Escolar Documentos
Profissional Documentos
Cultura Documentos
7
Crescimento e Produção das Variáveis Dendrométricas
1. INTRODUÇÃO
8
Crescimento e Produção das Variáveis Dendrométricas
9
Crescimento e Produção das Variáveis Dendrométricas
10
Crescimento e Produção das Variáveis Dendrométricas
Capítulo 1
11
Crescimento e Produção das Variáveis Dendrométricas
incremento periódico (IP) e o incremento periódico médio (IPM), seja ele anual
(IPA), mensal (IPM), semanal (IPS), ou diário (IPD).
12
Crescimento e Produção das Variáveis Dendrométricas
Exemplo de Aplicação:
13
Crescimento e Produção das Variáveis Dendrométricas
14
Crescimento e Produção das Variáveis Dendrométricas
15
Crescimento e Produção das Variáveis Dendrométricas
16
Crescimento e Produção das Variáveis Dendrométricas
17
Crescimento e Produção das Variáveis Dendrométricas
Capítulo 2
a) Genótipo
18
Crescimento e Produção das Variáveis Dendrométricas
FIGURA 2.1. Curva de produção em diâmetro para sítio 19,5 e 22,5 m para
Pinus taeda (lref = 20 anos).
19
Crescimento e Produção das Variáveis Dendrométricas
20
Crescimento e Produção das Variáveis Dendrométricas
FIGURA 2.2. Curva de produção em diâmetro para Pinus taeda sujeito aos
espaçamentos 3 x 1; 2 x 2,5; 3 x 2; 3 x 2,5; 3 x 3 e 3 x 4 m.
21
Crescimento e Produção das Variáveis Dendrométricas
a) Genótipo.
22
Crescimento e Produção das Variáveis Dendrométricas
FIGURA 2.4. Curva de produção da altura média das árvores dominantes para o
índice de sítio 19,5 e 22,5 m para Pinus taeda (lref = 20 anos).
Quanto mais inclinada a curva de produção em altura maiores serão os
valores de incremento corrente anual - ICAH e mais cedo estes ocorrerão.
23
Crescimento e Produção das Variáveis Dendrométricas
24
Crescimento e Produção das Variáveis Dendrométricas
25
Crescimento e Produção das Variáveis Dendrométricas
26
Crescimento e Produção das Variáveis Dendrométricas
27
Crescimento e Produção das Variáveis Dendrométricas
28
Crescimento e Produção das Variáveis Dendrométricas
29
Crescimento e Produção das Variáveis Dendrométricas
30
Crescimento e Produção das Variáveis Dendrométricas
FIGURA 2.9. Tendência do volume estimado (m3 por ha) para Pinus caribaea
var. hondurensis para índice de sítio 25, 29, 33 plantadas com
2300 árvores e desbastadas para 1500, 1000, 700, 500, 300 e 200
árvores respectivamente nas idades de 8, 10, 12, 15, 19 e 22 anos.
Neste caso, pode-se observar que um mesmo padrão de desbaste
implementado em sítios com diferentes níveis de produtividade não é o mais
recomendável, já que o desbaste pode ser muito pesado no sítio menos
produtivo, e portanto a reação em volume não será a desejável. Já em sítios mais
produtivos pode-se ter encontrado o espaçamento ideal já que a resposta no
desenvolvimento em volume é bastante satisfatória, principalmente nos últimos
desbastes, conforme observado na Figura 2.9.
31
Crescimento e Produção das Variáveis Dendrométricas
FIGURA 2.10. Tendência da área basal estimada (m2 por ha) para Pinus
caribaea var. hondurensis para índice de sítio 25, 29, 33
plantadas com 2300 árvores e desbastadas para 1500, 1000, 700,
500, 300 e 200 árvores respectivamente nas idades de 8, 10, 12,
15, 19 e 22 anos.
Neste caso como foram várias as intervenções num período de tempo
relativamente curto, nota-se claramente uma redução contínua da área basal,
antes que uma nova interferência seja realizada, conforme pode-se verificar na
Figura 2.10, indicando que os desbastes intermediários foram realizados sempre
antes de ser atingido o máximo IMA em volume.
32
Crescimento e Produção das Variáveis Dendrométricas
33
Crescimento e Produção das Variáveis Dendrométricas
Continua...
34
Crescimento e Produção das Variáveis Dendrométricas
35
Crescimento e Produção das Variáveis Dendrométricas
36
Crescimento e Produção das Variáveis Dendrométricas
37
Crescimento e Produção das Variáveis Dendrométricas
38
Crescimento e Produção das Variáveis Dendrométricas
39
Crescimento e Produção das Variáveis Dendrométricas
Tapajós* T FA E 0,2 13 b
Lavras-MG P FM SD 0,680 9 c
S FM SD 0,495 9 c
CL FM SD 0,411 9 c
Linhares T FA E 0,3- 9 d
0,4
Manaus* T FA E 0,4- 12 e
0,5
C FA E 0,3- 12 e
0,4
Distrito Federal T FG SD 0,25 6 f
40
Crescimento e Produção das Variáveis Dendrométricas
Porto Rico
St. Just T Sl D 0,5 2 1
Cambalache T BE SD 0,1 26 1
Cambalache T ST SD 0,1 26 1
Caribbean For. T AM D 0,2 27 2
Suriname
Sarwa T FA AE 0,4 9 3
Sarwa C FA AE 0,3 9 3
Tonka C FA SD 0,4 2 4
* A partir do 4º ano após a intervenção
Continua...
41
Crescimento e Produção das Variáveis Dendrométricas
Indonésia T D SD 0,5 6 7
D FA E 0,5 1 8
P. Malaysia D FTB R 0,8 5 8
ND FA E 0,4 1 8
ND FTB R 0,5 5 8
Sarawak C FA SD 0,3 2 9
C FA E + DL 0,7 2 9
T FA E 0,6 4 10
África
Gana C FCT E + SS 0,6 6 11
Costa do C SVT SD 0,4 4 12
Marfim
C SVT D 0,7 4 12
C SD E 0,4 4 12
C FA E + STC 0,6 5 13
a) Silva (1989); b) Silva (1995); c) Pulz (1998); d) Jesus Souza e Garcia (1992);
e) Higuchi (1995) e f) Felfili (1995). 1) Weaver (1979); 2) Schimdt & Weaver
(1981); 3) De Graaf (1986); 4) Jonkers (1987); 5) Veillon (1985); 6) Heuvelop
& Newman (1983); 7) Miller (1981); 8) Thang (1987); 9) Hutchinson (1987);
10) Bryan (1981); 11) Osafo (1970); 12) Maitre (1987); 13) Mevart (1972b,
1974).
Continua...
Códigos para:
Grupo/Espécie Tipo de Floresta Ocorrência de
Distúrbio
T = Todas espécies FA = Floresta Alta E = Explorado
42
Crescimento e Produção das Variáveis Dendrométricas
FM = Floresta estacional
Semidecídua Montana
FG = Floresta de galeria
Fonte: Silva (1989) e complementada por Scolforo.
43
Crescimento e Produção das Variáveis Dendrométricas
44
Crescimento e Produção das Variáveis Dendrométricas
45
Crescimento e Produção das Variáveis Dendrométricas
46
Crescimento e Produção das Variáveis Dendrométricas
Mortalidade
47
Crescimento e Produção das Variáveis Dendrométricas
48
Crescimento e Produção das Variáveis Dendrométricas
Recrutamento
49
Crescimento e Produção das Variáveis Dendrométricas
50
Crescimento e Produção das Variáveis Dendrométricas
Buritizeir Cerrado
os
Jaíba Cerrado em
51
TABELA 2.4. Volume por classe de diâmetro de diferentes tipos florestais do cerrado.
52
Crescimento e Produção das Variáveis Dendrométricas
Irapé (3) *** Volume 6,4 4,7 2,3 2,6 1,2 0,0 0,0 0,2 17,40
C/C
Vale Cerrado Peso 5,2 3,4 1,7 1,8 1,8 0,0 0,0 0,1 12,90
seco
Jequitinho Nº 495,3 95,7 20,9 12,8 4,7 0,0 0,0 0,4 629,90
nha árvore
Volume 5,45 7,23 3,81 6,43 4,93 3,57 2,0 0,0 0,0 0,0 33,49
C/C 7 0 0 0
João Cerrado Peso 4,20 5,23 2,66 4,32 3,20 2,26 1,2 0,0 0,0 0,0 23,13
Pinheiro seco 6 0 0 0
Nº 505,0 206,6 50,0 41,6 20,0 11,6 5,0 0,0 0,0 0,0 840,00
árvore 0 7 0 7 0 7 0 0 0 0
Volume 13,62 8,37 4,38 6,65 1,46 1,40 0,0 0,0 0,0 0,0 35,88
C/C 0 0 0 0
Bocaiúva Cerrado Peso 10,41 6,05 3,04 4,50 0,93 0,89 0,0 0,0 0,0 0,0 25,82
seco 0 0 0 0
Nº 1016, 186,6 40,0 30,0 3,33 3,33 0,0 0,0 0,0 0,0 1280,0
árvore 70 7 0 0 0 0 0 0 0
Volume 5,42 4,65 4,74 2,19 2,83 1,38 0,0 0,0 0,0 0,0 21,21
C/C 0 0 0 0
João Cerrado Peso 4,24 3,36 3,30 1,48 1,84 0,86 0,0 0,0 0,0 0,0 15,09
Pinheiro seco 0 0 0 0
Nº 623,3 133,3 56,6 16,6 13,3 3,33 0,0 0,0 0,0 0,0 846,67
53
Crescimento e Produção das Variáveis Dendrométricas
árvore 3 3 7 7 3 0 0 0 0
* Cerrado senso stricto
** Floresta mesofila decídua e semidecídua de porte arbóreo e arbustiva
*** Cerrado em regeneração
Volume C/C: volume (m3) sólido de madeira com casca
Volume S/C: volume (m3) sólido de madeira sem casca
Nº árvores: número de árvores
Amplitude de cada classe de diâmetro igual a 5 cm.
54
Crescimento e Produção das Variáveis Dendrométricas
Atenção especial deve ser dada a Tabela 2.6 que mostra as produções de
um mesmo povoamento sujeito a 5 desbastes mais o corte final e sujeito a 3
desbastes mais o corte final. Observe que os volumes totais, para laminação,
para serraria e para aglomerado são maiores quando menos desbastes mais
espaçadamente são implementados o que coaduna com a tendência atual de
redução do número de desbaste para em tomo de 2, já que se obtém produções
semelhantes ou até superiores com menores custos.
55
Crescimento e Produção das Variáveis Dendrométricas
TABELA 2.5. Produção por classe de sítio e por classe de área basal para
Eucalyptus grandis e Eucalyptus urophylla na região de Ribeirão
Preto-SP.
Espécie Idade Classes de Sítio
(meses) V IV III II I
35 46,6 62,4 80,3 101,1 144,0
36 48,1 67,5 90,4 118,3 148,2
42 49,6 71,5 98,3 132,4 171,3
48 50,7 74,5 104,8 144,1 190,9
54 51,6 77,0 110,1 153,8 207,7
Eucalyptus 60 52,3 79,1 114,5 162,1 222,2
Grandis 66 52,9 80,8 118,2 169,2 234,8
72 53,4 82,3 121,5 175,4 245,8
78 53,8 83,5 124,2 180,8 255,6
84 54,2 84,6 126,7 185,5 264,2
90 54,5 85,6 128,9 189,7 272,0
96 54,8 86,4 130,8 193,5 279,0
32 20,3 39,6 66,7 98,4 120,7
36 24,3 45,6 74,6 107,7 131,7
42 29,9 53,7 84,8 119,6 145,5
48 34,9 60,7 93,3 129,3 156,9
54 39,3 66,7 100,6 137,4 166,3
Eucalyptus 60 43,3 72,0 106,8 144,2 174,2
urophylla 66 46,8 76,6 112,1 150,1 181,0
72 50,0 80,7 116,8 155,1 186,8
78 52,9 84,3 120,9 159,5 191,9
84 55,5 87,6 124,5 163,4 196,4
90 57,8 90,5 127,7 166,9 200,4
96 59,9 93,1 130,6 169,9 203,9
Idade base para projeção - Área basal nos sítios V, IV, III, II e I na
E. grandis idade base de projeção = 4,8; 6,3; 8,0; 10,1; 13,4
Índice de sítio nas classes de produtividade V, IV, III, II, I = 14,5;
17,5; 20,5; 23,5; 26,5 m
56
Crescimento e Produção das Variáveis Dendrométricas
CF 200 17, 170, 85,4 159, 170, 300 21, 209, 56, 189 208,
0 7 8 2 4 0 1 ,4 0
PT 219 61, 465, 85,9 305, 464, 219 61, 466, 56, 304 465,
8 4 7 4 1 8 0 9 1 ,5 7
8 693 8,7 41,3 0,0 1,6 40,8 693 8,7 41,3 0,0 1,6 40,8
12 800 17, 118, 0,0 26,5 118, 800 17, 118, 0,0 26, 118,
0 6 1 0 6 5 1
2 15 200 7,1 60,1 0,0 38,4 60,0 400 18, 189, 0,0 150 182,
9 9 2 ,7 2
19 200 10, 103, 0,0 85,8 103,
3 4 4
22 100 7,7 85,5 34,3 79,0 85,5
CF 200 25, 293, 221, 284, 293, 300 32, 384, 260 368 384,
1 8 0 5 8 3 8 ,3 ,9 7
57
Crescimento e Produção das Variáveis Dendrométricas
CF 200 37, 459, 396, 451, 459, 300 48, 689, 590 676 689,
5 6 0 5 5 0 4 ,9 ,8 3
PT 218 95, 1019 498, 809, 1018 218 96, 1139 590 930 1137
8 7 ,6 3 5 ,1 8 9 ,2 ,9 ,6 ,8
onde: VL = volume para laminação removido
S = índice de sítio (idade de no desbaste e corte final
referência, 21 anos) VS = volume para serraria removido no
I = idade de ocorrência do desbaste desbaste e corte final
N = número de árvores removidas VA = volume para aglomeração
nos desbastes e corte final removido no desbaste e corte final
G = área basal removida nos CF = corte final
desbastes e corte final PT = produção total de cada regime de
V = volume total removido nos desbaste
desbastes e corte final
58
Densid Idades de Idade Índi Número de Volumes removidos nas idades de desbasts e no corte final
ade ce árvores
Inicial desbastes do de removidas nos
corte desbas-
final sítio tes e corte final Total 8-17,9 cm 18-24,9 cm 25-34,9 cm 35 cm
1 Desbaste - Sítio I
1667 12 21 28,5 920 700 406 972 88 50 230 145 77 432 0 336
1667 12 17 28,5 920 700 406 755 88 51 230 143 77 345 0 202
1667 12 19 28,5 820 800 355 925 80 62 205 174 60 425 0 249
1667 12 17 28,5 820 800 355 813 80 62 205 171 60 372 0 191
2000 10 19 28,5 1252 700 375 878 137 49 207 142 0 405 0 275
2000 10 21 28,5 1252 700 375 988 137 48 207 141 0 443 0 349
1 Desbaste - Sítio II
2000 12 21 25,5 1258 700 378 810 144 50 220 143 2 386 0 220
2000 12 19 25,5 1258 700 378 716 144 50 220 142 2 341 0 169
1667 12 21 25,5 933 700 310 819 95 49 201 141 0 382 0 213
1667 12 19 25,5 933 700 310 724 95 50 201 139 0 342 0 162
1667 12 17 25,5 933 700 310 629 95 51 201 137 0 297 0 116
2 Desbaste - Sítio I
1667 12 14 21 28,5 820 199 600 35 77 96 80 23 37 20 45 10 60 0 35 0 0 46
5 5 5 8 5 0
1667 12 14 22 28,5 820 299 500 35 13 92 80 32 28 20 72 82 60 17 29 0 0 51
5 4 5 5 6 6
1667 12 14 22 28,5 820 399 400 35 19 81 80 40 20 20 95 59 60 50 22 0 0 50
5 9 5 5 6 8
59
Crescimento e Produção das Variáveis Dendrométricas
60
Crescimento e Produção das Variáveis Dendrométricas
61
Crescimento e Produção das Variáveis Dendrométricas
1333 12 14 17 21 25,5 50 30 20 30 1 8 1 5 6 3 1 1 5 4 4 4 0 0 4 1 0 0 0 3
7 0 0 0 2 9 2 3 5 7 8 3 1 7 6 0 8 5 2
1 0 7 3 8
1333 8 14 17 21 25,5 51 40 99 30 6 1 6 5 5 4 8 1 0 7 2 3 0 2 2 1 0 0 0 4
6 0 0 8 5 1 5 3 2 3 9 4 9 5 8 4 3
1 4 8 7
1333 8 17 17 21 25,5 51 30 19 30 6 1 1 5 5 3 1 1 0 5 4 3 0 9 5 1 0 0 0 3
6 0 9 0 8 0 2 5 3 4 7 3 4 7 8 7 5 4
0 3 1 0 3
1333 12 14 17 21 25,5 30 60 99 30 6 1 5 5 4 7 9 1 2 1 2 4 0 1 1 1 0 0 0 3
7 0 0 5 9 6 3 2 0 3 0 0 4 0 4 8 5 2
8 5 2 3 6
1111 10 14 17 21 25,5 29 40 10 30 4 1 6 5 3 4 8 1 5 7 2 3 0 2 2 1 0 0 0 3
4 0 0 0 2 4 1 5 4 3 3 9 3 9 1 6 4 4
9 2 9 8
62
2.6. QUANTIFICAÇÃO DO CRESCIMENTO DO POVOAMENTO
48
Variáveis Fundamentais nos Modelos de Produção
Quantificação do V2 M C I V1
crescimento
Crescimento bruto incluindo
recrutamento = 13,09 1,0 16,4 -27,7 = 2,79
Crescimento bruto do
volume inicial = 13,09 1,0 16,4 -0,89 -27,7 = 1,9
Crescimento líquido
incluindo recrutamento = 13,09 16,4 -27,7 = 1,79
Crescimento líquido do
volume inicial = 13,09 16,4 -0,89 -27,7 = 0,9
49
Variáveis Fundamentais nos Modelos de Produção
Capítulo 3
50
Variáveis Fundamentais nos Modelos de Produção
3.1. IDADE
Assim sítio pode ser definido, para fins de manejo, como sendo o
conjunto de fatores ecológicos (fatores climáticos, edáficos e biológicos) que
influem no desenvolvimento de povoamentos num determinado local.
51
Variáveis Fundamentais nos Modelos de Produção
3.3. DENSIDADE
52
Variáveis Fundamentais nos Modelos de Produção
3. Densidade Relativa.
53
Variáveis Fundamentais nos Modelos de Produção
Número de Árvores
Área Basal
54
Variáveis Fundamentais nos Modelos de Produção
g=
G = 0,0000785398163
55
Variáveis Fundamentais nos Modelos de Produção
= 0,0000785398163 dg2
Assim, a área basal por unidade de área será:
G = 0,0000785398163 N dg2
Dg2 =
Dg =
onde:
G : área basal em m2
Di : diâmetro em cm
N : número de árvores
Dg : diâmetro médio quadrático
Densidade Relativa
56
Variáveis Fundamentais nos Modelos de Produção
DR =
onde:
DR = Densidade Relativa
G = Área basal m2/ha
Dg = diâmetro médio quadrático do povoamento.
Número de árvores por hectare associado com uma variável adicional ou índice
de densidade do povoamento - Índice de Reineke
log N = 0 + 1 log Dg
onde:
N : número de árvores por ha
Dg : diâmetro médio quadrático
57
Variáveis Fundamentais nos Modelos de Produção
Parcela Nº N dg
1
2
3
4
.
.
.
.
.
.
58
Variáveis Fundamentais nos Modelos de Produção
.
n
IDR = (25,4)
IDR = 50118,723 (25,4)-1,16 = 1175,96
59
Variáveis Fundamentais nos Modelos de Produção
60
Variáveis Fundamentais nos Modelos de Produção
N=
61
Variáveis Fundamentais nos Modelos de Produção
N = 50118,723 (20)-1,16
N = 1551,69
Assim, o povoamento com 850 árvores e Dg = 20 cm ocupa
do sítio
N = 50118,723 (10)-1,16
N = 3467,368
Assim para este povoamento com Dg = 10 cm ter o mesmo índice de
densidade que o povoamento anterior (N = 850 e Dg = 20 cm) ele deverá ter:
N= . 3467,368
N = 1899,38 árvores
62
Variáveis Fundamentais nos Modelos de Produção
IDHB = . 100
Onde
IDHB =
63
Variáveis Fundamentais nos Modelos de Produção
Nº de Hd
árvore 10 12 14 16 18 20 22 24 26 28 30
s
200 500, 417, 357, 313, 278, 250, 227, 208, 192, 179, 167,
0 0 0 0 0 0 0 0 0 0 0
300 333, 278, 328, 208, 185, 167, 152, 139, 128, 119, 111,
0 0 0 0 0 0 0 0 0 0 0
400 250, 208, 179, 156, 139, 125, 114, 104, 96,0 89,0 83,0
0 0 0 0 0 0 0 0
500 200, 167, 143, 125, 111, 100, 91,0 83,0 77,0 71,0 67,0
0 0 0 0 0 0
600 167, 139, 119, 104, 93,0 83,0 76,0 69,0 64,0 60,0 55,0
0 0 0 0
700 143, 119, 102, 89,0 79,0 71,0 65,0 60,0 55,0 51,0 48,0
0 0 0
800 125, 104, 89,0 78,0 69,0 63,0 57,0 52,0 48,0 45,0 42,0
0 0
900 111, 93,0 79,0 69,0 62,0 56,0 51,0 46,0 43,0 40,0 37,0
0
1000 100, 83,0 71,0 63,0 56,0 50,0 45,0 41,7 38,5 35,7 33,0
64
Variáveis Fundamentais nos Modelos de Produção
0
1100 91,0 76,0 64,0 57,0 51,0 45,0 41,3 37,9 35,0 32,5 30,0
1200 83,0 69,0 59,0 52,0 46,0 41,7 37,9 34,7 32,1 29,8 28,0
1300 77,0 64,0 54,9 48,0 42,7 38,5 35,0 32,0 29,6 27,4 25,6
1400 71,0 60,0 51,0 45,0 39,7 35,7 32,5 29,8 27,5 25,5 23,8
1500 67,0 56,0 47,6 41,7 37,0 33,3 30,3 27,8 25,6 23,8 22,2
1600 63,0 52,0 44,6 39,1 34,7 31,3 28,4 26,0 24,0 22,3 20,8
1700 59,0 49,0 42,0 36,8 32,7 29,4 26,7 24,5 22,6 21,0 19,6
1800 56,0 46,3 39,6 34,7 30,9 27,8 25,3 23,1 21,4 19,8 16,5
1900 52,6 43,8 37,6 32,9 29,2 26,3 23,9 21,9 20,2 18,8 17,5
2000 50,0 41,7 35,7 31,3 27,8 25,0 22,7 20,8 19,2 17,9 16,6
2100 47,6 39,7 34,0 29,8 26,5 23,8 21,6 19,8 18,3 17,0 15,9
2200 45,4 37,8 32,5 28,4 25,3 22,7 20,7 18,9 17,5 16,2 15,1
2300 43,5 36,2 31,1 27,2 24,2 21,7 19,8 18,1 16,7 15,5 14,5
2400 41,7 34,7 29,8 26,0 23,1 20,8 18,9 17,4 16,0 14,9 13,9
2500 40,0 33,3 28,6 25,0 22,2 20,0 18,2 16,7 15,4 14,3 13,3
2600 38,5 32,1 27,5 24,0 21,4 19,2 17,5 16,0 14,8 13,7 12,8
2700 37,0 30,9 26,5 23,1 20,6 18,5 16,8 15,4 14,2 13,2 12,3
2800 35,7 29,8 25,5 22,3 19,8 17,9 16,2 14,9 13,7 12,8 11,9
2900 34,5 28,7 24,6 21,6 19,2 17,2 15,7 14,4 13,3 12,3 11,5
TABELA 3.3. Expressa o número de árvores para várias alturas das árvores
dominantes e índices de Hart-Backing.
