Biometria Florestal

BIOMETRIA FLORESTAL
Prof . José Roberto Scolforo

Departamento Ciências Florestais
Universidade Federal de Lavras
scolforo@ufla.br
7
Crescimento e Produção das Variáveis Dendrométricas
1. INTRODUÇÃO
Os primeiros estudos de medição de árvores e povoamentos, da forma

das árvores das diferentes espécies florestais, os métodos para quantificação do
volume, assim como os estudos de crescimento e produção datam do século
XVIII. No entanto, ainda hoje o tema é envolvente, com uma série de
pesquisadores e cientistas envolvidos no desenvolvimento de novas técnicas de
medição e quantificação das variáveis diâmetro, altura, volume, no peso e nos
múltiplos produtos da madeira que as árvores e os povoamentos podem
propiciar.
Também os estudos de crescimento e produção tem apresentado grandes
evoluções nas ultimas décadas, principalmente a modelagem das florestas
plantadas sujeitas ou não a prática do desbaste e da poda sejam modeladas
através de modelos descritivos ou modelos baseados em processo. Embora com
menor intensidade também nas florestas nativas, sejam ou não de composição
variada em espécie e idade, e sujeitas ou não a regimes de manejo, grandes
avanços podem ser considerados.
Concomitantemente ao desenvolvimento de novas tecnologias, o estudo
da exatidão das predições e das projeções obtidas ao nível da árvore e do
povoamento florestal tem se tornado cada vez mais imperiosas. Estes estudos
têm sido fortalecidos principalmente pelo fato da atividade florestal ter se
8
tornado um negócio cada vez mais rentável e competitivo economicamente. Um

exemplo é a estimativa dos múltiplos produtos da madeira para que o
investimento na atividade florestal produtiva seja melhor e mais eficientemente
avaliado do ponto de vista econômico. Outro exemplo é a modelagem para
predizer ou para projetar o produto final que se está interessado como é o caso
da qualidade ou do peso da celulose. Também o uso de variáveis ambientais nos
modelos descritivos tem auxiliado para que estes possam ser também utilizados
para predizer a produção potencial de áreas onde ainda não existe floresta,
assim como na melhor explicação das variações que ocorrem no
desenvolvimento da floresta. Outro é a quantificação do estoque de carbono dos
diferentes tipos florestais e mesmo de culturas agrícolas, propiciando que
avaliações pautadas na economia ambiental possam ser viabilizadas o que
possibilitará a definição ou mesmo a redefinição de políticas públicas na
ocupação de novas áreas.
Entretanto o estudo da exatidão e da confiabilidade das informações
sobre as medições e quantificações realizadas nas árvores e povoamentos
florestais também estão relacionadas ao mal uso ou ao uso mal intencionado
destas técnicas. Um exemplo típico é a super estimativa do volume das árvores
na floresta nativa. Se estas estimativas forem submetidas às agencias
governamentais através de planos de manejo sustentado ou planos de
desmatamento, então o proponente do plano poderá obter crédito de corte
superior a real capacidade da floresta. Este normalmente é utilizado para
acobertar a madeira oriunda de desmatamento clandestino. Assim, o mal uso da
técnica estimulará o desmatamento clandestino.
Muitas outras considerações podem ser ainda feitas em relação aos
estudos de medição e estimação do crescimento. A principal delas está associada
a formulação do plano gerencial da empresa florestal, constituindo-se na base
9
mais importante para definição do momento ótimo de desbaste, do corte final,

em que sítios são viáveis economicamente à atividade florestal, qual o ciclo das
espécies na floresta nativa, dentre muitas outras ações deste gênero. Com estas
informações o gerente florestal poderá de fato administrar a propriedade, seja ela
composta de vegetação plantada ou nativa, baseando-se em critérios técnicos.
10
Capítulo 1
CRESCIMENTO E PRODUÇÃO FLORESTAL
Neste capítulo será feita inferência de como expressar o crescimento e a

produção florestal e de como esta informação é útil para definir a rotação
biológica, silvicultural, técnica, física ou do máximo incremento médio anual,
assim como o momento ideal de efetuar desbastes, do ponto de vista biológico.
O crescimento de uma árvore ou de um povoamento é o mais importante

fenômeno na floresta. O crescimento consiste no alongamento e engrossamento
das raízes, tronco e galhos. O crescimento causa mudanças na árvore,
influenciando o seu peso, volume e forma. O crescimento linear de todas as
partes da árvore é proveniente do meristema primário. Já o crescimento do
diâmetro é proveniente do meristema secundário ou câmbio através da deposição
de camadas justaposta de lenho. As variáveis mais - comumente mensuradas são
o diâmetro a 1,30 m de altura, o diâmetro ao longo do fuste, as alturas
correspondentes a estes diâmetros, a altura total e a altura comercial.
Provenientes destes elementos o volume, a área basal, o peso e o estoque de
carbono podem ser obtidos. Também as raízes e galhos em certas situações
podem ser mensuradas (Husch, Miller e Beers, 1982). Já a produção é o
crescimento acumulado.
Existem diferentes maneiras para expressar o crescimento, podendo-se

citar o incremento corrente anual (ICA), o incremento médio anual (IMA), o
11
incremento periódico (IP) e o incremento periódico médio (IPM), seja ele anual
(IPA), mensal (IPM), semanal (IPS), ou diário (IPD).
Incremento Corrente Anual (ICA)
É o crescimento ocorrido ou a diferença na produção do elemento

dendrométrico considerado dentro do período de um ano.
Incremento Médio Anual (IMA)
É a razão entre a produção do elemento dendrométrico considerado a

partir do ano zero e a idade da população florestal ou da árvore. Expressa o
crescimento linear da variável considerada. Por isto ao ser utilizado deve sempre
ser mencionada a idade e o sítio em que este foi quantificado, já que é um valor
mutável.
Incremento Periódico (IP)
É o crescimento do elemento dendrométrico considerado durante um

determinado período no tempo. Esta é uma das formas mais usuais de expressar
o crescimento, principalmente no caso das florestas nativas.
Incremento Periódico Anual (IPA)
É a média do crescimento da árvore ou da população florestal na

variável dendrométrica considerada obtida a partir do incremento periódico, se a
escala temporal de medição é em anos. Este conceito deve ser readequado a
nova escala temporal se esta for em semestre, meses, semanas, dias, etc.
12
Exemplo de Aplicação:
Na Tabela 1.1 é mostrada a produção em volume de um povoamento de

Pinus taeda num sítio classe de produtividade III, plantado em 1970 e medido
anualmente a partir de 1972. São mostrados também o incremento corrente anual
em volume (ICAv), o incremento médio anual em volume (IMAv), o incremento
periódico (IPv) e o incremento periódico médio anual (IPMv). Para fins de
cálculo do incremento periódico adotou-se o intervalo de tempo igual a 3 anos.
13
TABELA 1.1. Produção em volume e o crescimento de um povoamento de

Pinus taeda.
Idade Volume (m3) ICAv IMAv IPv IPAv

2 25 - 12,50
3 38 13 12,67 42 14,00
4 52 14 13,00
5 67 15 13,40
6 84 17 14,00 58 19,33
7 101 17 14,43
8 125 24 15,62
9 151 26 16,78 77 25,66
10 177 26 17,70
11 202 25 18,36
12 226 24 18,83 67 22,33
13 248 22 19,07
14 269 21 19,21
15 280 11 18,66 28 9,33
16 290 10 18,12
17 297 7 17,47
18 303 6 16,83
Na Figura 1.1 são representados graficamente a produção, o incremento

corrente anual e o incremento médio anual do volume.
Notáveis fatos podem ser mencionados a partir da Figura 1.1. A curva de

incremento corrente anual (ICA) alcança um máximo relativamente cedo na vida
do povoamento e então declina. Seu máximo ocorre onde a forma da curva de
produção é íngreme, ou seja, coincide com o ponto de inflexão da curva de
14
crescimento acumulado. Já a curva de incremento médio anual (IMA) atinge seu

máximo mais tarde, sendo interceptada pela curva de ICA em seu valor máximo.
Destas relações pode-se estabelecer que se ICA é maior que IMA este último
deve estar aumentando e quando o ICA é menor que o IMA este último deve
estar decrescendo.
15
FIGURA 1.1. Forma da curva de produção em volume (a) e as curvas de

ICAv e IMAv (b).
A idade onde o IMA alcança seu máximo é a idade do máximo

incremento médio anual. Esta estatística tem considerável importância para o
manejo já que define o momento de interferir na população, através de desbaste
ou do corte raso. Assim se sucessivas rotações forem consideradas onde o IMA
atinge o seu máximo (19,21 m3/ha) na idade de 14 anos então a produção média
anual será de 19,21 m3/ha/ano. O uso de qualquer outra idade de rotação numa
série de contínuas rotações resultará numa menor média na taxa de produção
anual. Assim, para um proprietário florestal cujo objetivo é maximizar a
produção de volume, a idade de rotação pode ser a "rotação do máximo
incremento médio anual".
Neste procedimento não são considerados efeitos de custos, taxa de

juros e ainda a dimensão final do produto. Para muitos manejadores florestais a
máxima produção em volume não é um objetivo realístico de manejo, ou seja, o
manejo de plantações deve ser concebido para fornecer um mix de produtos em
quantidade e qualidade apropriada e da maneira mais eficiente do ponto de vista
econômico.
16
17
Capítulo 2
CRESCIMENTO E PRODUÇÃO DAS VARIÁVEIS

DENDROMÉTRICAS
O conhecimento apropriado do comportamento de cada variável

dendrométrica é importante para definir as estratégias de manejo, sejam Sob a
ótica silvicultural, econômica, ambiental e/ou social tanto para florestas
plantadas como para florestas nativas.
2.1. CRESCIMENTO EM DIÂMETRO
De maneira geral o crescimento em diâmetro depende do:
a) Genótipo
b) Sítio: A curva de produção em diâmetro será mais inclinada quanto

mais produtivo for o sítio. Este fato é ilustrado na Figura 2.1 para um
experimento de Pinus taeda.
18
FIGURA 2.1. Curva de produção em diâmetro para sítio 19,5 e 22,5 m para
Pinus taeda (lref = 20 anos).
19
Quanto mais inclinada a curva de produção mais cedo ocorrerá o

incremento corrente anual em diâmetro e maiores serão estes valores quando
comparados aqueles provenientes de sítios menos produtivos.
c) Espaçamento: este fator influencia tremendamente o

desenvolvimento diamétrico das populações florestais. Na Figura 2.2
é mostrado o comportamento desta variável para 5 diferentes
espaçamentos de Pinus taeda e para 2 diferentes sítios, em que a
média aritmética dos diâmetros é menor nos menores espaçamentos,
aumentando no sentido dos maiores espaçamentos.
Na Figura 2.2 a e b, observa-se que espaçamentos maiores entre plantas,

propiciam uma maior média aritmética dos diâmetros que espaçamentos mais
reduzidos, o que em última análise vai determinar o uso da madeira, ou a
estratégia de manejo. A discrepância entre estas médias tende a ser maior quanto
mais produtivo for o sítio considerado.
20
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.
2.2. CRESCIMENTO EM ALTURA
21
De maneira geral, em uma população florestal o crescimento em altura

das árvores depende de:
a) Genótipo.
b) Sítio: a curva de produção em altura seja a média aritmética seja a

média das árvores dominantes será mais inclinada quanto mais
produtivo for o sítio. Este fato é ilustrado nas Figuras 2.3 e 2.4 para
Pinus taeda em 5 diferentes espaçamentos.
FIGURA 2.3. Curva de produção da média aritmética da altura.
22
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
c) Espaçamento: controvérsia existe a respeito da culminação do

crescimento. De maneira geral, pode-se assumir que em
espaçamentos menores há um maior crescimento em altura, já que a
procura por luz pode induzir a um maior desenvolvimento desta que
em espaçamentos mais amplos. Neste contexto, o máximo ICA H
ocorrerá mais cedo em espaçamentos menores.
Na Figura 2.5 é mostrado este comportamento para Pinus taeda

sujeito a espaçamento 3 x 1; 2 x 2,5; 3 x 2; 3 x 2,5; 3 x 3 e 3 x 3,5.
Assim como no caso do diâmetro quanto mais inclinada a curva de
produção mais cedo ocorrerá o máximo ICA H e maior o seu valor, o
que define um desenvolvimento mais rápido para esta variável.
Já no caso das alturas média das árvores dominantes ilustra-se a

partir da Figura 2.6 que esta não sofre influência do espaçamento,
pelo menos até a idade considerada.
24
FIGURA 2.5. Comportamento da média aritmética das alturas (m), para

diferentes espaçamentos para o índice de sítio 19,5 e 22,5 m para
Pinus taeda. lref = 20 anos.
25
FIGURA 2.6. Comportamento da média da altura das árvores dominantes em 2

sítios e 5 espaçamentos.
d) posição no povoamento: se a planta está sombreada a culminação do
ICAH será mais tardia, já que a quantidade de luz recebida propicia
energia para que as plantas apenas se mantenham ou tenham
superávit para um lento crescimento em qualquer das variáveis
dendrométricas consideradas.
26
2.3. CRESCIMENTO EM ÁREA BASAL E VOLUME
São muito influenciados pela densidade, assim como pelos demais

fatores já mencionados para o diâmetro e altura. De maneira geral a culminação
do ICAG (Incremento Corrente Anual em Área Basal), ocorre mais cedo que o
ICAv (Incremento Corrente Anual em Volume).
Nas Figuras 2.7 e 2.8 é apresentada a influência do espaçamento na

produção volumétrica e área basal, respectivamente. O mesmo comportamento é
observado para as duas situações. No menor espaçamento se tem mais volume e
área basal por unidade de área, mas plantas com menores média aritmética em
diâmetro que nos maiores espaçamentos, conforme já mostrado na Figura 2.2.
Neste último caso, a produção total é menor, mas não necessariamente implica
na obtenção de menos renda, já que a média aritmética dos diâmetros das
árvores neste espaçamento é maior, o que implica em maior valor de venda de
cada m3 de madeira para uma mesma espécie, idade, sítio, procedência e tratos
florestais. Outro fato significativo de se aumentar o espaçamento é gastar menos
com sementes, produção de mudas, plantio, adubação, colheita, dentre outros.
27
FIGURA 2.7. Influência do espaçamento na produção em volume para índice de

19,5 e 22,5 m para Pinus taeda. (lref = 20 anos).
28
FIGURA 2.8. Influência do espaçamento na produção em área basal para

diferentes sítios.
Para que o máximo incremento médio anual em volume (IMAv) seja
detectado é necessário monitorar através de parcelas permanentes o
desenvolvimento das plantas contidas nestas ao longo do tempo, e então
construir modelos de prognose. Este instrumental propiciará se antever a idade
em que ocorrerá este ponto de máximo. Na ocasião em que este ponto de
máximo for detectado muito cedo pode-se inferir que o espaçamento está muito
reduzido.
Quando este fato ocorrer em sítio muito produtivo provavelmente é

porque a estratégia de manejo contemplará a prática do desbaste. No entanto, se
estas práticas silviculturais não forem aplicadas então muito provavelmente o
espaçamento inicial foi muito adensado. Em sítios pouco produtivos, como as
29
areias quartzosas do Norte, Nordeste e Noroeste de Minas Gerais, se o máximo

IMAv for detectado também muito cedo, ao redor do 4° ou 5° ano após o plantio
então com certeza o espaçamento é inadequado, ou seja, muito reduzido. Como
nestes sítios a prática do desbaste é geralmente anti-econômica, então a
estratégia de manejo é ampliar o espaçamento por ocasião da reforma. Sugere-se
para a região supra-citada espaçamento em tomo de 3 x 3 m, o que implica em
menos custos e árvores de maior porte em diâmetro, além da maximização do
volume passar a ocorrer entre o 7° e o 8° ano. Naturalmente que a constituição
genética das plantas, microsítios especiais e novas práticas de plantio podem
alterar as produções volumétricas.
Se porventura o objetivo nestes sítios pouco produtivos for produzir

madeira para serraria, então espaçamentos maiores ainda poderão ser utilizados.
Neste caso para que se tenha madeira de melhor qualidade deve-se efetuar poda.
Embora esta seja uma atividade de alto custo ela poderá ser compensada pela
redução nos custos de sementes, produção de mudas, plantios, adubação, etc.,
pela adoção de espaçamentos mais amplos.
O comportamento da produção em volume em diferentes índices de sítio

sujeitos a ocorrência de vários desbastes é ilustrado na Figura 2.9 para uma
população de Pinus caribaea var. hondurensis.
30
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.
A Figura 2.10 mostra o comportamento da área basal num povoamento

florestal em que há ocorrência de 6 desbastes mais o corte final.
31
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.
Na Figura 2.11, apresenta-se as curvas de produções, que um

povoamento florestal teria se não tivesse sido desbastado, assim como as curvas
de produção após a ocorrência de um ou mais desbastes.
Especificando na Figura 2.11 (a) são apresentadas também as curvas que

expressam o máximo incremento médio anual (IMA) e o máximo incremento
corrente anual (ICA). Pode-se constatar que o máximo IMA ao ocorrer ao redor
dos 14 anos de idade fornece subsídios para que desbaste seja implementado no
povoamento nesta idade.
32
33
FIGURA 2.11. Expressa curva de produção teórica e as curvas de produção

de um povoamento sujeito a 1(a), 2(b) e a 3(c) desbastes e corte
final.
Continua...
34
FIGURA 2.11. Continuação.
Espera-se ao final da rotação (longo prazo) que a produção do

povoamento não desbastado seja similar a soma das produções obtidas quando a
prática do desbaste foi efetuada. Este é um comportamento genérico da produção
bruta teórica de uma população em relação a mesma população sujeita a
desbastes. Os desbastes normalmente não apresentam uma produção bruta
significativamente maior que numa população não desbastada. As justificativas
maiores para a aplicação destes são de ordem econômica e para evitar
mortalidade.
No entanto, dentro de um horizonte de tempo de 14 anos, conforme

pode-se verificar na Tabela 2.1, para Eucalyptus grandis na região de Bofete-SP
em um experimento seguindo o método CCT com número de plantas iniciais
igual a 2200, verificou-se uma maior produção volumétrica para população
desbastada que para aquela em que não houve ocorrência de desbaste. Neste
caso o auto desbaste que ocorreu no povoamento não desbastado não foi
suficiente para impulsionar o desenvolvimento das plantas remanescentes.
35
Na Figura 2.12 apresenta-se a taxa de crescimento líquida em função do

espaçamento. Observa-se que em espaçamentos menores a maior inclinação da
curva de produção em volume propicia que o máximo ICAv ocorra numa menor
idade, que para espaçamentos maiores, o que comprova o fato já apresentado e
discutido a partir da Figura 2.7.
TABELA 2.1. Produção de Eucalyptus grandis em população desbastada e não

desbastada na Região de Bofete-SP.
Desb. ano 3 ano 4 ano 6 ano 7 Total Volume Volume

(%) 1º desb 2º desb 3º desb 4º desb retirad atual total
o
0 - - - - - 556 556
50 67 - - - 67 527 594
67 65 53 - - 118 552 670
75 66 54 43 - 163 522 685
83 68 58 46 64 236 517 753
Fonte: Bofete - SP, solo AQ/LV. 1993, aos 14 anos.
36
FIGURA 2.12. Taxa de crescimento líquida em função do espaçamento.
2.4. CRESCIMENTO E A PRODUÇÃO EM DIFERENTES TIPOS

FLORESTAIS
2.4.1. Crescimento em Floresta Alta
Incremento periódico em diâmetro
As espécies arbóreas de florestas tropicais em clímax, geralmente

crescem muito lentamente, embora tendo condições favoráveis de temperatura e
precipitação. Portanto, tais espécies podem levar décadas para atingiram um
tamanho ideal de corte (Lamprecht, 1990).
Em estudos realizados por Silva (1989, 1990, 1992, 1993), na Floresta

Nacional de Tapajós, após a exploração, constatou que a média de incremento
em diâmetro foi de 0,5 cm/ano para todas as árvores com DAP 5 cm; observou
também que o incremento variou de acordo com a espécie e o grau de tolerância
37
à luz. As espécies pioneiras mostraram as mais altas taxas de crescimento,

aproximadamente 1 cm/ano e que Cecropia sciadophylla e Cecropia leucoma
apresentaram incrementos de 2,1 e 1,4 cm/ano, respectivamente. Certas espécies
clímax como, Coussarea spp, Duguetia echinophora, Paussandra densiflora e
Rinorea flavescens, apresentaram valores de incremento em torno de 0,1
cm/ano. Após o corte, houve um aumento significativo nos seus valores,
decorridos 3 - 4 anos, foram detectados um decréscimo no incremento
diamétrico e uma tendência de estabilização. Outra observação importante com
relação ao crescimento das árvores, foi a forte correlação encontrada entre o
crescimento diamétrico e a quantidade de luz recebida pelas copas; árvores
recebendo luz em toda a área superior da copa crescem 3 vezes mais do que
aquelas recebendo somente luz pelas laterais ou luz difusa. Passados 13 anos,
Silva et al. (1995), constataram que nesta floresta entre a primeira e segunda
remedição, o incremento médio em diâmetro diminuiu de 0,4 para 0,2 cm/ano.
Incrementos na ordem de 0,8 cm/ano em áreas manejadas e 0,3 cm/ano

em áreas não manejadas foram constatados na Floresta Amazônica, segundo Uhl
et al. (1992).
Estudando o potencial de produção sustentada em Paragominas-PA, na

