = AICnsp AICsp
(4.7)
Para valores de sp maiores do que dois o modelo espacial mais plausvel que o no-espacial.
Neste estudo, as anlises foram realizadas utilizando o pacote geoR (RIBEIRO JR.; DIGGLE, 2001) e RandomFields (SCHLATHER, 2001) do projeto R de computao estatstica (R
DEVELOPMENT CORE TEAM, 2008).
4.3
Resultados
4.3.1
Simulao do mapa de rvores
Nas Tabelas 4.4 e 4.5, so apresentados o percentual do intervalo de cobertura, para os estimadores clssico (EC) e geoestatstico (EG), e o de amostras com dependncia espacial (DE) com
diferentes intensidades amostrais, para as variveis rea basal (m2 ha1 ), biomassa (M g ha1 ) e
densidade (ha1 ) nas quatros formaes florestais.
Pode-se observar que os percentuais dos intervalos de cobertura foram iguais ou superiores a
95% para os estimadores clssico e geoestatstico, em todas as variveis e formaes florestais nas
simulaes com parcelas de posio fixa e de posio espacial aleatria.
Nas duas situaes avaliadas, a varivel densidade apresentou altos percentuais de amostras
com dependncia espacial, seguida pela rea basal e a biomassa, sendo os maiores valores observados nas formaes Savana e Ombrfila. Os percentuais dos intervalos de cobertura, para os
79
estimadores clssico e geoestatstico, e de amostras com dependncia espacial diminuram com a
intensidade amostral e foram menores nas simulaes com parcelas de posio fixa do que nas de
posio espacial aleatria.
Tabela 4.4 Percentual do intervalo de cobertura, para os estimadores clssico (EC) e geoestatstico (EG), percentual de amostras com dependncia espacial (DE) das quatro formaes florestais com diferentes intensidades amostrais (n), para as variveis rea
basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), simuladas a partir do mapa
de rvores com parcelas de posio fixa
Varivel
rea basal
Biomassa
Densidade
n
100
50
25
10
100
50
25
10
100
50
25
10
EC
99
97
96
96
99
97
95
95
99
98
96
95
Savana
EG DE
100 49
99
18
97
8
96
1
100 23
98
10
96
5
96
1
100 100
100 94
99
45
97
7
EC
99
97
95
95
98
97
97
95
98
97
96
95
Formaes
Estacional
EG DE
EC
99
1
99
97
1
97
96
1
96
95
1
95
98
1
98
97
2
97
97
1
95
95
1
95
99
3
98
98
2
97
96
1
95
96
1
95
Ombrfila
EG DE
100 97
99
55
98
19
95
2
99
58
99
22
97
7
96
1
100 100
100 90
99
33
96
3
EC
99
97
95
95
99
97
96
95
99
96
96
96
Restinga
EG DE
99
6
98
5
96
3
96
2
99
11
98
7
97
4
95
1
100 57
98
21
97
7
96
2
basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), simuladas a partir do mapa
de rvores com parcelas de posio espacial aleatria
Varivel
rea basal
Biomassa
Densidade
n
100
50
25
10
100
50
25
10
100
50
25
10
EC
99
98
96
95
99
98
95
95
100
98
97
96
Savana
EG DE
100 63
99
25
98
8
96
1
100 37
99
14
95
4
96
1
100 100
100 94
99
45
97
6
EC
98
97
97
96
99
97
95
95
100
97
96
96
Formaes
Estacional
Ombrfila
EG DE
EC EG DE
99
1
100 100 100
97
1
98
99
63
97
1
97
97
15
95
1
95
95
1
99
1
99 100 66
97
1
98
99
24
95
1
96
98
6
95
1
96
96
1
100 11
100 100 100
98
4
98 100 80
96
3
98
99
18
96
1
95
95
1
EC
99
96
95
95
99
96
94
95
99
99
97
96
Restinga
EG DE
99
14
97
5
96
3
95
1
100 21
98
8
95
4
95
1
100 62
99
25
99
9
96
1
80
4.3.2
Simulao do modelo geoestatstico
Nas Tabelas 4.6, 4.7 e 4.8, so apresentados o percentual do intervalo de cobertura, para os
estimadores clssico (EC) e geoestatstico (EG), e de amostras com dependncia espacial (DE) com
diferentes intensidades amostrais, para as variveis rea basal (m2 ha1 ), biomassa (M g ha1 ) e
densidade (ha1 ), para as quatros formaes florestais.
Verificou-se, nas Tabelas 4.6 e 4.7, cujas amostras foram geradas com vrias realizaes do modelo, que os percentuais dos intervalos de cobertura, para os estimadores clssicos, foram menores
do que para os geoestatsticos e ambos, menores que 95% para as variveis estudadas nas formaes de Savana, Ombrfila e Restinga. Somente na Estacional, os percentuais dos intervalos
de cobertura ficaram prximos a 95%. A varivel densidade apresentou os maiores percentuais
de amostras com dependncia espacial, seguida pela rea basal e a biomassa. Os maiores valores
foram das formaes de Savana e Ombrfila, sendo ligeiramente superiores nas simulaes com
parcelas de posio fixa do que nas de posio espacial aleatria. Os percentuais dos intervalos de
cobertura, para os estimadores clssico e geoestatstico, aumentaram, enquanto os de amostras com
dependncia espacial diminuram com a intensidade amostral.
basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), simuladas a partir do modelo geoestatstico com vrias realizaes do modelo e parcelas de posio fixa
Varivel
rea basal
Biomassa
Densidade
n
100
50
25
10
100
50
25
10
100
50
25
10
EC
56
67
82
90
63
75
85
91
21
30
46
66
Savana
EG DE
67
40
76
17
85
7
92
2
71
28
80
11
88
5
91
1
51
99
57
85
63
45
71
9
EC
95
95
95
95
93
94
96
97
90
93
94
96
Formaes
Estacional
EG DE
EC
96
3
59
95
2
71
96
2
79
95
1
90
94
3
76
94
2
84
96
2
90
97
0
95
93
13
43
94
5
55
95
2
69
95
1
83
Ombrfila
EG DE
80
87
85
45
87
13
91
1
84
43
90
17
93
4
95
1
80 100
82
85
82
26
86
9
EC
61
75
87
92
59
73
85
91
68
78
87
92
Restinga
EG DE
75
10
82
5
90
2
93
1
64
12
77
5
87
4
92
1
92
96
91
49
91
13
93
2
Nas simulaes, cujas as amostras foram geradas com uma nica realizao do modelo e com
as parcelas de posio espacial aleatria (Tabela 4.8), os percentuais dos intervalos de cobertura,
para os estimadores clssico e geoestatstico foram iguais ou superiores a 95% para as variveis e as
formaes florestais estudadas, com exceo da varivel densidade, nas formaes de Savana e de
Ombrfila. A varivel densidade apresentou os maiores percentuais de amostras com dependncia
81
espacial, seguida pela rea basal e a biomassa, sendo maiores os valores das formaes de Savana
e Ombrfila. medida que a intensidade amostral diminuiu, verificou-se uma diminuio dos
intervalos de cobertura, para os estimadores clssico e geoestatstico, e do percentual de amostras
com dependncia espacial.
basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), simuladas a partir do modelo geoestatstico com vrias realizaes do modelo e parcelas de posio espacial
aleatria
Varivel
rea basal
Biomassa
Densidade
n
100
50
25
10
100
50
25
10
100
50
25
10
EC
43
63
77
90
61
76
84
91
21
30
43
63
Savana
EG DE
65
40
76
18
83
7
90
1
71
29
81
11
87
5
92
1
50
98
57
84
63
45
69
6
EC
85
91
94
95
95
94
94
94
91
93
94
94
Formaes
Estacional
EG DE
EC
94
3
47
94
2
65
95
1
78
96
1
89
96
3
74
94
1
83
95
2
90
94
1
93
93
13
43
95
4
56
95
2
69
95
1
85
Ombrfila
EG DE
80
87
84
43
85
13
89
1
84
45
87
14
91
5
94
2
81 100
81
85
82
34
87
4
EC
58
77
87
91
59
72
82
91
68
79
88
92
Restinga
EG DE
73
8
85
4
90
2
92
1
64
11
75
6
85
2
91
1
90
94
90
53
92
15
93
2
basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ), simuladas a partir do modelo geoestatstico com uma nica realizao do modelo e parcelas de posio espacial
aleatria
Varivel
rea basal
Biomassa
Densidade
n
100
50
25
10
100
50
25
10
100
50
25
10
EC
97
96
96
95
99
98
96
95
63
82
88
95
Savana