Índice
Hdo 30 40 50 60 70 80 90 100 110 120
m
65
Variáveis Fundamentais nos Modelos de Produção
10 3333 2500 2000 1667 1429 1250 1111 1000 909 833
11 3030 2273 1818 1515 1299 1136 1010 909 826 758
12 2778 2083 1667 1389 1190 1042 926 833 758 694
13 2564 1923 1538 1282 1099 962 855 769 699 641
14 2381 1786 1429 1190 1020 893 794 714 649 595
15 2222 1667 1333 1111 952 833 741 667 606 556
16 2083 1563 1250 1042 893 781 694 625 568 521
17 1961 1471 1176 980 840 735 654 588 535 490
18 1852 1389 1111 926 794 694 617 556 505 463
19 1754 1316 1053 877 752 658 585 526 478 439
20 1667 1250 1000 833 714 625 556 500 455 417
21 1587 1190 952 794 680 595 529 476 433 397
22 1515 1136 909 758 649 568 505 455 413 379
23 1449 1087 870 725 621 543 483 435 395 362
24 1389 1042 833 694 595 521 463 417 379 347
25 1333 1000 800 667 571 500 444 400 364 333
26 1282 962 769 641 549 481 427 385 350 321
27 1235 926 741 617 529 463 411 370 337 309
28 1190 893 714 595 510 446 397 357 325 298
29 1149 862 690 575 493 431 383 345 313 287
30 1111 833 667 556 476 403 370 333 303 278
66
Variáveis Fundamentais nos Modelos de Produção
67
Variáveis Fundamentais nos Modelos de Produção
68
Variáveis Fundamentais nos Modelos de Produção
69
Variáveis Fundamentais nos Modelos de Produção
LC = a + b Di
Deve-se ainda calcular a área (em m2) coberta pela copa de cada árvore
(ACA), como se segue:
70
Variáveis Fundamentais nos Modelos de Produção
Ao utilizar uma amostra, pode-se obter a área média de copa por parcela,
por hectare e para a população. Utilizando-se de uma só parcela com área igual a
1 hectare, a percentagem de área/ha coberta (PAC) pela copa das árvores será
obtida como:
PAC =
onde:
71
Variáveis Fundamentais nos Modelos de Produção
72
TABELA 3.4. Mostra índices de densidades.
(1) (2) (3) (4) = (2) x (5) (6) = (2) x (7) (8) (9) = (2) x
(3) (5) (8)
7,5 15,6 285 0,004418 1,259 0,029596 8,43 1,3 1,327 378,2
10,5 17,0 595 0,008659 5,152 0,063297 37,66 1,6 2,011 1196,5
13,5 21,0 290 0,014314 4,151 0,129255 37,48 2,2 3,801 1102,3
16,5 25,0 195 0,021382 4,169 0,229856 44,82 2,8 6,157 1200,6
TOTAL 1365 14,731 128,39 3877,6
Média do volume V = 0,094059
Área basal da árvore média = 0,01079
Altura média das árvores dominantes = 27
Diâmetro médio quadrático = 11,72
Média aritmética dos diâmetros (D) = 11,37 cm
Cálculo do índice de densidade Maneira Índice
1. Número de árvores Soma coluna (2) 1365,000
2. Área basal por ha Soma coluna (4) 14,731
3. Densidade relativa 4,300
73
Variáveis Fundamentais nos Modelos de Produção
i=1
H = Média aritmética das alturas na iésima classe diamétrica
2
Área basal / árvore = 0,00007854 DAP
Volume = 0,00007854 D2 . H . 0,43
Largura de copa obtida pela equação LC = a + b DAP
74
Variáveis Fundamentais nos Modelos de Produção
Índice de Staebler
Cli =
em que:
75
Variáveis Fundamentais nos Modelos de Produção
Cli = aj
Sendo
CIi : índice de competição da árvore objeto
Ai : área circular para a árvore objeto que expressa competição
aj : área superposta do j-ésimo competidor
n : número de competidores.
76
Variáveis Fundamentais nos Modelos de Produção
em que:
Cli =
em que:
CIi = índice de competição da árvore objeto i
Di, Dj = diâmetro da copa da árvore objeto i e diâmetro da copa do competidor
j
DISTij = distância entre a árvore objeto i e as árvores competidoras j
77
Variáveis Fundamentais nos Modelos de Produção
Cli =
em que:
CIi = índice de competição da árvore objeto i
Oij = área da copa superposta entre o competidor j e a árvore objeto i em m2
Ai = área de copa da árvore objeto i
Di, Dj = diâmetro de copa da árvore objeto i e do competidor j
k = fator de área basal
n = todas as árvores em que Dij é positivo.
78
Variáveis Fundamentais nos Modelos de Produção
FIGURA 3.4. Projeção da copa da árvore objeto (O) e das árvores competidores
(A, B).
79
TABELA 3.5. Esquema de copa de três árvores competindo e as variáveis com os valores para cálculo dos índices de
densidade, dependentes da distância.
em que:
Dc1 3 Dc1 = Diâmetro de copa da árvore competidora (C1)
Diâmetro de copa Dc2 4,3 Dc2 = Diâmetro de copa da árvore competidora (C2)
DO 3,4 DO = Diâmetro de copa da árvore competidora (O)
Rc1 1,5 Rc1 = Raio de copa da árvore competidora (C1)
Raio de copa Rc2 2,15 Rc2 = Raio de copa da árvore competidora (C2)
RO 1,7 RO = Raio de copa da árvore competidora (O)
Distância entre o 2,8 = Distância entre o centro da árvore (C1) e da árvore objeto (O)
centro da árvore 3,2 = Distância entre o centro da árvore (C2) e da árvore objeto (O)
competidora e da
árvore objeto
Área superposta de 6,5 = Área superposta entre a árvore (C1) e a árvore objeto (O)
copa
21,0 = Área superposta entre a árvore (C2) e a árvore objeto (O)
0,5 = Largura da porção superposta da copa entre árvore (C1) e da árvore
Largura da porção
objeto (O)
80
Variáveis Fundamentais nos Modelos de Produção
superposta da copa 1,1 = Largura da porção superposta da copa entre árvore (C2) e da árvore
objeto (O)
Área da copa da ACO 9,08
árvore objeto
81
Utilizando os dados da Tabela 3.5 pode-se obter os valores para os
índices de competição da distância como é o caso dos índices de:
a) Staeber
Cli =
Cli =
Cli = 1,36
b) Gerrard
Cli =
Cli = 3,028
c) Hegyi
Cli =
141
Modelos Biomatemáticos
Cli =
Cli = 0,71
d) Bella
Cli =
Cli =
Cli = 1,173
3.4. SOBREVIVÊNCIA
142
Modelos Biomatemáticos
a) Se I2 = I1, então N2 = N1
143
Modelos Biomatemáticos
144
Modelos Biomatemáticos
N2i = N1 . Exp
onde:
N2i = densidade do povoamento na idade I2;
N1 = densidade do povoamento na idade l1;
145
Modelos Biomatemáticos
a forma:
Pi = 0 - 1 . Ln (l) - 2 . Ln (NO) + ei
onde:
N2 = N1 . exp
onde:
N2 = número de árvores na idade I2;
N1 = número de árvores na idade l1;
I2 = idade futura
l1 = idade presente
146
Modelos Biomatemáticos
i = 1, ..., k;
P= 1 + 2 IAD 3 + 4 DAP
onde:
147
Modelos Biomatemáticos
148
Modelos Biomatemáticos
149
Modelos Biomatemáticos
150
Modelos Biomatemáticos
Seção de corte B B C
Seção de corte A
151
Modelos Biomatemáticos
Anéis internos - são os anéis mais internos de um disco que não estão presentes
no disco da seção imediatamente superior. Para se encontrar o número de
anéis internos basta diminuir o número de anéis encontrados em um disco i
com do número de anéis encontrados no disco i+1. Na Figura 1, considerando
a seção de corte A, nota-
j cada anel de crescimento contado a partir da medula, para cada iésimo disco
retirado da árvore, j=(1,2, ...,ri)
152
Modelos Biomatemáticos
Exemplo 1
n= 8 anos
r9= 6 anéis
j= 3o anel
anos.
Métodos
153
Modelos Biomatemáticos
Altura do disco
Num.Disco Num.Anéis
(m)
1 0,12 9
2 0,30 9
3 0,70 9
4 1,30 8
5 2,10 8
6 3,10 7
7 3,90 7
8 5,10 6
9 6,00 6
10 7,05 5
11 8,95 5
12 9,00 5
13 9,95 4
14 11,10 4
15 12,05 3
154
Modelos Biomatemáticos
16 13,00 3
17 14,00 2
18 15,00 2
19 16,00 1
ano
anos
anos
155
Modelos Biomatemáticos
anos
156
Modelos Biomatemáticos
Método Gráfico
16
14
12
10
0
0 1 2 3 4 5 6 7 8 9 10
Idade (anos)
altura é constante para cada ano que termina na seção que contém o ponto final
157
Modelos Biomatemáticos
Para o disco 3:
para o disco 5:
158
Modelos Biomatemáticos
159
Modelos Biomatemáticos
Para o disco 3:
para o disco 5:
160
Modelos Biomatemáticos
161
Modelos Biomatemáticos
Figura 1. Isto implica que a porção da árvore de onde provém o disco para o
topo tem a mesma inclinação, independentemente da idade. Assim, obtendo os
raios do disco e o comprimento total do fuste acima do corte de onde foi
retirado o disco, a tangente do ângulo de inclinação pode ser determinado para
o correspondente ano de crescimento. A altura associada com um dado anel
interno no disco é encontrada pela multiplicação dos raios dos anéis internos
(desde a medula até o último anel interior) pela tangente do ângulo de
inclinação. Matematicamente o método é assim representado:
Sendo:
162
Modelos Biomatemáticos
onde:
Crescimento
Seção de
anual em
corte
altura
163
Modelos Biomatemáticos
164
Modelos Biomatemáticos
1 0.12 9
2 0.30 9
3 0.70 9 1.1 4.45
4 1.30 8
5 2.10 8 1.4 5.35
6 3.10 7
7 3.90 7 1.7 7.3
8 5.10 6
9 6.00 6 4 8.8
10 7.05 5
11 8.95 5
12 9.00 5 1.3 4.5
13 9.95 4
14 11.10 4 1 4.3
15 12.05 3
16 13.00 3 1.15 4.1
17 14.00 2
18 15.00 2 1.1 3.9
19 16.00 1 2.25
Diâmetro do último disco: 0.65
CAP HT Idade
96 16.2 8
165
Modelos Biomatemáticos
simples. Tal fato se deve ao padrão de crescimento das árvores ser cônico e á
sempre estará localizada a uma distância acima desta seção. Esta distância,
166
Modelos Biomatemáticos
Crescimento
anual em Seção de
altura corte
Nós de
crescimento
anual
Seção de
corte
167
Modelos Biomatemáticos
2 - Método de Análise
longo da seção que o contém. Isto pode ser descrito matematicamente como:
Onde :
Anéis internos (k) - são os anéis mais internos de um disco, que não estão
168
Modelos Biomatemáticos
j cada anel de crescimento contado a partir da medula, para cada iésimo disco
retirado da árvore, j=(1,2, ...,ri)
3 - Exemplo
169
Modelos Biomatemáticos
7 18,0 7
8 21,0 6
9 24,0 2
Altura de corte
Número do disco Número de anéis
(metros) ki
(i) (ri)
(hi)
1 0,0 17 17-15 2
2 3,0 15 15-14 1
3 6,0 14 14-13 1
4 9,0 13 13-11 2
5 12,0 11 11-10 1
6 15,0 10 10-7 3
7 18,0 7 7-6 1
8 21,0 6 6-2 4
9 24,0 2 2-0 2
170
Modelos Biomatemáticos
n=17 anos
Disco
ri j Cálculo Tij
(i)
1 1
1 17
2 2
2 15 1 3
3 14 1 4
1 5
4 13
2 6
5 11 1 7
1 8
6 10 2 9
3 10
7 7 1 11
1 12
2 13
8 6
3 14
4 15
1 16
9 2
2 17
171
Modelos Biomatemáticos
1 1 1,00
1 0,0 17
2 2 2,00
2 3,0 15 1 3 4,50
3 6,0 14 1 4 7,50
1 5 10,00
4 9,0 13
2 6 11,00
5 12,0 11 1 7 13,50
1 8 15,75
6 15,0 10
2 9 16,50
172
Modelos Biomatemáticos
3 10 17,25
7 18,0 7 1 11 19,50
1 12 21,60
2 13 22,20
8 21,0 6
3 14 22,80
4 15 23,40
1 16 24,23
9 24,0 2
2 17 24,46
4 Exercício:
0,7; 1,3; 2,0; 3,0; 4,0; 5,0; 6,0; 7,0; 8,0; 9,0; 10,0 e 11,0m . Para seleção
173
Modelos Biomatemáticos
procedimento.
anéis (e).
(d) (e)
Figura 2 - na parcela para identificação das árvores
dominantes (a); abate (b) e seccionamento das árvores dominantes (c);
identificação de cada disco de acordo com o talhão e a posição do disco na
árvore (d); disco lixado e tratado para contagem dos anéis (e).
174
Modelos Biomatemáticos
175
Modelos Biomatemáticos
176
Modelos Biomatemáticos
177
Modelos Biomatemáticos
àquelas citadas para uma determinada cultura agrícola, então este procedimento
pode perfeitamente ser utilizado para espécies florestais.
178
Modelos Biomatemáticos
179
Modelos Biomatemáticos
180
Modelos Biomatemáticos
181
Modelos Biomatemáticos
para se fazer a construção das curvas de índice de sítio. Neste caso, elas devem
ser eliminadas, perdendo-se a seqüência do seu desenvolvimento em altura.
A análise de tronco é outra técnica que pode ser utilizada para fins de
classificação de sítio, já que propicia a reconstituição da altura das árvores. A
limitação para tal é que a árvore esteja situada numa região onde existam
grandes diferenças climáticas. Então, o crescimento em um ano é facilmente
identificado, já que há duas fases de crescimento bastante distintas ao longo do
ano. Uma primeira fase corresponde ao pleno crescimento da árvore e ocorre
naturalmente no período chuvoso e de altas temperaturas. Neste caso, o lenho
assume uma cor mais esbranquiçada com menos células por unidade de área,
sendo chamado de lenho inicial ou primaveril. Uma segunda fase corresponde a
182
Modelos Biomatemáticos
183
Modelos Biomatemáticos
Altura média das 100 árvores mais altas por hectare, (Hart). É um
método que apresenta bons resultados, tendo o grande inconveniente
de em plantações com altas densidades ou em plantações mais velhas
ser difícil a identificação das maiores árvores em altura das parcelas.
184
Modelos Biomatemáticos
E = 0,05.20 = 1 m
n = ( 22 . 82 ) / 12 = 256 parcelas
185
Modelos Biomatemáticos
FIGURA 4.1 - Mostra curvas de índice de sítio com igual forma e equidistantes
uma da outra.
186
Modelos Biomatemáticos
187
Modelos Biomatemáticos
FIGURA 4.2 - Mostra curva de índice de sítio com diferentes formas e não
equidistante entre si que não se cruzam (a) e que se cruzam (b).
4.7. Método da curva média para construção das curvas de índice de sítio
EXEMPLO 1
koi
(1)
188
Modelos Biomatemáticos
Onde:
I = idade da árvore
Y = ln (Hdi)
b0 = 0
b1 = 1
X = (1/I)
Y = b0 + b1 X (4)
Data do Data de
Projeto Talhão Parcela Idade (anos) (m)
plantio medição
189
Modelos Biomatemáticos
190
Modelos Biomatemáticos
35
30
25
20
Hd (m)
15
10
0
- 1 2 3 4 5 6 7
Idade (anos)
FIGURA 4.3 - Dispersão dos pares altura média estimada por parcela com a
idade.
(R2) igual a 70,77% e erro padrão dos resíduos (Syx) igual a 2,62 m e Syx% de
13,59%. A distribuição dos resíduos deste ajuste são mostradas na Figura 4.4.
191
Modelos Biomatemáticos
30
20
10
E (%) 0
-10
-20
-30
- 2 4 6 8
Idade (anos)
FIGURA 4.4 - Distribuição gráfica dos resíduos da altura média das árvores
dominantes em relação ao tempo.
Para obter os limites inferior e superior das classes de sítio nas várias
192
Modelos Biomatemáticos
TABELA 4.2 - Altura dominante real e estimada e o fator que define o limite
inferior e superior dentro do qual se insere toda a base de
dados.
Hd
Projeto Talhão Parcela Idade Hd Fator
estimada
C531 01 01 2,58 11,20 13,23 0,84649
C531 01 01 3,59 15,00 17,30 0,86694
C531 01 01 4,61 16,36 20,11 0,81354
C531 01 01 5,63 18,50 22,14 0,83549
C531 01 05 2,58 11,12 13,23 0,84044
C531 01 05 3,59 15,34 17,30 0,88659
C531 01 05 4,61 17,52 20,11 0,87122
C531 01 05 5,63 19,66 22,14 0,88788
C531 02 02 2,62 15,04 13,43 1,11966
C531 02 02 3,64 17,24 17,44 0,98863
C531 02 02 4,65 21,28 20,21 1,05316
C531 02 02 5,67 23,58 22,21 1,06150
C531 02 02 6,30 24,22 23,21 1,04367
C531 02 03 2,62 12,30 13,43 0,91568
C531 02 03 3,64 16,30 17,44 0,93473
C531 02 03 4,65 18,86 20,21 0,93339
C531 02 03 5,67 21,62 22,21 0,97326
C531 02 03 6,30 21,78 23,21 0,93852
C531 02 05 2,62 12,60 13,43 0,93801
C531 02 05 3,64 15,26 17,44 0,87509
C531 02 05 4,65 18,10 20,21 0,89578
C531 02 05 5,67 21,16 22,21 0,95256
C531 02 05 6,30 21,20 23,21 0,91353
193
Modelos Biomatemáticos
Classe V - 18 a 21 m
Classe IV - 21 a 24 m
194
Modelos Biomatemáticos
Classe III - 24 a 27 m
Classe II - 27 a 30 m
Classe I - 30 a 33 m
a) A partir dos fatores definidos pela razão entre o limite de cada classe
de sítio e a altura média das árvores dominantes estimada na idade de referência
(24,12m), como mostrado na Tabela 4.3
Classes
Limites Fator
De sítio
Inferior 18 0,74610
V
Superior 21 0,87045
Inferior 21 0,87045
IV
Superior 24 0,99480
Inferior 24 0,99480
III
Superior 27 1,11916
Inferior 27 1,11916
II
Superior 30 1,24351
Inferior 30 1,24351
I
Superior 33 1,36786
Mutiplicando cada fator pelos valores de estimados(Tabela 4.2),
obtêm-se os limites da classe de sítio considerada como mostrado na Tabela 4.4
e Figura 4.5.
195
Modelos Biomatemáticos
TABELA 4.4 - Limites inferior e superior de cada classe de sítio nas diferentes
idades.
196
Modelos Biomatemáticos
5,66 16,56 19,32 19,32 22,08 22,08 24,84 24,84 27,61 27,61 30,37
5,66 16,56 19,32 19,32 22,08 22,08 24,84 24,84 27,61 27,61 30,37
5,66 16,56 19,32 19,32 22,08 22,08 24,84 24,84 27,61 27,61 30,37
5,67 16,57 19,34 19,34 22,10 22,10 24,86 24,86 27,62 27,62 30,39
5,67 16,57 19,34 19,34 22,10 22,10 24,86 24,86 27,62 27,62 30,39
5,67 16,57 19,34 19,34 22,10 22,10 24,86 24,86 27,62 27,62 30,39
5,71 16,62 19,39 19,39 22,16 22,16 24,93 24,93 27,71 27,71 30,48
5,74 16,66 19,44 19,44 22,21 22,21 24,99 24,99 27,77 27,77 30,54
6,29 17,31 20,19 20,19 23,07 23,07 25,96 25,96 28,84 28,84 31,73
6,29 17,31 20,19 20,19 23,07 23,07 25,96 25,96 28,84 28,84 31,73
6,29 17,31 20,19 20,19 23,07 23,07 25,96 25,96 28,84 28,84 31,73
6,30 17,31 20,20 20,20 23,09 23,09 25,97 25,97 28,86 28,86 31,74
6,30 17,31 20,20 20,20 23,09 23,09 25,97 25,97 28,86 28,86 31,74
6,30 17,31 20,20 20,20 23,09 23,09 25,97 25,97 28,86 28,86 31,74
6,34 17,36 20,25 20,25 23,14 23,14 26,03 26,03 28,93 28,93 31,82
6,37 17,39 20,29 20,29 23,19 23,19 26,08 26,08 28,98 28,98 31,88
35
30
25
20
Hd (m)
15
10
0
- 1 2 3 4 5 6 7
Idade (anos)
197
Modelos Biomatemáticos
FIGURA 4.5 - Limites superior e inferior das classes de sítio nas diferentes
idades.
ou
198
Modelos Biomatemáticos
. . .