Amazônia Oriental, Barreto, Uht e Yared (1993), observaram que o crescimento
diamétrico das árvores com valor comercial, após a exploração variou em função
dos danos no fuste, na copa e da presença de cipós. Árvores dominadas por cipós
e/ou com danos leves na copa cresceram em média 0,35 cm/ano, quase 2 vezes
menos do que as árvores livres de danos e de cipós, que cresceram 0,6 cm/ano.
Por outro lado, árvores gravemente danificadas cresceram 0,2 cm/ano.
38
Na Floresta Atlântica num período observado de 1980 à 1989, em geral,

as taxas de incremento periódico médio anual em diâmetro, situam-se no
intervalo de 3 a 4 mm/ano, em áreas não perturbadas (Jesus, Souza e Garcia,
1992).
Felfili (1995), após um período de 6 anos de avaliação em uma área de

floresta de galeria no Distrito Federal, encontrou um incremento médio da
ordem de 0,25 cm/ano para árvores com DAP 10 cm considerando 93
espécies.
Vale et al. (1994) buscando ilustrar de forma sintética a respeito dos

diversos estudos de manejo florestal sustentado no mundo, constatou que na
Malásia o incremento em diâmetro das espécies comerciais, sujeitas ao sistema
de manejo seletivo, está entre 0,8 e 1 cm/ano. Na Indonésia, 1 cm/ano é o
incremento considerado para as 25 árvores/ha, de valor comercial, deixadas para
o próximo corte de acordo com o sistema de manejo considerado (seletivo).
Na Tabela 2.2 é apresentada uma síntese do crescimento em diâmetro,

tanto em florestas que não sofreram distúrbios, como em florestas que já
sofreram intervenção em várias regiões do mundo.
Silva (1989) em seu trabalho de tese de Doutorado, observou o

comportamento de espécies de valor comercial, de valor potencial e sem valor
comercial na Floresta Nacional do Tapajós-PA, no que concerne a variável
diâmetro, após a exploração florestal, conforme pode-se visualizar na Figura
2.13. Ao considerar as variáveis área basal e volume agregou ainda informações
de crescimento destas variáveis para todas as espécies à aquelas já consideradas
por ocasião da abordagem da variável diâmetro, conforme ilustrado nas Figuras
2.14 e 2.15, respectivamente.
39
TABELA 2.2. Taxa de crescimento em diâmetro em floresta nativa de vários

países.
País Grupo/ Tipo de Ocorrênci IPA Período Fonte

Espécie Floresta a de (cm) em anos
distúrbio de
observaçã
o
Neotrópicos
Brasil
Tapajós T FA E 0,5 6 a
C FA E 0,5 6 a
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
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...

países. Continuação
País Grupo/ Tipo de Ocorrênci IPA Período Fonte

Espécie Floresta a de (cm) em anos
distúrbio de
observaçã
o
Neotrópicos
Venzuela
Merida T FA AE 0,5 8 5
Amazonas T FA SD 0,2 4 5
S.C. Rio Negro T FA SD < 0,1 4 6
S FA SD < 0,1 4 6
E FA SD 0,1 4 6
Ásia
41
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...

países. Continuação
Códigos para:
Grupo/Espécie Tipo de Floresta Ocorrência de
Distúrbio
T = Todas espécies FA = Floresta Alta E = Explorado
42
C = Comerciais D = Dipterocarpaceae D = Desbastado

S = Árvores do sub SI = Secundária inicial SD = Sem distúrbio
bosque
E = Árvores emergentes BE = Baixa Encosta- AE = Altamente
secundária explorado
P = Pioneira
S = Clímax x exigentes de
luz
CL = Clímax tolerantes a
sombra
D = Dipterocarpaceae ST = Secundária da Crista R = Regeneração
de Encosta Alti-
montana
ND = Não FTB = Floresta de Terra E + DL = Explorado +
Dipterocarpaceae Baixa desbaste de liberação
SVT = Sempre Verde e E + SS = Explorado + sis

Transição tema de seleção
SD = Floresta E + STC = Explorado +

Semidecídua sistema tropical de
cobertura
FM = Floresta estacional
Semidecídua Montana
FG = Floresta de galeria
Fonte: Silva (1989) e complementada por Scolforo.
43
FIGURA 2.13. Efeito do tempo após a exploração no crescimento em DAP

(cm).
44
FIGURA 2.14. Efeito do tempo após a exploração no crescimento

líquido em área basal (m2/ha).
FIGURA 2.15. Efeito do tempo após a exploração no crescimento em volume

(m2/ha).
Scolforo et al., (1995) mostra o comportamento do incremento periódico

em diâmetro para diferentes classes diamétricas e para diferentes grupos
ecológicos. Na Figura 2.16 é ilustrado este comportamento para todo o grupo de
45
146 espécies monitoradas num intervalo de 5 anos, em uma floresta estacional

semidecídua montana, na região de Lavras-MG.
FIGURA 2.16. Comportamento do Incremento Periódico em diâmetro

(período 5 anos) por classe diamétrica.
Como pode-se observar o incremento em diâmetro é menor nas menores

classes diamétricas, já que o número de plantas é maior e a competição por luz,
água e nutrientes é mais acirrada. Já as plantas que compõem o dossel da floresta
são as que crescem a uma maior taxa pois além de existirem em menor número,
já estão bem estabelecidas com a copa recebendo luminosidade, e sistema
radicular bem estabelecido. As maiores árvores por já estarem entrando na
46
senescência, já apresentam taxas de crescimento em diâmetro com menor

intensidade.
Com relação específica a produção das florestas nativas de grande porte

há uma enorme variabilidade na produção em volume a qual depende
basicamente da localização da floresta, de sua composição florística e do
diâmetro mínimo de medição. De maneira geral o volume encontrado para
espécies com diâmetro maior ou igual a 45 cm está situado entre 60 e 110 m3.
No entanto, em função do valor comercial das espécies, são removidas
normalmente entre 20 e 40 m3 por ocasião de cada intervenção na floresta.
Mortalidade
Segundo Cunha-Neto (1994) a mortalidade pode ser classificada em

duas categorias: regular e irregular. A mortalidade regular refere-se
principalmente sobre a competição, supressão e o próprio envelhecimento da
árvore. Por outro lado, a mortalidade irregular, ocorrendo com menos
freqüência, é provocada por fenômenos adversos como a incidência de pragas,
doenças, fogo, vento, temperatura, enchente, seca, além de outras causas sujeitas
a acontecer irregularmente, ou seja, a mortalidade regular é previsível e a
irregular não.
A mortalidade em florestas que sofrem intervenções, conforme Silva

(1990), é significativamente expressiva logo após a exploração e passado certo
tempo, a tendência é estabilizar e retornar ao nível de uma floresta primária. Isto
pode ser entendido pelo fato de que muitas árvores são mortas durante as
operações de exploração, enquanto outras são severamente danificadas e morrem
pouco tempo depois.
47
Segundo Vidal et al., (1997), em uma típica operação de extração de

toras, de forma desordenada, 26% de todas as árvores que existiam em um
hectare antes da extração, são mortas ou danificadas.
No projeto de manejo florestal sustentado da floresta tropical úmida de

terra-firme na região de Manaus, 10 anos após sua implantação pelo
departamento de silvicultura tropical do INPA na estação ZF-2, Higuchi e Vieira
(1990) constataram uma taxa de mortalidade de 9,18% nas parcelas testemunhas
durante o período de 1980-85.
Em um período de 6 anos de observações após exploração na Floresta

Nacional do Tapajós, Silva (1989, 1993) detectou que para o período observado,
a taxa de mortalidade foi de 2,8% ao ano para todas as espécies; 1,8%; 2,2%;
3,1% e 4,7% para as espécies comerciais, espécies potenciais, espécies não
comerciais e espécies pioneiras, respectivamente. Concluiu ainda que estas taxas
estão acima dos valores médios apontados para florestas tropicais não
perturbadas, que estão na faixa de 1 a 2% ao ano. Decorridos 13 anos, Silva et
al. (1995), relataram que a mortalidade permaneceu relativamente constante em
2,5% ao ano.
Conforme Barreto; Uhl e Yared (1993) na Amazônia Oriental -

Paragominas - em uma floresta explorada a mortalidade média anual entre as
árvores com DAP > 20 cm foi de 2% durante dois anos.
Acompanhando a dinâmica de crescimento em uma área de floresta

tropical na Costa Rica, Lieberman e Lieberman (1987), apontaram que a taxa
anual de mortalidade foi de 2,03%.
Para a Floresta Atlântica a taxa foi de 1% ao ano, em uma área não

perturbada, conforme Azevedo (1993), Azevedo, Souza e Jesus (1995). Já em
48
uma floresta de galeria na região do Distrito Federal, a mortalidade média anual

é da ordem de 3,5% (Felfili, 1995).
Em um fragmento de floresta semidecídua, Oliveira-Filho, Mello

Scolforo (1997), detectaram taxa de 2,6% ao ano para um período de estudo de 5
anos.
Fazendo uma revisão sobre a prática de manejo florestal nas florestas

tropicais, Vale et al. (1994), relataram que nas florestas do Suriname, após a
exploração a vegetação remanescente sofre um aumento da taxa de mortalidade
de 1,5 para 2% ao ano.
Taxas de mortalidade da ordem de 2-3% ao ano foram observadas por

Condit e Hubbel (1995), para espécies de valor comercial no Panamá.
Recrutamento
Assim como a mortalidade, o recrutamento segundo Husch, Miller e

Beers (1982) é de extrema importância em qualquer expressão de crescimento
de um povoamento.
Silva (1989) reforça essa importância, destacando que em florestas

tropicais, a quantidade e qualidade determinam a eficiência de um modelo de
produção, uma vez que o recrutamento realimenta a floresta com mudas e
pequenas árvores. É imprescindível que um número mínimo de árvores
sobreviva e cresça ao tamanho de abate a cada ciclo de corte, para a produção
florestal ser sustentada.
Para um período de estudo de 5 anos na Floresta Amazônica, foi

detectado 3,72% de recrutamento de novas árvores para a primeira classe de
DAP 25 cm (Higuchi, Vieira, 1990).
49
Na Floresta Nacional do Tapajós, Silva (1993) observou que após 6 anos

da exploração surgiram 32,7% mais indivíduos por hectare em relação ao
número inicial, o que representa uma taxa anual de aproximadamente 5,4%.
Após 13 anos de exploração, Silva et al. (1995), constataram um decréscimo da
taxa de recrutamento para 2% ao ano.
Segundo Felfili (1995), a taxa de recrutamento foi de 16% para o

período de 1985 a 1991, correspondendo a 2,7% ao ano, em uma floresta de
galeria no Distrito Federal.
Em uma área de Floresta Atlântica que sofreu corte raso, o recrutamento

foi de 346,60 indivíduos/ha e em área sem interferência de 20,40 indivíduos/ha
(Jesus, Souza, Garcia, 1992).
Segundo Oliveira-Filho, Mello e Scolforo (1997), em um fragmento de

floresta semidecídua, foi observada uma taxa anual de recrutamento da ordem de
3% para um período de 5 anos. Ainda nesta área, Scolforo et al. (1996)
verificaram que as espécies clímax exigentes de luz apresentaram recrutamento
de 71,6 árvores/ha/ano; as clímax tolerantes à sombra 56,1 árvores/ha/ano e as
pioneiras 6,9 árvores/ha/ano.
2.4.2. Produção em Cerrado
Embora existam inúmeros estudos acerca da flora do cerrado, pouco ou

quase nada se sabe sobre o crescimento das árvores que compõem os diferentes
50
tipos florestais. Até mesmo aspectos como a produção de madeira existente é

extremamente deficiente. Buscando ilustrar a produção do cerrado em diferentes
localidades no Estado de Minas Gerais, será apresentado nas Tabelas 2.3 e 2.4
uma série de valores de produção de diferentes tipos florestais.
TABELA 2.3. Volume para diferentes tipologias florestais do cerrado.
Local Tipo Área Número Volume Volume Volume

florestal basal de fuste galhos total
(m2/ha) árvores/ (m3/ha) (m3/ha)
ha
Monte Cerradão 16,7 1405,8 71,3 71,4 142,7 m3/ha
Azul
Buritizeir Cerrado
os
sendo stricto - - - - 84,29

mst/ha
Jaíba Cerrado em
Regeneraçã 5,9 672,8 24,11 19,83 43,94 m3/ha

o
51
TABELA 2.4. Volume por classe de diâmetro de diferentes tipos florestais do cerrado.
Local Tipo Valor central das classes de diâmetro

florestal 7,5 12,6 17,5 22,5 27,5 32,6 37, 42, 47, 52, 57, 62, 67, 72, Total
5 5 5 5 5 5 5 5
Lavras Floresta Volume 13,7 12,9 14,2 13,4 13,5 7,9 6,7 6,6 2,3 2,5 1,0 2,0 0,8 0,6 98,1
C/C
Semidecí Volume 15,1 10,3 11,3 10,9 11,3 6,7 5,7 5,7 2,0 2,1 0,9 1,7 0,6 0,5 85,0
dua S/C
Montana Nº 788,7 253,2 134, 73,8 47,4 19,8 12, 8,5 2,8 2,2 1,0 1,2 0,4 0,2 1346,2
árvores 7 3
Irapé (1) * Volume 10,1 9,9 7,2 5,8 2,2 1,5 1,1 1,5 39,4
C/C
Vale Cerrado Peso 7,6 7,1 5,6 4,5 1,7 0,9 0,6 0,8 28,9
seco
Jequitinho Nº 598,0 154,0 51,2 22,8 6,2 2,7 1,2 1,2 837,0
nha árvore
Irapé (2) ** Volume 8,4 10,3 7,8 7,3 4,2 3,2 3,0 1,0 2,0 47,3
C/C
Vale Cerrado Peso 6,5 7,5 6,2 5,8 3,2 2,4 2,4 0,7 1,4 36,1
seco
Jequitinho Nº 502,0 160,0 51,3 25,2 9,1 4,4 2,8 0,6 0,9 756,0
nha árvore
52
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
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
2.5. CRESCIMENTO EM FLORESTAS HOMOGÊNEAS DE Eucalyptus

sp e Pinus sp
Neste caso, os níveis de produtividade variam enormemente em função

da diversidade de espécies, procedências, sítio, idade, espaçamento, manejo e
constituição genética, o que propicia uma grande variabilidade na produtividade
para os gêneros Eucalyptus e Pinus.
Particularmente para o Eucalyptus sp a variabilidade é mais acentuada

face ao maior número de espécies plantadas no Brasil, e ao estágio avançado em
melhoramento genético em alguns empreendimentos. É possível portanto obter
aos 7 anos, 120 a 250 m3 em plantios de Eucalyptus camaldulensis nos sítios
pouco sustentáveis do Norte de Minas Gerais e 600 m3 para Eucalyptus grandis
em microsítios especiais no Sul da Bahia/Norte do Espírito Santo e Nordeste do
Paraná. No entanto, uma média mais realística está situada entre 30 e
50 m3/ha/ano, gerando expectativa de produção aos 7 anos de 210 a 350 m3/ha.
Serão apresentados nas Tabelas 2,5; 2,6 e 2.7, respectivamente, tabelas

de produção para Eucalyptus grandis e E. urophylla na Região de Ribeirão
Preto-SP, de Pinus caribaea var. hondurensis em Agudos-SP, e de Pinus taeda
na região Nordeste do Paraná.
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
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
Idade base para projeção = 32 meses - Área basal nas classes de

E. sítio V, IV, III, II e I na idade base de projeção = 3,1; 5,1; 7,77;
urophylla 10,66; 12,2
Índice de sítio nas classes de produtividade V, IV, III, II, I = 12,5;
15,5; 18,5; 21,5; 24,5 m
TABELA 2.6. Produção em população desbastada de Pinus caribaceae var.
hondurensis para diferentes índices de sítio e diferentes opções de
desbaste.
Regime de Manejo 1 Regime de Manejo 1
I N G V VL VS VA N G V VL VS VA
8 698 7,7 30,2 0,0 0,4 29,7 698 7,7 30,2 0,0 0,4 29,7
12 800 15, 89,9 0,0 13,5 89,9 800 15, 89,9 0,0 13, 89,4
4 4 5
2 15 200 6,5 46,2 0,0 26,3 46,1 400 16, 137, 0,0 101 137,
5 5 8 ,2 0
19 200 8,8 73,7 0,0 56,6 73,7
22 100 6,0 55,0 0,5 48,8 55,0
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
PT 219 75, 701, 219 77, 733, 260 547 732,

3 9 6 3 0 9 ,3 ,7 8
8 688 9,3 51,9 0,0 3,1 51,2 688 9,3 51,9 0,0 3,1 51,3
12 800 18, 150, 0,0 42,8 149, 800 18, 150, 0,0 42, 149,
4 0 4 4 0 8 4
2 15 200 8,1 80,8 0,0 58,4 80,7 400 21, 247, 0,0 207 247,
9 2 9 ,9 8
19 200 12, 141, 11,2 123, 141,
1 1 2 1
22 100 10, 136, 91,1 130, 136,
4 2 5 2
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
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
1667 12 14 22 28,5 820 199 600 35 77 10 80 23 37 20 45 10 60 0 36 0 0 51

5 21 5 8 2 0
1667 12 14 21 28,5 720 398 500 30 18 87 72 43 28 18 95 83 43 28 29 0 0 46
3 2 5 0 2 9
1667 12 14 22 25,5 833 400 400 27 16 67 86 39 20 17 84 60 0 39 22 0 0 37
1 7 4 1 1 0
1667 12 14 22 25,5 733 499 400 23 20 67 78 50 20 14 10 60 0 48 22 0 0 36
1 8 3 2 4 1 7
2000 12 14 22 25,5 115 400 400 34 16 66 13 40 20 19 83 60 0 28 22 0 0 35
8 1 3 8 4 5 0 1
1667 12 14 21 25,5 733 499 400 23 20 63 78 50 20 14 10 60 0 48 22 0 0 32
1 8 2 2 4 0 7
1667 12 14 22 25,5 833 300 500 27 11 76 86 32 28 17 62 83 0 14 28 0 0 36
1 1 7 1 6 6
2 Desbaste - Sítio III
1333 12 14 22 22,5 517 400 400 12 13 52 52 37 20 68 74 59 0 19 21 0 0 22
5 5 3 0 7
1333 12 14 22 22,5 417 500 400 97 16 51 43 47 20 50 90 60 0 22 21 0 0 22
6 9 1 3
1333 12 15 22 22,5 517 400 400 12 14 51 52 37 20 68 78 60 0 25 21 0 0 21
5 6 5 2 6
1333 12 14 21 22,5 417 500 400 97 16 48 43 47 20 50 90 60 0 22 20 0 0 19
6 7 8 2
60
1333 12 14 20 22,5 517 400 400 12 13 45 52 37 20 68 74 60 0 19 20 0 0 16