EG DE
99
31
98
10
97
5
96
1
100 21
98
8
97
3
96
1
100 100
99
97
98
51
95
6
EC
99
95
95
95
99
97
96
96
99
97
96
95
Formaes
Estacional
Ombrfila
EG DE
EC EG DE
99
2
94
99
99
96
2
95
98
59
96
1
95
96
13
96
1
95
96
2
99
4
95
99
41
98
2
95
97
10
96
1
95
97
3
96
1
95
95
1
100 14
57 100 100
97
4
78
99
96
96
2
87
96
37
95
1
95
95
4
EC
99
97
95
95
98
97
97
95
97
96
96
95
Restinga
EG DE
99
5
98
2
96
2
95
1
99
6
97
4
97
1
95
1
100 97
99
41
98
10
95
1
82
4.4
Discusso
Os resultados encontrados mostram que as simulaes no mapa de rvores tiveram compor-
tamento parecidos, independente de a posio das parcelas ser considerada como fixa ou como
aleatria nas quatro formaes florestais. Nos dois casos, os percentuais dos intervalos de cobertura
foram iguais ou superiores a 95% e o percentual de amostras com dependncia espacial, similar, em
todas as intensidades amostrais. A semelhana entre o intervalo de cobertura do estimador clssico
e o geoestatstico revelou que o procedimento de amostragem no influenciou as estimativas. Um
outro ponto que, mesmo com alto percentual de amostras com dependncia para as formaes de
Savana e Ombrfila e baixos para Restinga e Estacional, as estimativas foram igualmente precisas
e eficientes; assim, a distino entre os estimadores clssico e geoestatstico teve pouca influncia na presena de dependncia espacial. Ver Hoef (2002), comparando os estimadores clssico e
geoestatstico para a populao finita e a estocstica, mostrou que ambos fornecem estimativas no
viesadas, com varincias e intervalos de confiana vlidos. No entanto, os mtodos geoestatsticos
geralmente foram mais eficientes e suas estimativas, mais prximas dos verdadeiros valores.
Nas simulaes com o modelo geoestatstico, verificaram-se diferentes resultados, quando as
amostras foram geradas com vrias realizaes (populao estocstica) e com uma nica realizao (populao fixa). Na populao estocstica, os percentuais dos intervalos de cobertura foram
menores do que 95%, e menores para os percentuais do estimador clssico. Segundo Mello (2004),
essa diferena desfavorvel ao estimador clssico pode ser devida falta de um termo que considere a correlao entre as unidades amostrais no clculo da varincia da mdia. No entanto,
devido aos resultados encontrados nas simulaes no mapa de rvores, supe-se que essas diferenas foram geradas pelas vrias realizaes do modelo. Essa suposio foi comprovada pelos
resultados das simulaes com uma nica realizao do modelo, que coincidiram com os resultados das simulaes no mapa de rvores. Os percentuais dos intervalos de cobertura, para os
estimadores clssicos, foram menores do que 95% para a varivel densidade (Savana e Ombrfila)
nas simulaes com uma realizao do modelo. Uma possvel explicao para esse resultado foi
a subestimao da mdia no ajuste do modelo geoestatstico. Deve-se considerar, tambm, que a
densidade uma varivel discreta (contagem) e transformada por unidade de rea (hectare). Dessa
forma, a abordagem mais correta para o ajuste dos dados seria pelo modelo geoestatstico generalizado. Tal modelo permite especificar explicitamente uma distribuio de Poisson (ou outras
distribuies) (DIGGLE; RIBEIRO JR., 2007) para as observaes, o que compatvel com a
estrutura dos dados de densidade considerada neste estudo.
Em todas as simulaes avaliadas, quanto menor a intensidade (menor nmero de parcelas),
menores os percentuais de amostras com dependncia espacial. Essa tendncia ocorreu porque,
com um nmero menor de parcelas em cada amostra, h uma maior probabilidade de a distn-
83
cia mdia entre as parcelas da amostra ser maior do que o alcance do modelo, ocorrendo um
maior nmero de amostras sem dependncia espacial; como consequncia, os estimadores (clssico e geoestatstico) gerariam o mesmo resultado da estimativa do intervalo de confiana (MELLO,
2004).
Pelos resultados do estudo, foi possvel verificar que mesmo com dependncia espacial, os
percentuais dos intervalos de cobertura do estimador clssico, considerando as simulaes do mapa
de rvores (parcelas de posio fixa e aleatria) e com uma nica realizao do modelo, foram
iguais ou superiores a 95%. Assim, pode-se concluir que a teoria clssica de amostragem e a
utilizao do teorema central do limite para a gerao do intervalo de confiana so vlidas para
dados com dependncia espacial. Esses resultados esto em concordncia com os de Brus e Gruijter
(1993, 1997).
Com base nesses resultados, surgiu uma nova questo: se os estimadores clssico e geoestatsticos fornecem estimativas e intervalos de confiana igualmente vlidos, qual desses mtodos
prefervel ? Para Gregoire (1998), a melhor resposta para a questo que tudo depende das
circunstncias e dos objetivos do levantamento.
Se os objetivos, por exemplo, forem estimar o valor mdio, ou total, de uma varivel de interesse
em uma determinada rea, a amostragem clssica e a geoestatstica podem ser aplicadas. Ver Hoef
(2002) argumenta que, nesse caso, a teoria clssica de amostragem tem sido muito utilizada, por
no fazer suposies sobre os dados, pois toda inferncia vem do delineamento amostral.
Todavia, se os objetivos do estudo forem predizer valores em locais no amostrados, mapear,
reconhecer o padro espacial, estimar parmetros de modelos estocsticos ou otimizao amostral,
a abordagem geoestatstica tem-se mostrado a mais apropriada (HAINING, 2003), por apresentar
as seguintes vantagens: (1) a amostra no necessita ser selecionada por um esquema de amostragem
probabilstico, permitindo escolher delineamentos mais flexveis e convenientes; (2) a autocorrelao, incorporada ao modelo, gera inferncias mais poderosas, (3) um bom modelo espacial pode
recuperar a eficincia perdida, gerado por um delineamento amostral ineficiente (LASLETT, 1997;
VER HOEF, 2002). Como limitaes, podemos citar a recomendao de pelo menos 100 pontos
amostrados, sendo raras grandes dimenses amostrais, quando estudos de campo esto envolvidos
(AUBRY; DEBOUZIE, 2001; FORTIN; DALE, 2005), um maior aprofundamento nos conhecimentos geoestatsticos e o domnio de recursos computacionais.
4.5
Concluso
Antes de qualquer questionamento sobre qual a melhor abordagem (baseada em delineamento
ou em modelo) a aplicar, os objetivos do estudo devem ser definidos. A estimao do valor mdio
ou total de uma varivel de interesse pode ser realizada tanto por estimadores clssicos, quanto por
geoestatsticos. Estes forneceram estimativas e intervalos de confiana vlidos, independente de a
84
alocao das parcelas ser fixa ou aleatria e de o percentual de amostras com dependncia espacial. Quanto menor a intensidade amostral, menores os percentuais de amostras com dependncia
espacial. Dessa forma, em estudos geoestatsticos, a deteco da estrutura de dependncia espacial
diretamente afetada pelo tamanho da amostra. Apesar de mais complexos, os mtodos geoestatsticos so mais vantajosos em estudos ecolgicos, pois fornecem informaes que vo alm da
estimao.
Referncias