. . .
. . .
. . .
. . .
199
Modelos Biomatemáticos
EXEMPLO 2
Onde:
1 - valor assintótico
I - idade
, com valor de
200
Modelos Biomatemáticos
FIGURA 4.6 - Distribuição gráfica dos resíduos da altura média das árvores
dominantes em relação ao tempo.
Para obter os limites inferior e superior das classes de sítio nas várias
TABELA 4.5 - Altura dominante real e estimada e o fator que define o limite
inferior e superior dentro do qual se insere toda a base de
dados.
201
Modelos Biomatemáticos
202
Modelos Biomatemáticos
Classe V - 19 a 22 m
Classe IV - 22 a 25 m
Classe III - 25 a 28 m
Classe II - 28 a 31 m
Classe I - 31 a 34 m
a) A partir dos fatores definidos pela razão entre o limite de cada classe
de sítio e a altura média das árvores dominantes estimada na idade de
referência(24,95m), como mostrado na Tabela 4.6.
203
Modelos Biomatemáticos
TABELA 4.7- Limites inferior e superior de cada classe de sítio nas diferentes
idades.
204
Modelos Biomatemáticos
2,62 10,47 12,12 12,12 13,78 13,78 15,43 15,43 17,08 17,08 18,74
2,66 10,58 12,25 12,25 13,92 13,92 15,59 15,59 17,26 17,26 18,94
2,69 10,67 12,36 12,36 14,04 14,04 15,72 15,72 17,41 17,41 19,09
3,59 13,04 15,10 15,10 17,16 17,16 19,22 19,22 21,28 21,28 23,34
3,59 13,04 15,10 15,10 17,16 17,16 19,22 19,22 21,28 21,28 23,34
3,63 13,12 15,20 15,20 17,27 17,27 19,34 19,34 21,41 21,41 23,48
3,63 13,12 15,20 15,20 17,27 17,27 19,34 19,34 21,41 21,41 23,48
3,63 13,12 15,20 15,20 17,27 17,27 19,34 19,34 21,41 21,41 23,48
3,64 13,14 15,22 15,22 17,29 17,29 19,37 19,37 21,44 21,44 23,52
3,64 13,14 15,22 15,22 17,29 17,29 19,37 19,37 21,44 21,44 23,52
3,64 13,14 15,22 15,22 17,29 17,29 19,37 19,37 21,44 21,44 23,52
3,68 13,24 15,33 15,33 17,42 17,42 19,51 19,51 21,60 21,60 23,69
Continua ...
TABELA 4.7, continuação ...
3,71 13,31 15,41 15,41 17,51 17,51 19,61 19,61 21,71 21,71 23,82
4,61 15,25 17,65 17,65 20,06 20,06 22,47 22,47 24,88 24,88 27,28
4,61 15,25 17,65 17,65 20,06 20,06 22,47 22,47 24,88 24,88 27,28
4,64 15,31 17,73 17,73 20,15 20,15 22,57 22,57 24,98 24,98 27,40
4,64 15,31 17,73 17,73 20,15 20,15 22,57 22,57 24,98 24,98 27,40
4,64 15,31 17,73 17,73 20,15 20,15 22,57 22,57 24,98 24,98 27,40
4,65 15,33 17,75 17,75 20,17 20,17 22,59 22,59 25,01 25,01 27,43
4,65 15,33 17,75 17,75 20,17 20,17 22,59 22,59 25,01 25,01 27,43
4,65 15,33 17,75 17,75 20,17 20,17 22,59 22,59 25,01 25,01 27,43
4,69 15,40 17,84 17,84 20,27 20,27 22,70 22,70 25,13 25,13 27,57
4,72 15,46 17,90 17,90 20,35 20,35 22,79 22,79 25,23 25,23 27,67
5,63 17,06 19,75 19,75 22,44 22,44 25,14 25,14 27,83 27,83 30,52
5,63 17,06 19,75 19,75 22,44 22,44 25,14 25,14 27,83 27,83 30,52
5,66 17,11 19,81 19,81 22,51 22,51 25,22 25,22 27,92 27,92 30,62
5,66 17,11 19,81 19,81 22,51 22,51 25,22 25,22 27,92 27,92 30,62
5,66 17,11 19,81 19,81 22,51 22,51 25,22 25,22 27,92 27,92 30,62
5,67 17,12 19,83 19,83 22,53 22,53 25,23 25,23 27,94 27,94 30,64
5,67 17,12 19,83 19,83 22,53 22,53 25,23 25,23 27,94 27,94 30,64
5,67 17,12 19,83 19,83 22,53 22,53 25,23 25,23 27,94 27,94 30,64
5,71 17,19 19,90 19,90 22,61 22,61 25,33 25,33 28,04 28,04 30,75
5,74 17,23 19,95 19,95 22,68 22,68 25,40 25,40 28,12 28,12 30,84
6,29 18,07 20,92 20,92 23,77 23,77 26,63 26,63 29,48 29,48 32,33
6,29 18,07 20,92 20,92 23,77 23,77 26,63 26,63 29,48 29,48 32,33
6,29 18,07 20,92 20,92 23,77 23,77 26,63 26,63 29,48 29,48 32,33
6,30 18,08 20,93 20,93 23,79 23,79 26,64 26,64 29,50 29,50 32,35
6,30 18,08 20,93 20,93 23,79 23,79 26,64 26,64 29,50 29,50 32,35
205
Modelos Biomatemáticos
6,30 18,08 20,93 20,93 23,79 23,79 26,64 26,64 29,50 29,50 32,35
6,34 18,13 21,00 21,00 23,86 23,86 26,72 26,72 29,59 29,59 32,45
6,37 18,18 21,05 21,05 23,92 23,92 26,79 26,79 29,66 29,66 32,53
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
FIGURA 4.7 - Limites superior e inferior das classes de sítio nas diferentes
idades.
206
Modelos Biomatemáticos
Ou ainda
(15)
207
Modelos Biomatemáticos
0,057322753)]
= 10,34
0,057322753)]
= 11,98
. .
. .
. .
0,057322753)]
= 32,53
EXEMPLO 3
208
Modelos Biomatemáticos
In Hd = O + 1 *[(1/I) 2]
Onde:
I - idade da árvore
8
6
4
2
E (m) 0
-2
-4
-6
-8
- 2 4 6 8
Idade (anos)
FIGURA 4.8 - Distribuição gráfica dos resíduos da altura média das árvores
dominantes em relação ao tempo.
Para obter os limites inferior e superior das classes de sítio nas várias
209
Modelos Biomatemáticos
TABELA 4.8 - Altura dominante real e estimada e o fator que define o limite
inferiro e superior dentro do qual se insere toda a base de
dados.
Hd
Projeto Talhão Parcela Idade Hd Fator
estimada
C531 01 01 2,58 11,20 13,62 0,82211
C531 01 01 3,59 15,00 16,79 0,89335
C531 01 01 4,61 16,36 19,63 0,83340
C531 01 01 5,63 18,50 22,24 0,83171
C531 01 05 2,58 11,12 13,62 0,81624
C531 01 05 3,59 15,34 16,79 0,91360
C531 01 05 4,61 17,52 19,63 0,89249
C531 01 05 5,63 19,66 22,24 0,88386
C531 02 02 2,62 15,04 13,76 1,09286
C531 02 02 3,64 17,24 16,91 1,01933
C531 02 02 4,65 21,28 19,74 1,07792
C531 02 02 5,67 23,58 22,35 1,05521
C531 02 02 6,30 24,22 23,88 1,01411
C531 02 03 2,62 12,30 13,76 0,89376
C531 02 03 3,64 16,30 16,91 0,96376
C531 02 03 4,65 18,86 19,74 0,95534
C531 02 03 5,67 21,62 22,35 0,96750
C531 02 03 6,30 21,78 23,88 0,91194
C531 02 05 2,62 12,60 13,76 0,91556
210
Modelos Biomatemáticos
211
Modelos Biomatemáticos
Classe V - 20 a 23 m
Classe IV - 23 a 26 m
Classe III - 26 a 29 m
Classe II - 29 a 32 m
Classe I - 32 a 35 m
Classes
Limites Fator
de sítio
Inferior 20 0,78428
V
Superior 23 0,90192
Inferior 23 0,90192
IV
Superior 26 1,01956
Inferior 26 1,01956
III
Superior 29 1,13720
212
Modelos Biomatemáticos
Inferior 29 1,13720
II
Superior 32 1,25845
Inferior 32 1,25845
I
Superior 35 1,37249
213
Modelos Biomatemáticos
3,71 13,42 15,44 15,44 17,45 17,45 19,47 19,47 21,48 21,48 23,49
4,61 15,40 17,71 17,71 20,01 20,01 22,32 22,32 24,63 24,63 26,94
4,61 15,40 17,71 17,71 20,01 20,01 22,32 22,32 24,63 24,63 26,94
4,64 15,47 17,79 17,79 20,11 20,11 22,43 22,43 24,74 24,74 27,06
4,64 15,47 17,79 17,79 20,11 20,11 22,43 22,43 24,74 24,74 27,06
4,64 15,47 17,79 17,79 20,11 20,11 22,43 22,43 24,74 24,74 27,06
4,65 15,48 17,81 17,81 20,13 20,13 22,45 22,45 24,77 24,77 27,10
4,65 15,48 17,81 17,81 20,13 20,13 22,45 22,45 24,77 24,77 27,10
4,65 15,48 17,81 17,81 20,13 20,13 22,45 22,45 24,77 24,77 27,10
4,69 15,56 17,90 17,90 20,23 20,23 22,57 22,57 24,90 24,90 27,24
4,72 15,63 17,97 17,97 20,32 20,32 22,66 22,66 25,00 25,00 27,35
5,63 17,44 20,06 20,06 22,68 22,68 25,30 25,30 27,91 27,91 30,53
5,63 17,44 20,06 20,06 22,68 22,68 25,30 25,30 27,91 27,91 30,53
5,66 17,51 20,14 20,14 22,76 22,76 25,39 25,39 28,02 28,02 30,64
5,66 17,51 20,14 20,14 22,76 22,76 25,39 25,39 28,02 28,02 30,64
5,66 17,51 20,14 20,14 22,76 22,76 25,39 25,39 28,02 28,02 30,64
5,67 17,53 20,15 20,15 22,78 22,78 25,41 25,41 28,04 28,04 30,67
5,67 17,53 20,15 20,15 22,78 22,78 25,41 25,41 28,04 28,04 30,67
5,67 17,53 20,15 20,15 22,78 22,78 25,41 25,41 28,04 28,04 30,67
5,71 17,60 20,24 20,24 22,88 22,88 25,52 25,52 28,16 28,16 30,80
5,74 17,66 20,31 20,31 22,96 22,96 25,61 25,61 28,25 28,25 30,90
6,29 18,72 21,52 21,52 24,33 24,33 27,14 27,14 29,94 29,94 32,75
6,29 18,72 21,52 21,52 24,33 24,33 27,14 27,14 29,94 29,94 32,75
6,29 18,72 21,52 21,52 24,33 24,33 27,14 27,14 29,94 29,94 32,75
6,30 18,73 21,54 21,54 24,35 24,35 27,16 27,16 29,97 29,97 32,78
6,30 18,73 21,54 21,54 24,35 24,35 27,16 27,16 29,97 29,97 32,78
6,30 18,73 21,54 21,54 24,35 24,35 27,16 27,16 29,97 29,97 32,78
6,34 18,80 21,62 21,62 24,44 24,44 27,27 27,27 30,09 30,09 32,91
6,37 18,86 21,69 21,69 24,52 24,52 27,35 27,35 30,18 30,18 33,01
214
Modelos Biomatemáticos
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
FIGURA 4.9 - Limites superior e inferior das classes de sítio nas diferentes
idades.
4.7.2. Seleção da equação de sítio
215
Modelos Biomatemáticos
sítios propiciados pelas três equações. Para tal, as parcelas que participaram do
ajuste terão nas diferentes medições identificadas à classe de sítio nas quais
estão situadas(Tabela 4.12). Aquela equação que apresentar maior estabilidade
será a selecionada, desde que suas medidas de precisão e distribuição dos
resíduos sejam satisfatórias. Embora não tenha apresentado o maior coeficiente
de determinação a equação de Chapman e Richards foi a que aprsentou a maior
estabilidade na classificação de sítio e a menor média de resíduos expressando
que os valores superestimado e subestimados tendem a se anular. Por estes fato
ela foi a equação selecionada.
216
Modelos Biomatemáticos
217
Modelos Biomatemáticos
218
Modelos Biomatemáticos
219
Modelos Biomatemáticos
220
Modelos Biomatemáticos
1
0,188815 7 1 0,057322753
0,188815 2,62
1
0,188815 7 1 0,057322753
0,188815 2,66
221
Modelos Biomatemáticos
TABELA 4.14. Índice de sítio - altura das dominantes para idade de 2,58 anos.
TABELA 4.15 - Parâmetros estimados para relação índice de sítio - altura média
das dominantes para diferentes idades.
Parâmetros Idades consideradas (anos)
estimados 2,62 3,64 4,65 5,67 6,31
1,15926 0,86756 0,607243 0,452218 0,323008
(0,0415) (0,0056) (0,0053) (0,0086) (0,048)
1,7287 1,39579 1,20832 1,08919 1,03629
(0,0000) (0,0000) (0,0000) (0,0000) (0,0000)
222
Modelos Biomatemáticos
parâmetros que foi significativo para = 0,05. Este fato expressa que existe
Este método pode ser aplicado a partir de qualquer modelo que retrata a
relação altura média das árvores dominantes-idade, tanto para produzir conjunto
de curvas anamórficas, como polimórficas. Entretanto, é necessário que se tenha
dados advindos de parcelas permanentes, de análise de tronco, ou de um grande
número de parcelas temporárias.
223
Modelos Biomatemáticos
1° CASO
1
1i
I1
1 0
(1)
224
Modelos Biomatemáticos
Onde:
225
Modelos Biomatemáticos
2º CASO
Assumindo- O
226
Modelos Biomatemáticos
Onde:
0i -as e resolvendo
esta igualdade em relação a H2 tem-se que:
227
Modelos Biomatemáticos
Schumacher
(2)
228
Modelos Biomatemáticos
Chapman-Richards (1961)
(3)
(4)
Hd = (5)
Hd = (6)
Em que:
I - idade do povoamento
229
Modelos Biomatemáticos
Os modelos (2), (3), (4), (5) e (6) foram manipulados para dar a forma
da diferença algébrica para curvas anamórficas e polimórficas da seguinte
maneira:
MODELO DE SCHUMACHER
O 1
Para qualquer dois pares (Hi, Ii, H2, I2) observados no mesmo indivíduo
tem-se:
O i -se:
230
Modelos Biomatemáticos
Para dois pares observados no mesmo indivíduo (H1, I1, H2, I2) pode-se
escrever:
(8)
Formulação anamórfica
231
Modelos Biomatemáticos
O 1 2
para todos os sítios, e para qualquer par altura-idade (Hi, Ii) tem-se:
Para dois pares observados no mesmo indivíduo (Hdi, I1, Hd2, I2) pode-
se escrever:
(9)
Formulação polimórfica
O O 1
para todos os sítios e para qualquer par altura-idade (Hdi, Ii) tem-se:
Para dois pares observados no mesmo indivíduo (Hdi, I1, Hd2, I2) pode-
se escrever:
232
Modelos Biomatemáticos
(10)
2 2
0 1
Formulação anamórfica
O 1 2 muns a
todos os sítios, e para qualquer par altura-idade (Hdi, Ii) tem-se:
Para dois pares observados no mesmo indivíduo (Hd1, I1, Hd2, I2) pode-
se escrever:
(11)
233
Modelos Biomatemáticos
Formulação polimórfica
Considerando 1
O 2 - 1 -se:
Para dois pares observados no mesmo indivíduo (Hdi, I1, Hd2, I2) pode-
se escrever:
(12)
234
Modelos Biomatemáticos
Hd =
Formulação anamórfica
Se O 1 2 a
todos os sítios, e para qualquer par altura-idade (Hdi, I1) tem-se:
Para dois pares observados no mesmo indivíduo (Hd1, I1, Hd2, I2) pode-
se escrever:
(13)
1/ 1 ln I 2
H1 ln I 1
1 ln 1
0
Hd 2 0 1 e (13A)
235
Modelos Biomatemáticos
Formulação polimórfica
Se 2 O 1
a todos os sítios, dois pares observados no mesmo indivíduo (Hd1, I1, Hd2, I2)
pode-se escrever:
ln I 2
1 Hd 1 ln I 1
1 ln 1
1 0
Hd 2 Hd 1 1 e (13B)
Formulação anamórfica
Se O 1 2 3
comuns a todos os sítios, e para qualquer par altura-idade (Hdi, I1) tem-se:
236
Modelos Biomatemáticos
Para dois pares observados no mesmo indivíduo (Hdi, I1, Hd2, I2) pode-
se escrever:
(14)
Formulação polimórfica
Considerando O 1 2
serão iguais para todos os sítios e para qualquer par altura-idade (Hd1, I1) tem-se:
Para dois pares observados no mesmo indivíduo (Hdi, I1, Hd2, I2) pode-
se escrever:
(15)
237
Modelos Biomatemáticos
CLUTTER E JONES
Formulação polimórifca
Neste caso ser fará uso do modelo baseado em Clutter e Jones (1980),
versão proveniente de lenhart's (1970) que apresentou modelo polimórfico para
crescimento em altura. A forma do modelo de produção em altura é:
ln Hd2 = (16)
Formulação polimórfica
4.10. Aplicação
238
Modelos Biomatemáticos
EXEMPLO 1
ln Hd = 0 + 1
= 0,0134966
239
Modelos Biomatemáticos
EXEMPLO 1.1
Assim,
(20)
Então para obter os coeficientes i para os índices de sítio 20, 23, 26, 29,
32 e 35, numa idade de referência de 7 anos obtém-se os diferentes valores de i,
conforme pode-se ver na Tabela 4.16.
240
Modelos Biomatemáticos
S i
20 -47,720956641
23 -47,577475481
26 -47,451610578
29 -47,339505374
32 -47,238445704
35 -47,146448868
ln Hd = 49,4797 +
(20 a)
241
Modelos Biomatemáticos
2,62 10,76 12,40 12,40 14,03 14,03 15,68 15,68 17,32 17,32 18,97
2,62 10,76 12,40 12,40 14,03 14,03 15,68 15,68 17,32 17,32 18,97
2,66 10,86 12,51 12,51 14,16 14,16 15,82 15,82 17,48 17,48 19,14
2,69 10,94 12,60 12,60 14,27 14,27 15,94 15,94 17,61 17,61 19,28
3,59 13,14 15,13 15,13 17,12 17,12 19,12 19,12 21,11 21,11 23,11
3,59 13,14 15,13 15,13 17,12 17,12 19,12 19,12 21,11 21,11 23,11
3,63 13,22 15,22 15,22 17,22 17,22 19,23 19,23 21,24 21,24 23,24
Continua ...
TABELA 4.17, Continuação ...
3,63 13,22 15,22 15,22 17,22 17,22 19,23 19,23 21,24 21,24 23,24
3,63 13,22 15,22 15,22 17,22 17,22 19,23 19,23 21,24 21,24 23,24
3,64 13,24 15,24 15,24 17,25 17,25 19,26 19,26 21,27 21,27 23,28
3,64 13,24 15,24 15,24 17,25 17,25 19,26 19,26 21,27 21,27 23,28
3,64 13,24 15,24 15,24 17,25 17,25 19,26 19,26 21,27 21,27 23,28
3,68 13,33 15,34 15,34 17,36 17,36 19,39 19,39 21,41 21,41 23,43
3,71 13,40 15,42 15,42 17,46 17,46 19,49 19,49 21,52 21,52 23,56
4,61 15,37 17,69 17,69 20,02 20,02 22,34 22,34 24,66 24,66 26,99
4,61 15,37 17,69 17,69 20,02 20,02 22,34 22,34 24,66 24,66 26,99
4,64 15,44 17,78 17,78 20,11 20,11 22,44 22,44 24,78 24,78 27,11
4,64 15,44 17,78 17,78 20,11 20,11 22,44 22,44 24,78 24,78 27,11
4,64 15,44 17,78 17,78 20,11 20,11 22,44 22,44 24,78 24,78 27,11
4,65 15,46 17,80 17,80 20,13 20,13 22,47 22,47 24,80 24,80 27,14
4,65 15,46 17,80 17,80 20,13 20,13 22,47 22,47 24,80 24,80 27,14
4,65 15,46 17,80 17,80 20,13 20,13 22,47 22,47 24,80 24,80 27,14
4,69 15,54 17,89 17,89 20,24 20,24 22,58 22,58 24,93 24,93 27,29
4,72 15,61 17,96 17,96 20,32 20,32 22,67 22,67 25,03 25,03 27,39
5,63 17,43 20,06 20,06 22,68 22,68 25,30 25,30 27,93 27,93 30,56
5,63 17,43 20,06 20,06 22,68 22,68 25,30 25,30 27,93 27,93 30,56
5,66 17,50 20,13 20,13 22,76 22,76 25,40 25,40 28,03 28,03 30,67
5,66 17,50 20,13 20,13 22,76 22,76 25,40 25,40 28,03 28,03 30,67
5,66 17,50 20,13 20,13 22,76 22,76 25,40 25,40 28,03 28,03 30,67
5,67 17,51 20,15 20,15 22,78 22,78 25,42 25,42 28,06 28,06 30,70
5,67 17,51 20,15 20,15 22,78 22,78 25,42 25,42 28,06 28,06 30,70
5,67 17,51 20,15 20,15 22,78 22,78 25,42 25,42 28,06 28,06 30,70
5,71 17,59 20,24 20,24 22,88 22,88 25,53 25,53 28,18 28,18 30,83
5,74 17,65 20,30 20,30 22,96 22,96 25,61 25,61 28,27 28,27 30,93
6,29 18,71 21,52 21,52 24,33 24,33 27,14 27,14 29,95 29,95 32,77
6,29 18,71 21,52 21,52 24,33 24,33 27,14 27,14 29,95 29,95 32,77
6,29 18,71 21,52 21,52 24,33 24,33 27,14 27,14 29,95 29,95 32,77
6,30 18,72 21,54 21,54 24,35 24,35 27,16 27,16 29,98 29,98 32,79
242
Modelos Biomatemáticos
6,30 18,72 21,54 21,54 24,35 24,35 27,16 27,16 29,98 29,98 32,79
6,30 18,72 21,54 21,54 24,35 24,35 27,16 27,16 29,98 29,98 32,79
6,34 18,80 21,62 21,62 24,45 24,45 27,27 27,27 30,09 30,09 32,92
6,37 18,85 21,69 21,69 24,52 24,52 27,35 27,35 30,19 30,19 33,02
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
FIGURA 4.12 - Limites superior e inferior das classes de sítio nas diferentes
idades.