5 5 8 4 7
1333 8 14 17 21 28,5 50 30 19 30 8 1 1 6 5 3 1 1 1 6 4 3 0 8 6 1 0 0 0 4
9 0 9 0 1 1 4 7 9 7 8 3 6 3 8 8 9 5 6
3 2 0 1 7
1333 10 14 17 21 28,5 50 40 99 30 1 1 6 6 6 4 9 1 2 8 2 3 0 2 3 1 0 0 0 4
3 0 0 1 5 8 6 6 8 3 5 5 6 9 1 2 5 6
1 9 8 1 1
1111 10 14 17 21 28,5 28 40 10 30 4 1 7 6 3 4 9 1 9 8 2 3 0 3 3 1 0 0 0 4
7 0 0 0 9 7 0 6 7 6 3 9 4 8 0 4 5 7
1 7 0 6
1111 8 14 17 21 28,5 29 40 99 30 3 1 7 6 3 4 9 1 0 8 2 3 0 3 3 1 0 0 0 4
1 0 0 6 8 1 7 3 4 3 8 4 8 4 7 5 7
0 8 1 5
1333 10 14 17 21 28,5 50 30 19 30 1 1 1 6 6 3 1 1 2 5 5 3 0 6 6 1 0 0 0 4
3 0 9 0 1 0 4 6 6 9 8 3 5 7 0 9 9 5 5
1 5 0 0 3 1
1111 12 14 17 21 28,5 28 40 99 30 6 1 7 6 4 4 9 1 1 8 2 3 0 2 3 1 0 0 0 4
2 0 0 2 6 0 7 4 6 3 5 5 4 8 3 6 5 7
9 5 1 2
1333 8 14 17 21 28,5 50 40 10 30 8 1 7 6 5 4 9 1 1 9 2 3 0 3 3 1 0 0 0 4
9 0 0 0 1 7 0 7 9 5 3 6 0 4 8 1 3 5 7
2 4 0 2
61
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
De maneira geral, pode-se quantificar o crescimento a partir de 5

maneiras diferentes.
a) Incremento bruto incluindo recrutamento = V2 + M + C - V1

b) Incremento bruto do volume inicial = V2 + M + C - I - V1
c) Incremento líquido incluindo recrutamento = V2+ C - V1
d) Incremento líquido do volume inicial = V2 + C - I - V1
e) Mudança líquida no estoque de crescimento = V2 - V1
onde:
V2 : volume das árvores vivas na remedição
V1 : volume das árvores vivas na medição
M : árvores mortas entre 2 inventários
C : árvores cortadas entre 2 inventários
I : volume de recrutamento sobre o período inicial
Recrutamento (entrada de árvores no processo de medição após o 1°

inventário)
Na Tabela 2.8 é apresentado um exemplo de cálculo destes incrementos.
TABELA 2.8. Exemplo de crescimento em volume (m3) usando dados de uma

parcela permanente remedida após 3 anos.
48
Variáveis Fundamentais nos Modelos de Produção
Númer 1º 2º Cresciment Morta Corte Recru- Cresci

o de inven- inven- o das -lidade C tament -mento
árvore tário tário sobrevivent M oI líquido
V1 V2 es
1 0,7 0,7 -0,7
2 0,3 0,3 -0,3
3 7,0 7,0 -
4 4,2 4,2 -
5 3,0 3,7 0,7 0,7
6 2,3 2,6 0,3 0,3
7 1,9 2,4 0,5 0,5
8 0,20 0,20 0,20
9 0,34 0,34 0,34
10 0,35 0,35 0,35
11 3,1 3,5 0,4 0,4
12 5,2 5,2 -
TOTA 27,7 13,09 1,9 1,0 16,4 0,89 1,79
L
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
Mudança líquida no estoque

inicial = 13,09 -27,7 = -
14,61
Capítulo 3
VARIÁVEIS FUNDAMENTAIS NOS MODELOS DE PRODUÇÃO
A modelagem do crescimento e da produção florestal é um tema

envolvente e busca prognosticar a produção volumétrica, em área basal, ou em
peso em função de uma série de variáveis possíveis de serem quantificadas no
povoamento florestal. Se os modelos globais forem utilizados as variáveis mais
comuns são a idade, o sítio e uma medida qualquer da densidade. Se forem os
modelos por classe diamétrica deve-se agregar variáveis tais como o diâmetro
mínimo, diâmetro máximo e o diâmetro médio quadrático, dentre outros.
Se o modelo para árvores individuais for o adotado, além da série de

variáveis já listadas, torna-se fundamental os índices que expressam a
competição entre árvores. Por último se modelos que contemplem o efeito das
variáveis ambientais são utilizados, então estas também deverão ser modeladas.
50
Neste capítulo a ênfase será centrada nas variáveis fundamentais num

modelo de produção que são: idade, sítio, densidade e sobrevivência.
3.1. IDADE
Tem sido a primeira variável independente nos estudos crescimento e

produção de povoamentos da mesma idade. E naturalmente a definição implícita
de crescimento e produção é o tempo, que é expresso como as mudanças na
idade do povoamento.
3.2. QUALIDADE DE SÍTIO
O sítio tem sido tradicionalmente a segunda variável independente nos

estudos de crescimento e produção.
Segundo Spurr (1952) o termo sítio é utilizado em dois sentidos:
- Como área ou local que comporta árvores em crescimento,
- Como capacidade desta área em possibilitar o crescimento das

árvores.
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.
A determinação da qualidade do local é uma prática comum no manejo

florestal para classificar os povoamentos equiâneos segundo sua capacidade
51
produtiva. Além do sítio se constituir numa variável importante em qualquer

sistema de predição da produção.
Para definir a produtividade dos locais podem ser usados os métodos

diretos (fornecem informações quantitativas) e os métodos indiretos (fornecem
informações qualitativas). Dos métodos diretos aquele mais utilizado na
classificação dos sítios nos plantios existentes no Brasil, é o que se baseia na
altura, mais especificamente na altura das árvores dominantes do povoamento
florestal, uma vez que, não são influenciadas por tratamentos silviculturais como
o desbaste, a não ser em casos extremos. Scolforo (1993, 1997) apresenta de
forma detalhada as diferentes metodologias que permitem definir
quantitativamente o potencial produtivo dos sítios florestais. No anexo 1, são
apresentados uma série de modelos para expressar esta variável.
3.3. DENSIDADE
É normalmente a terceira variável independente na modelagem do

crescimento e da produção. Segundo Clutter et al. (1983) é a taxa de crescimento
presente no povoamento, que dá a idéia do grau de ocupação do sítio, sendo
sinônimo, de densidade do povoamento.
Com estes conceitos em mente, um dos principais objetivos do manejo

florestal, segundo Burger (1976), é dirigir a produção do povoamento de tal
maneira que seja aproveitada ao máximo a capacidade de sítio e que de outro
lado as árvores tenham condições de atingir dimensões desejadas.
Desta maneira, as medidas de densidade do povoamento e de estoque da

floresta, são ambas usadas para descrever o grau de utilização de um
52
determinado local, pelas árvores em desenvolvimento ou simplesmente para

indicar a quantidade de madeira de uma área (Hush et al., 1982).
As medidas de densidade podem ser agrupadas, segundo Spurr (1952),

como medidas de densidade média ou como medidas de ponto de densidade,
dependendo se elas expressam a média de toda a população ou a competição
relacionada a uma árvore em particular (índices de competição).
As medidas de densidade média mais usuais são:
1. Número de árvores por hectare.
2. Área basal por hectare.
3. Densidade Relativa.
4. Índice de densidade do povoamento (Índice de Reineke).
5. Índice de espaçamento ou espaçamento relativo (Índice de Hart-

Backing).
6. Fator de competição da copa.
A regulação da densidade normalmente é feita através dos desbastes.

Para ações de manejo em geral e para a predição do crescimento e da produção
do povoamento em particular, o ideal é uma medida de densidade ser fácil e
objetivamente mensurada, apresentar comportamento biológico e ser altamente
correlacionada com o crescimento e a produção. A densidade do povoamento
pode influir no estabelecimento das espécies durante o período de regeneração;
na qualidade do tronco; na taxa de crescimento em diâmetro; e na produção em
volume.
53
Um detalhamento dos índices de densidade será apresentado a seguir:
Número de Árvores
É o índice de densidade mais simples. Seus maiores problemas são ser

influenciado pela idade, pelo sítio, assim como, pelo grau de utilização do
mesmo; e o número de árvores pode variar sem que a densidade seja afetada, ou
seja, não descreve bem o grau de ocupação do sítio já que a princípio se existem
dois povoamentos com diferentes idades e diferentes números de árvores não se
sabe qual é o mais denso.
O número de árvores é uma medida usual em povoamentos equiâneos e

não desbastado com idade e sítio conhecidos. Também em populações
desbastadas cuja história seja conhecida, este indicador da densidade é utilizado.
Esta variável deve ser usada com mais freqüência em modelos de

produção em que há interesse em sua estrutura, ou seja, deseja-se aproveitar a
árvore ou as árvores da população para diferentes fins. Posteriormente será feita
uma abordagem detalhada no item sobrevivência.
Área Basal
É também amplamente utilizada para medir densidade. É facilmente

mensurada e seu valor depende tanto do número de árvores como de seu
tamanho. Tem sido utilizada com sucesso nos modelos de crescimento e
produção, sendo recomendada especialmente nos modelos globais de produção
54
já que é mais correlacionada com o volume por hectare que o número de

árvores.
Em termos absolutos não expressa bem a densidade. Por exemplo: 20 m2

é muito para população jovem e pouco para população adulta. Uma maneira de
corrigir esta imperfeição é fixar por espécie, idade e sítio uma área basal de
referência e então trabalhar com densidade relativa. A grande desvantagem é que
o critério pode variar de indivíduo para indivíduo.
No anexo 1 são apresentados uma série de modelos para representar esta

variável.
A área seccional (g) da árvore pode ser obtida como:
g=
então, a área basal (G) pode ser obtida como:
G = 0,0000785398163
A área basal média ( ) será obtida como:
como o diâmetro médio quadrático (dg) é obtido pela expressão:
55
então, substituindo-a na expressão que expressa a área basal média ( )
= 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
Foi desenvolvida por Curtis et al. (1981) e basicamente combina a área

basal e o diâmetro médio quadrático. Esta densidade tem sido usada como guia
para manejo na região Nordeste dos EUA em Douglas fir.
De maneira geral, valores de densidade entre 22 e 25 indicam

povoamentos abertos. Densidade em torno de 50 indica que talvez seja desejável
56
efetuar desbaste comercial e valores entre 60 e 65 expressam que a possibilidade

das árvores em responder a desbastes diminui significantemente.
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
Foi desenvolvido em 1933 por Reineke e consiste em associar o número

de árvores ao diâmetro médio quadrático (Dg), ou seja, é calculado pelo número
de árvores em função do diâmetro da árvore de área seccional média na
população. A grande vantagem deste procedimento é descrever a densidade
independente da idade e do sítio, já que o diâmetro médio quadrático reflete o
efeito destas.
O modelo utilizado para expressar este índice é:
log N = 0 + 1 log Dg
onde:
N : número de árvores por ha
Dg : diâmetro médio quadrático
57
0, 1 : parâmetros a serem estimados

log : logaritmo decimal
Para o ajuste do modelo mede-se povoamentos considerados

completamente estocados ou de densidade completa, ou mede-se todos os
povoamentos disponíveis, de modo a ajustar a curva média, a partir do número
de árvores (N) e do diâmetro médio quadrático (Dg) provenientes destas
parcelas, conforme esquema apresentado na Tabela 3.1.
A relação logaritmo do número de árvores (log N) em função do

logaritmo do diâmetro médio quadrático (log Dg) é linear conforme ilustrado na
Figura 3.1.
TABELA 3.1. Número de árvores/ha e diâmetro médio quadrático (Dg) de

uma amostra de tamanho n que compõe o inventário florestal.
Parcela Nº N dg
1
2
3
4
.
.
.
.
.
.
58
.
n
FIGURA 3.1. Relação entre número de árvores por ha e o diâmetro médio

quadrático.
O modelo foi então ajustado ao conjunto de dados e a equação resultante

foi: log N = 4,7 - 1,16 log dg conforme definido em Burger (1976). Assim, o
número de árvores por hectare pode ser estimado por N = 50118,723 Dg-1,16. O
índice de densidade do povoamento completamente estocado é obtido por: IDR
= Dg . Arbitrando para o povoamento completamente estocado o valor de Dg
como sendo igual a 25,4 cm, tem-se que o índice de densidade para um
povoamento em condição limite de competição é igual a:
IDR = (25,4)
IDR = 50118,723 (25,4)-1,16 = 1175,96
59
Na Figura 3.2 é mostrada a representação gráfica do índice de Reineke.
60
FIGURA 3.2. Representação gráfica do índice de Reineke.
Desejando-se saber a densidade de qualquer outro povoamento cujo

valor de N e Dg são conhecidos então tem-se:
N=
Assim, pode-se saber qual a densidade de um povoamento com 650

árvores e Dg = 20 cm
IDR = 850 ( )-1,16 = 644,179
61
Qual deveria ser o número de árvores num povoamento completamente estocado

quando Dg = 20 cm?
N = 50118,723 (20)-1,16
N = 1551,69
Assim, o povoamento com 850 árvores e Dg = 20 cm ocupa
do sítio
Se agora estiver sendo abordado um povoamento com Dg = 10 cm. Qual

deveria ser o número de árvores num povoamento completamente estocado
quando Dg = 10 cm?
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
Índice de densidade de Hart-Backing (IDHB) ou índice de espaçamento ou

espaçamento relativo
62
Foi primeiramente desenvolvido em 1928 na Indonésia pelo Holandês

Hart. Posteriormente em 1954 foi aperfeiçoado pelo Holandês Backing.
É obtido da associação do número de árvores com a altura média das

árvores dominantes, ou seja, é baseado na distância média entre as árvores e a
altura das árvores dominantes. O princípio deste procedimento é que uma
espécie numa determinada idade deve ter um espaço suficiente para desenvolver
um determinado diâmetro de copa. Tem como vantagens principais não ser
influenciado pela idade e pelo sítio, já que a altura dominante capta o efeito
destas variáveis.
O índice de densidade de Hart-Backing (IDHB) é obtido como:
IDHB = . 100
Onde
a : área por árvore
N : número de árvores por unidade de área

Hd : altura média das árvores dominantes
Assim,
IDHB =
63
Através da fórmula e utilizando valores de N e Hdom pôde-se elaborar as

Tabelas 3.2 e 3.3, os quais contém os índices de densidade de Hart-Backing e o
número de árvores, respectivamente.
A partir da Tabela 3.3 pode-se elaborar a Figura 3.3, que permite

visualizar melhor o comportamento deste índice.
Deve-se observar que quanto menor o valor correspondente ao índice de

Hart-Backing maior a densidade da população considerada.
TABELA 3.2. Índice de Hart-Backing em função do número de árvores e

altura das árvores dominantes.
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
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
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
A partir da Tabela 3.3 pode-se elaborar a Figura 3.3, que permite

visualizar melhor o comportamento deste índice.
Deve-se observar que quanto menor o valor correspondente ao índice de

Hart-Backing maior a densidade da população considerada.
FIGURA 3.3. Expressa o número de árvores em função da altura média das

árvores dominantes e do índice de densidade de Hart-Backing.
67
Densidade da Copa ou Fator de Competição da Copa
Foi desenvolvido por Krajicek, Brinkman e Gingrich em 1961 e indica

percentualmente a área do solo que é coberta pela projeção vertical da copa das
árvores.
Pode-se empiricamente descrever a densidade da copa como:
a) Povoamento maciço: copas são fortemente entrelaçadas.
b) Povoamento denso: copas se tocam ligeiramente.
68
c) Povoamento pouco denso: entre copas há um espaço menor do que

uma copa.
d) Povoamento espaçado: entre as copas há um espaço para mais de uma

copa.
69
e) Povoamento ralo: entre copas há espaço para várias outras copas.
Esta medida de densidade pode também ser definida quantitativamente.

Neste procedimento, assume-se que há uma relação linear entre a largura ou
comprimento da copa (LC) e o diâmetro da árvore (Di), como mostrado a seguir:
LC = a + b Di
Deve-se ainda calcular a área (em m2) coberta pela copa de cada árvore
(ACA), como se segue:
70
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:
N : número de árvores no caso da parcela de 1 ha
Os maiores problemas do método são:
a) a cobertura da copa não é fortemente correlacionada com a área

basal;
b) os métodos de avaliação de cobertura não fornecem estimativas

precisas, seja através de fotografias aéreas ou diretamente no terreno;
c) é o espaço ocupado pelas raízes que determina a área útil de

crescimento das árvores e não precisamente a área da copa;
71
d) um povoamento densamente povoado pode ter a mesma cobertura

de copa que outro com menor número de árvores, uma vez que estas
podem desenvolver copas maiores.
Um exemplo aplicativo dos seis métodos apresentados será mostrado na

Tabela 3.4 a partir de 1 parcela, de Eucalyptus grandis, com 4 anos de idade,
extrapolados para hectare.
72
TABELA 3.4. Mostra índices de densidades.
Valor Númer Área Basal Volume Área de Copa

central o
da classe H de Árvore Por classe Árvore Por classe Compriment ACA ACA/
o
DAP (cm) árvores copa ( R2) CLASSE
(diâmetro)
(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
N (dg/25,4)1,16 = 1365 (11,72 / 25,4)1,16 556,500

5. Índice Hart-Backing 1000000 / (N.Hd) = 1000000 / 27,100
(1365*27)
N
6. Fator competição copa 38,776
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
3.3.1. Medida da Densidade por Ponto
Estudos de competição entre árvores tem usado o conceito de que a

competição depende da zona de influência ao redor de cada árvore. Assim a área
dada pela projeção horizontal da copa sobre a qual a árvore compete, para todos
os sítios, pode ser representada por um círculo cujo raio é função do tamanho da
copa da árvore. O stress competitivo é então assumido como sendo a
superposição entre a área da copa da árvore objeto e a área da copa das árvores
vizinhas (Staebler, 1951). Diferentes funções para determinar o raio do círculo
de competição e diferentes procedimentos para calcular as áreas superpostas,
além da ponderação desta para tamanho relativo dos competidores tem levado a
uma proliferação dos índices de competição como pode-se encontrar em
Newnham (1964), Opie (1968), Gerrard (1969), Bella (1971), Arney (1973), Ek
& Monserud (1974).
As medidas da densidade por ponto para simular crescimento de árvores

individuais são de maneira geral baseadas nas dimensões da árvore objeto e nas
dimensões e distância das árvores competidoras.
Índice de Staebler
Cli =
em que:
75
CIi = índice de competição da árvore objeto i

dij = distância da área de copa superposta entre o competidor j e a árvore
objeto i
Ri = raio da copa da árvore objeto i
n = número de competidores
Este índice apresenta valor pequeno com poucos competidores e
pequena superposição de copas.
Índice de Gerrard (1969)
O índice de competição sugerido por Gerrard (1969), assume que:
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.
Índice de Hegyi (1974)
Um outro índice de competição sugerido por Hegyi (1974) é a distância

ponderada agregada dos raios de competição pelo DAP das árvores consideradas
76
como competidoras em relação ao DAP da árvore objeto. O índice é apresentado

a seguir:
em que:
Cli = índice de competição da árvore objeto i

Dj / Di = DAP do competidor j expresso como proporção do DAP da
árvore objeto i
DISTij = distância entre o competidor j e a árvore objeto i
n = número de árvores competidoras
Daniels (1976) define como competidor qualquer árvore que pode ser
contada por um fator k de Bitterlich igual a 2,296 m2/ha, cujo centro do ponto de
estação é a árvore objeto.
Uma outra apresentação para o índice proposto por Hegyi.
Cli =
em que:
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
n = todas as árvores interceptadas por um fator de área basal 2,296 m 2/ha

num giro de 360º tendo a árvore objeto como centro ponto de
estação.
Índice de Bella (1971)
Determina a porção da área da árvore objeto que é superposta pelos

competidores e que é ponderada pela razão de diâmetros.
Cli =
em que:
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.
Estes índices de densidade tem sido utilizado como base para os

modelos de crescimento e produção desenvolvido para árvores individuais. Estes
modelos são bem mais complexos que os modelos globais ou os modelos de
crescimento e produção por classe diamétrica, No entanto, Stone (1974) tem
constatado que estes modelos baseados em ponto de densidade não tem
fornecido melhores estimativas que os demais modelos. Este mesmo
comportamento foi constatado por Burkhart (1982).
78
Na Figura 3.4 são apresentadas as medidas que possibilitam obter quatro

índices mencionados. Na Tabela 3.5 são apresentadas as definições e os valores
mensurados para cada um dos índices considerados.
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
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
OBS.: Valor da constante instrumental (k) = 0,2
3.4. SOBREVIVÊNCIA
142
A questão da mortalidade em povoamentos florestais é sem dúvida um

ponto de grande interesse para o manejador florestal, podendo esta mortalidade
ser considerada como regular e irregular.
Burkhart (1974), define a mortalidade regular, como sendo, a

mortalidade causada por fatores endógenos ou ainda, por fatores intrínsecos à
árvore. E diz que é esporádica no espaço e no tempo, e pode se manifestar a
partir do plantio, com a morte das mudas menos vigorosas.
Lee (1971), define a mortalidade irregular, como sendo causada por

fatores exógenos também chamados de fatores catastróficos, que são decorrentes
de causas não intrínsecas à árvore como pragas, doenças, incêndios, danos
mecânicos ocasionados pelo homem e por animais, vento, temperatura,
enchente, seca, além de outras causas sujeitas a acontecer irregularmente no
tempo e no espaço.
Segundo Clutter et al. (1983), a mortalidade regular fundamenta-se

principalmente na idade e densidade do povoamento, e deve possuir as seguintes
propriedades, ao se considerar "li" como idade, "Ni" como densidade do
a) Se I2 = I1, então N2 = N1
b) Em povoamentos equiâneos, se I2 > l1, então N2 < N1
c) Também em povoamentos equiâneos, se I2 tende a infinito, então N2

tende a zero.
143
d) Se o modelo é usado para predizer N2 na idade l2, e N2 e l2 para

predizer N3 na idade l3, o resultado deve ser igual aquele em que se
usa N1 na idade l1, para predizer N3 na idade l3, ou seja o modelo é
invariante.
Segundo Rennols e Peace (1986), a partir do plantio o efeito da

competição e a taxa de mortalidade deverão ser baixos. Com o crescimento do
povoamento, aumenta a competição e a taxa de mortalidade atinge seu valor
máximo. Após este ponto, a taxa de crescimento das árvores dominantes
diminui, e estas tem suficiente espaço para sobreviver, o que leva a diminuição
da competição e da taxa de mortalidade.
Keister (1972), afirma que, se as árvores em competição são de igual

tamanho e vigor, a competição entre elas é de igualdade, mas se uma delas é de
menor tamanho e, ou vigor, então uma não afeta a outra igualmente. Assim, a
árvore maior e, ou, mais vigorosa domina as outras menores e suprimidas,
fazendo com que estas recebam luz, nutrientes e, ou, água em quantidades
aquém daquela necessária para seu perfeito metabolismo. Desse modo, as
árvores suprimidas passam a realizar fotossíntese apenas para suprir o gasto
energético da respiração, não apresentando taxa de crescimento, o que
permanecendo, acaba por levá-las a morte.
Smalley e Bailey (1974), desenvolveram um modelo para predizer

sobrevivência em função da idade, densidade inicial do povoamento e média da
altura total das árvores dominantes e codominantes. Os autores concluíram que
em todas as classes de capacidade produtiva, a sobrevivência decresce com o
144
aumento da densidade de plantio e da idade, sendo que quanto maior a

capacidade produtiva maior a sobrevivência na fase jovem do povoamento em
relação à fase adulta, em que já tenha iniciada a competição entre as árvores.
Buchman e Shifley (1983), chamaram a atenção para que as variáveis

selecionadas para uso em estudos de mortalidade são aquelas caracterizadas pela
facilidade de obtenção e uso, em lugar daquelas que, verdadeiramente, melhor
explicam a mortalidade. Esses autores consideram que, para uma boa
quantificação da mortalidade, uma grande base de dados, com pelo menos duas
medições sucessivas por árvore, é necessária.
Baldwin (1985), utilizou um modelo desenvolvido por Clutter e Jones

(1980) para predição de mortalidade para todo um povoamento; tem a forma:
N2i = (N1 0 + 1 (I2 2

I1 2))1/ 0
+ ei
onde:
N2i = i - ésima densidade do povoamento na idade l2;
N1 = densidade do povoamento na idade l1;
0, ..., 2 = parâmetros a serem estimados.