New York, v.19, n.6, p. 717-723, 1974.
AUBRY, P.; DEBOUZIE, D. Estimation of the mean from a two-dimensional sample: The
geostatistical model-based approach. Ecology, Tempe, v.82, n.5, p.1484-1494, 2001.
BARBER, J. J.; GELFAND, A.E. Hierarchical spatial modeling for estimation of population size.
Environmental and Ecological Statistics, New York, v.14, p.193-205, 2007.
BRUS, D.J.D.; GRUIJTER, J. J. Design-based versus model-based estimates of spatial means:
theory and application in environmental soil science. Environmetrics, Chichester, v.4, n.2,
p.123-152, 1993.
BRUS, D. J.D.; GRUIJTER, J.J. Random sampling or geostatistical modelling? Chosing between
design-based and model-based sampling strategies for soil (with discussion). Geoderma,
Amsterdam, v.80, p.1-59, 1997.
Model Selection. Sociological Methods & Research, Beverly Hills, v. 33, n.2, p.261 - 304, 2004.
CARROLL, S.S.; PEARSON,D.L. Detecting and modeling spatial and temporal dependence in
conservation biology. Conservation Biology, Boston, v.14, n.6, p.1893-1897, 2000.
COCHRAN, W. G. Sampling techniques. 3rd Ed., New York: Wiley, 1977. 555p.
85
n.1, p. 63-72, 2005.
London, v.47, p.299-350, 1998.
FORTIN, M.J.; DALE, M.R. Spatial analysis: A guide for ecologists. Cambrigde: Cambridge
University Press, 2005, 380 p.
GREGOIRE, T. G. Design-based and model-based inference in survey sampling: appreciating the
difference. Canadian Journal of Forest Research, New Westminster, v.10, p.1429-1447, 1998.
HAINING, R. P. Spatial data analysis: theory and practice. Cambrigde: Cambridge University
Press, 2003, 432 p.
KANGAS, A.; MALTAMO, M. Forest inventory: methodology and applications, New York:
Springer, 2006, 362 p.
LASLETT, G. M. Discussion of the paper by D.J. Brus and J.J. de Gruijter. Geoderma,
Amsterdam, v.80, p.45-59, 1997.
LEGENDRE, P. Spatial autocorrelation: trouble or new paradigm? Ecology, Tempe, v. 74,
p. 1659-1673, 1993.
v. 80, p. 107-138, 1989.
MELLO, J.M. Geoestatstica aplicada ao inventrio florestal. 111p, 2004, Tese (Doutorado) Silvicultura e Manejo Florestal. Escola Superior de Agricultura Luiz de Queiroz", Universidade
de So Paulo, Piracicaba, 2004.
86
R-NEWS, Vienna, v.1, p.15-18, 2001.
RODRIGUES, R. R. Relatrio temtico do projeto parcelas permanentes. Laboratrio de Ecologia
e Restaurao Florestal, ESALQ/USP. Piracicaba, 2002. Disponvel em:
<http://www.lerf.esalq.usp.br/parcelas/relatorio1.pdf>. Acesso em: 4 fev. 2009.
ROSSI, R. E.; MULLA, D. J.; JOURNEL, A.G.; FRANZ, E.H. Geostatistical tools for modeling
and interpreting ecological spacial dependence. Ecological Monographs, Lawrence, v. 62, n. 2,
p. 277-341, 1992.
SCHLATHER, M. Simulation and Analysis of Random Fields. R-NEWS, Vienna, v.1, p.18-20,
2001.
p. 237-239, 2007.
THOMPSON, S.K.; SEBER, G.A.F. Adaptative Sampling. New York: Wiley, 1996. 350p.
Paulo, v. 1, p. 1-80, 1982.
Geografia e Estatstica, 1991, 112p.
VER HOEF, J. Sampling and geostatistics for spatial. Ecoscience, Sainte-Foy, v.9, n.2, p.152-161,
2002.
87
APNDICES
88
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
rea Basal
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
0,32
0,30
0,28
0,25
0,22
0,20
0,23
0,20
0,19
0,13
0,12
0,11
0,09
0,08
0,08
0,12
0,11
0,11
0,11
0,09
0,09
0,45
0,36
0,31
b2
10,72
10,74
10,76
2,37
2,39
2,41
0,64
0,68
0,69
1,33
1,35
1,35
0,81
0,82
0,82
0,66
0,68
0,68
0,54
0,56
0,58
0,39
0,48
0,53
b2 + b2
11,04
11,04
11,04
2,62
2,61
2,61
0,87
0,88
0,88
1,46
1,47
1,46
0,90
0,90
0,90
0,78
0,79
0,79
0,65
0,65
0,67
0,84
0,84
0,84
Espacial
b
Rel 2
107,82
0,97
67,87
0,97
42,34
0,97
69,32
0,90
45,95
0,92
29,97
0,92
72,78
0,73
53,53
0,77
37,23
0,78
65,81
0,91
44,98
0,92
29,14
0,92
172,42
0,90
114,55
0,91
73,16
0,91
72,40
0,85
53,06
0,86
36,98
0,86
94,97
0,83
76,59
0,86
57,25
0,87
9,25
0,46
6,96
0,58
5,06
0,63
a
322,99
271,40
227,28
207,65
183,73
160,89
218,03
214,06
199,89
197,15
179,86
156,46
516,53
458,05
392,75
216,90
212,18
198,51
284,49
306,26
307,35
27,70
27,83
27,15
Log
-15989,16
-15988,52
-15988,23
-3466,92
-3466,73
-3466,75
-723,49
-723,29
-723,15
-1598,73
-1598,47
-1598,31
-862,91
-862,57
-862,34
-718,72
-718,32
-717,95
-487,32
-487,36
-487,34
-720,21
-720,23
-720,25
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
31986,32
31985,05
31984,45
6941,84
6941,46
6941,49
1454,99
1454,58
1454,31
3205,46
3204,93
3204,61
1733,82
1733,14
1732,68
1445,44
1444,65
1443,91
982,64
982,72
982,68
1448,42
1448,46
1448,50
-734,29
-492,66
-725,67
-868,97
-1605,89
-736,10
-3486,81
1472,59
989,32
1455,34
1741,95
3215,78
1476,19
6977,62
32034,74
No-espacial
NP AICnsp
-16015,37
Log
sp
48,43
49,69
50,29
35,78
36,16
36,13
21,20
21,61
21,88
10,32
10,85
11,17
8,13
8,80
9,27
9,89
10,69
11,43
6,67
6,59
6,64
24,16
24,12
24,09
b efeito pepita relativo (Rel 2 ), alcance prtico (a), logaritmo da funo de verossimiTabela 9 Estimativas dos parmetros (b
2 , b2 , ),
lhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICsp ) para os modelos espaciais utilizando-se