EXEMPLO 1.2
ln Hd1 = 0 + 1
243
Modelos Biomatemáticos
1 =
ln Hd = 0 + (21)
ln H = 49,4797 +
(22)
244
Modelos Biomatemáticos
ln Hd = 0 +
(22a)
EXEMPLO 2
245
Modelos Biomatemáticos
TABELA 4.18 - Arquivo de dados para ajuste dos dados pelo método da
diferença algébrica.
246
Modelos Biomatemáticos
247
Modelos Biomatemáticos
248
Modelos Biomatemáticos
249
Modelos Biomatemáticos
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
FIGURA 4.13 - Limites superior e inferior das classes de sítio nas diferentes
idades.
250
Modelos Biomatemáticos
1º - ajustar uma função altura-idade, linear ou não, para os dados de cada árvore
ou parcela, obtendo-se tantas equações quanto forem o n° destas árvores ou
parcelas;
2º - utilizando cada curva ajustada verificar o seu índice de sítio, para definir a
amplitude deste, de modo a estabelecer o intervalo e o número de classes de
sítio;
3º - relacionar cada parâmetro das curvas ajustadas com o índice de sítio, através
de regressão linear ou não linear, para ter um conjunto de coeficientes que
possibilitam a obtenção das curvas de índice de sítio para a população e não ter
apenas curvas de crescimento para as árvores individuais ou as parcelas.
4.11.1. Aplicação
EXEMPLO 1
1º Passo
251
Modelos Biomatemáticos
252
Modelos Biomatemáticos
H = I2/( O + 1 I+ 2
2I ) (1)
I2/H = O + 1 I+ 2I
2
2
Z= O + 1 I+ 2I (2)
onde:
H = altura em metros
I = idade em anos
O ajuste do modelo (2) para cada árvore amostra resultou nas seguintes
equações:
253
Modelos Biomatemáticos
2º Passo
254
Modelos Biomatemáticos
2
Z= O+ 1 I+ 2I , portanto, I2/H = O + 1 I+ 2I
2
então:
H = (10)2/9,7 = 10,3 m
H = (10)2/4,87 = 20,53 m
255
Modelos Biomatemáticos
Classe V = 10 12 m
Classe IV = 12 14 m
Classe III = 14 16 m
Classe II = 16 18 m
Classe I = 18 20m
S = 11 m
S = 13 m
S = 15 m
S = 17 m
S = 19 m
3° Passo
256
Modelos Biomatemáticos
O = O 1 10
1 = O 1 10
2 = O 1 10
257
Modelos Biomatemáticos
onde:
258
Modelos Biomatemáticos
Z=
4° Passo
259
Modelos Biomatemáticos
Verificação
260
Modelos Biomatemáticos
261
Modelos Biomatemáticos
262
Modelos Biomatemáticos
15 11,6 14,3 14,3 17,2 17,2 20,3 20,3 23,5 23,5 27,1
16 11,8 14,6 14,6 17,7 17,7 20,9 20,9 24,4 24,4 28,3
17 11,9 14,9 14,9 18,1 18,1 21,4 21,4 25,4 25,4 29,5
18 12,1 15,1 15,1 18,5 18,5 22,1 22,1 26,1 26,1 30,7
19 12,2 15,4 15,4 18,8 18,8 22,7 22,7 27,0 27,0 31,8
20 12,3 15,6 15,6 19,2 19,2 23,2 23,2 27,7 27,7 32,8
Exemplo 2:
onde:
263
Modelos Biomatemáticos
I = idade
1 = 1 + 2(S)
2
2 = 3 + 4(S) + 5(S) (3)
2
3 = 6 + 7(S) + 8(S)
Deve-se observar que se lerá tantos pares 1-S, 2-S, 3-S quantas forem
as unidades de amostra consideradas, Também testes podem ser efetuados para
verificar qual a relação com os parâmetros 1, 2, 3 são as mais indicadas.
1 = 63,1415 + 0,6350805 S
264
Modelos Biomatemáticos
265
Modelos Biomatemáticos
Relembrando:
onde:
bO = b1 1
b1 = bO 1
b2 = bO 1
Z = I2 ref,/S
Iref = 10 anos
266
Modelos Biomatemáticos
H = I2/[(bO ,+ b1 O 1 O 1
2
] (5)
S=
1 ln (hd) = O + 1 (1/I)
2 Hd = O + 1 ln (I)
3 ln (Hd) = O + 1 (1/I) + 2 (1/I2)
267
Modelos Biomatemáticos
268
Modelos Biomatemáticos
COEFICIENTES
Modelos R2
Syx (m)
(%)
1 3,113905 -3,9977400 85,02 3,91
2 -6,000692 9,4064290 87,00 2,69
3 3,475554 -8,0050260 4,3229700 94,60 2,32
4 3,665696 -11,234870 15,1064800 -7,79974 95,04 1,99
5 1,100979 0,3873350 0,0205550 93,26 1,94
6 41,690000 0,0419000 98,65 1,97
7 33,486630 0,0732239 1,2911456 98,72 1,92
269
Modelos Biomatemáticos
FIGURA 4.15 - Distribuição dos resíduos (m) em função da idade em anos para
o modelo 1.
270
Modelos Biomatemáticos
271
Modelos Biomatemáticos
272
Modelos Biomatemáticos
273
Modelos Biomatemáticos
Ainda com relação a análise gráfica dos resíduos pode-se constatar pela
Figura 4.18 que a introdução de termo quadrático e cúbico no modelo 1 (define
o modelo 4), propicia uma sensível melhora na distribuição dos resíduos, em que
pese tendência de subestimar a altura média das árvores dominantes nas idades
acima de 20 anos, Já o modelo de Prodan apresenta tendenciosidade em todas as
idades, com a subestimativa das alturas médias das dominantes, conforme pode-
se verificar na Figura 4.19. Uma sensível melhora na distribuição de resíduos
pode ser verificada nas Figuras 4.20 e principalmente 4.21 que advém de
modelos que apresentam comportamento biológico.
274
Modelos Biomatemáticos
275
Modelos Biomatemáticos
276
Modelos Biomatemáticos
Hi = ai + bi (H20)
Hi = ai + bi (H40)
277
Modelos Biomatemáticos
278
Modelos Biomatemáticos
expressar a relação entre o índice de sítio (S) e as alturas (H i) obtidas nas idades
(I) com o objetivo de estimar as ordenadas Hi dos pontos definidos pela curva.
Hi = ai + bi (H20)
onde:
279
Modelos Biomatemáticos
280
Modelos Biomatemáticos
281
Modelos Biomatemáticos
282
Modelos Biomatemáticos
283
Modelos Biomatemáticos
In V = b0 + b1 I + b2 f(S) + b3 g(Ds)
onde:
V = volume/hectare
I = idade do povoamento
284
Modelos Biomatemáticos
onde:
b = parâmetro de escala
c = parâmetro de forma
285
Modelos Biomatemáticos
286
Modelos Biomatemáticos
287
Modelos Biomatemáticos
Estas tabelas são de dupla entrada, onde o volume por unidade de área é
função da idade e do sítio, fornecendo estimativas do crescimento líquido e da
produção de povoamentos puros de mesma idade e completamente estocados.
Este tipo de tabela apresenta uma série de inconvenientes: as variáveis
independentes não podem ser acuradamente avaliadas; só se aplicam a
povoamentos como os descritos, sendo que estes não são mais abundantes na
América. Este fato acarreta ineficiência da tabela, já que elas praticamente não
foram usadas para crescimento e predição de povoamentos manejados; advém de
parcelas temporárias; e as tabelas são elaboradas graficamente, o que dificulta as
relações envolvendo mais de duas variáveis (idades e sítio).
Segundo Husch et al., (1982) estes modelos são similares aos modelos
de produção normais, mas ao invés de basearem-se em unidades amostrais com
densidade completa, baseiam-se em áreas de estoque médio. A densidade é
288
Modelos Biomatemáticos
289
Modelos Biomatemáticos
ln V = b0 + b1 / I + b2 f(S) + b3 g(Ds)
onde:
A variável dependente volume (V) é função (t) da idade (I), sítio (S), e
da densidade (g(Ds)). Desta maneira eliminou-se a necessidade de se coletar
informações de densidade como se esta fosse uma constante, e pode-se calcular
o volume para diferentes densidades. Os dados para sua confecção provém de
parcelas de áreas conhecidas, de preferência de parcelas permanentes
mensuradas de maneira correta e criteriosa, quantificando-se, a idade, definindo-
se o índice de sítio, expressando a densidade através da área basal, do número de
árvores, índice de Reineke, índice de Hart-Backing, densidade de copa ou
densidade relativa e a produção geralmente do volume por unidade de área.
290
Modelos Biomatemáticos
291
Modelos Biomatemáticos
onde:
V = volume em m3/ha
S = índice de sítio
292
Modelos Biomatemáticos
( V / l) / V = 2 . l-2 + 3 {( G / l) 1 / G} (2)
onde:
I, G e V = já definidos anteriormente.
logV =
293
Modelos Biomatemáticos
294
Modelos Biomatemáticos
-1
log (V) = 0 + 1S + 2 (1/l) + 3 log (G) + i (1)
onde:
V = volume em m3/ha
S = índice de sítio
i = Erro de estimativa
295
Modelos Biomatemáticos
Para obtenção do modelo que expressa a taxa corrente anual basta obter
a 1ª derivada do modelo de produção (1).
(2)
onde:
I, G, V = já definidos anteriormente
onde:
is = coeficientes de regressão
296
Modelos Biomatemáticos
297
Modelos Biomatemáticos
= - 2VI-2 + 3VG
-1
[-G ln(G)I-1 + 0G . I-1 + -1
1SGI ]
(11)
4 5
onde:
V* = volume presente
298
Modelos Biomatemáticos
onde:
I1 : Idade inicial
I2 : Idade de projeção
299
Modelos Biomatemáticos
-1
lnV2 = 0 + 1S + + 3 lnG2 (19)
onde:
-1
lnV2 = 0 + 1S + + 3(l1/l2) lnG1 + 3 0 [1 - (l1/l2)] + 3 1S [1 -
(l1/l2)] (20)
ou
-1
lnV2 = 0 + 1S + + 3(l1/l2) lnG1 + 4 [1 - (l1/l2)] + 5 . S [1 -
(l1/l2)] (21)
onde:
4 = 0 . 3
5 = 1 . 3
-1
IMA = V/l = exp { 0 + 1S + + 3 (l1/l2) lnG1 +
300
Modelos Biomatemáticos
301
Modelos Biomatemáticos
Em que:
I: Idade de medição
302
Modelos Biomatemáticos
Neste tipo de ajuste são considerados os pares I1 e I2, para cada parcela,
ou seja as parcelas são consideradas permanentes. O arquivo de dados
estruturado para este ajuste pode ser observado na Tabela 5.2. Para estes dados
já foi selecionada uma equação quer permite definir o índice de sítio. Esta
equação é:
303
Modelos Biomatemáticos
Em que:
304
Modelos Biomatemáticos
R2 = 98,21%
Syx = ± 6,06 m3
Syx = ± 4,66%
305
Modelos Biomatemáticos
306
Modelos Biomatemáticos
C531 06 01 6,37 20,26 26,5 90,2 129,8 161,4 186,6 207,1 223,8 237,8 249,6
Média 78,7 117,0 148,5 174,1 195,0 212,4 227,0 239,3
C531 07 01 6,34 23,87 32,5 73,8 130,1 182,8 229,3 269,6 304,4 334,5 360,7
Média 73,8 130,1 182,8 229,3 269,6 304,4 334,5 360,7
Na Figura 5.3 são apresentadas as curvas de produção em volume para os quatro
sítios considerados na Tabela 5.3.
400
350 I
300
250 III
200
IV
150 V
100
50
0
0 2 4 6 8 10 12
Idade (anos)
FIGURA 5.3 - Produção em volume para diferentes sítios a partir dos 3 anos de
idade
307
Modelos Biomatemáticos
Classes de sítio
Idade I III IV V
IMA ICA IMA ICA IMA ICA IMA ICA
3 24,6 26,23 22,0 22,93
4 32,5 56,3 29,25 38,31 23,6 28,60 22,55 21,40
5 36,6 52,7 29,70 31,49 23,5 22,92 21,23 15,95
6 38,2 46,5 29,01 25,59 22,6 18,35 19,73 12,19
7 38,5 40,3 27,86 20,95 21,5 14,86 18,27 9,57
8 38,0 34,8 26,55 17,36 20,4 12,22 16,95 7,68
9 37,2 30,1 25,22 14,57 19,2 10,20 15,77 6,30
10 36,1 26,3 23,93 12,37 18,2 8,63 14,72 5,25
60
50
40 IMA
30 ICA
20
10
0
0 5 10 15
Idade (anos)
Eucalyptus para a
FIGURA 5.4 - IMA e ICA em volume para povoamento de IMA
classe de sítio I
ICA
308
Modelos Biomatemáticos
IMA
ICA
35
30
25
20 IMA
15
10
ICA
5
0
0 5 10 15
Idade (anos)
309
Modelos Biomatemáticos
IMA
ICA
Para o sítio I a rotação silvicultural ocorreu aos 7 anos, para o sítio III
aos 5 anos, para o IV aos 4 anos e para o sítio V antes dos 3 anos de idade.
ln V = 0 + 1. S-1 + 2 + 3. lnG1
310
Modelos Biomatemáticos
311
Modelos Biomatemáticos
312
Modelos Biomatemáticos
313
Modelos Biomatemáticos
R2 = 99,07%
Syx = ± 6,85 m3
Syx = ± 5,26%
314
Modelos Biomatemáticos
C531 02 03 6,30 13,70 23,5 36,1 63,9 89,9 112,9 132,8 150,0 165,0 178,0
Média 49,6 80,7 108,2 131,7 151,5 168,3 182,6 195,0
C531 03 02 6,29 18,55 26,5 69,0 108,9 143,2 171,8 195,7 215,8 232,9 247,5
C531 02 02 6,30 18,23 26,5 66,1 105,4 139,5 168,1 192,1 212,3 229,5 244,3
C531 06 01 6,37 20,26 26,5 84,3 126,5 161,4 189,8 213,2 232,6 248,9 262,7
Média 73,1 113,6 148,0 176,6 200,4 220,3 237,1 251,5
C531 07 01 6,34 23,87 32,5 102,0 159,5 208,6 249,4 283,4 311,9 336,0 356,7
Média 102,0 159,5 208,6 249,4 283,4 311,9 336,0 356,7
Em que:
400
350 I
300
250 III
200 IV
150 V
100
50
0
0 2 4 6 8 10 12
Idade (anos)
FIGURA 5.8 - Produção em volume a partir dos 7 até os 20 anos de idade, para
os sítios I, II e III.
315
Modelos Biomatemáticos
Classes de sítio
Idade I III IV V
IMA ICA IMA ICA IMA ICA IMA ICA
3 34,0 24,37 16,5 15,09
4 39,9 57,5 28,40 40,47 20,2 31,12 17,91 26,38
5 41,7 49,1 29,60 34,42 21,6 27,50 18,88 22,76
6 41,6 40,8 29,43 28,59 21,9 23,42 18,91 19,08
7 40,5 34,0 28,62 23,76 21,6 19,80 18,49 15,96
8 39,0 28,5 27,53 19,90 21,0 16,80 17,86 13,43
9 37,3 24,1 26,34 16,84 20,3 14,36 17,14 11,41
10 35,7 20,6 25,15 14,40 19,5 12,38 16,41 9,78
316
Modelos Biomatemáticos
IMA
ICA
50
40
30
IMA
20
ICA
10
0
0 5 10 15
Idade (anos)
317
Modelos Biomatemáticos
IMA
ICA
30
25
20
IMA
15
10 ICA
5
0
0 5 10 15
Idade (anos)
318
Modelos Biomatemáticos
(1)
(2)
319
Modelos Biomatemáticos
(4)
Parcela Idade S G V
1 7 18 28 203
1 9 18 32 265,5
1 11 18 35,5 330
2 6 19,5 30 192
2 8 19,5 40 264
2 10 19,5 48 338
320
Modelos Biomatemáticos
X
y 1 X1 X2 X3 X4 X5 a
ln 203 1 18 1/7 ln 28 0 0 a0
ln 265.5 1 18 1/9 (7/9) ln 28 1-7/9 18(1-7/9) a1
ln 330 = 1 18 1/11 (9/11) ln 32 1-9/11 18(1-9/11) a2
ln 192 1 19.5 1/6 ln 30 0 0 a3
ln 264 1 19.5 1/8 (6/8) ln 30 1-6/8 19.5(1-6/8) a4
ln 338 1 19.5 1/10 (8/10) ln 40 1-8/10 19.5(1-8/10) a5
Capítulo 6
MODELOS BIOMATEMÁTICOS
Neste capítulo será feita uma abordagem do modelo proposto por Von
Bertalanffy em 1951 e derivado a partir da relação alométrica1 nos organismos.
Esta função matemática ficou conhecida na América como modelo de Chapman
- Richards e é uma generalização das três funções de crescimento biológicas
mais conhecidas, que são:
1
Uma relação alométrica pode ser entendida como a relação entre as dimensões de um
organismo, definidas como (P) e (Q) e expressas pela seguinte forma: P = c Qª, de tal
321
Modelos Biomatemáticos
a) Modelo monomolecular:
W = A (1 - b e-kt)
W / t = k (A - W)
W = A / (1 + be-kt)
W / t = k W (A - W) / A
c) Modelo de GOMPERTZ:
W=A
W / t = k W ln (A / W)
em que:
322
Modelos Biomatemáticos
323
Modelos Biomatemáticos
P = c Qª
onde:
P = expressa o comprimento do fêmur
Q = o tamanho do crânio de uma certa espécie animal
ou uma outra relação qualquer, como a altura e o diâmetro de árvores. Isto leva a
suposição de que em indivíduos normais a taxa de crescimento específica de P
manterá uma relação proporcional constante com a taxa crescimento específica
de Q, que é:
P-1 ( P / t) = a Q-1 ( Q / t)
324
Modelos Biomatemáticos
S = c W2/3
W / t = n Wm - v W (1)
Para integrar a função taxa, utilizou-se da equação de Bernoulli,
conforme pode-se observar em Pienaar (1965). Para tal definir que: Y = W1-m.
Derivando esta relação obteve:
Y / t = (1 - m) W-m W / t
Y / t = (1 - m) W-m (nWm - v W)
325
Modelos Biomatemáticos
Y / t = (1 - m) (n - v W1-m)
Y / t = (1 - m) (n - vY)
Assim rearranjando a expressão acima e multiplicando ambos os
termos por -v, tem-se:
-v Y / (n - vY) = -v (1 - m) t
Integrando ambas expressões, tem-se:
-v Y / (n - vY) = -v (1 - m) t
ln (n - vY) + c1 = -v (1 - m) t + c2
n - vY = c3 e-v(1-m) t
Y = (n / v) - (c3 e-v(1-m) t) / v
Substituindo Y, tem-se:
Ou se Wt = WO no tempo t = 0
= (n / v) - (c3 / v)
c3 / v = (n / v) - (3)
= (n / v) - [(n / v) - )] e-v)1-m) t
326
Modelos Biomatemáticos
t
Assim, aplicando limite na expressão (4),
L im Wt = (n / v)1/(1-m) (5)
t
que corresponde ao tamanho do organismo no infinito:
W
Substituindo (5) em (4) tem-se:
Estabelecendo que:
A=W
B= -
K = v (1 - m)
A expressão (5) pode ser abreviada para:
327
Modelos Biomatemáticos
onde:
b = ± B Am-1
W/ t=n-vW
W / t = v (n / v - W)
Como:
W =n/v=A
328
Modelos Biomatemáticos
Assim:
W / t = v (A - W) (10)
Wt = A (1 - b e-kt) (11b)
se Wt = WO em t = 0
Para m = 1 a equação taxa (1) que gerou o modelo de Chapman e
Richards, assume a forma:
W / t = (n - v) W
ou
Wt = WO e(n-v) t
329
Modelos Biomatemáticos
W / t = n W2 - v W (12)
Que é a taxa de crescimento apropriada para a logística ou modelo de
crescimento autocatalítico onde a taxa de crescimento relativa declina
linearmente com o aumento no tamanho do organismo vivo.
1 / Wt = (1 + b e-kt) / A (13a)
ou
Wt = A / (1 + b e-kt) (13b)
ou ainda:
Wt = A (1 + b e-kt)-1 (13c)
330
Modelos Biomatemáticos
L im (aX - 1) / x = ln a
x 0
l a taxa de
crescimento para m = 1 pode ser obtida por:
W / t = k W ln (A / W) (16)
Wt = A (17)
Portanto a forma limite do modelo geral (17) quando m 1, é o modelo
de Gompertz, para o qual a taxa de crescimento relativa é uma função linear do
tamanho do organismo (W) e o logarítmo da taxa de crescimento relativa é uma
função linear do tempo.