Piennar e Shiver (1981), fizeram uma derivação do modelo Clutter e
Jones (1980), chegando a seguinte forma:
N2i = N1 . Exp
onde:
N2i = densidade do povoamento na idade I2;
N1 = densidade do povoamento na idade l1;
0, 1 = parâmetros a serem estimados.

Lenhart e Clutter (1971), utilizaram um modelo logarítmico que
145
a forma:
Pi = 0 - 1 . Ln (l) - 2 . Ln (NO) + ei
onde:
Pi = i-ésima probabilidade de mortalidade;

I = idade;
NO = densidade inicial do povoamento.
Sanqueta (1990), trabalhando com Pinus elliottii, testou os modelos

mencionados anteriormente e mais alguns outros, chegando a conclusão que o
modelo mais adequado em seu estudo foi:
N2 = N1 . exp
onde:
N2 = número de árvores na idade I2;
N1 = número de árvores na idade l1;
I2 = idade futura
l1 = idade presente
i = parâmetros a serem estimados.

Miranda (1990), estudou mortalidade regular de Eucalyptus spp.
Utilizou para expressar a sobrevivência o modelo:
(TS) i = 0 - [1 / (1 + exp (P)] + ei

onde:
(TS) i = i-iésima taxa de sobrevivência em decimais;
146
i = 1, ..., k;
0 = parâmetro da assintota superior;

e¡ = i-ésima variável aleatória, normal e independente distribuída,
com média zero e variância 2.
P= 1 + 2 IAD 3 + 4 DAP
onde:
1 ... 4 = parâmetros do modelo;

lAD = incremento anual em DAP;
DAP = diâmetro a altura de 1,30 metros.
Na Tabela 3.6, são apresentados de forma complementar uma série de
modelos que expressam o comportamento da sobrevivência.
TABELA 3.6. Modelos de sobrevivência.
AUTOR FORMAS DE AJUSTE

LENHART N2 = N1 exp [ 1 (l2 - l1) + 2 (ln (l2 / l1))] + ei
CLUTTER e JONES N2 = [N1 1 + 2 (I2 3 I1 3)] 1 1 + eI
PIENNAR e ln (N2) = ln (N1) - 1
SHIVER
CLUTTER N2 = N1 (l2 / l1) 1 . exp [( 0 + 2 S) (l2 - l1)] + ln ei
CLUTTER N2 = N1 1 + ( 0+ 2 (S-1).[(I2 3) (I1 3)] 1/ 1 + eI
SILVA N2 = N1 exp
Derivação da Função N2 = N1 exp

de WEIBULL
BEVERTON N2 = N1 ( 1 + 2 N1) + ei
Onde: N2, N1 = número de árvores por ha nas idades l2 e l1, respectivamente;
147
exp = exponencial; is = coeficientes de regressão a serem estimados; S = índice

de sítio.
3.5. VARIÂNCIA DOS DIÂMETROS
Embora muitos não a considerem nos modelos de produção, esta

variável contribui para um melhor desempenho do sistema uma vez que é uma
boa indicadora da uniformidade do povoamento. Esta variável tem a capacidade
de expressar os tratos culturais realizados no povoamento, assim como outras
fontes de variabilidade. No anexo 1 são apresentados uma série de modelos para
expressá-la, assim como, modelos para expressar o diâmetro mínimo.
148
4. MÉTODOS PARA ESTIMATIVA DA ALTURA POR MEIO DA

ANÁLISE DE TRONCO
A análise de tronco é uma técnica que possibilita reconstruir o

crescimento passado das árvores através da soma dos incrementos anuais em
diâmetro e em altura. Com as informações destes incrementos mudanças na
forma e, conseqüentemente no crescimento em volume podem ser
determinados para uma dada árvore. No entanto, em biometria florestal o
procedimento de análise do tronco é mais utilizado para reconstrução do
desenvolvimento em altura das árvores, visando o ajuste de equações altura-
idade, do que para o estudo de sua a forma e de seu volume.
O crescimento em diâmetro é facilmente conseguido pela medição da

largura dos anéis de crescimento anual em seções, ou discos, retirados ao longo
do fuste. Já a determinação do crescimento em altura não é tão simples. Tal
fato se deve ao padrão de crescimento das árvores ser cônico. Desta forma, a
altura em uma determinada idade, correspondente aos anéis contados em uma
seção, quase sempre estará localizada a uma distância acima desta seção, como
apresentado na Figura 1.
149
Com o objetivo de reconstruir o desenvolvimento em altura de uma

dada árvore é essencial determinar o comprimento do crescimento anual em
altura, que se encontra acima da seção observada. Assim, a altura pode ser
encontrada bastando somar este valor á altura na qual foi retirado o disco para
verificação dos anéis de crescimento.
Há vários métodos para se estimar a altura anual de uma árvore em

uma dada idade partindo-se de dados de análise de tronco, entre eles: o método
gráfico, o método de Graves, o de Lenhart, o de Carmean, o de Newberry, o
método das proporções, o método ISSA e o método TARG.
150
Seção de corte B B C
Seção de corte A
FIGURA 1 Representação esquemática do crescimento do fuste de uma

árvore de 5 anos de idade. As porções hachuradas representam a
parte final do crescimento anual em altura que se encontra
151
Para apresentar os métodos é necessário conhecer uma terminologia

inicial:
Seção comprimento do fuste entre a retirada de um disco e outro. Na Figura

1 ela é representada pela letra L.
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)
ri número de anéis de crescimento no iésimo disco
i número do disco, sentido base-topo
n idade total da árvore
hi- altura de corte do iésimo disco, ou seja, é a soma de todos os comprimentos

abaixo do iésimo disco
Hij altura total estimada na idade tij
tij idade da árvore associada ao anel j no iésimo disco. Matematicamente:
152
Exemplo 1
Supondo uma árvore de 9 anos, da qual foram retirados 19 discos para

quantificação da altura a diferentes idades. Sabendo-se que no 9º disco havia 6
anéis de crescimento anual, a que idade corresponde o 3o anel do disco em
questão?
n= 8 anos
r9= 6 anéis
j= 3o anel
anos.
Métodos
1- Método gráfico: O primeiro trabalho a ser desenvolvido para determinação

da altura partindo de dados de análise de tronco, foi introduzido por
Mlodziansky (1898). Este método consiste em plotar a altura do disco versus a
idade da árvore naquele disco e, assim, construir uma curva pela ligação entre
estes pontos. Desta forma, a altura da árvore correspondente a qualquer idade
153
pode ser lida diretamente nesta curva. Matematicamente o Método Gráfico

pode ser descrito como:
Exemplo 2: Para exemplificar o método gráfico será utilizada uma árvore de

Pinus taeda de 9 anos de idade, com altura total de 16,2m e CAP de 96,0 cm.
A tabela a seguir apresenta os dados da análise de tronco, com a altura de
retirada dos discos bem como o número de anéis de crescimento em cada seção
analisada.
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
16 13,00 3
17 14,00 2
18 15,00 2
19 16,00 1
O primeiro passo para se calcular a altura a diferentes idades é calcular

a idade do anel j=1 em cada disco, utilizando a fórmula .
Obviamente, os únicos anéis para os quais se tem interesse em se calcular a

idade são os anéis internos. Assim, o primeiro disco a apresentar um anel
interno é o terceiro:
ano
agora para o 5o disco, com 8 anéis:
anos
para o disco o 7, com 7 anéis:
anos
155
e assim, até o 19o disco, com 1 anel
anos
Desta forma tem-se conhecimento da idade em cada disco, como no

método gráfico então basta plotar a altura de retirada do disco e a
idade da árvore naquele disco.
Altura do disco ti1 Hi1

(m) -hi (anos) (m)
3 0,70 9 1 0,70
5 2,10 8 2 2,10
7 3,90 7 3 3,90
9 6,00 6 4 6,00
12 9,00 5 5 9,00
14 11,10 4 6 11,10
16 13,00 3 7 13,00
18 15,00 2 8 15,00
19 16,00 1 9 16,00
156
Método Gráfico
16
14
12
10
0
0 1 2 3 4 5 6 7 8 9 10
Idade (anos)
2- Método de Graves: Em 1906, Graves discutiu um método para a

determinação do comprimento da parte do crescimento final anual em altura
que se encontra na seção acima do disco observado e que desta forma não pode
altura é constante para cada ano que termina na seção que contém o ponto final
Neste método o comprimento da parte final do crescimento anual em

altura que se encontra acima do disco observado de um período de crescimento
qualquer é proporcional ao comprimento da seção que o contém.
Aplicado em bases anuais, o método de Graves divide uma seção

igualmente entre os ou o anel interno existente no disco observado entre os
anéis internos existentes. Este método pode ser utilizado para predizer a altura
157
associada a qualquer anel interior de um disco e matematicamente é escrito da

seguinte forma:
Exemplo 3: Utilizando os mesmos dados do exemplo 2, e já tendo a idade tij

calculada, basta aplicar a fórmula de Graves para encontrar a altura da árvore
naquela idade.
Para o disco 3:
para o disco 5:
para o disco 19:
158
Altura do disco tij Hij

(m) -hi (anos) (m)
3 0,70 9 1 2,10
5 2,10 8 2 3,90
7 3,90 7 3 6,00
9 6,00 6 4 9,00
12 9,00 5 5 11,10
14 11,10 4 6 13,00
16 13,00 3 7 15,00
18 15,00 2 8 16,00
19 16,00 1 9 16,20
3 Método de Lenhart (1972) Este método apresenta uma pequena variação

do método descrito por Graves (1906). O método de Lenhart assume que os
pontos onde o crescimento em altura termina são igualmente distribuídos ao
longo da seção que o contém. Isto pode ser descrito matematicamente como:
159
Exemplo 4: Utilizando os mesmos dados do exemplo 2 para o método de

Lenhart:
Para o disco 3:
para o disco 5:
para o disco 19:
160
Altura do disco tij Hij

(m) -hi (anos) (m)
3 0,70 9 1
5 2,10 8 2
7 3,90 7 3
9 6,00 6 4
12 9,00 5 5
14 11,10 4 6
16 13,00 3 7
18 15,00 2 8
19 16,00 1 9
4 Método de Carmean (1972) Este método é baseado em dois princípios:
a) O crescimento anual em altura é constante para qualquer ano,

independente de estar completamente ou parcialmente contido dentro da
mesma seção.
b) Em média o disco é retirado no meio da altura de crescimento

anual.
Matematicamente estes dois princípios podem ser descritos como:
161
5 Newberry (1978) - Este é um procedimento trigonométrico que utiliza o

conceito de similaridade entre triângulos. Este método é baseado no seguinte
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:
- ângulo de inclinação entre o último disco retirado da árvore até o

topo, como representado na Figura 1.
wj raio do jésimo anel interior.
162
6 Método das proporções Proposto por Brister e Schultz, este método

particiona o comprimento da seção L, proporcionalmente á largura dos anéis
internos existentes, ou seja, o comprimento da seção é dividido
proporcionalmente pela mesma proporção existente entre os raios dos anéis
internos.
onde:
wj raio do jésimo anel interior.
wk raio do késimo anel interior
k= número de anéis internos
Crescimento
Seção de
anual em
corte
altura
163
164
Num.Disco Altura disco Num.Anéis1 Anel1 Anel2
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
EXEMPLICAÇÃO: Fonte de dados para construção de curvas de índice de sítio
A análise de tronco é uma técnica que possibilita reconstruir o
crescimento passado das árvores através da soma dos incrementos anuais em
diâmetro e em altura. Esta técnica tem sido utilizada na Biometria Florestal há
mais de um século possibilitando identificar mudanças na forma dos fustes e,
consequentemente, no volume em diferentes idades. Entretanto, sua principal
aplicação é na reconstrução do desenvolvimento em altura das árvores, para o
ajuste de modelos altura-idade, que são utilizados na classificação de sítios.
O crescimento em diâmetro é conseguido pela medição da largura dos
anéis de crescimento anual na superfície de seções de corte, ou discos retirados
ao longo do fuste. Já a determinação do crescimento em altura não é tão
simples. Tal fato se deve ao padrão de crescimento das árvores ser cônico e á
impossibilidade de se encontrar a posição dos nós anuais de crescimento
(pontos ou cicatrizes ao longo do fuste onde o crescimento anual em altura
cessa) no fuste. Desta forma, a altura em uma determinada idade,
correspondente aos anéis contados na superfície de uma seção de corte, quase
sempre estará localizada a uma distância acima desta seção. Esta distância,
166
acrescida da altura de seccionamento do fuste fornece a altura total da árvore
para uma dada idade(Figura1).
Crescimento
anual em Seção de
altura corte
Nós de
crescimento
anual
Seção de
corte
167
Figura 1 Representação esquemática de uma seção de fuste, apresentando i e

i+1 seções de corte e ilustrando a posição dos nós de crescimento anual e
outras notações para o cálculo da altura.
2 - Método de Análise
Vários métodos foram desenvolvidos para estimar a localização do nó
de crescimento anual acima da seção de corte. Entre estes métodos se destaca o
método proposto por Método de Lenhart (1972). O método assume que os
pontos onde o crescimento em altura termina são igualmente distribuídos ao
longo da seção que o contém. Isto pode ser descrito matematicamente como:
Onde :
Seção é o comprimento do fuste entre a retirada de um disco e outro. Na
Figura 1 ela é representada pela letra L.
Anéis internos (k) - são os anéis mais internos de um disco, que não estão
presentes no disco imediatamente superior. Para se encontrar o número de
anéis internos basta diminuir o número de anéis encontrados em um disco i do
número de anéis encontrados no disco i+1.
168
j cada anel de crescimento contado a partir da medula, para cada iésimo disco
retirado da árvore, j=(1,2, ...,ri)
ri número de anéis de crescimento no iésimo disco
i número do disco, sentido base-topo
n idade total da árvore
hi- altura de corte do iésimo disco, ou seja, é a soma de todos os comprimentos

abaixo do iésimo disco
Hij altura total estimada na idade tij
tij idade da árvore associada ao anel j no iésimo disco. Matematicamente:
3 - Exemplo
A tabela abaixo apresenta dados de análise de tronco de uma árvore de Pinus

taeda com 17 anos de idade, DAP de 42,6cm, e 24,7 metros de altura.
Altura de corte Número de

Número
(metros) anéis
do disco
(hi) (ri)
1 0,0 17
2 3,0 15
3 6,0 14
4 9,0 13
5 12,0 11
6 15,0 10
169
7 18,0 7
8 21,0 6
9 24,0 2
1) Cálculo do número de anéis internos em cada disco:
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
2) Cálculo da idade associada a cada anel interno
170
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
3) Cálculo da altura à diferentes idades:
Disco hi ri j tij Cálculo Hij
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
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:
Da a árvore de Pinus taeda apresentada em aula, com DAP de
18,6cm e HT de 11,20m, foram coletados discos nas alturas de 0,0; 0,3;
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
desta árvore foi alocada uma parcela ao acaso em um talhão no qual se
desejava obter informações (pares altura-idade) para classificação de sítio.
A parcela possuía área de 200m2. Todas as árvores da parcela tiveram seu
173
diâmetro à altura do peito mensurado. Seguindo o conceito de altura
dominante de Assmann, as duas árvores mais grossas da parcela foram
( a ) e seccionadas. A Figura 2 apresenta os passos

selecionadas, abatidas ( b do
)
procedimento.
anéis (e).
Desta forma pede-se:
1) Contar o número de anéis de crescimento em cada disco;

(c) (c)
2)
3) Determinar a idade relacionada com cada anel interno;
4) Calcular a altura nas diferentes idades.
(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
4. MÉTODOS PARA CLASSIFICAÇÃO DE SÍTIOS FLORESTAIS
O sítio quando associado a florestas de produção é definido como a

capacidade de uma região em produzir madeira e, quando associado à ecologia,
o sítio é definido como expressões integradas de todas as influências biológicas
e ambientais no crescimento das árvores.
A determinação da qualidade de sítio pode ser feita através de métodos:
Diretos: quando a capacidade produtiva é medida através do

crescimento da floresta.
Indiretos: quando a capacidade produtiva é estimada a partir de

atributos do sítio.
4.1. Métodos indiretos
De maneira geral os fatores de sítio podem ser classificados como

fatores primários os quais são independentes do ecossistema, tais
como:macroclima , topografia , rocha de origem. Podem também serem
classificados como fatores secundários os quais são desenvolvidos e
influenciados por componentes do ecossistema, tais como: microclima , solo
florestal, matéria orgânica , lençol freático.
175
É óbvio, que tanto os fatores primários como os secundários, controlam

o suprimento dos fatores de crescimento para as árvores e plantas e são
mutuamente substituíveis. Por outro lado fatores como luz, água, nutrientes e
energia não podem ser substituídos um pelo outro. Assim, a qualidade do sítio
pode ser função de um único fator ou da combinação de vários fatores.
Sistemas de classificações de sítio tem sido desenvolvido para o planeta,

continente, países, regiões e levantamentos locais. A escala desejada e a
variabilidade dos fatores de sítio determinam qual dos principais fatores é usado
para subdivisão primária. Desta maneira, clima pode ser apropriado em ampla
escala, fisiografia em investigações regionais, vegetação e solo para
investigações locais. Estas classificações genéricas indicam as potencialidades
florestais enquanto as locais indicam a capacidade produtiva da propriedade
florestal.
4.1.1. Estimativa da qualidade do sítio proveniente de relações interespécies
Esta é a situação onde existe determinado(s) tipo(s) de vegetação, que

pode ser mensurada e correlacionada com a espécie que se tem interesse em
implantar na área. Para tal, é necessário que se conheça o padrão de crescimento
de ambas, qual seja, da vegetação existente e da espécie de interesse, para que se
possa estabelecer correlações entre estes padrões de crescimento.
Considere como exemplo a seguinte situação hipotética. Na região Norte

do Estado de Minas Gerais existe Eucalyptus urophylla e Eucalyptus
camaldulensis. Provenientes das parcelas destes plantios estabelece-se equação
que expresse o índice de sítio em mesmas idades índices. Basta através de um
176
modelo linear simples (Y = a + bX ) relacionar o índice de sítio de Eucalyptus

urophyla (espécie de interesse) com Eucalyptus camaldulensis e obter a relação
entre os índices de sítios das espécies. Neste modelo Y é o índice de sítio para
Eucalyptus urophyla na idade base 7 anos e X o índice de sítio para
Eucalyptus camaldulensis na idade 7 anos.
4.2. Métodos diretos
4.2.1. Estimativa da qualidade do sítio proveniente de registro histórico
No caso agrícola, onde se efetua o plantio de cultura numa determinada