estimadores de mxima verossimilhana com funo de correlao (FC) exponencial, Matrn ( = 1 e = 2), logaritmo da
funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos
no-espaciais e diferena dos AIC (sp ) para rea basal (m2 ha1 ) com diferentes tamanhos e formas de parcelas na Savana
Florestada
APNDICE A - Parmetros estimados para varivel rea basal na Savana Florestada com diferentes tamanhos e formas de parcelas
89
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
Biomassa
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
1,37
1,25
1,16
1,23
1,06
0,97
1,08
0,90
0,81
0,37
0,33
0,31
0,20
0,18
0,17
0,38
0,33
0,31
3,71
3,71
3,71
2,55
1,96
1,70
b2
60,52
60,65
60,70
14,24
14,39
14,45
3,97
4,16
4,24
8,25
8,30
8,31
5,06
5,09
5,10
4,19
4,24
4,26
0,00
0,00
0,00
2,27
2,86
3,12
b2 + b2
61,89
61,90
61,86
15,47
15,45
15,42
5,05
5,06
5,05
8,62
8,63
8,62
5,26
5,27
5,27
4,57
4,57
4,57
3,71
3,71
3,71
4,82
4,82
4,82
Espacial
b
Rel 2
89,89
0,98
57,73
0,98
36,35
0,98
56,88
0,91
37,43
0,93
23,64
0,93
62,70
0,79
46,79
0,82
32,83
0,84
50,99
0,96
37,23
0,96
25,34
0,97
96,17
0,96
70,94
0,97
50,61
0,97
52,22
0,92
41,11
0,93
30,25
0,93
5,39
3,75
2,64
7,87
0,47
6,22
0,59
4,66
0,65
a
269,28
230,83
195,13
170,40
149,65
126,93
187,83
187,10
176,25
152,75
148,86
136,01
288,11
283,64
271,70
156,44
164,39
162,38
16,16
15,00
14,16
23,59
24,87
25,00
Log
-22552,96
-22552,46
-22552,26
-5171,40
-5171,26
-5171,25
-1152,11
-1152,02
-1151,90
-2454,60
-2454,44
-2454,33
-1366,81
-1366,69
-1366,59
-1147,59
-1147,41
-1147,23
-787,97
-787,90
-787,86
-1145,10
-1145,06
-1145,02
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
45113,92
45112,92
45112,51
10350,81
10350,52
10350,51
2312,22
2312,04
2311,98
4917,19
4916,88
4916,65
2741,62
2741,37
2741,19
2303,18
2302,82
2302,45
1583,94
1583,79
1583,73
2298,20
2298,12
2298,04
-1156,39
-790,13
-1149,50
-1368,10
-2456,33
-1159,58
-5184,32
2316,78
1584,26
2303,00
2740,20
4916,66
2323,16
10372,64
45144,89
No-espacial
NP AICnsp
-22570,45
Log
30,98
31,98
32,38
21,83
22,12
22,14
10,94
11,12
11,18
-0,53
-0,22
0,01
-1,42
-1,16
-0,98
-0,17
0,18
0,55
0,32
0,46
0,53
18,59
18,66
18,74
sp
2 , b2 , ),
lhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICsp ) para os modelos espaciais utilizandose estimadores de mxima verossimilhana com funo de correlao (FC) exponencial, Matrn ( = 1 e = 2), logaritmo
da funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos no-espaciais e diferena dos AIC (sp ) para biomassa (M g ha1 ) com diferentes tamanhos e formas de parcelas na
Savana Florestada
APNDICE B - Parmetros estimados para varivel biomassa na Savana Florestada com diferentes tamanhos e formas de parcelas
90
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
rea Basal
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
4,18
2,80
2,28
0,80
0,66
0,57
0,59
0,59
0,59
0,37
0,33
0,25
0,22
0,20
0,16
0,64
0,64
0,64
0,17
0,15
0,12
0,29
0,27
0,23
b2
5,41
6,79
7,31
1,40
1,50
1,59
0,00
0,00
0,00
0,80
0,83
0,91
0,53
0,54
0,58
0,00
0,00
0,00
0,38
0,40
0,43
0,29
0,31
0,35
b2 + b2
9,59
9,59
9,59
2,16
2,16
2,16
0,59
0,59
0,59
1,16
1,16
1,16
0,74
0,74
0,74
0,64
0,64
0,64
0,55
0,55
0,55
0,58
0,58
0,58
Espacial
b
Rel 2
2,44
0,56
2,04
0,71
1,55
0,76
2,23
0,63
1,84
0,69
1,48
0,74
5,18
4,26
3,36
0,69
0,69
0,63
0,71
0,55
0,78
0,63
0,70
0,57
0,73
0,51
0,78
3,53
2,66
1,98
0,67
0,69
0,62
0,72
0,54
0,77
0,30
0,50
0,02
0,53
0,20
0,60
a
7,31
8,16
8,32
6,68
7,39
7,95
15,50
17,05
18,02
2,05
2,52
2,96
1,89
2,28
2,71
10,56
10,65
10,65
2,02
2,46
2,88
0,88
0,08
1,08
Log
-14276,46
-14276,51
-14276,57
-4221,12
-4221,12
-4221,12
-937,66
-937,62
-937,58
-2014,91
-2014,91
-2014,91
-1127,74
-1127,74
-1127,74
-946,75
-946,72
-946,70
-653,62
-653,62
-653,62
-935,93
-935,93
-935,93
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
28560,93
28561,02
28561,15
8450,24
8450,23
8450,23
1883,32
1883,24
1883,16
4037,82
4037,82
4037,82
2263,48
2263,48
2263,48
1901,49
1901,44
1901,40
1315,24
1315,24
1315,24
1879,87
1879,87
1879,87
-935,93
-653,62
-947,19
-1127,74
-2014,91
-937,79
-4221,14
1875,87
1311,24
1898,37
2259,48
4033,82
1879,58
8446,28
28585,24
No-espacial
NP AICnsp
-14290,62
Log
24,31
24,22
24,09
-3,96
-3,96
-3,95
-3,75
-3,66
-3,59
-4,00
-4,00
-4,00
-4,00
-4,00
-4,00
-3,11
-3,06
-3,03
-4,00
-4,00
-4,00
-4,00
-4,00
-4,00
sp
2 , b2 , ),
da funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos no-espaciais e diferena dos AIC (sp ) para rea basal (m2 ha1 ) com diferentes tamanhos e formas de parcelas na
floresta Estacional
APNDICE C - Parmetros estimados para varivel rea basal na floresta Estacional com diferentes tamanhos e formas de parcelas
91
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
Biomassa
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
6,02
4,83
3,60
6,71
1,73
1,36
2,30
2,30
2,30
2,15
2,05
1,86
0,79
0,72
0,58
2,45
2,45
2,45
0,66
0,60
0,49
1,14
1,07
0,90
b2
15,27
16,46
17,70