331
Modelos Biomatemáticos
W = A m1 / (1-m)
reescrevendo
W / A = m1 / (1-m) (18)
332
Modelos Biomatemáticos
W=A/e
ou
W = 0,368 A
que quer dizer que o ponto de inflexão ocorre em um ponto 0,368 do valor que o
organismo atinge na assíntota.
Para a logística:
W / t = A k mm / (1-m) (19)
333
Modelos Biomatemáticos
W-1 ( W / t) = k / m (20)
onde:
ln . ln (A / W) no modelo Gompertz
É difícil interpretar dife
(W) é específica para cada caso, dependendo de m.
334
Modelos Biomatemáticos
b = 1 - (WO / A)1-m
ou
b= Am-1
335
Modelos Biomatemáticos
336
Modelos Biomatemáticos
Da Tabela 6.1 pode-se inferir que o valor assintótico (A) pode ser
considerado o mesmo para espécie considerada, dentro de um certo limite de
densidade, no caso específico de 300 a 1200 árvores por acre. Conforme Pienaar
(1965), para a densidade de 600 plantas por acre houve alguma discrepância em
função de problemas na parcela.
337
TABELA 6.1. Estimativa dos parâmetros do modelo de Chapman-Richards para diferentes densidades de inicial.
Número Númer
de o de a b k m SQres n v m1/(1-m tO tm
plantas parcela
por ha s
1200 1 66,90 1,6167 0,2056 0,2649 19,33 6,1446 0,2797 5,86 0,75 0,1641 2,3365 3,833
600 2 59,76 1,4443 0,1585 0,2795 9,85 4,1903 0,2199 3,71 0,57 0,1705 2,3194 4,388
400 3 66,29 1,2835 0,0935 0,1519 9,38 3,8641 0,1102 2,69 0,62 0,1084 2,6693 4,419
300 4 67,48 1,2455 0,0796 0,1482 9,50 3,3788 0,0935 2,34 0,54 0,1063 2,7578 4,773
200 5 58,01 1,2529 0,0991 0,4178 3,38 1,8110 0,1703 2,03 0,24 0,2233 2,2750 7,734
150 6 46,55 1,2519 0,1002 0,4298 1,78 1,5706 0,1758 1,63 0,23 0,1807 2,2420 7,848
100 7 48,54 1,0989 0,1057 0,6432 0,92 1,1837 0,2963 1,57 0,16 0,2903 0,8922 10,642
50 8 47,25 1,1175 0,0469 0,3663 0,36 0,8520 0,0740 0,81 0,12 0,2050 2,3686 12,096
338
Modelos Implícitos de Produção e Crescimento
230
Modelos Implícitos de Produção e Crescimento
- b e-kt)
Este procedimento tem a grande vantagem de introduzir no modelo
informações sobre sítio, de maneira que os resultados obtidos, são para os
diferentes sítios existentes na propriedade florestal, tal como apresentado na
Tabela 6.2.
231
Modelos Implícitos de Produção e Crescimento
232
Modelos Implícitos de Produção e Crescimento
elliottii Richards 6 39 01
Monomolecular 41,69 0,04190 0 98,65 1,97
0
Ao observar o modelo de Chapman & Richards ajustados para Pinus
taeda e Pinus elliottii, observou-se que a relação k/m é maior para Pinus taeda,
que expressa ocorrência mais cedo do ponto de inflexão para esta espécie. Este
fato é facilmente comprovado ao observar o valor de m (expressa a localização
do ponto de inflexão) para esta espécie.
233
Modelos Implícitos de Produção e Crescimento
Capítulo 7
MODELOS IMPLÍCITOS DE
PRODUÇÃO E CRESCIMENTO
234
Modelos Implícitos de Produção e Crescimento
Unimodal
A seguir são apresentadas nas Figuras 7.1, 7.2, 7.3, 7.4 e 7.5 diferentes
comportamentos deste tipo de distribuição, podendo-se verificar desde como o
sítio interfere nas distribuições diamétricas, até como estas se apresentam em
idades próxima da rotação.
235
Modelos Implícitos de Produção e Crescimento
236
Modelos Implícitos de Produção e Crescimento
FIGURA 7.3. Distribuição das classes diamétricas para uma população de Pinus
caribaea var. hondurensis sujeito a vários desbastes.
237
Modelos Implícitos de Produção e Crescimento
Multimodal
238
Modelos Implícitos de Produção e Crescimento
Decrescente
239
Modelos Implícitos de Produção e Crescimento
240
Modelos Implícitos de Produção e Crescimento
FIGURA 7.9. Distribuição das árvores por classe de diâmetro para cerradão.
241
Modelos Implícitos de Produção e Crescimento
242
Modelos Implícitos de Produção e Crescimento
f(x) x = 1
243
Modelos Implícitos de Produção e Crescimento
Não é decrescente
f (x) =
em que:
244
Modelos Implícitos de Produção e Crescimento
f (x) = (2)
245
Modelos Implícitos de Produção e Crescimento
F (x) = (2A)
Demonstração:
246
Modelos Implícitos de Produção e Crescimento
x (t) =
Redefinindo:
y= ; x= y e x= y , tem-se:
x (t) =
-1
Como: = , então:
x (t) =
x (t) =
x (t) =
247
Modelos Implícitos de Produção e Crescimento
x (t) =
como: = ( ), então:
x (t) =
x (t) =
x (t) = (1 - t)-
Através da primeira derivada da função geratriz dos momentos, tem-se a
média ( x):
x (t) =- (1 - t) - -1
. (- )
x (t) = (1 - t)- -1
x (0) =
x =
Através da segunda derivada obtém-se a variância:
x (t) =- (- - 1) (- ) (1 - t)- -2
x (t) = ( + ) (1 - )- -2
2 2 2
x (0) = +
248
Modelos Implícitos de Produção e Crescimento
2 2 2 2 2
= + -
2
=
x = .
x =
= (6) ou =
=
= (7) ou =
249
Modelos Implícitos de Produção e Crescimento
250
Modelos Implícitos de Produção e Crescimento
f(x) =
Querendo aprese
"b" e sim diâmetro (d), diâmetro mínimo (d min), e diâmetro máximo (d max), então
ela assume a forma:
f(x) = (8)
em que:
x ou d : variável aleatória diâmetro
b, a ou dmax, dmin : valores máximos e mínimos da variável aleatória
, : parâmetros a serem estimados, maiores que zero
: função gama
Uma outra forma alternativa de apresentação da distribuição Beta é:
f(x) = (9)
251
Modelos Implícitos de Produção e Crescimento
252
Modelos Implícitos de Produção e Crescimento
253
Modelos Implícitos de Produção e Crescimento
(10)
(11)
em que:
Método de Regressão
-1 -1
f(x) = (x - a) (b - x) (12)
Redefinindo:
254
Modelos Implícitos de Produção e Crescimento
Y = f(x)
0 =
1 = + -1
2 = -1
3 = -1
A função (12) assume então a seguinte forma:
Y= ou
Y=
Logaritimizando tem-se:
255
Modelos Implícitos de Produção e Crescimento
em que
x : variável sob investigação
a : limite inferior da função beta
b : limite superior da função beta
: 10 expoente da função beta
: 20 expoente da função beta
Por transformação na função de densidade é introduzida a constante
multiplicativa tal que:
f (x) = k (x - a) (b - x) (12a)
então
256
Modelos Implícitos de Produção e Crescimento
k=
(12b)
= (12c)
(12d)
= (12e)
O valor do limite inferior (a) e superior (b) pode ser obtido pelas
fórmulas:
a = X1 - (12f)
257
Modelos Implícitos de Produção e Crescimento
b = Xk + (12g)
onde:
W = amplitude das classes de diâmetro
k = k ésima classe de diâmetro
X1 = valor central da 1a a classe de diâmetro
Xk = valor central da k ésima classe de diâmetro
Com os valores obtidos em 12d, 12e, 12f e 12g pode-se obter os valores
de 12(b) e 12(c). Assim, os expoentes da distribuição beta podem ser obtidos
como:
= Z ( + 1) 1
onde:
Z=
258
Modelos Implícitos de Produção e Crescimento
k=
* Obtenção de a e b:
a = d1 - = 8 - 0,5 = 7,5 cm
b = dk + = 33 + 0,5 = 33,5 cm
2
= 22,1426 cm2
* Os parâmetros relativos foram:
= 0,37112
259
Modelos Implícitos de Produção e Crescimento
= 0,03276
Z= = 0,5901
= 2,8514
k=
k= = 3,35 . 10-3
260
Modelos Implícitos de Produção e Crescimento
261
Modelos Implícitos de Produção e Crescimento
262
Modelos Implícitos de Produção e Crescimento
263
Modelos Implícitos de Produção e Crescimento
f(x) = (13)
x 0, b > 0 e c > 0
ou
f(x) = (14)
264
Modelos Implícitos de Produção e Crescimento
ou
265
Modelos Implícitos de Produção e Crescimento
c
x a
F(x) = 1 - exp (16)
b
Para cada valor proposto de "a" deve ser ajustada a distribuição para as
"n" parcelas. Deste modo para cada valor de "a" há um valor correspondente de
"b" e "c". Utilizando-se o teste de aderência Kolmogorov-Sminorv procede-se a
identificação da melhor combinação dos parâmetros estimados.
266
Modelos Implícitos de Produção e Crescimento
Tomando-se uma amostra aleatória x1, x2, ..., xn, com distribuição
Weibull, tem-se que a função de verossimilhança (L) é dada por:
L=
L=
L=
ln(L) = ln
267
Modelos Implícitos de Produção e Crescimento
O estimador do parâmetro b é:
(1)
268
Modelos Implícitos de Produção e Crescimento
O estimador do parâmetro é:
o iterativo.
F(x) = 1 - exp
exp = 1 - F(x)
Então,
exp
269
Modelos Implícitos de Produção e Crescimento
= - ln (1 - PERCENTIL)
c ln
Definindo:
y = ln (D PERCENTIL - a)
a = xi (b / n1/c) . ) (1 + (1/c))
em que :
xi = diâmetro da parcela;
n = número de árvores na parcela; e
= função gama
270
Modelos Implícitos de Produção e Crescimento
c=
se:
Xp1 - a = b (- ln (1 - p1))1/c
então:
271
Modelos Implícitos de Produção e Crescimento
b=
Yi = N gi (x) f (x, ) x
onde:
272
Modelos Implícitos de Produção e Crescimento
E (xi) = xi f (x, ) x
Possibilidade 1
dg2 =
273
Modelos Implícitos de Produção e Crescimento
ln(dg2 - 2
) = ln = 0 + 1 ln G + 2 ln Hd + 3 (l . N)/1000 (22)
(23)
Em que a área basal (G), o número de árvores (N2), podem ser estimados
ou prognosticados através de modelos similares ao (24A) e (24B).
lnG2 = (24A)
G = 0,0000785398163 .
274
Modelos Implícitos de Produção e Crescimento
CV =
=b (1 + 1/c)
A estimativa de "a" é independente do sistema e vinculada a um valor
percentual do diâmetro mínimo. Vários modelos que propiciam obter as
estimativas presente e futura do diâmetro mínimo, são apresentadas na Tabela
7.2.
Lenhart ln (Dmin) = 0 + 1 Hd + 2 N + ln ei
275
Modelos Implícitos de Produção e Crescimento
em que:
Dmin, l, Hd, N, Dg, ln, is : foram definitos anteriormente.
Possibilidade 2:
276
Modelos Implícitos de Produção e Crescimento
(25)
dg = (26)
a= (30)
b= (31)
277
Modelos Implícitos de Produção e Crescimento
(32)
f(x) =
em que
f (x) = função da densidade;
2
= variância;
= desvio padrão;
= média.
A forma clássica da distribuição normal é apresentada na Figura 7.14.
278
Modelos Implícitos de Produção e Crescimento
2
Se =0e = 1, então é possível obter as ordenadas da fdp através da
fórmula:
f(x) =
f(0) =
279
Modelos Implícitos de Produção e Crescimento
.
.
.
.
f(3,5) =
F(x) = (33)
2
Será apresentado a seguir como se pode obter as estimativas de e
por este método:
Demonstração
a) Média
F(x) =
280
Modelos Implícitos de Produção e Crescimento
Fazendo z= , então
x=z +
Assim,
E(x) =
2 2
E(x) =
e a integral de:
281
Modelos Implícitos de Produção e Crescimento
então
E(x) =
b) Variância
E(x2) =
E(x2) =
2 2
z2
E(x2) = 2
282
Modelos Implícitos de Produção e Crescimento
E(x2) = 2
E(x2) = 2
+ 2
= E(x2) - [E(x)]2
2 2
= + - ( )2
2
= , que é a própria variância
283
Modelos Implícitos de Produção e Crescimento
Ou ainda
P (x1 x x 2) =
z=
Exemplo:
z1 = = -0,5
284
Modelos Implícitos de Produção e Crescimento
z2 = = 1,8
Então:
P (35 < x < 58) = P (-0,5 < z < 1,8) = P (z < 1,8) - P (z < 0,5)
Como de tabela não se tem valores de z variando de - a + , já que a
distribuição é simétrica então:
2
1 2 ln x
e
f(x) =
2
d 2
x 0
285
Modelos Implícitos de Produção e Crescimento
yi = ln (di)
286
Modelos Implícitos de Produção e Crescimento
F(x) =
Assim,
a) Média
b) Variância
ou
287
Modelos Implícitos de Produção e Crescimento
Distribuição SB
f(d, , , , ) =
288
Modelos Implícitos de Produção e Crescimento
Para:
<d< +
- < <+
>0
- < <
>0
Sendo que:
: parâmetro locação
: parâmetro escala
289
Modelos Implícitos de Produção e Crescimento
Z = + f(x, , ) (34)
d>0
- < <
l>0
- < <
Em que Z é uma variável normal padronizada e f(x) é a probabilidade de
x, variável esta com distribuição normal.
290
Modelos Implícitos de Produção e Crescimento
Distribuição SB
SB = + . ln
Com limite em e + .
xi
yi = , e o valor de 1 - yi =
291
Modelos Implícitos de Produção e Crescimento
f(yi) =
para:
292
Modelos Implícitos de Produção e Crescimento
em que:
f = média aritmética da variável fi;
sf = desvio padrão da variável fi; e
293
Modelos Implícitos de Produção e Crescimento
fi = ln
em que:
fi = transformação do diâmetro de cada árvore da parcela;
= valor situado acima de zero e menor que o diâmetro mínimo da
parcela;
= amplitude entre o maior e o menor diâmetro da parcela;
di = diâmetro da árvore na parcela.
294
Modelos Implícitos de Produção e Crescimento
em que:
295
Modelos Implícitos de Produção e Crescimento
em que:
Sd(x) = desvio padrão modificado;
= desvio padrão da parcela.
Para a obtenção do valor de " -se
utilizar mesma metodologia considerada para o método de máxima
verossimilhança.
= Dmax - + 3,8
= Dmax - + 1,5
296
Modelos Implícitos de Produção e Crescimento
onde:
fórmula acima o Dmin por Hmin e 1,3 pela diferença das alturas. Então:
297
Modelos Implícitos de Produção e Crescimento
(35)
parâmetros e da SB.
então f = ln
f=
298
Modelos Implícitos de Produção e Crescimento
Sf =
tem-se que:
em que:
xm = é a moda de x
= são obtidos por outros métodos como por exemplo Knoebel e
Burkhart.
299
Modelos Implícitos de Produção e Crescimento
Z = + f (x; , )
Z = + f
Assim as estimativas de e são realizadas como a fórmula de a e b
para a regressão linear simples.
em que:
300
Modelos Implícitos de Produção e Crescimento
e4) Os 9 pares de valores Z (item e3) e de f (item e2), são utilizados para
obter a estimativa de e .
301
Modelos Implícitos de Produção e Crescimento
302
TABELA 7.3. Distribuições Contínuas.
Distribuições
Beta Gamma
fdp
l/A
303
Modelos Implícitos de Produção e Crescimento
Continua...
304
TABELA 7.3. Continuação
Distribuições
Log Normal Weibull Normal
fdp
Faixa d 0 d 0 d 0
Método de Estimativa Momentos Percentil Momentos
Estimativa de ou de
2
Estimativa de ou de =
Parâmetros estimados da
distribuição
h(d)
1/A
305
Modelos Implícitos de Produção e Crescimento
Continua...
306
TABELA 7.3. Continuação
Distribuições
SB Johnson
fdp
Faixa <d< +
>0
- < <
Método de Estimativa Máxima Verossimilhança
Estimativa de
Estimativa de
Estimativa de
Continua...
307
TABELA 7.3. Continuação
Distribuições
Método de Estimativa Knoebell-Burkhart
Estimativa de
Estimativa de
Estimativa de
308
Modelos Implícitos de Produção e Crescimento
1/A
309
Modelos Implícitos de Produção e Crescimento
310
Modelos Implícitos de Produção e Crescimento
= 9,56923 cm
= 8,35136 cm2
dmin = 4,8 cm
dmax = 15,9 cm
n = 39
311
Modelos Implícitos de Produção e Crescimento
a) Normal
m = 9,56923
s 2x = 8,35136
b) Log Normal
= 2,21016*
= 0,100763*
*
Estes valores foram obtidos dos valores logaritmizados do diâmetro ao se utilizar todas
as casas decimais.
312
Modelos Implícitos de Produção e Crescimento
C) Gama
= 2,723575
= 1,751092
d) Beta momentos
= 1,123702
= 1,491625
f) Weibull
313
Modelos Implícitos de Produção e Crescimento
c=
c= = 3,390555946
b=
g) SB de Johnson-máxima verossimilhança
onde:
fi = ln [(di - ) / ( + - di)] (i = 1, 2, 3, ..., n)
314
Modelos Implícitos de Produção e Crescimento
fi = ln [(di - ) / ( + - di)]
onde:
di = diâmetro ( i = 1, 2, 3, ..., n)
e = 1 (limite mínimo estabelecido. Igual % do Dmínimo)
= dmax = 15,9
315
Modelos Implícitos de Produção e Crescimento
Obtenção de :
sf =
=1
= 15,9
=1
= 15,9
316
Modelos Implícitos de Produção e Crescimento
Sd(x) =
Sd(x) =
Sd(x) = 0,181752954
= 0,538945283
317
Modelos Implícitos de Produção e Crescimento
= -0,218033853
i) Distribuição SB - Método de Knoebell - Burkhart
= Dmin - 1,3
= 4,8 - 1,3
= 3,5
= Dmax - + 3,8
= 16,2
D50 = 9,8
D95 = 13,5
Z95 = 0,9505
= 1,768777411
318
Modelos Implícitos de Produção e Crescimento
= + 0,799461077
= Dmin - 1,3
= 4,8 - 1,3
= 3,5
= Dmax - + 3,8
= 16,2
= 1,401446169
= -0,158566363 + 0,63343282
319
Modelos Implícitos de Produção e Crescimento
= 0,474866457
(x; ; ) =
em que:
= 3,5
= 16,2
Computar os 9 valores de Z correspondentes aos 9 percentis
acumulados.
320
Modelos Implícitos de Produção e Crescimento
= 0 - ((1,062765831 . (-0,641054346))
= 0,681290654
321
Modelos Implícitos de Produção e Crescimento
a) Distribuição Normal:
f(d) =
322
Modelos Implícitos de Produção e Crescimento
b) Distribuição Lognormal:
Cálculo de h (d):
1
2
(ln d )2
2.
1 e
f(d) = .
2 . 2 d
f(0,5)=
f(1,5)=
323
Modelos Implícitos de Produção e Crescimento
f(2,5)=
f(3,5)=
f(4,5)=
324
Modelos Implícitos de Produção e Crescimento
f(21,5)=
c) Distribuição Gamma:
(1,72) = 0,91258
(1,12) = 0,91258
(1,49) = 0,88594
(1,62) = 0,89592
(2,615327) = 1,615327 . (1,615327 1,62) = 1,615327 . 0,89592 =
1,447204
325
Modelos Implícitos de Produção e Crescimento
f(d) =
326
Modelos Implícitos de Produção e Crescimento
1
f 21 5 21 5 4 8 2 723575 1 e 1 1 751092 21 5 4 8 0 001277181 39 0 05
2 723575 1 751092 2 723575
d) Distribuição Beta:
327
Modelos Implícitos de Produção e Crescimento
e) Distribuição Weibull:
a=0
b = 10,165121787
c = 3,390555946
Situação 1: Usando a função densidade de probabilidade - fdp
328
Modelos Implícitos de Produção e Crescimento
F(x) = 1 - exp
329
Modelos Implícitos de Produção e Crescimento
F(x) =
330
Modelos Implícitos de Produção e Crescimento
=1
= 15,9
= 1,127649977
= -0,2376
331
Modelos Implícitos de Produção e Crescimento
h) SB Johnson - Momentos
=1
= 15,9
= -0,21803
332
Modelos Implícitos de Produção e Crescimento
= 1,186505
i) SB Johnson - Knoebell-Burkhart
= 3,5
= 16,2
= 0,799461
333
Modelos Implícitos de Produção e Crescimento
= 1,76878
j) SB Johnson - Moda
= 3,5
= 16,2
= + 0,474866
= 1,401446
334
Modelos Implícitos de Produção e Crescimento
= 3,5
= 16,2
= + 0,681291
= 1,0628
335
Modelos Implícitos de Produção e Crescimento
336
TABELA 7.4. Freqüência observada e freqüências estimadas por diferentes
distribuições.