área, é comum considerar a produtividade do local em tonelada por unidade de
área, haja visto o curto ciclo destas culturas. Acredita-se que naqueles casos
onde, a constituição genética das culturas permaneça relativamente constante, as
práticas culturais não sejam mudadas e a vulnerabilidade a doenças e insetos seja
muito pequena, o registro histórico constitui-se na mais eficiente medida para
expressar qualidade do sítio.
Entretanto, no caso florestal, principalmente naqueles onde a atividade

florestal é relativamente nova, e com espécies apresentando rotações mais
longas, ainda não há elementos suficientes para que esta base seja amplamente
utilizada. Além deste fator, outros, como a mudança da espécie plantada,
mudanças nos tratos silviculturais, na rotação, na densidade, e mudanças
genéticas, comprometem a avaliação da qualidade do sítio por este
procedimento. Deve-se considerar ainda, que se ocorrer situações similares
177
àquelas citadas para uma determinada cultura agrícola, então este procedimento
pode perfeitamente ser utilizado para espécies florestais.
4.2.2. Estimativa da qualidade do sítio através do volume e da área basal do

povoamento
Um dos fatores limitantes a sua aplicabilidade é que tanto o volume,

como a área basal podem ser grandemente afetados por outros fatores que não a
qualidade do sítio, tais como: espécie, densidade do povoamento, tratos
culturais, práticas silviculturais, fatores genéticos, etc.
Uma situação em que se pode recomendar a utilização destes

procedimentos seria aquela onde os povoamentos são bem manejados. Em
Lewis et al (1976) encontra-se uma situação onde a densidade de plantio é
constante em todas as áreas plantadas, a taxa de mortalidade é pequena, tendo
pouca variação entre povoamentos de mesma idade, a constituição genética é
semelhante ou pelo menos comparável entre todas as áreas plantadas. Sob estas
condições é possível utilizar a produção do volume ou da área basal como um
excelente indicador da qualidade do local. Mesmo neste tipo de situação um
fator limitante é o custo do inventário na idade índice.
4.2.3. Estimativa da qualidade do sítio proveniente de dados de altura
178
De todos os procedimentos diretos de medir sítio, a altura em relação a

idade tem sido o mais prático, eficiente e consistente indicador. Deve-se
considerar, que para muitas espécies e em muitos locais, o crescimento em altura
está fortemente correlacionado com crescimento potencial do volume, sendo
tanto maior quanto melhor a qualidade do sítio.
A utilidade prática da correlação do crescimento em altura com o

volume potencial, advém em boa parte do fato de que o padrão de
desenvolvimento em altura das maiores árvores, em povoamentos de mesma
idade, é pouco afetado pela densidade do povoamento relativamente estável sob
várias intensidades de desbaste.
Dentre as espécies utilizadas em reflorestamentos praticamente quase

todas apresentam a característica mencionada acima e nestes casos a avaliação
da qualidade do sítio é feita com base em dados de altura média das árvores
dominantes ou das dominantes e codominantes. Em contrapartida, para aquelas
espécies que tem a altura das árvores dominantes e/ou codominantes afetadas
pela densidade do povoamento ou pelos cortes intermediários (desbaste), não se
deve fazer uso da altura para efetuar classificação da qualidade do local pois não
se chegaria a resultados nada confiáveis.
A maioria dos métodos que se baseiam na altura para classificação da

qualidade do sítio usam as curvas de índice de sítio. O índice de sítio expressa
em termos médios o desenvolvimento em altura das árvores dominantes ou
dominantes e codominantes numa idade definida como sendo idade de
referência. Assim, qualquer conjunto de curvas de índice de sítio constituem
uma família que expressa o padrão de desenvolvimento da altura com símbolos
179
ou números, associados a uma idade específica denominada idade de referência.

Esta idade deve estar próxima a idade de rotação da espécie em questão.
4.2.4. Estimativa da qualidade do sítio proveniente do crescimento periódico

da altura
É um método que pode ser utilizado para aquelas espécies que

apresentam verticílos definidos. Apresenta a vantagem de propiciar classificação
de sítio sem ter necessidade de se conhecer previamente a idade das árvores já
que cada conjunto de verticílos indica 1 ano de vida para a árvore. A
desvantagem está na limitação das espécies apresentarem esta característica em
períodos definidos. Como exemplo de espécies que apresentam verticílos
definidos, pode-se citar a Araucária excelsa, Picea abies, dentre outras.
4.3. Fontes de dados para construção de curvas de índice sítio
As curvas de índice de sítio podem ser obtidas de medidas que indicam a

relação altura-idade de árvores remedidas ao longo do tempo em parcelas
permanentes, ou provenientes da reconstituição do desenvolvimento da árvore
(análise de tronco) ou ainda de parcelas temporárias.
As parcelas temporárias levam à construção de curvas de índice de

sítio anamórficas. Constitui-se uma base de dados importante e muito utilizada
em locais onde não existem parcelas permanentes e/ou as árvores não
apresentam nitidez nos anéis de crescimento. Tem como vantagem, a
180
possibilidade de uso das informações advindas de inventários convencionais,

além de ser uma informação obtida num espaço de tempo relativamente curto e a
um custo mais baixo do que os demais procedimentos. De uma maneira geral,
existe razão para pensar que os dados oriundos das parcelas temporárias, podem
tender a reduzir vícios de um observador inabilitado para os detectar, já que as
curvas são desenvolvidas a partir de um mesmo tipo de medição como aquelas
com as quais ela será usada.
A construção de curvas de índice de sítio a partir de parcelas

temporárias, depende de uma grande intensidade amostral, já que somente um
par de valor altura-idade é obtido de cada parcela. Sob o ponto de vista
estatístico, parcelas temporárias não tem erros correlatos, já que a cada
amostragem parcelas novas e independentes são lançadas. Podem ser alocadas
em locais sadios, onde não exista quaisquer danos naturais. Tem o grande
inconveniente de não possibilitar o conhecimento do real padrão de crescimento
individual em altura das árvores.
As parcelas permanentes são a fonte de dados desejável para

construção das curvas de índice de sítio. Possibilitam o acompanhamento do
desenvolvimento das árvores contidas na parcela e consequentemente o padrão
de desenvolvimento em altura das árvores consideradas para efeito da
construção das curvas de índice de sítio. Podem ser utilizadas para construção de
curvas anamórficas e principalmente de curvas polimórficas, já que fornecem
elementos sobre o crescimento das árvores individuais.
Apresentam como inconvenientes, ser um meio demorado e até certo

ponto oneroso de se obter dados, já que se necessita de uma série de medições
periódicas. Outro inconveniente a ser considerado é quando ocorre ataque de
pragas ou doenças e mesmo queimadas, naquelas que estão sendo remedidas
181
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.
Do ponto de vista estatístico, as medições repetidas em árvores

individuais contém erros correlatos. Entretanto, na prática eles são
freqüentemente ignorados, quando se utiliza o método dos mínimos quadrados
ordinários. Deve-se lembrar, que erros correlatos afetam a estimativa da
variância, tornando-a tendenciosa, levando sempre a uma subestimativa no
resíduo. Este fato propicia valores incorretos do intervalo de confiança, sem no
entanto provocar tendenciosidade na estimativa dos coeficientes da equação de
regressão, que expressa o desenvolvimento da altura em relação a idade. Outros
procedimentos estatísticos, como por exemplo, a regressão em três estágios com
restrição, podem levar a uma grande diminuição nesta subestimativa conforme
Borders et al (1984). Outros problemas que podem advir quando se faz medições
repetidas é a inconsistência do método de medição e/ou do tratamento na
parcela, que pode ser causada pela mudança de equipes, mudanças nos objetivos
da empresa e mesmo de mudanças tecnológicas, como o surgimento de novos e
eficientes instrumentos de medição.
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
redução do crescimento da árvore e ocorre naturalmente no período seco e frio.

Neste caso, o lenho assume uma cor mais escura com mais células por unidade
de área, sendo chamado de lenho de fecho ou tardio.
O lenho primaveril, normalmente maior, e o lenho tardio, correspondem

a um ano de crescimento da planta e compõem o anel de crescimento. Assim
para se saber a idade da árvore, basta contar o número anéis de crescimento.
Deve-se ter cuidado ao observar os anéis de crescimento, pois podem ocorrer
os denominados falsos anéis, que normalmente ocorrem quando durante o pleno
período de crescimento, há uma redução drástica do crescimento (por ex.:
estiagem, ataque de pragas) ou ainda durante o período de crescimento mais
reduzido ocorre um maior crescimento (por ex.: verânicos). Neste caso, a
identificação do falso anel é notada, pois este não se completa ao longo da seção.
Para reconstituir o desenvolvimento em altura de uma árvore, deve-se

efetuar a análise de tronco total, a qual consiste no abate da árvore dominante.
Esta então deve Ter em intervalos de metro em metro, por exemplo, retirado
discos, que permitiram a recontituição da altura. Para identificação da árvores
dominantes basta lançar parcelas no povoamento e nesta após a medição dos
diâmetros identificar as árvores dominantes segundo qualquer dos conceitos
existentes para tal.
4.4. Conceito de árvores dominantes
Altura média de 100 das árvores mais grossas por hectare,

(Assmann). É o mais objetivo dos procedimentos. Apresenta a grande
vantagem de possibilitar uma fácil identificação destas árvores.
183
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.
Altura média das árvores com DAP maior ou igual a + 1,5

(Naslund).
Altura média correspondente ao DAP médio de 20% das árvores

grossas do povoamento (Weise).
Altura média das 30 árvores mais altas por hectare (Lewis).
4.5. Intensidade amostral
Uma alternativa é que o número de árvores medidas depende da

variabilidade da altura total e idades nos povoamentos que estão sendo
avaliados. Para isso o número de unidades de amostra necessário para estimar a
altura total e idade para um dado intervalo de confiança e nível de probabilidade
pode ser determinado pela aplicação da fórmula: n= , em que
184
n é a intensidade amostral, S2y é a variância da variável de interesse

(altura dominante) e E é o erro em metros, pré-estabelecido.
Aplicação: De uma amostra piloto obtida de 20 parcelas de 400 m2 das quais se

mediu altura total das 4 árvores de maior diâmetro, obteve-se uma altura média
das dominantes de 20m e um desvio de mais ou menos de 8 metros. O erro
máximo admissível é de 5% da média. Qual o número de parcelas a ser
mensurada?
E = 0,05.20 = 1 m
n = ( 22 . 82 ) / 12 = 256 parcelas
Outra possibilidade, bem mais prática, é utilizar as próprias parcelas do

inventário florestal, se este, já é implementado na área em questão.
4.6. Modalidades de curvas de índice de sítio
A natureza da família de curvas altura-idade pode ser subdivididas em

curvas anamórficas e curvas polimórficas.
As curvas anamórficas se caracterizam por apresentarem uma

proporcionalidade no desenvolvimento entre as curvas que compõem a família
de curvas. Neste caso, a inclinação da curva, expressa pelo coeficiente "b", é
constante para todas as classes de sítio, ou seja, a taxa de crescimento relativo
185
em altura é considerada constante para todos os sítios, assumindo-se assim que o

crescimento em altura entre as classes de sítio é proporcional. Um exemplo desta
modalidade de curva é mostrada na Figura 4.1. Um problema deste método é
que a proporcionalidade entre as curvas de índice de sítio é uma falha, é que em
sítios mais produtivos, a curva de crescimento em altura tende a ter forma
sigmóide mais pronunciada. Já em sítios menos produtivos, o padrão de
crescimento da altura tende a ser mais alisado ou seja o ponto de inflexão é
atingido mais tarde que os dos sítios mais produtivos.
FIGURA 4.1 - Mostra curvas de índice de sítio com igual forma e equidistantes
uma da outra.
As curvas polimórficas se caracterizam por não apresentarem

proporcionalidade no crescimento da altura das árvores dominantes, entre
classes de sítio diferentes. Neste caso, a taxa de crescimento relativa em altura é
dependente dos fatores do sítio, sendo então, desenvolvidas as curvas de sítio
polimórficas para refleti-las. As curvas polimórficas podem não se cruzarem.
186
Nesta família de curvas a relação de proporcionalidade entre as curvas de índice

de sítio não é verificada, entretanto estas curvas não se cruzam dentro da faixa
de idade de interesse, conforme apresentado na Figura 4.2 (a). No entanto
existem situações em que as curvas polimórficas se cruzam. Nesta família de
curvas também não existe proporcionalidade no crescimento da altura entre as
classes de sítio, entretanto as curvas que expressam o sítio se cruzam dentro da
faixa de idade de interesse, conforme Figura 4.2 (b).
187
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
4.7.1. Método da curva guia ou média
Esta técnica passou a ser utilizada a partir do final da década de 30, a

partir da introdução da regressão linear múltipla no meio florestal, com os
trabalhos de McKainey et al. (1937, 1939).
EXEMPLO 1
Um modelo utilizado ainda muito utilizado para fins de classificação de

sítio é aquele desenvolvido por Schumacher (1939). É um modelo simples que
tem a forma de uma hipérbole, no entanto, nem sempre consegue retratar bem o
desenvolvimento da altura média das árvores dominantes com a idade, para
espécies de rápido crescimento, como as do gênero Eucalyptus.
koi
(1)
188
Este modelo (1) é comumente expresso na forma logarítmica tal que:
In Hdi = In . koi + 1 . (1/I) (2)
Ou ainda estabelecendo que In (koi) = 0, tem-se:
In Hdi = 0 + 1 . (1/I) (3)
Onde:
Hdi = altura da árvore na idade I
I = idade da árvore
is = parâmetros a serem estimados
Utilizando-se os pares de altura média das dominantes-Idade, advindas

das parcelas do inventário como observado na Tabela 4.1 e Figura 4.3, pode-se
facilmente ajustar a curva média. Para tal o modelo (3) é redefinido como:
Y = ln (Hdi)
b0 = 0
b1 = 1
X = (1/I)
Assim ele assume a forma:
Y = b0 + b1 X (4)
TABELA 4.1 - Pares altura-idade estruturados para ajustar o modelo (4).
Data do Data de
Projeto Talhão Parcela Idade (anos) (m)
plantio medição
189
C531 01 01 29/12/94 28/7/1997 2,58 11,20

C531 01 01 29/12/94 01/8/1998 3,59 15,00
C531 01 01 29/12/94 08/8/1999 4,61 16,36
C531 01 01 29/12/94 15/8/2000 5,63 18,50
C531 01 05 29/12/94 28/7/1997 2,58 11,12
C531 01 05 29/12/94 01/8/1998 3,59 15,34
C531 01 05 29/12/94 08/8/1999 4,61 17,52
Continua ...
TABELA 4.1, Continuação ...
C531 01 05 29/12/94 15/8/2000 5,63 19,66
C531 02 02 14/12/94 27/7/1997 2,62 15,04
C531 02 02 14/12/94 04/8/1998 3,64 17,24
C531 02 02 14/12/94 08/8/1999 4,65 21,28
C531 02 02 14/12/94 14/8/2000 5,67 23,58
C531 02 02 14/12/94 02/4/2001 6,30 24,22
C531 02 03 14/12/94 27/7/1997 2,62 12,30
C531 02 03 14/12/94 04/8/1998 3,64 16,30
C531 02 03 14/12/94 08/8/1999 4,65 18,86
C531 02 03 14/12/94 14/8/2000 5,67 21,62
C531 02 03 14/12/94 02/4/2001 6,30 21,78
C531 02 05 14/12/94 27/7/1997 2,62 12,60
C531 02 05 14/12/94 04/8/1998 3,64 15,26
C531 02 05 14/12/94 08/8/1999 4,65 18,10
C531 02 05 14/12/94 14/8/2000 5,67 21,16
C531 02 05 14/12/94 02/4/2001 6,30 21,20
C531 03 01 17/12/94 27/7/1997 2,61 14,30
C531 03 01 17/12/94 03/8/1998 3,63 17,50
C531 03 01 17/12/94 07/8/1999 4,64 18,00
C531 03 01 17/12/94 14/8/2000 5,66 21,56
C531 03 01 17/12/94 01/4/2001 6,29 21,02
C531 03 02 17/12/94 27/7/1997 2,61 15,62
C531 03 02 17/12/94 03/8/1998 3,63 19,44
C531 03 02 17/12/94 07/8/1999 4,64 20,50
C531 03 02 17/12/94 14/8/2000 5,66 23,48
C531 03 02 17/12/94 01/4/2001 6,29 24,26
C531 03 03 17/12/94 27/7/1997 2,61 13,56
C531 03 03 17/12/94 03/8/1998 3,63 16,54
C531 03 03 17/12/94 07/8/1999 4,64 18,86
C531 03 03 17/12/94 14/8/2000 5,66 21,68
C531 03 03 17/12/94 01/4/2001 6,29 21,02
190
C531 06 01 19/11/94 28/7/1997 2,69 15,14

C531 06 01 19/11/94 05/8/1998 3,71 20,80
C531 06 01 19/11/94 08/8/1999 4,72 22,28
C531 06 01 19/11/94 15/8/2000 5,74 24,26
C531 06 01 19/11/94 02/4/2001 6,37 26,26
C531 07 01 30/11/94 28/7/1997 2,66 15,74
C531 07 01 30/11/94 05/8/1998 3,68 23,30
C531 07 01 30/11/94 09/8/1999 4,69 26,06
C531 07 01 30/11/94 15/8/2000 5,71 29,70
C531 07 01 30/11/94 02/4/2001 6,34 30,06
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.
Pode-se ajustar a equação pelo método dos mínimos quadrados, para

obter a estimativa dos parâmetros 0 e 1. A equação ajustada
é: , com valor de coeficiente de determinação é
(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
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.
Foi então definida a idade de referência. Neste exemplo foi 7 anos.
Para obter os limites inferior e superior das classes de sítio nas várias
idades é necessário efetuar a razão entre as advindas das
parcelas e as estimadas pela equação ajustada, conforme
192
mostrado na Tabela 4.2. Independente da idade, deve-se identificar o

menor(0,81354 ) e o maior(1,33303) valor correspondente a esta
razão. Multiplicando-os pela (24,12m) estimada na idade de

referência, obtêm-se os limites superior(32,15m) e inferior( 19,62m)
da classificação de sítio que engloba toda amostra.
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
C531 03 01 2,61 14,30 13,39 1,06775

C531 03 01 3,63 17,50 17,41 1,00510
C531 03 01 4,64 18,00 20,19 0,89168
C531 03 01 5,66 21,56 22,20 0,97118
C531 03 01 6,29 21,02 23,19 0,90624
TABELA 4.2, Continua ...
C531 03 02 2,61 15,62 13,39 1,16631
C531 03 02 3,63 19,44 17,41 1,11652
C531 03 02 4,64 20,50 20,19 1,01552
C531 03 02 5,66 23,48 22,20 1,05767
C531 03 02 6,29 24,26 23,19 1,04593
C531 03 03 2,61 13,56 13,39 1,01249
C531 03 03 3,63 16,54 17,41 0,94996
C531 03 03 4,64 18,86 20,19 0,93428
C531 03 03 5,66 21,68 22,20 0,97659
C531 03 03 6,29 21,02 23,19 0,90624
C531 06 01 2,69 15,14 13,76 1,10030
C531 06 01 3,71 20,80 17,66 1,17766
C531 06 01 4,72 22,28 20,36 1,09415
C531 06 01 5,74 24,26 22,33 1,08641
C531 06 01 6,37 26,26 23,31 1,12674
C531 07 01 2,66 15,74 13,62 1,15607
C531 07 01 3,68 23,30 17,56 1,32656
C531 07 01 4,69 26,06 20,30 1,28405
C531 07 01 5,71 29,70 22,28 1,33303
C531 07 01 6,34 30,06 23,26 1,29221
Adequando o limite inferior e superior para que se possa obter 5

classes de sítio com 3 metros de amplitude entre classes na idade de
referência estes foram 18 e 33 m. Os limites de cada classe de sítio
são mostrados a seguir.
Classe V - 18 a 21 m
Classe IV - 21 a 24 m
194
Classe III - 24 a 27 m
Classe II - 27 a 30 m
Classe I - 30 a 33 m
As curvas de índice de sítio podem então ser estabelecidas de 2

maneiras:
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
TABELA 4.3 - Contém os fatores que permitem obter os limites inferior e

superior de cada classe de sítio nas diferentes idades.
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
TABELA 4.4 - Limites inferior e superior de cada classe de sítio nas diferentes
idades.
Classe V Classe IV Classe III Classe II Classe I