0,00
4,97
5,35
0,00
0,00
0,00
1,92
2,02
2,21
1,93
2,01
2,15
0,00
0,00
0,00
1,46
1,51
1,62
1,10
1,18
1,35
b2 + b2
21,29
21,29
21,29
6,71
6,71
6,71
2,30
2,30
2,30
4,07
4,07
4,07
2,72
2,73
2,73
2,45
2,45
2,45
2,11
2,11
2,11
2,24
2,25
2,25
Espacial
b
Rel 2
2,71
0,71
2,08
0,77
1,65
0,83
1,83
0,00
1,87
0,74
1,54
0,80
5,62
4,58
3,56
0,67
0,47
0,63
0,50
0,54
0,54
0,67
0,71
0,60
0,74
0,52
0,79
3,53
2,67
1,99
0,69
0,68
0,60
0,71
0,55
0,77
0,32
0,49
0,02
0,52
0,20
0,60
a
8,12
8,32
8,82
5,49
7,48
8,25
16,84
18,30
19,11
2,01
2,52
2,89
1,99
2,38
2,78
10,59
10,69
10,69
2,09
2,41
2,95
0,94
0,08
1,08
Log
-19976,75
-19976,80
-19976,85
-6064,10
-6064,10
-6064,10
-1454,38
-1454,31
-1454,26
-2997,42
-2997,42
-2997,42
-1718,80
-1718,80
-1718,80
-1459,58
-1459,55
-1459,53
-1015,59
-1015,59
-1015,59
-1452,09
-1452,09
-1452,09
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
39961,51
39961,60
39961,70
12136,20
12136,20
12136,20
2916,76
2916,63
2916,52
6002,84
6002,84
6002,84
3445,61
3445,61
3445,61
2927,16
2927,10
2927,06
2039,18
2039,18
2039,18
2912,17
2912,17
2912,17
-1452,09
-1015,59
-1460,02
-1718,80
-2997,42
-1454,59
-6064,12
2908,17
2035,18
2924,05
3441,61
5998,84
2913,19
12132,24
39976,16
No-espacial
NP AICnsp
-19986,08
Log
14,65
14,56
14,46
-3,95
-3,96
-3,95
-3,57
-3,44
-3,34
-4,00
-4,00
-4,00
-4,00
-4,00
-4,00
-3,11
-3,05
-3,01
-4,00
-4,00
-4,00
-4,00
-4,00
-4,00
sp
2 , b2 , ),
floresta Estacional
APNDICE D - Parmetros estimados para varivel biomassa na floresta Estacional com diferentes tamanhos e formas de parcelas
92
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
rea Basal
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
4,48
3,82
3,49
2,81
2,41
2,21
1,95
1,58
1,41
0,72
0,66
0,62
1,82
1,73
1,40
0,34
0,31
0,27
0,56
0,57
0,48
1,50
1,22
1,10
b2
10,88
11,38
11,61
3,67
4,01
4,15
0,73
1,09
1,25
3,47
3,51
3,52
2,52
2,55
2,56
2,28
2,29
2,27
2,23
2,25
2,35
0,77
1,04
1,16
b2 + b2
15,35
15,21
15,09
6,48
6,42
6,36
2,69
2,67
2,66
4,19
4,17
4,15
4,34
4,28
3,96
2,62
2,60
2,54
2,79
2,82
2,73
2,26
2,26
2,25
Espacial
b
Rel 2
29,36
0,71
17,64
0,75
11,01
0,77
36,67
0,57
22,88
0,62
14,23
0,65
35,81
0,27
25,44
0,41
17,26
0,47
111,62
0,83
60,28
0,84
35,36
0,85
304,44
0,58
118,45
0,60
53,70
0,65
215,75
0,87
101,60
0,88
39,37
0,90
211,85
0,80
116,72
0,80
53,38
0,82
8,97
0,34
6,40
0,46
4,32
0,51
a
87,94
70,53
59,12
109,86
91,49
76,39
107,27
101,73
92,64
334,40
241,02
189,82
912,02
473,63
288,29
646,33
406,26
211,34
634,64
466,71
286,56
26,91
25,69
23,20
Log
-11189,02
-11191,50
-11194,81
-4215,92
-4215,83
-4216,09
-1044,98
-1044,92
-1044,97
-2207,10
-2206,11
-2205,42
-1275,81
-1274,88
-1274,31
-1077,91
-1077,80
-1077,72
-760,01
-759,80
-759,77
-1053,07
-1053,20
-1053,39
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
22386,04
22390,99
22397,62
8439,83
8439,65
8440,18
2097,96
2097,84
2097,94
4422,20
4420,22
4418,84
2559,61
2557,76
2556,61
2163,81
2163,60
2163,44
1528,03
1527,61
1527,53
2114,13
2114,41
2114,78
-1073,39
-763,00
-1080,95
-1291,06
-2224,75
-1088,93
-4348,58
2150,78
1530,00
2165,91
2586,13
4453,50
2181,86
8701,16
23174,88
No-espacial
NP AICnsp
-11585,44
Log
sp
788,84
783,89
777,26
261,33
261,51
260,98
83,90
84,01
83,92
31,30
33,28
34,66
26,51
28,37
29,51
2,09
2,32
2,47
1,97
2,39
2,47
36,65
36,37
36,00
2 , b2 , ),
floresta Ombrfila
APNDICE E - Parmetros estimados para varivel rea basal na floresta Ombrfila com diferentes tamanhos e formas de parcelas
93
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
Biomassa
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
7,87
6,75
6,18
6,25
5,33
4,90
5,53
4,35
3,81
1,49
1,36
1,29
3,61
3,37
2,79
0,42
0,41
0,49
0,57
0,69
0,80
2,36
2,01
1,86
b2
26,97
27,84
28,21
16,19
16,99
17,31
6,53
7,71
8,23
15,62
15,72
15,75
12,02
12,13
12,13
10,90
10,94
10,96
10,61
10,62
10,61
8,99
9,32
9,47
b2 + b2
34,83
34,59
34,39
22,44
22,33
22,21
12,07
12,06
12,04
17,11
17,08
17,04
15,63
15,50
14,93
11,32
11,36
11,45
11,18
11,31
11,42
11,35
11,34
11,33
Espacial
b
Rel 2
31,90
0,77
19,14
0,80
11,85
0,82
37,93
0,72
24,33
0,76
15,31
0,78
31,61
0,54
23,75
0,64
16,86
0,68
104,21
0,91
60,96
0,92
36,76
0,92
268,30
0,76
117,88
0,78
53,28
0,81
146,89
0,96
119,04
0,96
103,99
0,96
172,26
0,95
139,60
0,94
101,14
0,93
21,36
0,79
14,52
0,82
9,79
0,84
a
95,56
76,53
63,61
113,63
97,28
82,21
94,68
94,98
90,50
312,19
243,73
197,35
803,74
471,36
286,02
440,04
475,99
558,24
516,05
558,18
542,96
63,99
58,05
52,57
Log
-14888,73
-14890,29
-14892,51
-6425,59
-6425,55
-6425,76
-1829,21
-1829,17
-1829,16
-3541,76
-3541,43
-3541,21
-2134,57
-2134,30
-2134,21
-1847,06
-1846,97
-1846,91
-1306,09
-1305,93
-1305,81
-1842,06
-1842,12
-1842,16
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
29785,46
29788,58
29793,02
12859,19
12859,10
12859,52
3666,42
3666,34
3666,33
7091,53
7090,87
7090,42
4277,13
4276,59
4276,42
3702,12
3701,94
3701,82
2620,19
2619,87
2619,61
3692,13
3692,23
3692,33
-1847,27
-1306,61
-1847,70