Freqüências estimadas
Classes de Freq. SB
diâmetro Observ Norm Log Weib Weib Beta Gam Máxima Momen Knoebe Moda
ada al ull ull ma tos ll e
norma fdp F(x) verossi Burkhar
l mil. t
0 0,5 0 0,04 0,00 0,01 0,00 - - - - - -
1
1 1,5 0 0,11 0,00 0,13 0,14 - - 0,01 0,00 - -
2
2 2,5 0 0,27 0,00 0,45 0,46 - - 0,26 0,20 - -
3
3 3,5 0 0,59 0,15 0,99 0,99 - - 0,86 0,76 - -
4
4 4,5 2 1,16 0,92 1,74 1,74 - - 1,61 1,54 0,01 0,09
5
5 5,5 2 2,00 2,51 2,64 2,64 4,19 1,95 2,40 2,39 0,45 0,94
6
6 6,5 4 3,06 4,27 3,59 3,58 4,44 5,10 3,09 3,19 2,14 2,47
7
7 7,5 8 4,17 5,41 4,40 4,40 4,45 6,39 3,69 3,87 4,59 4,00
8
8 8,5 0 5,03 5,63 4,92 4,90 4,35 6,21 4,14 4,38 6,54 5,09
9
9 9,5 5 5,38 5,12 5,00 5,00 4,17 5,30 4,42 4,66 7,21 5,57
10
10 10,5 4 5,11 4,23 4,60 4,59 3,93 4,18 4,49 4,68 6,59 5,46
11
11 11,5 6 4,31 3,26 3,82 3,81 3,63 3,12 4,31 4,40 5,11 4,89
12
12 12,5 3 3,22 2,39 2,84 2,84 3,25 2,24 3,85 3,79 3,37 4,00
13
338
Modelagem em Florestas Nativas
13 13,5 3 2,13 1,69 1,87 1,87 2,78 1,56 3,08 2,86 1,86 2,96
14
14 14,5 0 1,26 1,16 1,08 1,09 2,16 1,06 1,99 1,69 0,82 1,93
15
15 15,5 2 0,66 0,78 0,55 0,55 1,18 0,71 0,77 0,55 0,26 1,05
16
16 16,5 0 0,30 0,52 0,24 0,24 - 0,47 0,02 0,01 0,05 0,43
17
17 17,5 0 0,12 0,34 0,09 0,09 - 0,31 - - - -
18
18 18,5 0 0,05 0,22 0,03 0,03 - 0,20 - - - -
19
19 19,5 0 0,01 0,14 0,01 0,01 - 0,13 - - - -
20
20 20,5 0 0,00 0,09 0,00 0,00 - 0,08 - - - -
21
21 21,5 0 0,00 0,06 0,00 0,00 - 0,05 - - - -
22
TOTAL 39 38,98 38,89 39,0 38,98 38,53 39,06 38,99 38,99 38,99 38,89
a) Qui-quadrado ( 2)
339
Modelagem em Florestas Nativas
em que
fi : freqüência observada na i-ésima classe de diâmetro
em que:
2
Quando o teste ou G são utilizados, a freqüência esperada em
qualquer classe de diâmetro não pode ser inferior a cinco.
340
Modelagem em Florestas Nativas
341
Modelagem em Florestas Nativas
em que:
S(x) =
342
Modelagem em Florestas Nativas
343
Modelagem em Florestas Nativas
344
Modelagem em Florestas Nativas
Registro I X NI Hd G
1 25 22,5 1785,7 13,9 10,6131
2 36 22,5 1785,7 19,3 16,6903
3 34 22,5 476,2 18,1 3,1190
4 47 22,5 476,2 22,0 6,5165
5 37 22,5 1428,6 19,4 14,7391
6 48 22,5 1381,0 22,6 17,0560
7 42 22,5 1500,0 21,9 16,8265
8 55 22,5 1476,2 24,7 19,5477
9 37 25,5 1357,1 21,0 15,3388
10 48 25,5 1333,3 24,7 18,2634
11 24 22,5 1666,7 13,9 8,9084
12 36 22,5 1571,4 19,6 15,2854
13 22 22,5 1500,0 12,3 7,5067
14 34 22,5 1428,6 17,6 13,0275
15 25 19,5 1428,6 12,5 7,4805
16 36 19,5 1428,6 16,6 11,6636
17 30 22,5 1476,2 16,0 12,4976
18 44 22,5 1428,6 20,6 15,4959
19 55 22,5 1404,8 22,0 18,4605
20 31 19,5 1642,9 14,2 10,5264
21 44 19,5 1500,0 19,6 13,6323
22 56 19,5 1500,0 22,1 17,3594
23 36 19,5 1738,1 17,6 15,1450
24 48 19,5 1761,9 20,1 16,4135
25 37 22,5 1619,0 18,6 15,0332
26 48 22,5 1619,0 21,5 16,9192
27 24 19,5 1381,0 12,0 5,8624
345
Modelagem em Florestas Nativas
346
Modelagem em Florestas Nativas
Registro I X NI Hd G
1 2,1110 6,11000E-2 2,2159 2,2240 5,4201
2 2,3197 8,59000E-2 2,2035 2,4415 5,0946
3 2,1090 1,18300E-1 0,8804 0,8019 2,9450
4 2,4158 1,98400E-1 0,7891 0,9011 2,3560
5 2,3450 1,31300E-1 1,9201 1,2149 6,5351
6 2,4345 1,24100E-1 1,5541 1,0476 5,2939
7 2,3681 1,42100E-1 1,2525 1,0059 4,0574
8 2,4372 1,60900E-1 1,1049 0,8894 3,7196
9 2,4201 7,79000E-2 1,9907 1,5834 5,7508
10 2,5001 9,77000E-2 2,1940 1,8681 5,9454
11 2,0378 8,59000E-2 1,6590 1,3818 4,8515
12 2,3132 1,18400E-1 1,3615 1,0704 4,3650
13 2,0382 4,70000E-2 1,8446 1,0835 6,6877
14 2,3094 9,04000E-2 1,7122 0,9878 6,4133
15 2,0642 4,14000E-2 1,7156 1,1505 5,7651
347
Modelagem em Florestas Nativas
Registro G
1 0,8103 3,6070 7,80 10,40
2 1,1919 7,3348 9,50 13,25
3 1,5993 7,9294 6,40 12,50
4 3,1707 24,9316 8,00 18,60
5 1,2277 10,0174 9,60 14,40
6 1,5193 12,4344 9,88 15,64
7 1,8180 13,6260 8,66 15,74
8 2,1746 17,8781 9,22 17,50
348
Modelagem em Florestas Nativas
onde:
I : idade em meses
S : índice de sítio
NI : número de árvores/ha
349
Modelagem em Florestas Nativas
G : área basal/ha
V : volume/ha
b) Equações Geradas
350
Modelagem em Florestas Nativas
1) Normal
2) Lognormal
3) Gamma
4) Beta
5) Weibull
351
Modelagem em Florestas Nativas
R2 Syx Código de
associação a
distribuição
352
Modelagem em Florestas Nativas
em que:
353
Modelagem em Florestas Nativas
H2 = H1
S = Hd / ou
Hd = S .
354
Modelagem em Florestas Nativas
355
Modelagem em Florestas Nativas
Função:
f(x) =
x 0
MN = média normal
VN = variância paramétrica
Através das estimativas apresentadas na Tabela 7.7, faz-se a prognose da
média aritmética e da variância paramétrica {VN = S2), para cada sítio,
conforme apresentado na Tabela 7.8, de acordo com as seguintes equações:
356
Modelagem em Florestas Nativas
357
Modelagem em Florestas Nativas
Função:
f(x) =
358
Modelagem em Florestas Nativas
359
Modelagem em Florestas Nativas
TABELA 7.11. Freqüências estimadas para cada sítio pela FDP de Log normal
Valor Central da
Classe Freqüência Estimada
de Diâmetro Sítio I Sítio II Sítio III
3 - - 0,83
4 3,70 4,79 8,78
5 15,87 20,38 33,69
6 39,12 49,15 73,91
7 68,52 83,72 115,3
8 95,88 113,5 144,0
9 114,9 131,5 154,5
10 123,3 136,3 149,0
11 122,0 130,2 133,0
360
Modelagem em Florestas Nativas
Função:
361
Modelagem em Florestas Nativas
f(x) =
x 0 e x Dmin
a, = parâmetros estimados
G = função gama ( - 1)!
exp = base do logaritmo natural
Dmin = diâmetro mínimo
x = valor central da classe
onde:
MN = média normal
S2 = variância normal (populacional)
362
Modelagem em Florestas Nativas
TABELA 7.13. Estimativa das freqüências aos 60 meses por classe de diâmetro
e por sítio
Valor Central da Freqüência Estimada
Classe
363
Modelagem em Florestas Nativas
364
Modelagem em Florestas Nativas
Função:
f(x) =
Dmin x Dmax
G(x) : função gama de x obtido na tabela de gama
x : valor central da classe
a, : parâmetros estimados
Obtenção dos parâmetros e pelo método dos momentos.
onde:
MN = média normal dos diâmetros
365
Modelagem em Florestas Nativas
TABELA 7.15. Estimativa das frequências para 60 meses pela função Beta
366
Modelagem em Florestas Nativas
367
Modelagem em Florestas Nativas
Função:
f(x) =
x a; a 0; b > 0 e c > 0
a; b e c = parâmetros estimados
x = valor central da classe
Obtenção das estimadas a, b e c da função Weibull.
a = 60% do Dmin
b=
c=
Para obter a estimativa dos parâmetros "a", "b" e "c", conforme pode-se
ver na Tabela 7.16, faz-se primeiro o prognóstico do diâmetro mínimo e dos
diâmetros percentil 30 e 90, utilizando-se as funções:
368
Modelagem em Florestas Nativas
369
Modelagem em Florestas Nativas
370
Modelagem em Florestas Nativas
30 - - -
31 - - -
Total 1.225,13 1.254,97 1.286,37
Capítulo 8
densidade
espaçamento
distribuição das árvores por classe de vigor
distribuição das árvores por classe de qualidade
distribuição das árvores por classe de tamanho
Com o desenvolvimento dos povoamentos de Pinus sp, Eucalyptus sp e
Tectona grandis, cada vez mais os manejadores florestais necessitam de
modelos quantitativos para a predição do crescimento de povoamento
371
Modelagem em Florestas Nativas
Procedimento 1
Rt = Dt / Db
Ra = Da / Db
372
Modelagem em Florestas Nativas
onde:
Dt = diâmetro médio quadrático das árvores removidas no desbaste
Da = diâmetro médio quadrático das árvores que permaneceram após o
desbaste
Db = diâmetro médio quadrático do povoamento todo antes do desbaste
Xa = Ra - 1
Estas novas variáveis Xt e Xa são denominadas índices de desbastes. A
seguir detalha-se como foram vinculados estes índices com o modelo de
produção proposto por Clutter em 1963.
373
Modelagem em Florestas Nativas
G= e( 1 + 2 S)
(2)
onde:
G = área basal na idade l
= parâmetro do modelo de produção
Observe que o modelo (1) é usado diretamente num povoamento
desbastado, assumindo-se que o crescimento é idêntico a um povoamento não
desbastado com mesma idade e mesmo nível inicial de área basal. Se este
modelo for aplicado em dois povoamentos que foram desbastados por diferentes
métodos, ou apresentavam áreas basais diferentes antes do desbaste ou ainda
foram desbastados em momentos diferentes, será estimado uma mesma
produção após o desbaste, em que as áreas basais remanescentes foram iguais.
G2 = G1(I1/I2) exp[ 1(1 - l1/l2) + 2 X (1/l2 - 1/l1)/(lt l2) + 3 S(1 - l1/l2) (3)
ou ainda numa forma alternativa
G2 =
374
Modelagem em Florestas Nativas
onde:
lt = idade do mais recente desbaste (It l 1)
X = valor de Xt ou Xa do mais recente desbaste
Este modelo (3) pode ser derivado do modelo
G=
Após uma série de testes no modelo (3) optou-se pela razão de diâmetro
Rt e desta maneira o valor de X no modelo (3) pode ser substituído por X t.
N2 = (4)
onde:
I1 = idade no começo do período de crescimento
I2 = idade no fim do período de crescimento
N1 = número de árvores por unidade de área na idade I1
375
Modelagem em Florestas Nativas
N2 = (6)
376
Modelagem em Florestas Nativas
c) Aplicação do Modelo
G2 =
377
Modelagem em Florestas Nativas
Xt = 1 0,87 = 0,13
378
Modelagem em Florestas Nativas
Procedimento 2
379
Modelagem em Florestas Nativas
380
Modelagem em Florestas Nativas
381
Modelagem em Florestas Nativas
N2 = N1
Assim como a equação que expressa o desenvolvimento dominante é:
Hd2 = Hd1
e se quisermos substituir em G2, tem-se:
G2 = G1
ln G2 = ln G1 + 1 (1/I2-1/I1) + 2 (I2-I1) +
+ 3 (1-l1/I2) + 4 [(1/I2)2 - 1/(I1 I2)] +
+ 5 ln (N1) (1/I2-1/I1) + 6 ln (Hd1) (1/I2-1/I1)
+ 7 [Nt It/(Na I2) - Nt It/(Na I1)
382
Modelagem em Florestas Nativas
Procedimento 3
383
Modelagem em Florestas Nativas
Pi = exp [b1 ]
onde:
Pi = proporção de área basal removida na classe de diâmetro i
di = centro da classe de diâmetro i
d = diâmetro médio quadrático do povoamento
b1, b2 = coeficientes estimados a partir dos dados
Como é considerado o desbaste por baixo, a função removerá mais
árvores nas menores classes de diâmetro, do que nas maiores. Assim a equação
acima, quando ajustada, representa o padrão de remoção médio dos dados
usados para estimar os parâmetros.
384
Modelagem em Florestas Nativas
onde:
Nri = número de árvores removidas na classe de diâmetro i
385
Modelagem em Florestas Nativas
Capítulo 9
INDIVIDUAIS
386
Modelagem em Florestas Nativas
387
Modelagem em Florestas Nativas
(1)
(2)
(3)
(4)
388
Modelagem em Florestas Nativas
(5)
Pi (x) = 5 + zx (0 x 1)
onde:
zx é o valor da variável normal padrão tal que a probabilidade
(z zx) = x
(6)
u = (I1 / I2)j
(7)
bi, ci, di, fi, Ii, mi, j, I, I = são coeficientes a serem estimados
I1, I2 = idades do povoamento no início e fim de um período considerado,
respectivamente
N1, N2 = número de árvores sobreviventes por unidade de área no início e fim
de um período considerado, respectivamente
G1, G2 = área basal por unidade de área no início e fim de um período
considerado, respectivamente
389
Modelagem em Florestas Nativas
- Determinar os valores de I1 e I2
390
Modelagem em Florestas Nativas
391
Modelagem em Florestas Nativas
Aplicação
Descrição do Povoamento
392
Modelagem em Florestas Nativas
Simulação do Corte
Das 500 árvores que constam na Tabela 9.1, foi efetuado um desbaste
por baixo de 250 árvores conforme pode-se observar na última coluna da mesma
tabela.
393
Modelagem em Florestas Nativas
lG = (8)
Predição da mortalidade de troncos por acre (N2)
N2 = (9)
MG = 0,00262 Mn (10)
onde:
G = área basal / acre
I = idade inicial
IG = incremento bruto da área basal durante o próximo ano
MG = área basal morta ocorrendo entre a idade I1 e I2
(11)
394
Modelagem em Florestas Nativas
= 0,005454 /
= 0,005454 /
(12)
(13)
395
Modelagem em Florestas Nativas
(14)
(15)
(16)
ou
(17)
(18)
396
Modelagem em Florestas Nativas
G1 = 123,92 pés2/acre
N1 = 250 troncos/acre
= 0,496 pés2/acre
D1 = 9,5364 polegadas
Os valores de n1i, d1i,h1i e R1i são repetidos na Tabela 9.2.
a) predição do incremento bruto em área basal
IG = 14,23 pés/acre
N2 = 248,68
Mn = N1 - N2
MG = 0,31 pés2/acre
397
Modelagem em Florestas Nativas
G2 = G1 + IG - MG
G2 = 137,84 pés2/acre
R1,i = 0,005454
d2,1 = 10,081
398
Modelagem em Florestas Nativas
.
.
.
d2,15 = 10,081 (1,90588)0,50693 = 13,97
h) Número de tronco por classe de diâmetro
Então
= 0,12310639
.
.
.
= 0,003230421
399
Modelagem em Florestas Nativas
In (hi - 4,5) = b0 + b1 +
em que a altura é obtida para classe de diâmetro em pés. Se fosse em metro In (hi
- 4,5 pés) seria substituído por In (hi - 1,3 m), assim com os coeficientes bis
seriam outros.
400
Modelagem em Florestas Nativas
401
Modelagem em Florestas Nativas
* 4,5 pés
402
Modelagem em Florestas Nativas
r = a + b (DAP)
403
Modelagem em Florestas Nativas
C Ii = (1 / AI)
onde:
Cli = índice de competição da árvore objeto i
Ai = área circular de competição da árvore objeto i
aj = área superposta do j-ésimo competidor
n = número de competidores
404
Modelagem em Florestas Nativas
onde:
= índice de competição da árvore objeto i
dj = diâmetro do competidor j
405
Modelagem em Florestas Nativas
Construção do Modelo
Aplicação:
Tamanho,
Tamanho, distância e
Índice de
Sítio distância
freqüência e
das árvores
Idade freqüência
406
Modelagem em Florestas Nativas
Desbaste
Ferti-
lização
COMPONENTES DO POVOAMENTO
matematicamente
Fonte de Dados
407
Modelagem em Florestas Nativas
b) Função de sobrevivência
onde:
408
Modelagem em Florestas Nativas
F (y) = 1 -
409
Modelagem em Florestas Nativas
onde
Dmin : diâmetro mínimo
DAVE : média dos diâmetros
NS : número de árvores sobreviventes
In : logarítmo na base e
Os valores de Dmin e DAVE, são estimados a partir da idade, número de
árvores e altura média das dominantes. Já a altura é estimada em função do
DAP, altura média das dominantes e árvores sobreviventes. O comprimento da
copa é calculado com base na altura total e na equação de razão de copa. Na
Tabela 9.3 são apresentadas iodas as funções que possibilitam gerar o
povoamento inicial.
410
Modelagem em Florestas Nativas
onde:
411
Modelagem em Florestas Nativas
CIi =
onde:
D = DAP
DISTij = distância da árvore objeto i ao j ésimo competidor
Cli = índice de competição da i ésima árvore
n = o número de vizinhos com fator de área basal 2,296 m2/ha
centrado na árvore objeto
a) Crescimento em altura
412
Modelagem em Florestas Nativas
PHIN =
b) Crescimento em diâmetro
413
Modelagem em Florestas Nativas
c) Razão de copa
Esta variável foi considerada nos dois itens anteriores como uma medida
do potencial fotossintético, buscando determinar resposta a desbaste. Quando a
árvore é liberada pela competição das árvores vizinhas, sua resposta dependerá
414
Modelagem em Florestas Nativas
CR = 1 -
d) Mortalidade
PLIVE = b1
ou
d) Equações de volume
Pode-se neste item fazer estimativa do volume total com e sem casca ou
de qualquer outro volume de interesse. Para tal basta gerar uma ou mais
equações apropriadas para atingir ao objetivo considerado.
415
Modelagem em Florestas Nativas
Capítulo 10
MODELAGEM EM FLORESTAS
NATIVAS
416
Modelagem em Florestas Nativas
417
Modelagem em Florestas Nativas
Finalidade Equações
1. Mudança periódica no número de
árvores
418
Modelagem em Florestas Nativas
em que:
Nt+1 = Nt +
Nt+1 = Nt + - ou
em que:
Nt = número de árvores sobreviventes no tempo t com diâmetro
superior ao mínimo (Dmin) pré estabelecido
NIt = número de árvores que atingem o diâmetro mínimo de medição
(recrutamento), ou entrada na primeira classe de diâmetro, no
tempo (período) t
NMt = número de árvores mortas no período de tempo t (mortalidade)
419
Modelagem em Florestas Nativas
420
Modelagem em Florestas Nativas
421
Modelagem em Florestas Nativas
m= . 100
onde:
m : razão de movimento
IPD : incremento periódico do DAP
m= . 100 = 115%
422
Modelagem em Florestas Nativas
423
Modelagem em Florestas Nativas
IPD =
onde:
424
Modelagem em Florestas Nativas
i = 1, 2, ..., n.
e o incremento periódico médio, por classe diamétrica, é obtido a partir da
expressão:
IPMD =
onde:
IPMD = Incremento periódico médio em diâmetro na classe diamétrica
N = Número total de árvores em cada classe diamétrica
DAP1, DAP2, i = já definidos anteriormente.
Como recrutamento, considerou-se todas as plantas que no segundo
inventário passaram a fazer parte do processo de medição, ou seja, atingiram o
DAP mínimo de 5 cm. A mortalidade também é obtida a partir do segundo
inventário, através de sua contagem em cada classe diamétrica.
425
TABELA 10.3. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92.
426
Modelagem em Florestas Nativas
40 7,143 1,661 33,22 66,78 33,22 0,00 4,770 2,373 0,000 9,563 1,190 0,000 8,373
45
45 2,579 2,931 58,62 41,38 58,62 0,00 1,067 1,512 0,000 3,440 0,397 0,000 3,044
50
50 0,794 3,750 75,00 25,00 75,00 0,00 0,198 0,595 0,000 1,710 0,198 0,000 1,512
55
55 1,389 4,314 86,29 13,71 86,29 0,00 0,190 1,198 0,000 0,786 0,000 0,000 0,786
60
60 0,595 2,033 40,67 59,33 40,67 0,00 0,353 0,242 0,000 1,552 0,000 0,000 1,552
65
65 0,198 3,400 68,00 32,00 68,00 0,00 0,135 0,000 0,306 0,000 0,000 0,306
70 0,063
70 0,198 2,300 46,00 54,00 46,00 0,00 0,107 0,091 0,000 0,242 0,198 0,000 0,044
75
75 0,198 3,700 74,00 26,00 74,00 0,00 0,052 0,147 0,000 0,143 0,000 0,000 0,143
80
80 0,147 0,147
85
Continua...
427
TABELA 10.3. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92 - Continuação.
428
Modelagem em Florestas Nativas
40 8,373 5,591 2,782 0,000 11,462 1,190 0,000 10,271 6,859 3,412 0,000
45
45 3,044 1,260 1,784 0,000 4,041 0,397 0,000 3,644 1,508 2,136 0,000
50
50 1,512 0,378 1,134 0,000 2,162 0,198 0,000 1,964 0,491 1,473 0,000
55
55 0,786 0,108 0,678 0,000 1,242 0,000 0,000 1,242 0,170 1,071 0,000
60
60 1,552 0,921 0,631 0,000 1,599 0,000 0,000 1,599 0,948 0,650 0,000
65
65 0,306 0,098 0,208 0,000 0,729 0,000 0,000 0,729 0,233 0,496 0,000
70
70 0,044 0,024 0,020 0,000 0,231 0,198 0,000 0,033 0,018 0,015 0,000
75
75 0,143 0,037 0,106 0,000 0,057 0,000 0,000 0,057 0,015 0,042 0,000
80
80 0,147 0,147 0,253 0,253
85
Continua...