Idade
LI LS LI LS LI LS LI LS LI LS
2,58 9,87 11,52 11,52 13,16 13,16 14,81 14,81 16,45 16,45 18,10
2,58 9,87 11,52 11,52 13,16 13,16 14,81 14,81 16,45 16,45 18,10
2,61 9,99 11,66 11,66 13,32 13,32 14,99 14,99 16,65 16,65 18,32
2,61 9,99 11,66 11,66 13,32 13,32 14,99 14,99 16,65 16,65 18,32
2,61 9,99 11,66 11,66 13,32 13,32 14,99 14,99 16,65 16,65 18,32
2,62 10,02 11,69 11,69 13,36 13,36 15,03 15,03 16,70 16,70 18,37
2,62 10,02 11,69 11,69 13,36 13,36 15,03 15,03 16,70 16,70 18,37
2,62 10,02 11,69 11,69 13,36 13,36 15,03 15,03 16,70 16,70 18,37
2,66 10,16 11,85 11,85 13,54 13,54 15,24 15,24 16,93 16,93 18,62
2,69 10,27 11,98 11,98 13,69 13,69 15,40 15,40 17,11 17,11 18,82
3,59 12,91 15,06 15,06 17,21 17,21 19,36 19,36 21,52 21,52 23,67
3,59 12,91 15,06 15,06 17,21 17,21 19,36 19,36 21,52 21,52 23,67
3,63 12,99 15,16 15,16 17,32 17,32 19,49 19,49 21,65 21,65 23,82
3,63 12,99 15,16 15,16 17,32 17,32 19,49 19,49 21,65 21,65 23,82
3,63 12,99 15,16 15,16 17,32 17,32 19,49 19,49 21,65 21,65 23,82
3,64 13,01 15,18 15,18 17,35 17,35 19,52 19,52 21,68 21,68 23,85
3,64 13,01 15,18 15,18 17,35 17,35 19,52 19,52 21,68 21,68 23,85
3,64 13,01 15,18 15,18 17,35 17,35 19,52 19,52 21,68 21,68 23,85
3,68 13,10 15,29 15,29 17,47 17,47 19,66 19,66 21,84 21,84 24,03
3,71 13,18 15,37 15,37 17,57 17,57 19,77 19,77 21,96 21,96 24,16
Continuação ...
Tabela 4.4, continuação ...
4,61 15,00 17,50 17,50 20,01 20,01 22,51 22,51 25,01 25,01 27,51
4,61 15,00 17,50 17,50 20,01 20,01 22,51 22,51 25,01 25,01 27,51
4,64 15,06 17,57 17,57 20,08 20,08 22,59 22,59 25,10 25,10 27,61
4,64 15,06 17,57 17,57 20,08 20,08 22,59 22,59 25,10 25,10 27,61
4,64 15,06 17,57 17,57 20,08 20,08 22,59 22,59 25,10 25,10 27,61
4,65 15,08 17,59 17,59 20,10 20,10 22,61 22,61 25,13 25,13 27,64
4,65 15,08 17,59 17,59 20,10 20,10 22,61 22,61 25,13 25,13 27,64
4,65 15,08 17,59 17,59 20,10 20,10 22,61 22,61 25,13 25,13 27,64
4,69 15,14 17,67 17,67 20,19 20,19 22,71 22,71 25,24 25,24 27,76
4,72 15,19 17,72 17,72 20,26 20,26 22,79 22,79 25,32 25,32 27,85
5,63 16,52 19,27 19,27 22,03 22,03 24,78 24,78 27,53 27,53 30,29
5,63 16,52 19,27 19,27 22,03 22,03 24,78 24,78 27,53 27,53 30,29
196
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
FIGURA 4.5 - Limites superior e inferior das classes de sítio nas diferentes
idades.
b) A partir do rearranjo do modelo de sítio.
O rearranjo do modelo de sítio implica em uma série de considerações:

Movimentando-se o eixo da ordenada Y (altura) perpendicularmente
a abscissa (idade) até a idade de referência, se tem que índice de sítio
(S) é igual a altura média das árvores dominantes na idade de
referência.
Desta maneira pode-se reescrever a equação (3) como sendo
InS = 0 1 (1/Iref) (6)
Reescrevendo (6) em função de bO que representa a interseção no

eixo de Y se tem:
0 = InS + 1 (1/Iref) (7)
Substituindo (7) em (3) se tem:
ln (Hd) = ln(S) + 1 (1/I 1/Iref.) (8)
ou
198
ln (S) = lnH + 1 [(1/Iref.) (1/I)] (9)
Assim para traçar o limite inferior da classe de sítio VI, substitui-se o

limite inferior da classe de sítio menos produtiva na idade de referência(18m) na
expressão (8) variando as idades. O mesmo procedimento deve ser adotado para
os demais limites das classes de sítio conforme mostrado a seguir:
ln (Hd) = ln (18) + (-2,45565) [(1/2,58) (1/7)] = 9,87 m
. . .
. . .
ln (Hd) = ln (21) + (-2,45565) [(1/2,58) (1/7)] = 11,51 m
. . .
. . .
. . .
ln (Hd) = ln (33) + (-2,45565) [(1/6,37) (1/7)] = 31,87 m
Os resultados obtidos por este procedimento são idênticos aos já

mostrados na Tabela 4.4. Utilizando a equação (9) obtém-se estimativas do
índice de sítio provenientes de valores conhecidos da relação altura-idade. Em
um talhão ou mesmo no povoamento considerado, basta efetuar a medição de
altura das árvores dominantes nas parcelas do inventário e substituí-la nesta
equação.
199
EXEMPLO 2
Um segundo modelo mais complexo e que pode ser considerado é o de

Chapman e Richards (1959).
Hd = 1 [1 exp (- 2 . I)][1/(1 - 3)]

(10)
Onde:
1 - valor assintótico
2 - expressa a taxa de crescimento da variável de interesse
3 - ponto de inflexão da curva
Hd - altura média das árvores dominantes
I - idade
Utilizando procedimento de ajuste não linear aos dados da Tabela 4.1,

obtém-se por processo iterativo o ajuste do modelo (10). Os parâmetros
estimados foram 1 = 33,4529; 2 = -0,188815; 3 = 0,057322753.
A equação assume a forma
, com valor de
coeficiente de determinação é (R2) igual a 64,91% e erro padrão dos resíduos

(Syx) igual a 2,64 m e Syx% de 13,67%. A distribuição dos resíduos deste
ajuste é mostrada na Figura 4.6.
200
Foi então definida a idade de referência. Neste exemplo 7 anos.

menor(0,81718 ) e o maior valor(1,34068 ) correspondente a esta
razão. Multiplicando-os pela estimada na idade de

referência(24,95m), obtêm-se os limites superior(33,45m) e
inferior(20,39m) da classificação de sítio que engloba toda amostra.
inferior e superior dentro do qual se insere toda a base de
dados.
Projeto Talhão Parcela Idade Hd Hd estimada Fator

C531 01 01 2,58 11,20 13,59 0,82430
C531 01 01 3,59 15,00 17,13 0,87582
201
C531 01 01 4,61 16,36 20,02 0,81718

C531 01 01 5,63 18,50 22,40 0,82603
C531 01 05 2,58 11,12 13,59 0,81841
C531 01 05 3,59 15,34 17,13 0,89568
C531 01 05 4,61 17,52 20,02 0,87512
C531 01 05 5,63 19,66 22,40 0,87782
C531 02 02 2,62 15,04 13,75 1,09401
C531 02 02 3,64 17,24 17,26 0,99899
C531 02 02 4,65 21,28 20,13 1,05729
C531 02 02 5,67 23,58 22,48 1,04874
C531 02 02 6,30 24,22 23,74 1,02030
C531 02 03 2,62 12,30 13,75 0,89470
C531 02 03 3,64 16,30 17,26 0,94452
C531 02 03 4,65 18,86 20,13 0,93705
C531 02 03 5,67 21,62 22,48 0,96157
C531 02 03 6,30 21,78 23,74 0,91751
C531 02 05 2,62 12,60 13,75 0,91652
C531 02 05 3,64 15,26 17,26 0,88426
C531 02 05 4,65 18,10 20,13 0,89929
C531 02 05 5,67 21,16 22,48 0,94111
C531 02 05 6,30 21,20 23,74 0,89308
C531 03 01 2,61 14,30 13,72 1,04260
C531 03 01 3,63 17,50 17,23 1,01559
C531 03 01 4,64 18,00 20,11 0,89527
C531 03 01 5,66 21,56 22,47 0,95965
C531 03 01 6,29 21,02 23,72 0,88607
C531 03 02 2,61 15,62 13,72 1,13884
C531 03 02 3,63 19,44 17,23 1,12818
C531 03 02 4,64 20,50 20,11 1,01961
C531 03 02 5,66 23,48 22,47 1,04511
C531 03 02 6,29 24,26 23,72 1,02265
continua ...
Tabela 4.5, continuação ...

C531 03 03 2,61 13,56 13,72 0,98865
C531 03 03 3,63 16,54 17,23 0,95988
C531 03 03 4,64 18,86 20,11 0,93804
C531 03 03 5,66 21,68 22,47 0,96499
C531 03 03 6,29 21,02 23,72 0,88607
202
C531 06 01 2,69 15,14 14,01 1,08060

C531 06 01 3,71 20,80 17,47 1,19031
C531 06 01 4,72 22,28 20,30 1,09739
C531 06 01 5,74 24,26 22,63 1,07212
C531 06 01 6,37 26,26 23,87 1,10026
C531 07 01 2,66 15,74 13,89 1,13287
C531 07 01 3,68 23,30 17,38 1,34068
C531 07 01 4,69 26,06 20,23 1,28839
C531 07 01 5,71 29,70 22,57 1,31615
C531 07 01 6,34 30,06 23,81 1,26247

As curvas de índice de sítio podem então ser estabelecidas de 2 maneiras:
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

Classes
Limites Fator
de sítio
Inferior 19 0,76159
V
Superior 22 0,88185
Inferior 22 0,88185
IV
Superior 25 1,00210
Inferior 25 1,00210
III
Superior 28 1,12235
Inferior 28 1,12235
II
Superior 31 1.24260
Inferior 31 1,24260
I
Superior 34 1,36285
Mutiplicando cada fator pelos valores de estimados (Tabela 4.5),

e Figura 4.7.
TABELA 4.7- Limites inferior e superior de cada classe de sítio nas diferentes
idades.

Idade
2,58 10,35 11,98 11,98 13,62 13,62 15,25 15,25 16,88 16,88 18,52
2,58 10,35 11,98 11,98 13,62 13,62 15,25 15,25 16,88 16,88 18,52
2,61 10,45 12,10 12,10 13,74 13,74 15,39 15,39 17,04 17,04 18,69
2,61 10,45 12,10 12,10 13,74 13,74 15,39 15,39 17,04 17,04 18,69
2,61 10,45 12,10 12,10 13,74 13,74 15,39 15,39 17,04 17,04 18,69
2,62 10,47 12,12 12,12 13,78 13,78 15,43 15,43 17,08 17,08 18,74
2,62 10,47 12,12 12,12 13,78 13,78 15,43 15,43 17,08 17,08 18,74
204
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
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)
idades.
b) A partir do rearranjo do modelo de sítio.
O rearranjo do modelo de sítio implica em uma série de considerações:
Movimentando-se o eixo da ordenada Y (altura) perpendicularmente a

abscissa (idade) até a idade de referência, se tem que índice de sítio (S) é igual a
altura média das árvores dominantes na idade de referência.
Desta maneira pode-se reescrever a equação (10) como sendo
206
S= 1 [1 - exp(- 2 Iref.)] (11)
Como a interseção do eixo de Y é dada por O (no caso 1) então

rearranjando a equação (11) em relação a 1 tem-se:
1 = S/[1 exp (- 2 Iref.)] (12)

Substituindo (12) em (10) tem-se:
Hd = {S/[1 exp (- 2 Iref.)] } . [1 exp ( 2 . I)]
Hd = S{[1 exp (- 2 I)]/[1 exp ( 2 . Iref.)]} (13)

Hd = S{[1 exp (-0,188815. I)]/[1 exp (-0,188815 Iref)]}[1/(1 +
(14)
0,057322753)]
Ou ainda
S = H{[1 exp (- 2 Iref.)]/[1 exp ( 2 . I)]}[1/(1 - 3)]
(15)
S = H{[1 exp (-0,188815. Iref.)]/[1 exp (-0,188815 I)]}[1/(1 + 0,057322753)]
Assim para traçar o limite inferior da classe de sítio VI, substitui-se o

limite inferior da classe de sítio menos produtiva na idade de referência(19m) na
expressão (14) variando as idades. O mesmo procedimento deve ser adotado
para os demais limites das classes de sítio conforme mostrado a seguir:
207
Hd = 19{[1 exp (-0,188815*2,58)]/[1 exp (-0,188815*7)]}[1/(1 +
0,057322753)]
= 10,34
Hd = 22{[1 exp (-0,188815*2,58)]/[1 exp (-0,188815*7)]}[1/(1 +
0,057322753)]
= 11,98
. .
. .
. .
Hd = 34{[1 exp (-0,188815*6,37)]/[1 exp (-0,188815*7)]}[1/(1 +
0,057322753)]
= 32,53
Os resultados obtidos por este procedimento são idênticos aos já

mostrados na Tabela 4.7. Utilizando a equação (15) obtém-se estimativas do
índice de sítio provenientes de valores conhecidos da relação altura-idade. Em
um talhão ou mesmo no povoamento considerado, basta efetuar a medição de
altura das árvores dominantes nas parcelas do inventário e substituí-la nesta
equação.
EXEMPLO 3
Um outro modelo utilizado é o de Bailey e Clutter.
208
In Hd = O + 1 *[(1/I) 2]
Onde:
Hdi - altura da árvore na idade I
I - idade da árvore
is - parâmetros a serem estimados
Utilizando procedimento de ajuste não linear ao dados da Tabela 4.1,

obtém-se por processo iterativo o ajuste do modelo. A equação assume a forma
In Hd = 49,4797 - 47,4715*[(1/I)0,0134966], com valor de coeficiente de
determinação é (R2) igual a 69,88% e erro padrão dos resíduos (Syx) igual a 2,65
m e Syx% de 13,73%. A distribuição dos resíduos deste ajuste são mostradas na
Figura 4.8.
8
6
4
2
E (m) 0
-2
-4
-6
-8
- 2 4 6 8
Idade (anos)
Foi então definida a idade de referência. Neste exemplo 7 anos.
209

menor(0,81624) e o maior valor(1,36838) correspondente a esta
razão. Multiplicando-os pela estimada na idade de

referência(25,5m), obtêm-se os limites superior(34,89m) e
inferior(20,8m) da classificação de sítio que engloba toda amostra.
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
C531 02 05 3,64 15,26 16,91 0,90226

C531 02 05 4,65 18,10 19,74 0,91684
C531 02 05 5,67 21,16 22,35 0,94692
C531 02 05 6,30 21,20 23,88 0,88766
C531 03 01 2,61 14,30 13,73 1,04118
C531 03 01 3,63 17,50 16,89 1,03620
C531 03 01 4,64 18,00 19,72 0,91280
C531 03 01 5,66 21,56 22,33 0,96571
C531 03 01 6,29 21,02 23,86 0,88085
C531 03 02 2,61 15,62 13,73 1,13729
C531 03 02 3,63 19,44 16,89 1,15107
C531 03 02 4,64 20,50 19,72 1,03958
C531 03 02 5,66 23,48 22,33 1,05171
C531 03 02 6,29 24,26 23,86 1,01662
C531 03 03 2,61 13,56 13,73 0,98730
C531 03 03 3,63 16,54 16,89 0,97936
Continua ...
C531 03 03 4,64 18,86 19,72 0,95641
C531 03 03 5,66 21,68 22,33 0,97108
C531 03 03 6,29 21,02 23,86 0,88085
C531 06 01 2,69 15,14 13,99 1,08216
C531 06 01 3,71 20,80 17,12 1,21515
C531 06 01 4,72 22,28 19,93 1,11817
C531 06 01 5,74 24,26 22,52 1,07743
C531 06 01 6,37 26,26 24,05 1,09196
C531 07 01 2,66 15,74 13,89 1,13327
C531 07 01 3,68 23,30 17,03 1,36838
C531 07 01 4,69 26,06 19,85 1,31312
C531 07 01 5,71 29,70 22,44 1,32337
C531 07 01 6,34 30,06 23,98 1,25377

211
As curvas de índice de sítio pode então ser estabelecidas 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(25,5m), como mostrado
na Tabela 4.9. A outra maneira seria através do manuseio do modelo como já
ilustrado nos exemplos 1 e 2.

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
Inferior 29 1,13720
II
Superior 32 1,25845
Inferior 32 1,25845
I
Superior 35 1,37249
Mutiplicando cada fator pelos valores de estimados(Tabela 4.8),

e Figura 4.9.
TABELA 4.10- Limites inferior e superior de cada classe de sítio nas

diferentes idades.

Idade
2,58 10,68 12,29 12,29 13,89 13,89 15,49 15,49 17,10 17,10 18,70
2,58 10,68 12,29 12,29 13,89 13,89 15,49 15,49 17,10 17,10 18,70
2,61 10,77 12,39 12,39 14,00 14,00 15,62 15,62 17,23 17,23 18,85
2,61 10,77 12,39 12,39 14,00 14,00 15,62 15,62 17,23 17,23 18,85
2,61 10,77 12,39 12,39 14,00 14,00 15,62 15,62 17,23 17,23 18,85
2,62 10,79 12,41 12,41 14,03 14,03 15,65 15,65 17,27 17,27 18,89
2,62 10,79 12,41 12,41 14,03 14,03 15,65 15,65 17,27 17,27 18,89
2,62 10,79 12,41 12,41 14,03 14,03 15,65 15,65 17,27 17,27 18,89
2,66 10,89 12,53 12,53 14,16 14,16 15,79 15,79 17,43 17,43 19,06
2,69 10,97 12,62 12,62 14,26 14,26 15,91 15,91 17,56 17,56 19,20
3,59 13,17 15,14 15,14 17,12 17,12 19,09 19,09 21,07 21,07 23,05
3,59 13,17 15,14 15,14 17,12 17,12 19,09 19,09 21,07 21,07 23,05
3,63 13,25 15,23 15,23 17,22 17,22 19,21 19,21 21,19 21,19 23,18
3,63 13,25 15,23 15,23 17,22 17,22 19,21 19,21 21,19 21,19 23,18
3,63 13,25 15,23 15,23 17,22 17,22 19,21 19,21 21,19 21,19 23,18
3,64 13,26 15,25 15,25 17,24 17,24 19,23 19,23 21,22 21,22 23,21
3,64 13,26 15,25 15,25 17,24 17,24 19,23 19,23 21,22 21,22 23,21
3,64 13,26 15,25 15,25 17,24 17,24 19,23 19,23 21,22 21,22 23,21
Continua ...
3,68 13,35 15,36 15,36 17,36 17,36 19,36 19,36 21,37 21,37 23,37
213
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
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
idades.
4.7.2. Seleção da equação de sítio
Na Tabela 4.11 são mostradas as estatísticas das três equações ajustadas

nesta seção.
TABELA 4.11 - Estatísticas das equações de sítio.
Média dos Syx Syx Distribuição

Equação F R2
resíduos (m) (%) dos resíduos
1 114,81 70,77 7,52 2,62 13,59 Boa
2 885,91 64,91 -0,03 2,64 13,67 Boa
3 8207,72 69,88 7,29 2,65 13,73 Regular
1 - Schumacher
2 - Chapman e Richards
3 - Bailey e Clutter
Para complementar a seleção da equação que será utilizada para fins de

classificação dos sítios, será verificada a estabilidade das classificações dos
215
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.
TABELA 4.12 - Mostra a estabilidade da classificação de sítio peloas três

equações ajustadas.
Modelos Classe de sítio

definitiva da
Projeto Talhão Parcela Idade Hd equação de
Schumacher Chapman Bailey
Chapman e
Richards
C531 01 01 2,58 11,20 5 5 5 5
C531 01 01 3,59 15,00 5 5 5 5
C531 01 01 4,61 16,36 5 5 5 5
216
C531 01 01 5,63 18,50 5 5 5 5

C531 01 05 2,58 11,12 5 5 5 5
C531 01 05 3,59 15,34 4 4 4 5
C531 01 05 4,61 17,52 4 5 5 5
C531 01 05 5,63 19,66 4 5 5 5
C531 02 02 2,62 15,04 2 3 3 3
C531 02 02 3,64 17,24 4 4 4 3
C531 02 02 4,65 21,28 3 3 3 3
C531 02 02 5,67 23,58 3 3 3 3
C531 02 02 6,30 24,22 3 3 4 3
C531 02 03 2,62 12,30 4 4 5 4
C531 02 03 3,64 16,30 4 4 4 4
C531 02 03 4,65 18,86 4 4 4 4
C531 02 03 5,67 21,62 4 4 4 4
C531 02 03 6,30 21,78 4 4 4 4
C531 02 05 2,62 12,60 4 4 4 4
C531 02 05 3,64 15,26 4 4 4 4
C531 02 05 4,65 18,10 4 4 4 4
C531 02 05 5,67 21,16 4 4 4 4
C531 02 05 6,30 21,20 4 4 5 4
C531 03 01 2,61 14,30 3 3 3 4
C531 03 01 3,63 17,50 3 3 3 4
C531 03 01 4,64 18,00 4 4 4 4
C531 03 01 5,66 21,56 4 4 4 4
C531 03 01 6,29 21,02 4 4 5 4
C531 03 02 2,61 15,62 2 2 2 3
C531 03 02 3,63 19,44 3 2 2 3
C531 03 02 4,64 20,50 3 3 3 3
C531 03 02 5,66 23,48 3 3 3 3
C531 03 02 6,29 24,26 3 3 4 3
Continua ...