-2141,81
-3549,29
-1846,83
-6497,07
3698,55
2617,23
3699,41
4287,63
7102,58
3697,66
12998,15
30362,76
No-espacial
NP AICnsp
-15179,38
Log
sp
577,30
574,18
569,74
138,96
139,05
138,63
31,25
31,33
31,34
11,05
11,72
12,16
10,49
11,03
11,21
-2,72
-2,54
-2,41
-2,96
-2,64
-2,38
6,42
6,32
6,22
2 , b2 , ),
floresta Ombrfila
APNDICE F - Parmetros estimados para varivel biomassa na floresta Ombrfila com diferentes tamanhos e formas de parcelas
94
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
rea Basal
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b2
0,35
0,26
0,21
1,86
1,86
1,86
0,04
0,03
0,03
0,29
0,25
0,20
0,66
0,66
0,66
0,14
0,13
0,10
0,14
0,12
0,10
0,45
0,45
0,45
b2
7,61
7,70
7,75
0,00
0,00
0,00
0,44
0,44
0,45
0,63
0,67
0,73
0,00
0,00
0,00
0,32
0,33
0,36
0,26
0,28
0,30
0,00
0,00
0,00
b2 + b2
7,96
7,96
7,96
1,86
1,86
1,86
0,48
0,47
0,48
0,93
0,93
0,93
0,66
0,66
0,66
0,46
0,46
0,46
0,40
0,40
0,40
0,45
0,45
0,45
Espacial
b
Rel 2
6,08
0,95
4,93
0,97
3,75
0,97
2,21
1,79
1,42
85,50
0,92
59,26
0,93
38,47
0,93
0,66
0,68
0,58
0,72
0,52
0,78
2,99
2,28
1,73
0,66
0,70
0,60
0,73
0,53
0,79
0,74
0,65
0,66
0,70
0,58
0,76
1,69
1,28
0,96
a
18,20
19,70
20,15
6,61
7,17
7,61
256,50
237,04
206,58
1,99
2,32
2,79
8,97
9,15
9,27
1,97
2,41
2,84
2,20
2,66
3,09
5,07
5,13
5,15
Log
-16702,86
-16702,82
-16702,77
-4216,88
-4216,86
-4216,83
-904,56
-904,49
-904,44
-1968,73
-1968,73
-1968,73
-1107,53
-1107,53
-1107,52
-902,36
-902,36
-902,36
-621,74
-621,74
-621,74
-899,34
-899,32
-899,31
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
33413,72
33413,64
33413,54
8441,76
8441,71
8441,67
1817,12
1816,98
1816,88
3945,47
3945,47
3945,47
2223,06
2223,05
2223,05
1812,71
1812,71
1812,71
1251,47
1251,47
1251,47
1806,68
1806,64
1806,61
-899,68
-621,74
-902,36
-1107,71
-1968,73
-907,00
-4217,02
1803,37
1247,47
1808,71
2219,42
3941,47
1818,00
8438,05
33415,54
No-espacial
NP AICnsp
-16705,77
Log
1,82
1,90
2,00
-3,71
-3,66
-4,00
0,89
1,03
1,13
-4,00
-4,00
-4,00
-3,64
-3,63
-3,63
-4,00
-4,00
-4,00
-4,00
-4,00
-4,00
-3,31
-3,27
-3,25
sp
2 , b2 , ),
floresta de Restinga
APNDICE G - Parmetros estimados para varivel rea basal na floresta de Restinga com diferentes tamanhos e formas de parcelas
95
5 80 m
10 50 m
10 40 m
10 30 m
10 20 m
20 20 m
10 10 m
55m
Biomassa
Parcela
FC
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
Exponencial
Matrn ( = 1)
Matrn ( = 2)
b
0,68
0,52
4,56
5,75
5,75
5,75
0,18
0,16
0,15
0,88
0,81
0,63
0,14
0,11
0,10
0,46
0,42
0,34
1,31
1,31
1,31
1,48
1,48
1,48
b
20,60
20,76
16,72
0,00
0,00
0,00
1,42
1,44
1,45
2,08
2,16
2,34
2,03
2,06
2,07
1,03
1,07
1,15
0,00
0,00
0,00
0,00
0,00
0,00
b + b
21,28
21,28
21,28
5,75
5,75
5,75
1,60
1,60
1,60
2,97
2,97
2,97
2,17
2,17
2,17
1,49
1,49
1,49
1,31
1,31
1,31
1,48
1,48
1,48
Espacial
b
Rel 2
6,67
0,96
5,28
0,98
0,99
0,79
2,23
1,79
1,41
109,04
0,89
73,73
0,90
46,74
0,91
0,69
0,70
0,63
0,73
0,55
0,79
50,10
0,93
40,40
0,95
30,16
0,95
0,69
0,69
0,64
0,71
0,56
0,77
2,59
2,05
1,58
1,88
1,40
1,04
a
19,98
21,13
5,35
6,68
7,18
7,59
326,67
294,80
250,89
2,06
2,53
2,95
150,10
161,53
161,91
2,07
2,57
2,99
7,74
8,20
8,50
5,62
5,60
5,56
Log
-23306,01
-23305,98
-23307,22
-6067,43
-6067,41
-6067,40
-1386,64
-1386,54
-1386,48
-2913,73
-2913,73
-2913,73
-1664,90
-1664,88
-1664,85
-1380,20
-1380,20
-1380,20
-959,38
-959,38
-959,38
-1378,64
-1378,60
-1378,58
NP
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
AICsp
46620,03
46619,96
46622,44
12142,86
12142,83
12142,80
2773,29
2773,08
2772,97
5835,47
5835,47
5835,47
3337,81
3337,76
3337,71
2768,40
2768,40
2768,40
1926,77
1926,77
1926,76
2765,27
2765,20
2765,15
-1379,26
-959,42
-1380,20
-1666,21
-2913,73
-1386,64
-6067,58
-23307,94
2762,51
1922,84
2764,40
3336,41
5831,47
2777,29
12139,16
46619,87
No-espacial
Log
NP AICnsp
-0,14
-0,07
-2,56
-3,70
-3,67
-3,64
4,00
4,20
4,32
-4,00
-4,00
-4,00
-1,40
-1,34
-1,29
-4,00
-4,00
-4,00
-3,92
-3,92
-3,91
-2,75
-2,69
-2,64
sp
2 , b2 , ),
da funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos no-espaciais e diferena dos AIC (sp ) para biomassa (M g.ha1 ) com diferentes tamanhos e formas de parcelas na
floresta de Restinga
APNDICE H - Parmetros estimados para varivel biomassa na floresta de Restinga com diferentes tamanhos e formas de parcelas
96
Densidade
Biomassa
rea Basal
Estacional
Varivel
Densidade
Biomassa
rea Basal
Savana
Varivel
Estrato
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Estrato
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
b2
4,05
0,52
5,94
3,78
0,43
5,68
46,16
48,79
30,11
b2
0,23
0,85
0,56
0,11
0,57
0,42
108,98
141,91
19,50
b2
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
b2
0,64
0,29
1,03
0,41
0,20
0,95
32,58
26,49
13,61
b2 + b2
4,05
0,52
5,94
3,78
0,43
5,68
46,16
48,79
30,11
b2 + b2
0,87
1,14
1,59
0,52
0,77
1,37
141,56
168,40
33,11
Espacial
b
Rel 2
72,78
0,73
244,96
0,25
53,07
0,65
61,23
0,79
282,70
0,26
74,37
0,70
115,21
0,23
89,99
0,16
19,39
0,41
Espacial
b