429
TABELA 10.3. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92 - Continuação.
430
Modelagem em Florestas Nativas
40 14,170 1,190 0,000 12,979 8,667 4,312 0,000 17,517 1,2 0,00 16,327
45
45 4,921 0,397 0,000 4,524 1,872 2,652 0,000 6,184 0,4 0,00 5,787
50
50 2,627 0,198 0,000 2,429 0,607 1,822 0,000 3,259 0,2 0,00 3,060
55
55 1,643 0,000 0,000 1,643 0,225 1,418 0,000 2,047 0,0 0,00 2,047
60
60 2,020 0,000 0,000 2,020 1,198 0,821 0,000 2,616 0,0 0,00 2,616
65
65 0,883 0,000 0,000 0,883 0,283 0,601 0,000 1,104 0,0 0,00 1,104
70
70 0,513 0,198 0,000 0,315 0,170 0,145 0,000 0,771 0,2 0,00 0,572
75
75 0,030 0,000 0,000 0,030 0,008 0,022 0,000 0,153 0,0 0,00 0,153
80
80 0,253 0,275 0,275
85
431
Modelagem em Florestas Nativas
432
Modelagem em Florestas Nativas
433
Modelagem em Florestas Nativas
434
Modelagem em Florestas Nativas
435
Modelagem em Florestas Nativas
Total 7 100,00
436
TABELA 10.6. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92.
437
Modelagem em Florestas Nativas
438
Modelagem em Florestas Nativas
439
TABELA 10.6. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92 - Continuação.
10
10 261,791 16,865 0,000 244,926 187,709 56,991 0,226 272,569 16,865 0,000
15
15 158,827 7,143 0,000 151,684 118,248 32,892 0,544 177,652 7,143 0,000
20
20 80,712 2,579 0,000 78,132 57,328 20,804 0,000 90,446 2,579 0,000
25
25 56,191 2,579 0,000 53,612 41,498 12,114 0,000 62,846 2,579 0,000
30
30 24,269 2,183 0,000 22,086 15,038 7,049 0,000 27,152 2,183 0,000
440
Modelagem em Florestas Nativas
35
35 12,972 0,397 0,000 12,575 7,255 5,320 0,000 14,304 0,397 0,000
40
40 10,887 1,190 0,000 9,697 7,003 2,694 0,000 12,323 1,190 0,000
45
45 3,597 0,397 0,000 3,200 1,477 1,723 0,000 4,170 0,397 0,000
50
50 1,843 0,198 0,000 1,645 0,411 1,233 0,000 2,134 0,198 0,000
55
55 1,552 0,000 0,000 1,522 0,665 0,887 0,000 1,898 0,000 0,000
60
60 1,474 0,000 0,000 1,474 0,983 0,491 0,000 1,869 0,000 0,000
65
65 0,794 0,000 0,000 0,794 0,794 0,000 0,000 1,285 0,000 0,000
70
441
Modelagem em Florestas Nativas
70 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
75
75 0,198 0,000 0,000 0,198 0,198 0,000 0,000 0,198 0,000 0,000
80
Continua...
442
TABELA 10.6. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92 - Continuação.
443
Modelagem em Florestas Nativas
444
Modelagem em Florestas Nativas
Estas projeções não devem ser realizadas para período de tempo longo,
haja visto que o desempenho dos modelos é condicionado a dois pontos básicos.
Um primeiro considera que o incremento periódico em diâmetro das árvores da
floresta, obtido nas parcelas permanentes, tem o comportamento no futuro
idêntico ao obtido por ocasião das avaliações realizadas nas parcelas
permanentes. Neste caso assume-se que apesar de mudanças em sua estrutura, a
floresta continuará no futuro a apresentar mesmo crescimento periódico que
aquele detectado por ocasião da avaliação das parcelas permanentes. Esta
característica ou propriedade do modelo em questão é denominada de transição
estacionária.
445
Modelagem em Florestas Nativas
i1 i2 i3 i4 In
i1 a1 0 0 0 0 ...0
i2 b2 a2 0 0 0 ...0
i3 c3 b3 a3 0 0 ...0
G= i4 0 c4 b4 a4 0 ...0
. 0 0 c5 b5 a5 ...0
. . . .
. . . .
. . . .
in 0 0 0 cn bn an
onde:
in = classes de diâmetro
446
Modelagem em Florestas Nativas
ai =
bi =
ci =
em que:
Seja para ai, bi, ci, a condição é que a árvore continue viva e não seja
colhida no intervalo de tempo considerado.
mi =
447
Modelagem em Florestas Nativas
Aplicação do Procedimento
Yt + t = G . Yit + lit
onde:
Yt + t = n0 de árvores projetadas
G = probalidade de transição por classe diamétrica
Yit = freqüência da classe de diâmetro
448
Modelagem em Florestas Nativas
lit = ingresso
= +
Y2 . t = G2 . Y0 + G Ii1 + Ii2
(2)
em que:
n = n períodos de prognose
449
Modelagem em Florestas Nativas
450
Modelagem em Florestas Nativas
451
Modelagem em Florestas Nativas
452
Modelagem em Florestas Nativas
453
TABELA 10.9. Matriz inicial de probabilidade de transição, freqüência e recrutamento por classe de
diâmetro para o período 1987-92
454
Modelagem em Florestas Nativas
74 90
47,5 0,23 0,40 3,0 0
81 00
52,5 0,46 0,20 1,0 0
67 00
57,5 0,60 0,42 1,4 0
00 86
62,5 0,57 0,66 0,6 0
14 67
67,5 0,33 1,00 0,2 0
33 00
72,5 0,50 0,4 0
00
77,5 1,00 0,2 0
0
Probab
ilidade 0,14 0,07 0,06 0,03 0,05 0,10 0,03 0,14 0,13 0,20 0,00 0,00 0,00 0,50 0,00
de 45 28 06 70 88 48 70 29 33 00 00 00 00 00 00
mortali
dade
455
Na Tabela 10.10 é apresentada a prognose da estrutura diamétrica pelo
método da matriz de transição para o período de 10 anos. Utilizou-se para tal a
expressão Y2 t = G2y0 + GIi1 + li2. No Anexo 2.7 é apresentada o produto da
matriz G . G ou G2.
418
Anexo II
sendo:
Estados absorventes
419
Anexo II
I= (3)
Para i = 1, 2, ..., k
420
Anexo II
Para i = 1, 2, ..., k
m= ni (5)
Para i =1,2,..., k
onde:
n1 (t) = n1 (t -1) + I - 1 - U1
421
Anexo II
n1 (t) = n1 (t -1) + Ui - 1 - i - U1
Parai = 1,2,..., k
nk + 1(t) = Uk
onde:
I = ingrowth calculado na expressão (3)
Ui = outgrowth calculado na expressão (4)
mi = mortalidade calculado na expressão (5)
k ; maior classe de diâmetro no tempo t - 1
422
Anexo II
(1983), Scolforo (1993), Costa Neto et al (1991), dentre outros para gerar planos
de manejo com base no conceito de floresta balanceada.
f(x) =
Para
x 0; b > 0
423
Anexo II
F(x) = 1 - e
a) Média
E(x) =
E(x) =
E( ) =
E(x) =
E(x) =
424
Anexo II
b) Variância
E(x2) =
E(x2) =
E(x2) =
E(x2) =
E(x2) = 2 2
2 2
=2 -
2
= ou x =
425
Anexo II
Método da Regressão
Yi = a
em que:
Os parâmetros "a" e "b" podem ser obtidos através de ajuste não linear
ou a função pode ser linearizada, assumindo a seguinte forma.
ln y = ln a + b x
z = b0 + b1 w
em que:
426
Anexo II
a) Modelo de Meyer
Ni = q N2 = q2 N3 = . . . qn - 1 Nn
427
Anexo II
428
Anexo II
Modelo Tipo I:
429
Anexo II
yi = bo e + ei
Y1 = bo e + ei
em que:
yi = b0xi-b1
onde:
É muito rígido mas às vezes pode ser ajustado com sucesso como na
Nigéria.
c) Modelo de Pierlot
430
Anexo II
yi =
ou
Log ) + 1 = b0 + b1xi
onde:
x0 = valor central da classe de diâmetro inicial
xi = valor central da iésima classe de diâmetro
y0 = número de árvores na classe de diâmetro inicial
yi = número de árvores na iésima classe de diâmetro
REFERÊNCIAS BIBLIOGRÁFICAS
431
Anexo II
ALDER, D. Growth and yield of the mixed forests of the humid tropics: a
review. Unpublished consultancy report prepared for the Food and
Agriculture Organization. April 1983. 44p. (mimeo.).
432
Anexo II
BAILEY, R.L. Weibull model for Pinus radiafa diameter distributions. In:
Conference of Adisory Groups of Forest Statisticions, 1974. Proceedings...
Statistic in Forestry Research. 1974. p.51-59.
433
Anexo II
BAILEY, R.L., WARE, K.D. Compatible basal area growth and yield model for
thinning and unthinned stand. Canadian Journal of Forest Research,
Ottawa, v.13, p.563-571, 1983.
BALDWIN Jr. e V.C.; FEDUCCIA, D.P. Lobolly pine growth and yield
prediction for managed west Gulf plantations. New Orieans, Forest
Service, 1987. 32p. (Research Paper SO, 236).
BALDWIN Jr, V.L. Survival curves for unthinned and early thinned direct-
seeded slash pine stands. In: Southern Silvicultural Research Conference, 3,
434
Anexo II
BELLA, I.E. A New Competition Model for Individual Trees. Forest Science.
Washington, v.17, p,364-372, 1971.
BOLTON, R.K. e MELDAHL, R.S. Predicting growth for mixed pine hardwood
stands - Approaches, problems, and future. In: Fifth Biennal Southers
Sifvicuttural Research, Memphis, TN, p.415-419. 1988.
435
Anexo II
BRICKELL, J.E. Site index curves for Engelman spruce in the Northern
Central Rocky Mountains. Ogden: Forest Service, 1966. 43p. (Research
Note INT, 42).
BRUNER, H.D.; MOSER Jr, J.W. A Markov chain approach to the prediction of
diameter distributions in uneven-aged forest stands. Canadian Journal of
Forest Research, Ontario, v.4, p.409-417. 1973.
436
Anexo II
BRYAN, M.B. Studies of timber growth and mortality in the mixed dipterocarp
forest in Sarawak. (FAO Report] no. FO:MAL/76/008. Field Document,
n.11, 56p. 1981.
437
Anexo II
438
Anexo II
CAO, Q.V.; BURKHART, H.E.; LEMIN Jr., R.C. Diameter distribution and
yields of thinned loblolly pine plantations. Division of Forestry and
wildlife Research, Virginia. Polytechnic Institute and State University, 1982.
62p. (Publication DWS-1-82).
CLUTTER, J.L. Compatible growth and yield models for Loblolly Pine. Forest
Science, Washington, v.9, n.3, p.354-371, Sept. 1963.
CLUTTER, J.L, e ALLISON, B.J. A growth and yield model for Pinus radiata
in New Zeland. Research Notes, Stockholm, v.30, p.137-160, 1974.
439
Anexo II
CLUTTER, J.L.; JONES, E.P. Jr. Prediction of growth after thinning in old field
slash pine plantations. Asville: USDA. Forest Service. SE Research Paper,
v.217, p.1-14, 1980.
COSTA NETO, F.; COUTO, L.C.; RAMALHO, R.S. e GOMES, J.M. Subsídios
técnicos para um plano de manejo sustentado em áreas de cerrado. Revista
Árvore, v.15, n.3, p.241-256, 1991 .
440
Anexo II
DANIELS, R.F. Simple competition indices and their correlation with annual
loblolly pine tree growth. Forest Science, v.22, p-454-456. 1976.
EK, A.R. Nonlinear modeIs for stands table projection Hardwood Stands,
Canadian Journal of Forest Research. v.4, p.23-27. 1974.
EK, A.R. e MONSURED, R.A. Trial with program forest: Growth and
reproduction for mixed species even or uneven - aged forest stands. p.56-73
in: Growth models for tree and stand simulation. J. Fries (ed.) Royal Coll.
For. Res. Notes 30, Stockholm. 1974.
441
Anexo II
442
Anexo II
GONZALEZ, A.M.; SMITH, D.M.; MALDONADO, H.R. Site index for Pinus
caribaea var. hondurensis in 'La Sabana', Oaxaca, México. Commonwealth
Forestry Review. v.71, n.1, 1992.
HACKER, W.D.; BILAN, M.V. Site index curves for Loblolly and Slash Pine
plantations in the Post Oak Belt of east Texas. South Journal Applied
Forestry. v.15, n.2, p.97-100. 1991.
HAFLEY, W.L.; BUFORD, M.A. A bivariate model for growth and yield
prediction. Forest Science. Washington, v.31, n.l, p.237-247, Mar. 1985.
443
Anexo II
HUSCH, B.; MILLER, C.I.; BEERS, T.W. Forest mensuration. New Yotk.
McGraw-Hill, 1982, 397p.
444
Anexo II
JORGE, L.A.B.; VEIGA, R.A.de A.; PONTINHA, A.de A.S. A função Weibull
em povoamentos de Pinus elliotii na Estação Experimental de Itapeya IPEF,
Piracicaba, n.43/44, p.54-60, 1990.
445
Anexo II
LEE, Y.L. Predicting mortality for even-aged stands of lodgepole pine. The
Forestry Chronicle, Ottawa, v.47, n.1, p.29-32, 1971.
LENHART, J.D. Cubic volume yields for unthinned old feld loblolly pine
plantations in the interior west Crellf Coastal Plain. Texas Forestry Pap.
14,46p.1972.
446
Anexo II
LENHART, J.D. Stand structure and yield of Slash pine plantations in East
TEXAS, Update: 1987. Center for applied studies School of Forestry.
Stephen F. Austin State University, Nacogdoches, Report n° 17, Texas,
1987. 23p.
LENHART, J.D. A Fortran computer program for estimating yield of east texas
pine plantations. Center of applied studies School of Forestry Stephem F.
Austin State University, Nacogdoches, Report n° 21, Texas, 1988. 17p.
LENHART, J.D.; CLUTTER, J.L. Cubic-foot yield tables for old-field loblolly
pine plantations. Georgia: Georgia Forest Research Council, 1971. 12p. (The
Georgia piedmont reporl, 22-series, 3).
LENHART, J.D. e HACKETT, L.T. Estimating survival for east texas pine
plantations. ETPPRP Report n° 19. School of Forestry Stephen F. Austin
State University, Nacogdoches, SFASU, 1988, 10p.
447
Anexo II
LI, J.; CHEN, M.; SCHEREUDER, H.T.; GREGOIRI, T.G. Forestry aplications
of soddle-point approximations to construct confiacence intervals for
population means. Biometrics. Washington, v.51, n.l, p.61-72, mar. 1995.
LINCH, T.B. e MOSER, JR. J.W. A growth model for mixed species stands.
Forest Science. v.32, n.3, p.697-706. 1986.
LIPPE, E.; SMIDT, J.T.; GLENN-LEWN, D.C. Markov models antl succession:
a test from a Heathlands. Journal of Ecology, London, v.73, n.3, p.775-791,
Nov. 1985.
LUZ, H.de F.; MELZER, J.F.; COUTINHO, C.J.; FERREIRA, M.C. Manejo de
Florestas de Eucalipto para usos múttiplos. In: CONGRESSO FLORESTAL
BRASILEIRO E I CONGRESSO FLORESTAL PAN AMERICANO.
Anais... Curitiba. p.283-290. 1993.
448
Anexo II
MAGE, D.T. An explicit solution for SB parameter using four percentile points.
Technometrics, v.22, n.2, p.247-251. 1980.
449
Anexo II
MATNEY, T.G.; SULLIVAN, A.D. Compatible stand and stock tables for
thinned and unthinned loblolly pine stands. Forest Science. Washington,
v.28, n.1, p.161-171, Mar. 1982.
McTAGUE, J.P. Growth and yield of slash and loblolly in the State os Santa
Catarina, Brasil. Athens: University of Georgia, 1985. 219p. (Ph.D -
Dissertação).
450
Anexo II
MEYER, H.A. Structure, growth, and drain in balanced uneven - aged forest.
Journal Forestry. V.50, p.85-92. 1952.
MEYER, H.A. Forest Mensuration. Penn Valley Publishers, State College, Pa.
1953.
451
Anexo II
MURPHY, P.A. e FARRAR, R.M. A new mortality (or survival) function for
longleaf pine plantations. In: Fifth Biennial Southem Silvìcultural Research
Conference, Menphis, TN, p.427-432. 1989.
452
Anexo II
OSHO, J.S.A. Matrix model for tree population projection in a tropical rain
forest south-westem Nigeria. Ecological Modelling, Amsterdam, v.59,
p.247-255, 1991.
PEDEN, L.M.; WILLIAMS, J.S.; FRAYER, W.E. A Maricov model for stand
projection. Forest Science, Washington, v.19, n.4, p.303-314, Dec. 1973.
PIENAAR, L.V. e SHIVER, B.D. Basal area prediction and projeclion equations
for pine plantations. Forest Science, v.32, n.3, p.626-633, sept. 1986.
PIENAAR, L.V.; SHIVER, B.D., GRIDER, G.E. Predicting basal area growth
in thinned slash pine plantations. Forest Science, Washington, v.31, n.3,
p.731-741, Sept. 1985.
453
Anexo II
Bavaria and Índia. In: IUFRO. Working party 54.01-4. Growth models for
free and stand simulation. Stockholm, 1973. p.180-221.
RENNOLS, K.; PEACE, A. Flow models of mortality and yield for unthinned,
florest stands. Forestry, Oxford, v.59, n.1, p.47-58, 1986.
454
Anexo II
455
Anexo II
456
Anexo II
SHIVER, B.p. Sample size estimating Weibull function parameters for slash
plantation diameter distribution. PURC. Tech. Report 1985-4. 21 p.
SILVA, J.N.M. The behaviour of the tropical rain forest of the Brazilian
Amazon after logging. Oxford: University of Oxford, 1989. 302p. (Tese
Doutorado).
SMALLEY, G.W.; BAILEY, R. Yield tables and stand structure for loblolly
pine plantations in Tennesse, Alabama and Georgia highlands. New
457
Anexo II
Orleans: USDA, Forest Service Research Paper, 1974. 12p. (Research paper,
p.50-96).
SOKAL, R.N. e ROHLF, F.J. Biometry. Freeman, San Francisco, 859p. 1981.
SPURR, S.H. Forestry inventory. New York: Ronald Press. 1952. 476p.
STAEBLER, G.R. Growth and spacing in even - aged stand of Douglas - fir.
M. F. Thesis, Univ. Michigan. 46p. 1951.
STERBA, H. Concepts and techniques for forest growth models. In: IUFRO
6.02 - Statistical Methods, Mathematics and Computer. Publication FW 1-
89. Virginia Polytechnic Institute. p.13-19.1989.
458
Anexo II
THAM, A. Structure of mixed Picea abies (L.) Karst. and Betula pendula Roth
and Betula pubescens Ehrh. Stands in South and Middle Sweden, Canadian
Journal Forest Research. Gainesville. V.3, n.3, p,355-370. Febr. 1987.
THANG, H.C. Forest management systems for tropical high forest, with special
reference to Peninsular Malaysia. Forest Ecology and Management,
Amsterdam, v.21, p.3-20, 1987.
459
Anexo II
VANCLAY, J.K. Growth models for tropical forests: a synthesis of models and
methods. Forest Science, Bethesda, v.41, n.1, p.7-42, Feb. 1995.