C531 03 03 2,61 13,56 3 4 4 4
C531 03 03 3,63 16,54 4 4 4 4
217
C531 03 03 4,64 18,86 4 4 4 4

C531 03 03 5,66 21,68 4 4 4 4
C531 03 03 6,29 21,02 4 4 5 4
C531 06 01 2,69 15,14 3 3 3 3
C531 06 01 3,71 20,80 2 2 2 3
C531 06 01 4,72 22,28 3 3 3 3
C531 06 01 5,74 24,26 3 3 3 3
C531 06 01 6,37 26,26 2 3 3 3
C531 07 01 2,66 15,74 2 2 3 1
C531 07 01 3,68 23,30 1 1 1 1
C531 07 01 4,69 26,06 1 1 1 1
C531 07 01 5,71 29,70 1 1 1 1
C531 07 01 6,34 30,06 1 1 2 1
4.7.3. Teste de anamorfismo
Após o ajuste e seleção da equação que propiciará a classificação dos

sítios florestais para a espécie em questão, é necessário identificar se as curvas
são polimórficas ou anamórficas. O anamorfismo das curvas de sítio pode ser
identificado a partir de dois procedimentos considerados a seguir.
a) Verificação do coeficiente da variação (CV) das alturas médias das árvores

dominantes por classe de sítio e idade, já que uma das suposições básicas do
anamorfismo é que este valor seja semelhante em todas as idades dentro da
classe de sítio. Na Tabela 4.13, é apresentada esta situação, para os dados da
Tabela 4.12, somente para a classe de sítio IV, face o pequeno tamanho da
amostra. Desta pode-se observar que não houve estabilidade no coeficiente
de variação ao longo do tempo, fato que caracteriza que a relação altura
média das árvores dominantes com a idade tem padrão polimórifico. Esta
conclusão entretanto deve ser vista com ressalvas face o pequeno tamanho
da amostra, o que pode levar a distorções no cáculo do coeficiente de
variação.
218
TABELA 4.13 - Coeficiente de variação para a classe de sítio IV em diferentes

idades para Eucalyptus grandis.
Classe de sítio IV
Idade 2,62 3,64 4,65 5,67 6,31
CV% 5,13 5,19 2,54 1,09 1,69
b) Verificação da existência de relação linear entre os índices de sítio e as alturas
dominantes médias nas várias idades consideradas, expressando que o índice de
sítio não depende da idade, mas sim da capacidade produtiva do local.
Utilizando a equação de sítio selecionada, obtém-se, para cada idade, o

índice de sítio correspondentes às medições das parcelas. Estabelece-se então
uma relação linear entre índice de sítio e altura dominante (S = o + 1 Hd) para
cada idade.
Se as relação altura média das árvores dominantes tem um

comportamento anamórfico a interseção o deve ser igual a zero e a inclinação
1 deve ser maior que 1 nas menores idades, sendo tanto maior, quanto mais
jovem a idade considerada. Na idade de referência, é igual a 1 expressando
inclinação de 45°, sendo menor que 1 nas idades superiores à idade de referência
e tanto menor quanto maior a idade considerada. Assim, o comportamento do
índice de sítio, em relação a altura dominante, para as idades consideradas,
expressa uma relação linear entre altura dominante e índice de sítio, indicando
que esta relação não depende da idade, mas sim da capacidade produtiva do
local.
Entretanto, evidências têm sido acumuladas no sentido de que, curvas

construídas de maneira anamórfica, freqüentemente, não representam
acuradamente o crescimento do povoamento. Discute-se, que a curva guia é
somente bastante acurada quando as faixas de índice de sítio são representadas
219
em todas as idades. Um segundo ponto, é a suposição de que a forma da curva

não varia de sítio para sítio mantendo proporcionalidade entre si. Uma
contraposição ao primeiro ponto é que em muitos dos talhões da empresa
florestal, há pelo menos uma parcela, o que propicia uma amostragem de todos
os possíveis sítios.Entretanto, este procedimento é importante para classificação
da produtividade em grandes regiões e mesmo em regiões menores onde a massa
de dados advém de medições em parcelas temporárias.
Procurou-se para os dados da Tabela 4.12 e a partir da equação

selecionada verificar a existência ou não de relação linear entre os índices de
sítio e as alturas dominantes médias nas idades de 2,58; 2,61; 2,62; 2,66 e 2,69
anos.
Assim, utilizando a função

1
0,188815Iref 1 0,057322753
(ajustada anteriormente), pode-se
0,188815I
para a idade de 2,58 anos gerar os valores correspondentes de índice de sítio,

conforme mostrado a seguir.
220
1
0,188815 7 1 0,057322753
0,188815 2,62
1
0,188815 7 1 0,057322753
0,188815 2,66
221
Estes resultados foram então agrupados conforme mostrado na Tabela

4.14.
TABELA 4.14. Índice de sítio - altura das dominantes para idade de 2,58 anos.
Índice de sítio (m) (m)

20,564 11,20
20,417 11,12
24,665 13,56
26,011 14,30
28,411 15,62
22,321 12,30
22,865 12,60
27,293 15,04
28,262 15,74
26,958 15,14
Com estes dados foi ajustado o modelo S = O + 1 , o qual

propiciou estimativas dos parâmetros igual a 1,15926 e igual a 1,7287.
Para as demais idades consideradas o mesmo procedimento foi

adotado, gerando os parâmetros estimados, conforme mostrado na Tabela 4.15.
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
Ao observar os valores entre parênteses verificou-se a significância dos
parâmetros que foi significativo para = 0,05. Este fato expressa que existe
polimorfismo na relação estudada. Assim, conclui-se que não há relação linear

entre o índice de sítio e a idade.
4.8. Método da diferença algébrica para construção de curvas de índice de

sítio
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.
Uma das vantagens deste procedimento é a obtenção de curvas de índice

de sítio polimórficas ou anamórficas, independentes da escolha da idade de
referência, além da altura na idade referência ser igual ao índice de sitio não
necessitando de qualquer ajuste ou correção, quando curvas polimórficas
estiverem sendo geradas.
4.8.1. Descrição do método
O método da diferença algébrica, foi proposto inicialmente por Bailey e

Clutter (1974) para desenvolvimento de curvas de índice de sítio anamórficas ou
223
polimórficas, invariantes em relação a idade de referência. Este método faz uso

de pares de medidas consecutivas da variável a ser estimada.
Considerando o modelo lnHd = + I-1 (1), sua taxa de crescimento em

altura é ( H/ I) = - Hd ( /I2); a qual é função do parâmetro e da idade, mas
não envolve o parâmetro . Se é constante sobre os sítios mas é um
parâmetro específico do sítio, ou seja, tem diferentes valores i, então tem-se um
conjunto de curvas altura-idade polimórficas. Se é assumido que é o parâmetro
específico do sítio e é constante para todos os sítios então curvas anamórficas
serão geradas.
Para gerar curvas anamórficas e polimórficas será utilizado o modelo

(1), em sua forma não linear.
1° CASO
Para efeito demonstrativo considerou-se uma árvore num sítio

específico, i, nas idades sucessivas e . Assim o modelo utilizado assumiu
a seguinte forma:
1
1i
I1
1 0
(1)
224
Onde:
Hd1 e Hd2 - alturas nas idades I1 e I2, respectivamente
O - parâmetro comum relativo aos sítios.
- Parâmetro específico para o sítio i.
Isolando em cada expressão tem-se que e
Igualando os termos e resolvendo a igualdade em relação a Hd2

tem-se:
, que é a forma de ajuste para gerar curvas polimórficas.
Efetuando-se um rearranjo neste modelo se tem esta em função do índice de sítio

(S). Para tal basta considerar Hd2 como sendo igual a S e a idade de
referência.
225
Se desejada a expressão que propiciará a estimativa da altura das

dominantes para as várias idades vinculadas a qualquer índice de sítio tem-se:
Na Figura 4.10 é apresentada uma ilustração gráfica desta família de

curvas polimórficas expressas neste exemplo pela equação da reta Y = O + iX.
Pode-se notar que a interseção é comum a todos os sítios e que a inclinação ( i)
das curvas que expressam os diferentes sítios varia, expressando a inexistência
de caráter de proporcionalidade do crescimento da altura nestes sítios.
FIGURA 4.10 - Intercepto comum e formas varáveis para cada sítio
2º CASO
Assumindo- O
226
tem-se curvas anamórficas. Assim considerando a mesma situação mostrada no

caso 1 tem-se:
Onde:
0i - parâmetros específicos para o sítio i
1 - parâmetro comum a todos os sítios
0i -as e resolvendo
esta igualdade em relação a H2 tem-se que:
Rearranjando esta expressão, semelhante ao já descrito no caso 1,

obtém-se a equação que expressa o índice de sítio (S).
Se desejada a expressão que propiciará a estimativa da altura das

dominantes para as várias idades vinculadas a qualquer índice de sítio tem-se:
227
Na Figura 4.11 é apresentada uma ilustração desta família de curvas

anamórficas, através da equação da reta Y = oi + 1 X, onde a interseção ( oi) é
dependente do sítio e a inclinação da reta que expressa sua produtividade é a
mesma expressando assim um caráter de proporcionalidade entre os diferentes
sítios.
FIGURA 4.11. Interceptos e formas comuns para cada sítio
4.9. Desenvolvimento e/ou apresentação da formulação da diferença

algébrica
A seguir é apresentado o desenvolvimento de 5 modelos para ajustar os

pares altura-idade.
Schumacher
(2)
228
Chapman-Richards (1961)
(3)
Bailey e Clutter (1974)
(4)
Bailey com três parâmetros (1980)
Hd = (5)
Bailey com quatro parâmetros (1980)
Hd = (6)
Em que:
Hd - altura média das árvores dominantes
I - idade do povoamento
e - base do logaritmo natural
0, 1, 2, 3 - parâmetros a serem estimados.
229
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
Formulação anamórfica ou forma comum:
O 1
sítios, então para qualquer par (Hi, Ii O -se:
Para qualquer dois pares (Hi, Ii, H2, I2) observados no mesmo indivíduo
tem-se:
Hd2 = Hd1 exp (7)
Formulação polimórfica ou de intercepto comum:
O i -se:
230
Logaritimizando a expressão tem-se:
Para dois pares observados no mesmo indivíduo (H1, I1, H2, I2) pode-se
escrever:
(8)
MODELO CHAPMAN E RICHARDS
Formulação anamórfica
231
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:
se escrever:
232
(10)
MODELO DE BAILEY E CLUTTER
2 2
0 1
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
Considerando 1
O 2 - 1 -se:
Logaritimizando a expressão tem-se:
se escrever:
(12)
BAILEY TRÊS PARÂMETROS
234
Hd =
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
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)
BAILEY QUATRO PARÂMETROS
Se O 1 2 3
comuns a todos os sítios, e para qualquer par altura-idade (Hdi, I1) tem-se:
236
se escrever:
(14)
Considerando O 1 2
serão iguais para todos os sítios e para qualquer par altura-idade (Hd1, I1) tem-se:
se escrever:
(15)
237
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)
BAILEY E CLUTTER LOGARITMIZADO
Neste caso a opção é utilizar o modelo de Bailey e Clutter em sua forma

polimórfica (modelo 12), após logaritmizá-lo.
ln(Hd2) = 0 + (ln Hd1) . (17)
4.10. Aplicação
238
Existem duas alternativas para se proceder o ajuste dos modelos segundo

o método da diferença algébrica. Um deles preconizado por Alder(1980),
considera que o ajuste deve ser realizado como no caso da curva média e a
forma anamórfica ou polimórfica será obtida por manuseio da equação segundo
o conceito da diferença algébrica. Para ilustrar esta posição serão considerados 2
exemplos. O outro caminho, mais adequado, foi preconizado por Bailey e
Clutter e consiste em ajustar o modelo a partir de sua forma anamórfica ou
polimórfica. Para tal é necessário um manuseio no arquivo de dados como
mostrado no exemplo 3 para os mesmos dados da Tabela 4.1.
EXEMPLO 1
Será considerado o modelo de Bailey e Clutter em sua forma original

para gerar curvas polimórficas
ln Hd = 0 + 1
Através do ajuste deste modelo para os dados da Tabela 4.1, obteve-se

as seguintes estimativas dos parâmetros O, 1 e 2.
= 49,4797 (modelo de forma comum)
= -47,4715 (modelo de intercepto comum)
= 0,0134966
239
EXEMPLO 1.1
Foi examinada a construção de um conjunto de curvas de índice de sítio,

usando o modelo de intercepto comum (gera curvas polimóficas), através do
modelo de Bailey e Clutter.
lnHd = 49,4797 + i (18)
O parâmetro i depende do índice de sítio (S). Para um índice de sítio

selecionado na idade índice, se tem que:
ln (S) = 49,4797 + i (19)
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.
TABELA 4.16 - Estimativa do parâmetro i para diferentes índices de sítio.
240
S i
20 -47,720956641
23 -47,577475481
26 -47,451610578
29 -47,339505374
32 -47,238445704
35 -47,146448868
Assim, substituindo-se os valores de i, na equação InHd = 49,4797 +

0,0134966
i(1/I) , pode-se obter os valores de altura (limites inferiores e superiores)
nas diferentes idades, conforme apresentado na Tabela 4.17 e Figura 4.12. Se
desejada uma outra forma para a equação que permite obter os limites de cada
classe de sítio nas diferentes idades basta substituir (20) em (18), que tem-se:
ln Hd = 49,4797 +
(20 a)
TABELA 4.17 - Limites inferior e superior de cada classe de sítio nas

diferentes idades.

Idade
2,58 10,65 12,27 12,27 13,89 13,89 15,52 15,52 17,15 17,15 18,78
2,58 10,65 12,27 12,27 13,89 13,89 15,52 15,52 17,15 17,15 18,78
2,61 10,74 12,37 12,37 14,01 14,01 15,65 15,65 17,29 17,29 18,93
2,61 10,74 12,37 12,37 14,01 14,01 15,65 15,65 17,29 17,29 18,93
2,61 10,74 12,37 12,37 14,01 14,01 15,65 15,65 17,29 17,29 18,93
2,62 10,76 12,40 12,40 14,03 14,03 15,68 15,68 17,32 17,32 18,97
241
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 ...
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
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)
idades.
EXEMPLO 1.2
Será desenvolvido segundo o método da diferença, ou seja,

considerando duas árvores medidas em duas idades l1 e I2. O modelo utilizado
será o de Bailey e Clutter para os dados da Tabela 4.1.
ln Hd1 = 0 + 1
Como se deseja gerar curvas de sítio polimórfica, serão consideradas as

duas funções em relação ao parâmetro específico de sítio ( 1).
243
1 =
Fazendo H2 igual ao índice de sítio (S) e I2 igual a idade de referência

(Iref) tem-se:
ln Hd = 0 + (21)
Substituindo os valores estimados de o e 2 em 21, tem-se:
ln H = 49,4797 +
(22)
244
Esta função é idêntica a combinação da função 20 e 18 utilizadas ou a

equação 20a e portanto os limites das classes de sítio nas diferentes idades será
os mesmos da Tabela 4.17.
Para obter o índice de sítio para qualquer dada idade tem-se:
ln Hd = 0 +
(22a)
A partir da equação 22(a) pode-se obter o índice de sítio de uma

parcela qualquer. Considere uma parcela na idade de 6 anos, com altura média
das árvores dominantes de 20m. Este é obtido como:
EXEMPLO 2
Será utilizado o método da diferença algébrica realizando ajuste com a

forma polimórfica do modelo de Bailey e Clutter a partir dos dados mostrados
na Tabela 4.18.
245
TABELA 4.18 - Arquivo de dados para ajuste dos dados pelo método da
diferença algébrica.
Projeto Talhão Parcela I1 I2 Hd1 Hd2

C531 01 01 2,58 3,59 11,20 15.00
C531 01 01 3.59 4.61 15.00 16.36
C531 01 01 4.61 5.63 16.36 18.50
C531 01 05 2.58 3.59 11.12 15.34
C531 01 05 3.59 4.61 15.34 17.52
C531 01 05 4.61 5.63 17.52 19.66
C531 02 02 2.62 3.64 15.04 17.24
C531 02 02 3.64 4.65 17.24 21.28
C531 02 02 4.65 5.67 21.28 23.58
C531 02 02 5.67 6.30 23.58 24.22
C531 02 03 2.62 3.64 12.30 16.30
C531 02 03 3.64 4.65 16.30 18.86
C531 02 03 4.65 5.67 18.86 21.62
C531 02 03 5.67 6.30 21.62 21.78
C531 02 05 2.62 3.64 12.60 15.26
C531 02 05 3.64 4.65 15.26 18.10
C531 02 05 4.65 5.67 18.10 21.16
C531 02 05 5.67 6.30 21.16 21.20
C531 03 01 2.61 3.63 14.30 17.50
C531 03 01 3.63 4.64 17.50 18.00
C531 03 01 4.64 5.66 18.00 21.56
C531 03 01 5.66 6.29 21.56 21.02
C531 03 02 2.61 3.63 15.62 19.44
C531 03 02 3.63 4.64 19.44 20.50
C531 03 02 4.64 5.66 20.50 23.48
C531 03 02 5.66 6.29 23.48 24.26
C531 03 03 2.61 3.63 13.56 16.54
C531 03 03 3.63 4.64 16.54 18.86
C531 03 03 4.64 5.66 18.86 21.68
246
C531 03 03 5.66 6.29 21.68 21.02

C531 06 01 2.69 3.71 15.14 20.80
Continua ...
C531 06 01 3.71 4.72 20.80 22.28
C531 06 01 4.72 5.74 22.28 24.26
C531 06 01 5.74 6.37 24.26 26.26
C531 07 01 2.66 3.68 15.74 23.30
C531 07 01 3.68 4.69 23.30 26.06
C531 07 01 4.69 5.71 26.06 29.70
C531 07 01 5.71 6.34 29.70 30.06
A equação ajustada foi ,
em que o coeficiente de determinação (R2) foi igual a 88,87% e o erro padrão

residual (Syx) de 1,23 m e Syx% de 5,92%.
A idade de referência foi de 7 anos. Para definir o limite inferior da

classe de sítio menos produtiva e limite superior da classe de sítio mais
produtiva, utilize a equação aos dados
da parcela da Tabela 4.1. O menor valor de altura média das dominantes

(20,95m) e o maior valor (31,42m) foram então obtidos. Readequando estes
valores tem-se 20 metros como limite inferior da classe de sítio menos produtiva
e 32 metros como limite superior da classe mais produtiva.
Assim, para uma amplitude de três metros na idade de referência pode-

se estabelecer qu
247
demais idades são obtidos pela expressão ou
conforme apresentados na Tabela 4.19
para viabilizar a identificação do índice de sítio de cada parcela, pode-se obter

diretamente o índice de sítio de cada parcela pela expressão
. Por exemplo para a 1ª medição da
parcela 1 no talhão 1 o índice de sítio é

0 , 667045
2 , 58
3 , 83401 7
3 , 83401
TABELA 4.19 - Limites inferior e superior de cada classe de sítio nas

diferentes idades.
Classe IV Classe III Classe II Classe I
Idade
LI LS LI LS LI LS LI LS
2,58 9,05 11,88 11,88 15,08 15,08 18,65 18,65 22,59
2,58 9,05 11,88 11,88 15,08 15,08 18,65 18,65 22,59
2,61 9,18 12,02 12,02 15,23 15,23 18,80 18,80 22,73
2,61 9,18 12,02 12,02 15,23 15,23 18,80 18,80 22,73
2,61 9,18 12,02 12,02 15,23 15,23 18,80 18,80 22,73
2,62 9,21 12,05 12,05 15,26 15,26 18,83 18,83 22,76
2,62 9,21 12,05 12,05 15,26 15,26 18,83 18,83 22,76
2,62 9,21 12,05 12,05 15,26 15,26 18,83 18,83 22,76
2,66 9,36 12,21 12,21 15,43 15,43 19,00 19,00 22,92
2,69 9,47 12,34 12,34 15,56 15,56 19,13 19,13 23,04
248
3,59 12,51 15,55 15,55 18,83 18,83 22,33 22,33 26,04