Rel 2
4,99
9,96
5,46
5,62
9,95
5,91
9,15
8,09
6,83
a
14,96
29,84
16,37
16,82
29,81
17,71
27,40
24,23
20,45
a
218,03
733,84
158,99
183,44
846,88
222,78
345,14
269,60
58,09
Log
-542,28
-274,26
-591,10
-533,25
-250,58
-585,24
-850,65
-859,10
-798,35
Log
-330,40
-254,45
-404,25
-269,52
-201,15
-384,14
-892,24
-906,29
-799,91
NP
4
4
4
4
4
4
4
4
4
NP
4
4
4
4
4
4
4
4
4
AICsp
1092,55
556,45
1190,19
1074,50
509,16
1178,48
1709,31
1726,20
1604,69
AICsp
668,80
516,91
816,49
547,04
410,29
776,28
1792,49
1820,58
1607,82
No-espacial
Log
NP AICnsp
-343,00
2
690,00
-331,60
2
667,20
-417,79
2
839,59
-276,70
2
557,39
-276,76
2
557,52
-396,63
2
797,27
-962,87
2
1929,74
-985,65
2
1975,30
-811,50
2
1626,99
No-espacial
Log
NP AICnsp
-542,37
2
1088,75
-278,67
2
561,34
-591,27
2
1186,54
-533,46
2
1070,93
-255,00
2
514,01
-585,53
2
1175,07
-853,77
2
1711,53
-860,88
2
1725,76
-799,05
2
1602,11
-3,81
4,89
-3,65
-3,58
4,85
-3,41
2,23
-0,44
-2,58
21,20
150,29
23,10
10,35
147,22
20,99
137,25
154,71
19,17
sp
sp
b efeito pepita relativo (Rel 2 ), alcance prtico (a),logaritmo da funo de verossimiTabela 17 Estimativas dos parmetros (b
2 , b2 , ),
lhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICsp ) para os modelos espaciais utilizandose estimadores de mxima verossimilhana com estrutura de covarincia Exponencial, logaritmo da funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos no-espaciais
e diferena dos AIC (sp ) para rea basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ) na Savana Florestada e
Floresta Estacional
APNDICE I - Parmetros estimados para variveis rea basal, biomassa e densidade nos estratos total, sub-bosque e dossel na
Savana Florestada e Estacional
97
Densidade
Biomassa
rea Basal
Restinga
Varivel
Densidade
Biomassa
rea Basal
Ombrfila
Varivel
Estrato
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Estrato
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
Total
Sub-bosque
Dossel
b2
0,23
0,06
0,43
0,18
0,04
0,30
25,52
29,71
9,67
b2
8,13
1,33
6,15
13,92
0,61
11,30
254,47
220,58
45,82
b2
2,31
0,31
3,07
1,42
0,27
2,03
27,65
31,99
27,19
b2
4,05
0,00
6,52
22,11
0,10
25,56
0,00
0,00
23,87
b2 + b2
2,54
0,37
3,49
1,60
0,31
2,33
53,17
61,70
36,87
b2 + b2
12,18
1,33
12,67
36,04
0,71
36,86
254,87
220,58
69,69
Espacial
Rel 2
0,33
0,51
0,61
0,14
0,69
0,34
Espacial
b
Rel 2
93,85
0,90
74,12
0,85
139,30
0,88
109,04
0,89
77,38
0,86
127,66
0,87
24,04
0,52
29,72
0,52
29,17
0,74
b
34,85
33,45
40,75
32,13
32,75
36,83
42,14
39,96
45,02
a
281,15
222,04
417,30
326,67
231,82
382,43
72,02
89,03
87,37
a
104,40
100,22
122,07
96,25
98,10
110,34
126,24
119,72
134,88
Log
-478,85
-228,36
-515,78
-417,47
-206,45
-463,41
-860,08
-874,57
-819,22
Log
-648,47
-327,87
-656,60
-809,48
-267,90
-805,21
-978,09
-965,07
-852,72
NP
4
4
4
4
4
4
4
4
4
NP
4
4
4
4
4
4
4
4
4
AICsp
965,70
464,72
1039,56
842,94
420,91
934,82
1728,16
1757,13
1646,44
AICsp
1304,94
663,64
1321,20
1626,96
543,79
1618,41
1964,18
1938,14
1713,43
No-espacial
Log
NP AICnsp
-685,03
2
1374,06
-397,80
2
799,59
-679,53
2
1363,06
-823,10
2
1650,20
-315,90
2
635,81
-815,27
2
1634,53
-1069,92
2
2143,85
-1051,52
2
2107,03
-891,42
2
1786,85
No-espacial
Log
NP AICnsp
-481,70
2
967,41
-236,25
2
476,49
-520,94
2
1045,89
-421,47
2
846,94
-213,35
2
430,70
-468,76
2
941,52
-872,67
2
1749,34
-893,70
2
1791,39
-824,91
2
1653,82
1,71
11,77
6,33
4,00
9,79
6,69
21,19
34,26
7,38
69,12
135,95
41,86
23,24
92,02
16,12
179,66
168,89
73,41
sp
sp
2 , b2 , ),
lhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICsp ) para os modelos espaciais utilizandose estimadores de mxima verossimilhana com estrutura de covarincia Exponencial, logaritmo da funo de verossimilhana (Log), nmero de parmetros (NP) e critrio de informao de Akaike (AICnsp ) para os modelos no-espaciais e
diferena dos AIC (sp ) para rea basal (m2 ha1 ), biomassa (M g ha1 ) e densidade (ha1 ) na Floresta Ombrfila e
APNDICE J - Parmetros estimados para variveis rea basal, biomassa e densidade nos estratos total, sub-bosque e dossel na
Floresta Ombrfila e Restinga
98
99
APNDICE K - Parmetros estimados para variveis rea basal, biomassa e densidade nas
quatro formaes florestais
b do modelo geoestatstico ajustado, famlia de
Tabela 19 Estimativas dos parmetros (b
,
b2 , b2 , )
b e valores paramtricos da populao estatstica () para as
transformao Box-Cox ()
quatro formaes florestais
Variveis
rea basal
Biomassa
Densidade
Parmetros
b
b
2
c
2
b
b
b
b2
c2
b
b
b
b2
c2
b
b
Savana
22,18
13,12
5,11
76,10
1,00
22,01
105,46
392,40
113,10
65,05
1,00
104,29
1957,30
66792,00
211605,00
115,40
1,00
2134,67
Formaes
Estacional Ombrfila
4,81
7,85
0,00
4,05
0,81
8,14
5,14
34,85
0,25
0,50
4,81
8,18
9,45
12,23
0,00
22,11
3,78
13,92
5,62
32,12
0,25
0,25
9,45
12,44
1162,09
1018,83
0,00
0,00
53450,00 231304,00
9,43
38,49
1,00
1,00
1162,40
1108,50
Restinga
8,75
2,31
0,23
93,85
0,50
8,67
23,42
17,59
2,51
119,60
0,50
23,09
1501,99
71,80
37476,00
23,97
1,00
1503,22