460
Anexo II
ANEXO I
461
Anexo II
Burk e ln
Burkhart
Cao et al. ln
Scolforo ln
Scolforo ln
462
Anexo II
I = idade de anos
G = área basal (m2)
DM = diâmetro mínimo (cm)
463
Anexo II
ln (DM) = 0 + 1 I+ 2 (H . I-1) + 2N + In ei
DM = 0 + 1 Hd + 2 (Hd . I) -1 + ei
-1
DM = 0 + 1 ln ( I ) + 2 ln (N) + 3 ln(Hd )+ 4 D20 + 5
(I2)-1 + ei
0,5 3
Knoebell ln(DM) = 0 + 1 Dg + 2/N + (I . Hd)-1 + In ei
-1
Lenhart DM = 0 + 1 ln (I)+ 2 ln (N) + 3 (Hd) + ei
464
Anexo II
I = idade
ln = logaritmo natural
D20 = diâmetro referente ao percentil 20
Dg = diâmetro médio quadrático
465
Anexo II
Clutter e Jones N2 = + ei
I2 I1
Silva N2 = N1 exp [ 2 ( 1 - 1 )] + ei
Beverton N2 = N1 ( +
1 2N1 + ei
Em que:
466
Anexo II
Monomolecular
Hd2 = Hd1 + ei
Clutter ln (Hd2) =
+ 2 exp + ln ei
Richards
Hd2 = Hd1 + ei
Em que:
467
Anexo II
1 Hd = 0 + 1 ln ( I ) + ei
2 ln(Hd) = 0 + 1 (1/I) + In + ei
3 Hd = I2 / ( 0 + 1 I+ 2
2I ) + ei
4 Hd = 0 + 1 I+ 2( I )2 + ei
5 Hd = 0 + 1 I+ 2( I )3 + ei
6 Hd = + +
0 1 2I + ei
7 Hd = + + I )2 +
0 1 2( + ei
8 Hd = 0 + 1 I+ 2( 1/I ) + ei
I = idade em meses
0, 1, 2, 3 = parâmetros a serem estimados
ln = logaritmo natural
468
Anexo II
G= 0 + 1 I+ 2S + 3 N+ 4 Hd + 5 In (N) + ei
G= 0 + 1 In N + 2I + 3 (1/I) + 4 (1/S) + ei
Em que:
469
Anexo II
ANEXO II
TABELAS
470
Anexo II
471
Anexo II
0,5 0,191 0,195 0,198 0,201 0,205 0,208 0,212 0,215 0,219 0,222
5 0 5 9 4 8 3 7 0 4
0,6 0,225 0,229 0,232 0,235 0,238 0,242 0,245 0,248 0,251 0,254
7 1 4 7 9 2 4 6 7 9
0,7 0,258 0,261 0,264 0,267 0,270 0,273 0,276 0,279 0,282 0,285
0 1 2 3 3 4 4 4 3 2
0,8 0,288 0,291 0,293 0,296 0,299 0,302 0,305 0,307 0,310 0,313
1 0 9 7 5 3 1 8 6 3
0,9 0,315 0,318 0,321 0,323 0,326 0,328 0,331 0,334 0,336 0,338
9 6 2 8 4 9 5 0 5 9
1,0 0,341 0,343 0,346 0,348 0,350 0,353 0,355 0,357 0,359 0,362
3 8 1 5 8 1 4 7 9 1
1,1 0,364 0,366 0,368 0,370 0,372 0,374 0,377 0,379 0,381 0,383
3 5 6 8 9 9 0 0 0 0
1,2 0,384 0,386 0,388 0,390 0,392 0,394 0,396 0,398 0,399 0,401
9 9 8 7 5 4 2 0 7 5
472
Anexo II
1,3 0,403 0,404 0,406 0,408 0,409 0,411 0,413 0,414 0,416 0,417
2 9 6 2 9 5 1 7 2 7
1,4 0,419 0,420 0,422 0,423 0,425 0,426 0,427 0,429 0,430 0,431
2 7 2 6 1 5 9 2 6 9
1,5 0,433 0,434 0,435 0,437 0,438 0,439 0,440 0,441 0,442 0,444
2 5 7 0 2 4 6 8 9 1
1,6 0,445 0,446 0,447 0,448 0,449 0,450 0,451 0,452 0,453 0,454
2 3 4 4 5 5 5 5 5 5
1,7 0,455 0,456 0,457 0,458 0,459 0,459 0,460 0,461 0,462 0,463
4 4 3 2 1 9 8 6 5 3
1,8 0,464 0,464 0,465 0,466 0,467 0,467 0,468 0,469 0,469 0,470
1 9 6 4 1 8 6 3 9 6
1,9 0,471 0,471 0,472 0,473 0,473 0,474 0,475 0,475 0,476 0,476
3 9 6 2 8 4 0 6 1 7
2,0 0,477 0,477 0,478 0,478 0,479 0,479 0,480 0,480 0,481 0,481
2 8 3 8 3 8 3 8 2 7
2,1 0,482 0,482 0,483 0,483 0,483 0,484 0,484 0,485 0,485 0,485
1 6 0 4 8 2 6 0 4 7
2,2 0,486 0,486 0,486 0,487 0,487 0,487 0,488 0,488 0,488 0,489
1 4 8 1 5 8 1 4 7 0
2,3 0,489 0,489 0,489 0,490 0,490 0,490 0,490 0,491 0,491 0,491
3 6 8 1 4 6 9 1 3 6
2,4 0,491 0,492 0,492 0,492 0,492 0,492 0,493 0,493 0,493 0,493
8 0 2 5 7 9 1 2 4 6
2,5 0,493 0,494 0,494 0,494 0,494 0,494 0,494 0,494 0,495 0,495
8 0 1 3 5 6 8 9 1 2
2,6 0,495 0,495 0,495 0,495 0,495 0,496 0,496 0,496 0,496 0,496
3 5 6 7 9 0 1 2 3 4
2,7 0,496 0,496 0,496 0,496 0,496 0,497 0,497 0,497 0,497 0,497
5 6 7 8 9 0 1 2 3 4
2,8 0,497 0,497 0,497 0,497 0,497 0,497 0,497 0,497 0,498 0,498
4 5 6 7 7 8 9 9 0 1
2,9 0,498 0,498 0,498 0,498 0,498 0,498 0,498 0,498 0,498 0,498
1 2 2 3 4 4 5 5 6 6
473
Anexo II
3,0 0,498 0,498 0,498 0,498 0,498 0,498 0,498 0,498 0,499 0,499
7 7 7 8 8 9 9 9 0 0
474
Anexo II
G.L. 0,950 0.900 0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005
1 --- 0,02 0,10 0,45 1,32 2,71 3,84 5,02 6,63 7,88
2 0,10 0,21 0,58 1,39 2,77 4,61 5,99 7,38 9,21 10,60
3 0,35 0,58 1,21 2,37 4,11 6,25 7,81 9,35 11,34 12,84
4 0,71 1,06 1,92 3,36 5,39 7,78 9,49 11,14 13,28 14,86
5 1,15 1,61 2,67 4,35 6,63 9,24 11,07 12,63 15,09 16,75
6 1,64 2,20 3,45 5,35 7,84 10,64 12,59 14,45 16,81 18,55
7 2,17 2,83 4,25 6,35 9,04 12,02 14,07 16,01 18,48 20,28
8 2,73 3,49 5,07 7,34 10,22 13,36 15,51 17,53 20.09 21,96
9 3,33 4,17 5,90 8,34 11,39 14,68 16,92 19,02 21,67 23,59
10 3,94 4,87 6,74 9,34 12,55 15,99 18,31 20,48 23,21 25,19
11 4,57 5,58 7,58 10,34 13,70 17,28 19,68 21,92 24,72 26,78
12 5,23 6,30 8,44 11,34 14,85 18,55 21,03 23,34 26,22 28,30
13 5,89 7,04 9,30 12,34 15,98 19,81 22,36 24,74 27,69 29,82
14 6,57 7,79 10,17 13,34 17,12 21,06 23,68 26,12 29,14 31,32
15 7,26 8,55 11,04 14,34 18,25 22,31 25,00 27,49 30,58 32,80
16 7,96 9,31 11,91 15,34 19,37 23,54 26,30 26,85 32,00 34,27
17 8,67 10,09 12,79 16,34 20,49 24,77 27,59 30,19 33,41 35,72
18 9,39 10,86 13,68 17,34 21,60 25,99 28,87 31,53 34,81 37,16
19 10,12 11,65 14,56 18,34 22,72 27,20 30,14 32,85 36,19 38,58
20 10,85 12,44 15,45 19,34 23,83 28,41 31,41 34,17 37,57 40,00
21 11,59 13,24 16,34 20,34 24,93 29,62 32,67 35,48 38,93 41,40
22 12,34 14,04 17,24 21,34 26,04 30,81 33,92 36,78 40,29 42,80
23 13,09 14,85 18,14 22,34 27,14 32,01 35,17 38,08 41,64 44,18
24 13,85 15,66 19,04 23,34 28,24 33,20 36,42 39,36 42,98 45,56
25 14,61 16,47 19,94 23,34 29,34 34,38 37,65 40,65 44,31 46,93
26 15,38 17,29 20,84 25,34 30,43 35,56 38,89 41,92 45,64 48,29
27 18,15 18,11 21,75 26,34 31,53 36,74 40,11 43,19 46,96 49,64
28 16,93 18,94 22,66 27,34 32,62 37,92 41,34 44,46 48,28 50,99
475
Anexo II
29 17,71 19,77 23,57 28,34 33,71 39,09 42,56 45,72 49,59 52,34
30 18,49 20,60 24,48 29,34 34,80 40,26 43,77 46,96 50,89 53,67
Distribuição t
Grau Probabilidade
s
de
liber- 0,9 0,7 0,5 0,3 0,2 0,1 0,05 0,02 0,01 0,001
dade
1 0,158 0,510 1,000 1,963 3,078 6,314 12,70 31,82 63,65 636,6
6 1 7 19
2 0,142 0,445 0,816 1,386 1,886 2,920 4,303 6,965 9,925 31,59
8
3 0,137 0,424 0,765 1,250 1,638 2,353 3,182 4,541 5,841 12,92
4
4 0,134 0,414 0,741 1,190 1,533 2,132 2,776 3,747 4,604 8,610
5 0,132 0,408 0,727 1,156 1,476 2,015 2,571 3,365 4,032 6,869
6 0,131 0,404 0,718 1,134 1,440 1,943 2,447 3,143 3,707 5,959
476
Anexo II
7 0,130 0,402 0,711 1,119 1,415 1,895 2,365 2,998 3,499 5,408
8 0,130 0,399 0,706 1,108 1,397 1,860 2,306 2,896 3,355 5,041
9 0,129 0,398 0,703 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,397 0,700 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,396 0,697 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,395 0,695 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,394 0,694 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,128 0,393 0,692 1,076 1,345 1,761 2,145 2,624 2,977 3,140
15 0,128 0,393 0,691 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,128 0,392 0,690 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,128 0,392 0,689 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,127 0,392 0,688 1,067 1,330 1,734 2,101 2,552 2,878 3,922
19 0,127 0,391 0,688 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,127 0,391 0,687 1,064 1,325 1,725 2,086 2,528 2,845 3,850
Continua...
477
Anexo II
26 0,127 0,390 0,684 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,127 0,389 0,684 1,057 1,314 1,703 2,052 2,473 2,771 3,690
28 0,127 0,389 0,683 1,056 1,313 1,701 2,048 2,467 2,763 3,674
29 0,127 0,389 0,683 1,055 1,311 1,699 2,045 2,462 2,756 3,659
30 0,127 0,389 0,683 1,055 1,310 1,697 2,042 2,457 2,750 3,646
40 0,126 0,388 0,681 1,050 1,303 1,684 2,021 2,423 2,704 3,551
60 0,126 0,387 0,679 1,046 1,296 1,671 2,000 2,390 2,660 3,460
120 0,126 0,386 0,677 1,041 1,289 1,658 1,980 2,358 2,617 3,373
0,126 0,385 0,674 1,036 1,282 1,645 1,960 2,326 2,576 3,291
478
Anexo II
479
Anexo II
480
Anexo II
481
Anexo II
482
Anexo II
483
Anexo II
484
Anexo II
>100
485
Anexo II
486
Anexo II
689147,9776
487
ANEXO 2.7. Produto das matrizes G.G
Coluna
Linh 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
a
1 0,553 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2
2 0,158 0,505 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0
3 0,028 0,311 0,536 0 0 0 0 0 0 0 0 0 0 0 0
0 4 3
4 0,000 0,045 0,293 0,499 0 0 0 0 0 0 0 0 0 0 0
7 2 1 3
5 0 0,001 0,057 0,368 0,530 0 0 0 0 0 0 0 0 0 0
0 2 0 7
6 0 0 0,000 0,054 0,284 0,371 0 0 0 0 0 0 0 0 0
7 5 6 5
7 0 0 0 0 0,060 0,332 0,308 0 0 0 0 0 0 0 0
8 9 7
8 0 0 0 0 0 0,116 0,478 0,383 0 0 0 0 0 0 0
4 5 2
9 0 0 0 0 0 0 0,097 0,242 0,160 0 0 0 0 0 0
0 6 0
10 0 0 0 0 0 0 0 0,111 0,280 0,040 0 0 0 0 0
1 0 0
11 0 0 0 0 0 0 0 0 0,280 0,377 0,183 0 0 0 0
0 2 7
12 0 0 0 0 0 0 0 0 0 0,342 0,625 0,444 0 0 0
8 9 5
13 0 0 0 0 0 0 0 0 0 0 0,190 0,555 1 0 0
4 5
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0,250 0
0
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
489
ANEXO I : TABELAS
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
491
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
G.L. 0,950 0.900 0,750 0,500 0,250 0,100 0,050 0,025 0,010 0,005
1 --- 0,02 0,10 0,45 1,32 2,71 3,84 5,02 6,63 7,88
2 0,10 0,21 0,58 1,39 2,77 4,61 5,99 7,38 9,21 10,60
3 0,35 0,58 1,21 2,37 4,11 6,25 7,81 9,35 11,34 12,84
4 0,71 1,06 1,92 3,36 5,39 7,78 9,49 11,14 13,28 14,86
5 1,15 1,61 2,67 4,35 6,63 9,24 11,07 12,63 15,09 16,75
6 1,64 2,20 3,45 5,35 7,84 10,64 12,59 14,45 16,81 18,55
7 2,17 2,83 4,25 6,35 9,04 12,02 14,07 16,01 18,48 20,28
8 2,73 3,49 5,07 7,34 10,22 13,36 15,51 17,53 20.09 21,96
9 3,33 4,17 5,90 8,34 11,39 14,68 16,92 19,02 21,67 23,59
10 3,94 4,87 6,74 9,34 12,55 15,99 18,31 20,48 23,21 25,19
11 4,57 5,58 7,58 10,34 13,70 17,28 19,68 21,92 24,72 26,78
12 5,23 6,30 8,44 11,34 14,85 18,55 21,03 23,34 26,22 28,30
13 5,89 7,04 9,30 12,34 15,98 19,81 22,36 24,74 27,69 29,82
14 6,57 7,79 10,17 13,34 17,12 21,06 23,68 26,12 29,14 31,32
15 7,26 8,55 11,04 14,34 18,25 22,31 25,00 27,49 30,58 32,80
16 7,96 9,31 11,91 15,34 19,37 23,54 26,30 26,85 32,00 34,27
17 8,67 10,09 12,79 16,34 20,49 24,77 27,59 30,19 33,41 35,72
18 9,39 10,86 13,68 17,34 21,60 25,99 28,87 31,53 34,81 37,16
19 10,12 11,65 14,56 18,34 22,72 27,20 30,14 32,85 36,19 38,58
20 10,85 12,44 15,45 19,34 23,83 28,41 31,41 34,17 37,57 40,00
21 11,59 13,24 16,34 20,34 24,93 29,62 32,67 35,48 38,93 41,40
22 12,34 14,04 17,24 21,34 26,04 30,81 33,92 36,78 40,29 42,80
23 13,09 14,85 18,14 22,34 27,14 32,01 35,17 38,08 41,64 44,18
24 13,85 15,66 19,04 23,34 28,24 33,20 36,42 39,36 42,98 45,56
25 14,61 16,47 19,94 23,34 29,34 34,38 37,65 40,65 44,31 46,93
26 15,38 17,29 20,84 25,34 30,43 35,56 38,89 41,92 45,64 48,29
27 18,15 18,11 21,75 26,34 31,53 36,74 40,11 43,19 46,96 49,64
28 16,93 18,94 22,66 27,34 32,62 37,92 41,34 44,46 48,28 50,99
29 17,71 19,77 23,57 28,34 33,71 39,09 42,56 45,72 49,59 52,34
30 18,49 20,60 24,48 29,34 34,80 40,26 43,77 46,96 50,89 53,67
492
40 26,51 29,05 33,66 39,34 45,62 51,88 55,76 59,34 63,09 66,77
50 34,76 37,69 42,94 49,33 58,33 63,17 67,50 71,42 76,15 79,49
60 43,19 46,46 52,29 59,33 66,98 74,40 79,08 83,30 88,38 91,95
70 51,74 55,33 61,70 69,33 77,58 85,53 90,53 95,02 100,42 104,22
80 60,39 64,28 71,14 79,33 88,13 96,58 101,88 106,63 112,33 116,32
90 69,13 73,29 80,62 89,33 98,64 107,56 113,14 118,14 124,12 128,30
100 77,93 82,36 90,13 99,33 109,14 118,50 124,34 129,56 135,81 140,17
Tabela adaptada de: Snedecor, G.W. e W.G. Cochran, 1973. Statistical Methods. 6ª ed.
Ames, Iowa, The Iowa State University Press.
ANEXO 2.4. Limites da distribuição t
Distribuição t
Graus Probabilidade
de
liberdad
0,9 0,7 0,5 0,3 0,2 0,1 0,05 0,02 0,01 0,001
e
636,61
1 0,158 0,510 1,000 1,963 3,078 6,314 12,706 31,821 63,657
9
2 0,142 0,445 0,816 1,386 1,886 2,920 4,303 6,965 9,925 31,598
3 0,137 0,424 0,765 1,250 1,638 2,353 3,182 4,541 5,841 12,924
4 0,134 0,414 0,741 1,190 1,533 2,132 2,776 3,747 4,604 8,610
5 0,132 0,408 0,727 1,156 1,476 2,015 2,571 3,365 4,032 6,869
6 0,131 0,404 0,718 1,134 1,440 1,943 2,447 3,143 3,707 5,959
7 0,130 0,402 0,711 1,119 1,415 1,895 2,365 2,998 3,499 5,408
8 0,130 0,399 0,706 1,108 1,397 1,860 2,306 2,896 3,355 5,041
9 0,129 0,398 0,703 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,397 0,700 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,396 0,697 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,395 0,695 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,394 0,694 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,128 0,393 0,692 1,076 1,345 1,761 2,145 2,624 2,977 3,140
15 0,128 0,393 0,691 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,128 0,392 0,690 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,128 0,392 0,689 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,127 0,392 0,688 1,067 1,330 1,734 2,101 2,552 2,878 3,922
19 0,127 0,391 0,688 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,127 0,391 0,687 1,064 1,325 1,725 2,086 2,528 2,845 3,850
21 0,127 0,391 0,686 1,063 1,323 1,721 2,080 2,518 2,831 3,819
22 0,127 0,390 0,686 1,061 1,321 1,717 2,074 2,508 2,819 3,792
23 0,127 0,390 0,685 1,060 1,319 1,714 2,069 2,500 2,807 3,767
24 0,127 0,390 0,685 1,059 1,318 1,711 2,064 2,492 2,797 3,745
25 0,127 0,390 0,684 1,058 1,316 1,708 2,060 2,485 2,787 3,725
26 0,127 0,390 0,684 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,127 0,389 0,684 1,057 1,314 1,703 2,052 2,473 2,771 3,690
28 0,127 0,389 0,683 1,056 1,313 1,701 2,048 2,467 2,763 3,674
29 0,127 0,389 0,683 1,055 1,311 1,699 2,045 2,462 2,756 3,659
30 0,127 0,389 0,683 1,055 1,310 1,697 2,042 2,457 2,750 3,646
493
40 0,126 0,388 0,681 1,050 1,303 1,684 2,021 2,423 2,704 3,551
60 0,126 0,387 0,679 1,046 1,296 1,671 2,000 2,390 2,660 3,460
120 0,126 0,386 0,677 1,041 1,289 1,658 1,980 2,358 2,617 3,373
0,126 0,385 0,674 1,036 1,282 1,645 1,960 2,326 2,576 3,291
494
ANEXO 2.5. Limites de d e d1 no teste de Kolmogorov, para o caso de uma amostra
Pe (D d) = e Pe [D+ (D-) d1] = /2
495
ANEXO 2.5. Limites de d e d1 no teste de Kolmogorov, para o caso de uma amostra. Continuação
Pe (D d) = e Pe [D+ (D-) d1] = /2
496
ANEXO 2.5. Limites de d e d1 no teste de Kolmogorov, para o caso de uma amostra. Continuação
Pe (D d) = e Pe [D+ (D-) d1] = /2
497
ANEXO 2.5. Limites de d e d1 no teste de Kolmogorov, para o caso de uma amostra. Continuação
Pe (D d) = e Pe [D+ (D-) d1] = /2
>100
Esta tabela, para n 100, foi adaptada de:
Dwe, D.B., 1962. Handbook of Statistical Tables. Reading. Massachussets. Wesley Publishing Co., Inc.
498
ANEXO II
Burk e Burkhart ln
Cao et al. ln
Scolforo ln
Scolforo ln
499
Modelos testados para estimar o diâmetro mínimo
MODELOS FORMA DE AJUSTE
Lenhart ln (DM) = 0 + 1 Hd + 2N + In ei
ln (DM) = 0 + 1 I+ 2 (H . I-1) + 2N + In ei
DM = 0 + 1 Hd + 2 (Hd . I) -1 + ei
-1 2 -1
DM = 0 + 1 ln ( I ) + 2 ln (N) + 3 ln(Hd )+ 4 D20 + 5 (I ) + ei
0,5 3
Knoebell ln(DM) = 0 + 1 Dg + 2/N + (I . Hd)-1 + In ei
-1
Lenhart DM = 0 + 1 ln (I)+ 2 ln (N) + 3 (Hd) + ei
500
Modelos que expressam a sobrevivência das árvores
EQUAÇÕES FORMA DE AJUSTE
Lenhart N2 = N1 exp [ 1 (I2 - I1) + 2 (ln (I2/I1))] + ei
Clutter e Jones N2 = + ei
Clutter N2 = N1 . exp [( +
0 2 S) (I2 - I1)] + ei
I2 I1
Silva N2 = N1 exp [ 2 ( 1 - 1 )] + ei
Beverton N2 = N1 ( +
1 2N1 + ei
Em que:
501
MODELOS TESTADOS PARA EXPRESSAR A CAPACIDADE PRODUTIVA DOS DIFERENTES
LOCAIS EM FUNÇÃO DA IDADE, PELO MÉTODO DA DIFERENÇA ALGÉBRICA
Monomolecular
Hd2 = Hd1 + ei
Clutter ln (Hd2) =
+ 2 exp + ln ei
Hd2 = Hd1 + ei
Richards
Hd2 = Hd1 + ei
Em que:
Hd = altura dominante (altura média das 100 árvores de maior diâmetro por hectare)
1 Hd = 0 + 1 ln ( I ) + ei
502
2 ln(Hd) = 0 + 1 (1/I) + In + ei
3 Hd = I2 / ( 0 + 1 I+ 2
2I ) + ei
4 Hd = 0 + 1 I+ 2( I )2 + ei
5 Hd = 0 + 1 I+ 2( I )3 + ei
6 Hd = + +
0 1 2I + ei
7 Hd = + + I )2 +
0 1 2( + ei
8 Hd = 0 + 1 I+ 2( 1/I ) + ei
Hd = altura dominante (altura média das 100 árvores de maior diâmetro por hectare)
I = idade em meses
0, 1, 2, 3 = parâmetros a serem estimados
ln = logaritmo natural
503
MODELOS TESTADOS PARA EXPRESSAR A ÁREA BASAL
FORMA DE AJUSTE
Ln (G) = 0 + 1 (1/I) + 2S + 3 ln (N) + In ei
G= 0 + 1 I+ 2S + 3 N+ 4 Hd + 5 In (N) + ei
G= 0 + 1 In N + 2I + 3 (1/I) + 4 (1/S) + ei
Em que:
504