Tese Geoestatistica

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Tese Geoestatistica

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade de So Paulo

Escola Superior de Agricultura Luiz de Queiroz

Modelagem geoestatstica em quatro formaes florestais do

Tese apresentada para obteno do ttulo de Doutor

Modelagem geoestatstica em quatro formaes florestais do

Tese apresentada para obteno do ttulo de Doutor

Dados Internacionais de Catalogao na Publicao

s minhas avs, Kaor e Zlia

DO TAMANHO E DA FORMA DA UNIDADE AMOSTRAL SOBRE A ES -

TRUTURA DE DEPENDNCIA ESPACIAL EM QUATRO FORMAES FLORESTAIS

2.2 Material e Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2.2 Tamanhos e formas de parcelas estudadas . . . . . . . . . . . . . . . . . . . . . . . .

2.3.1 Anlise descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.2 Transformao das variveis resposta . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.3 Comparao das funes de continuidade espacial . . . . . . . . . . . . . . . . . . .

2.3.4 Comparao dos modelos espaciais e no-espaciais . . . . . . . . . . . . . . . . . . .

2.3.5 Influncia da parcela e da formao no modelo espacial . . . . . . . . . . . . . . . . .

2.3.6 Influncia do tamanho da parcela . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.7 Influncia da forma da parcela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 C OMPARAO DAS ESTRUTURAS DE CONTINUIDADE ESPACIAL EM QUATRO FOR MAES FLORESTAIS

3.2 Material e Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2.4 Modelos utilizados na comparao das estruturas espaciais . . . . . . . . . . . . . . .

3.2.5 Seleo dos Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3 Resultados e Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4 A MOSTRAGEM BASEADA EM DELINEAMENTO E A MOSTRAGEM BASEADA EM MO DELO :

ESTUDO POR SIMULAO EM QUATRO FORMAES FLORESTAIS

4.2 Material e Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.1 reas de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.3 Estudos de simulao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2.4 Avaliao dos dados simulados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.2 Simulao do modelo geoestatstico . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 I NFLUNCIA DO TAMANHO E DA FORMA DA UNIDADE AMOSTRAL SOBRE

estatsticas, para detectar e quantificar a estrutura de continuidade espacial em estudos ecolgicos

Figura 2.1 Localizao das quatro Unidades de Conservao no Estado de So Paulo

Figura 2.2 Parcela permanente subdividida em 256 subparcelas contguas de 20 20 m (400 m2 )

Tamanhos e formas de parcelas estudadas

As parcelas permanentes foram divididas em parcelas quadradas de 5 5 m (4096 parcelas),

em que Yi o valor observado na posio xi , xi a posio espacial da i-sima parcela, (xi )

BATISTA, J. L. F. Escola Superior de Agricultura Luiz de Queiroz", Universidade de So Paulo, Departamento de

com =0, 5; 1, 0 e 2, 0, em que o primeiro caso corresponde ao modelo exponencial:

(u) = exp {(u/)} ,

na qual 2 o efeito pepita (nugget), 2 o patamar (sill) e a distncia a partir da origem at

Figura 2.3 Semivariograma com efeito pepita

em que y o vetor de observaes; F a matriz do delineamento; o vetor de parmetros

em que l o logaritmo neperiano do mximo da funo de verossimilhana, calculado para os

100 200 300 400

100 120 140 160

200 400 600 800

100 150 200

2000 4000 6000 8000

100 200 300 400

100 150 200

100 200 300 400 500 600

Transformao das variveis resposta

Os intervalos de mxima plausibilidade nas estimativas da famlia de transformao Box-Cox,

Comparao das funes de continuidade espacial

Comparao dos modelos espaciais e no-espaciais

Influncia da parcela e da formao no modelo espacial

Influncia do tamanho da parcela

Na Tabela 2.8, so apresentadas as estimativas dos parmetros do modelo geoestatstico para

Influncia da forma da parcela

Tabela 2.7 Estimativas dos parmetros (b