3,59 12,51 15,55 15,55 18,83 18,83 22,33 22,33 26,04
3,63 12,61 15,66 15,66 18,94 18,94 22,43 22,43 26,13
3,63 12,61 15,66 15,66 18,94 18,94 22,43 22,43 26,13
3,63 12,61 15,66 15,66 18,94 18,94 22,43 22,43 26,13
3,64 12,63 15,69 15,69 18,96 18,96 22,46 22,46 26,15
3,64 12,63 15,69 15,69 18,96 18,96 22,46 22,46 26,15
3,64 12,63 15,69 15,69 18,96 18,96 22,46 22,46 26,15
3,68 12,75 15,81 15,81 19,08 19,08 22,57 22,57 26,26
3,71 12,84 15,90 15,90 19,18 19,18 22,66 22,66 26,34
4,61 15,27 18,37 18,37 21,60 21,60 24,96 24,96 28,43
4,61 15,27 18,37 18,37 21,60 21,60 24,96 24,96 28,43
4,64 15,36 18,45 18,45 21,68 21,68 25,03 25,03 28,49
4,64 15,36 18,45 18,45 21,68 21,68 25,03 25,03 28,49
4,64 15,36 18,45 18,45 21,68 21,68 25,03 25,03 28,49
4,65 15,38 18,47 18,47 21,70 21,70 25,05 25,05 28,51
4,65 15,38 18,47 18,47 21,70 21,70 25,05 25,05 28,51
4,65 15,38 18,47 18,47 21,70 21,70 25,05 25,05 28,51
4,69 15,47 18,57 18,57 21,79 21,79 25,14 25,14 28,59
4,72 15,54 18,64 18,64 21,86 21,86 25,20 25,20 28,64
5,63 17,53 20,61 20,61 23,75 23,75 26,95 26,95 30,20
5,63 17,53 20,61 20,61 23,75 23,75 26,95 26,95 30,20
Continua ...
5,66 17,60 20,68 20,68 23,81 23,81 27,01 27,01 30,25
5,66 17,60 20,68 20,68 23,81 23,81 27,01 27,01 30,25
5,66 17,60 20,68 20,68 23,81 23,81 27,01 27,01 30,25
5,67 17,62 20,69 20,69 23,83 23,83 27,02 27,02 30,26
5,67 17,62 20,69 20,69 23,83 23,83 27,02 27,02 30,26
5,67 17,62 20,69 20,69 23,83 23,83 27,02 27,02 30,26
5,71 17,69 20,77 20,77 23,90 23,90 27,09 27,09 30,32
5,74 17,75 20,83 20,83 23,96 23,96 27,14 27,14 30,37
6,29 18,81 21,85 21,85 24,92 24,92 28,02 28,02 31,15
6,29 18,81 21,85 21,85 24,92 24,92 28,02 28,02 31,15
6,29 18,81 21,85 21,85 24,92 24,92 28,02 28,02 31,15
6,30 18,82 21,86 21,86 24,94 24,94 28,03 28,03 31,16
6,30 18,82 21,86 21,86 24,94 24,94 28,03 28,03 31,16
6,30 18,82 21,86 21,86 24,94 24,94 28,03 28,03 31,16
6,34 18,89 21,93 21,93 25,00 25,00 28,09 28,09 31,21
6,37 18,94 21,98 21,98 25,05 25,05 28,14 28,14 31,25
249
35
30
25
20
Hd (m)
15
10
0
0 1 2 3 4 5 6 7
Idade (anos)
idades.
4.11. Método de predição dos parâmetros para construção de curvas de

índice de sítio
250
Este método tem sido utilizado no ajuste de curvas de índice de sítio

polimórficas que não se cruzam, fazendo uso de parcelas permanentes ou de
análise de tronco,
De maneira geral 3 são os passos que devem ser observados para

confecção das curvas de índice de sítio,
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
Uma exemplificação detalhada dos passos acima é fornecida a seguir,

tomando-se por base os trabalhos de King (1966) e Machado (1980),
1º Passo
251
É necessário informações de altura dominante-idade, quando a parcela é

a árvore ou de altura média das árvores dominantes-idade quando considera-se a
parcela de área fixa. Na Tabela 4.20 são apresentados pares H-I de árvores
amostra cujo desenvolvimento da altura foi reconstituído através da técnica de
análise de tronco.
É necessário que estas árvores estejam distribuídas em todas as classes

de idade e em diferentes locais.
TABELA 4.20 - Pares Hd - I de árvores em que foi feita análise de tronco.
Árvore 1 .. Árvore 2 .. Árvore 19 .. Árvore 63 .. Árvore n

Hd I . Hd I . Hd I . Hd I . Hd I
16,900 11,30 12,300 6,60 10,000 9,20
16,838 11,00 12,289 6,00 9,922 9,00
16,385 10,00 10,467 5,00 9,457 8,00
15,490 9,00 8,042 4,00 9,031 7,00
14,652 8,00 5,743 3,00 8,410 6,00
13,267 7,00 3,311 2,00 7,326 5,00
10,978 6,00 1,400 1,00 5,784 4,00
9,021 5,00 4,403 3,00
7,411 4,00 2,827 2,00
5,273 3,00
3,450 2,00
1,253 1,00
A partir do arquivo de dados para cada árvore ou parcela devem ser

ajustados modelos que se expressam o comportamento da altura em função da
idade, selecionando o mais adequado,.
252
Neste exemplo o modelo de trabalho será o de Prodan:
H = I2/( O + 1 I+ 2
2I ) (1)
Este modelo pode ser rearranjado da seguinte maneira:
I2/H = O + 1 I+ 2I
2
2
Z= O + 1 I+ 2I (2)
onde:
H = altura em metros
I = idade em anos
i = parâmetros a serem estimados
O ajuste do modelo (2) para cada árvore amostra resultou nas seguintes
equações:
ÁRVORE 1: Z1 = 0,73047 + 0,15388 I + 0,07449 I2 (equação de

crescimento da altura para árvores 1)
ÁRVORE 2: Z2 = -0,60323 + 0,24740 I + 0,03061 I2 (equação de

253


ÁRVORE n: Zn = 0,36146 + 0,38027 I + 0,0706 I2 (equação de

crescimento da altura para árvores n)
Uma variável de interesse que deve ser decidida é a idade índice ou de

referência, No exemplo, foi considerado 10 anos, Deve-se lembrar, que esta
idade expressa o índice de sítio através da altura da árvore dominante.
2º Passo
Para se efetuar a definição da amplitude do Índice de Sítio (S) já se tem

os elementos necessários, quais sejam, as equações que expressam o crescimento
em altura da árvore 1 até a árvore n e a idade de referência 10 anos.
Índice de sítio da árvore 1:
Z1 = 0,73047 + 0,15388(10) + 0,07449(10)2 = 9,7
254
Índice de sítio da árvores n:
Zn = 0,36146 + 0,38027(10) + 0,00706(10)2 = 4,87
Assim voltando ao modelo (1), se obtém o valor do índice de sítio em

metros, somente efetuando uma retransformação nos valores de Z.
2
Z= O+ 1 I+ 2I , portanto, I2/H = O + 1 I+ 2I
2
então:
I2/H = Z e (S) = H = (I2ref,/Z) na idade de referência.
Índice de sítio da árvore 1:
H = (10)2/9,7 = 10,3 m
Índice de sítio da árvores n:
H = (10)2/4,87 = 20,53 m
Desta maneira a amplitude dos índices de sítio das árvores individuais

variou de 10,3 a 20,53 metros, Para efeitos práticos pode-se considerar que a
amplitude das alturas na idade índice varia de 10 a 20 metros.
255
Pode-se então estabelecer que 5 classes com intervalo de 2 m são

suficientes.
Classe V = 10 12 m
Classe IV = 12 14 m
Classe III = 14 16 m
Classe II = 16 18 m
Classe I = 18 20m
Desta maneira os índices de sítio a serem adotados serão a média de

cada classe na idade de referência.
S = 11 m
S = 13 m
S = 15 m
S = 17 m
S = 19 m
3° Passo
Para traçar as curvas de índice de sítio deve-se:
Relacionar cada parâmetro das curvas ajustadas com o respectivo valor

de índice de sítio na idade de referência (Z10) para todas as árvores
256
amostra ou parcelas, Neste exemplo, adotou-se um polinômio do 1°

grau.
O = O 1 10
1 = O 1 10
2 = O 1 10
Serão tantos pares O-Z10 , 1-Z10, 2-Z10 quantas forem as árvores

amostra,
Desenvolvimento das equações finais para construção das curvas de

índice de sítio polimórficas.
As equações de estimativas dos parâmetros do item "a" no passo 3 foram

utilizadas para reestimar os coeficientes do modelo (2).
O = -0,63224 + 0,18038 Z10
1 = 0,52302 0,03363 Z10
2 = -0,03593 + 0,00995 Z10
Na Tabela 4.21 é apresentado um exemplo de como obter as estimativas

dos parâmetros para cada índice de sítio
257
TABELA 4.21 - Estimativas dos parâmetros de cada índice de sítio.
Classe Índice de Sítio Parâmetros estimados

De Real Transformado O 1 2
Sítio (Z10)
V 10 10,00 1,17156 0,1867 0,06357
11 = S 9,09 1,0074 0,2173 0,0545
12 8,33 0,8703 0,2429 0,0469
12 8,33 0,8702 0,2429 0,0469

IV 13 = S 7,69 0,7549 0,2644 0,0406
14 7,14 0,6556 0,2829 0,0351
Continua ...
14 7,14 0,6556 0,2829 0,0351
III 15 = S 6,67 0,5708 0,2987 0,0304
16 6,25 0,4951 0,3128 0,0262
16 6,25 0,4951 0,3128 0,0262

II 17 = S 5,88 0,4284 0,3253 0,0226
18 5,55 0,3689 0,3364 0,0193
18 5,55 0,3689 0,3364 0,0193

I 19 = S 5,26 0,3165 0,3461 0,0164
20 5,00 0,2697 0,3549 0,0138
onde:
Os valores transformados de sítio são obtidos como:
258
Z=
Para o índice de sítio 10 m o valor de Z é : Z = 102/10 = 10,0
Para o índice de sítio 11 m o valor de Z é : Z = 102/11 = 9,09
Para o índice de sítio 20 m o valor de Z é Z = 102/20 = 5,0
Esta transformação é para deixar os valores de Z na idade referência (10

anos) proporcionais ao índice de sítio (S) de Z10, Os parâmetros para Z igual a
10 são:
O = -0,63224 + 0,18038(10) = 1,1715
1 = 0,52302 0,03363(10) = 0,1867
2 = -0,03593 + 0,00995(10) = 0,0635
Para os demais índices de sítio o mesmo procedimento deve ser adotado.
Observou-se na Tabela 6.2 que os coeficientes de 1 variam de sítio para

sítio indicando a presença de polimorfismo das curvas a serem traçadas.
4° Passo
259
Muitas vezes as estimativas do índice de sítio na idade índice não batem

com os valores reais sendo necessário correção dos coeficientes estimados no
passo 3 para os índices de sítio discriminados.
Verificação
Utilizando a equação que representa a curva correspondente ao S = 11 m

ou Z = 9,09 verifica-se que:
Z10 = 1,007 + 0,21732(10) + 0,05452(10)2 = 8,632 quando deveria ser

igual 9,091, Para os demais índices de sítio o mesmo comportamento é
verificado na Iref, como pode ser visto na Tabela 4.22.
TABELA 4.22 - Diferença entre os valores reais e estimados de 10.
Índice Valores Diferença

10
de Reais Estimado pela
Sítio De Z10 Z10 - 10
Equação corresp,
10 10,000 9,3900 0,6100
11 9,091 8,6320 0,4590
12 8,330 7,9893 0,3407
13 7,692 7,4589 0,2331
14 7,140 6,9946 0,1454
15 6,667 6,5979 0,0691
16 6,250 6,2431 0,0069
17 5,882 5,9414 - 0,0594
18 5,556 5,6629 - 0,1069
19 5,263 5,4175 - 0,1545
20 5,000 5,1987 - 0,1987
260
Observe que os valores de Z10 para os menores índices de sítio são

inferiores ao real o que leva a super estimativas, enquanto que para os maiores
índices de sítio são superiores ao real o que levam a subestimativas, sendo
portanto necessário corrigir os coeficientes das 11 equações do passo 3, já
apresentadas na Tabela 6.2.
Esta correção é feita adicionando-se a diferença Z10- 10 aos valores de

Z10 de modo a corrigi-los, Substituindo estes valores nas equações:
O = -0,63224 + 0,18038 (Z10)
1 = 0,52302 0,03363 (Z10)
2 = -0,03593 + 0,00995 (Z10)
Tem-se então uma nova tabela (Tabela 4.23) onde apresenta-se os

valores corrigidos para os coeficientes O, 1, 2.
TABELA 4.23 - Estimativas corrigidas dos parâmetros de cada índice de sítio.
Classe Valores Valores Parâmetros estimados corrigidos

de Limite Reais corrigidos
O 1 2
qualidade de Z10 de Z10
10 10,000 10,6100 1,2816 0,1662 0,0696
V 11 9,091 9,5500 1,0904 0,2019 0,0591
12 8,330 8,6707 0,9318 0,2314 0,0503
12 8,330 8,6707 0,9318 0,2314 0,0503

IV 13 7,692 7,9251 0,7973 0,2565 0,0429
14 7,140 7,2854 0,6819 0,2780 0,0366
14 7,140 7,2854 0,6819 0,2780 0,0366

III 15 6,667 6,7361 0,5828 0,2965 0,0311
261
16 6,250 6,2569 0,4964 0,3126 0,0263
16 6,250 6,2569 0,4964 0,3126 0,0263

II 17 5,882 5,8226 0,4180 0,3272 0,0220
18 5,556 5,4491 0,3507 0,3390 0,0183
18 5,556 5,4491 0,3507 0,3390 0,0183

I 19 5,263 5,1085 0,2892 0,3512 0,0149
20 5,000 4,8013 0,2338 0,3616 0,0118
Pode-se agora obter os limites inferiores e superiores de cada classe de
sítio, conforme mostrada na Tabela 4.24 e Figura 4.15.
TABELA 4.24 - Limite inferior e superior de cada classe de sítio.
Idade em Classes de Qualidade

Anos V IV III II I
01 0,6 0,8 0,8 1,0 1,0 1,2 1,2 1,4 1,4 1,6
02 2,1 2,5 2,5 2,9 2,9 3,3 3,3 3,6 3,6 4,0
03 3,7 4,3 4,3 4,9 4,9 5,4 5,4 5,9 5,9 6,3
04 5,2 6,0 6,0 6,7 6,7 7,4 7,4 8,0 8,0 9,6
05 6,5 7,5 7,5 8,4 8,4 9,2 9,2 10,0 10,0 10,7
06 7,5 8,7 8,7 9,8 9,8 10,8 10,8 11,8 11,8 12,7
07 8,4 9,8 9,8 11,1 11,1 12,3 12,3 13,5 13,5 14,7
08 9,1 10,7 10,7 12,2 12,2 13,7 13,7 15,1 15,1 16,5
09 9,6 11,4 11,4 13,2 13,2 14,9 14,9 16,6 16,6 18,2
10 10,1 12,1 12,1 14,0 14,0 16,0 16,0 18,0 18,0 19,9
11 10,5 12,6 12,6 14,8 14,8 17,0 17,0 19,2 19,2 21,5
12 10,8 13,1 13,1 15,5 15,5 17,9 17,9 20,4 20,4 23,0
13 11,1 13,6 13,6 16,1 16,1 18,8 18,8 21,5 21,5 24,4
14 11,4 14,0 14,0 16,7 16,7 19,5 19,5 22,5 22,5 25,8
262
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
FIGURA 4.15 Limites inferiores e superiores de cada classe de sítio
Exemplo 2:
Neste exemplo o modelo considerado será o de Chapman-Richards.
A base de dados advém de remedições em parcelas permanentes ou

análise de tronco.
A função que será ajustada a cada unidade amostra é
H= 1 [1-exp (- 2)](1/(1- 3))
onde:
263
H = altura em uma determinada idade
I = idade
1, 2, 3 = parâmetros a serem estimados para cada árvore
Após o ajuste das equações que expressam o crescimento em altura

para as n parcelas consideradas, assim como a definição da idade de referência
deve-se obter o valor de índice de sítio para cada árvore de modo que se saiba
sua amplitude e se estabeleça o intervalo e o número destas classes de sítio.
Correlacionar os parâmetros 1, 2, 3, com o seu respectivo índice

de sítio, Neste exemplo considere as seguintes relações:
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.
As equações resultantes para estimativas dos parâmetros são:
1 = 63,1415 + 0,6350805 S
2 = 0,00643041 + 0,000124189(S) + 0,00000162545(S)2
3 = 0,0172714 0,00291877S + 0,0000310915(S)2
264
Observe que para qualquer valor de S a equação abaixo possibilita

obter informações sobre as alturas nas diferentes idades.
H = [63,1415 + 0,635080(S)] {1-exp[(-0,00643041 - 0,000121489(S)
-0,00000162545 S2),I]}1/[1 - (0,0172714 + 0,00291877 S - 0,0000310915 )]

(4)
Este procedimento permite traçar as curvas de índice de sítio, as como as

curvas limites das classes de sítio.Entretanto como mencionado no exemplo
anterior é necessário verificar se a altura estimada na idade de referência é igual
ao valor do S, Se iguais, as curvas definitivas são obtidas com a equação (4),
caso contrário faz-se correções nos coeficientes da equação (4) como aquele
efetuado no exemplo anterior, para que se possa traçar as curvas definitivas de
índice de sítio (S) e das curvas limites das classes de sítio.
4.11.2. Limitações do procedimento
Quando os modelos de predição dos parâmetros (equação 3) são

ajustados e pares de valores altura-idade são geradas para traçar as curvas de
índice de sítio, geralmente será encontrado que a estimativa da altura na idade
referência, não corresponde ao valor do índice de sítio, sendo necessário fazer
correções nestas equações de predição dos parâmetros para que se tenha altura
na Iref, igual ao índice de sítio;
Nos demais métodos discutidos a escolha da idade índice não afeta a

forma da curva de índice de sítio produzida, Já no método de predição dos
parâmetros a escolha da idade índice afeta as equações de predição dos
265
parâmetros e assim para diferentes idades de referência escolhida, pode-se obter

diferentes curvas de índice de sítio, indicando que estas não são invariantes com
as diferentes idades de referência escolhidas, ;
Observa-se que modelos similares a (3) possibilitam que a equação

(4) possa ser solucionada para altura, ao se fornecer o valor desejado de S e a
idade e tais soluções são utilizadas para traçar as curvas de índice de sítio,
Entretanto, para muitas funções que expressam altura em função da idade e
em particular o modelo de Chapman-Richards a equação (4) não se resolve
explicitamente para o índice de sítio, sendo dados altura e idade, Nesta
situação o índice de sítio só pode ser estimado por processos iterativos ou por
interpolação gráfica, .
Considerando-se a equação de Prodan verificar-se-á que este

inconveniente é eliminado.
Relembrando:
Z = I2/[(bO +b1I + b2I2]
onde:
bO = b1 1
b1 = bO 1
b2 = bO 1
Z = I2 ref,/S
Iref = 10 anos
266
A função que expressa a relação altura em função da idade é então

obtida e apresentada a seguir.
H = I2/[(bO ,+ b1 O 1 O 1
2
] (5)
Assim rearranjando a expressão (5) e substituindo Z por (I2ref,/S) tem-se

a expressão que possibilita a obtenção do índice de sítio, podendo-se então obtê-
lo diretamente quando são fornecidos valores altura-idade.
S=
4.12. Considerações sobre a escolha de equações para fins de avaliação dos

sítios
A seguir na Tabela 4.25, são apresentados 7 modelos matemáticos que

foram ajustados para 672 pares de valores altura média das dominantes-idade
advindos de 260 parcelas temporárias de 600 m2 e de 26 árvores de análise de
tronco.
TABELA 4.25 - Modelos para expressar a relação altura dominante-idade.
1 ln (hd) = O + 1 (1/I)
2 Hd = O + 1 ln (I)
3 ln (Hd) = O + 1 (1/I) + 2 (1/I2)
267
4 ln (Hd) = O + 1 (1/I) + 2 (1/I2) + 3 ((1/I3)

5 Hd = I2/[ O + 1I + 2
2I ]
6 Hd = O[1 exp ( 1 (I))]

2
7 Hd = O[1 exp ( 1 (I))]
sendo que 2 = 1/(1-m)
onde:
Hd altura média das árvores dominantes/parcela
I idades (anos)
exp - exponencial
ln logaritmo natural
is parâmetros a serem estimados.
Os dados são representativos das áreas reflorestadas do Estado do

Paraná e Santa Catarina e a espécie considerada é Pinus elliottii.
Deseja-se abordar como a seleção de modelos matemáticos com base no

coeficiente de determinação (R2) e no erro padrão residual (Syx) podem propiciar
a seleção de modelos inadequados para expressar o potencial dos sítios e como
se deve proceder para não incorrer em tais erros.
Os dados utilizados atendem ao pressuposto básico da regressão de

homogeneidade de variância, Os coeficientes dos modelos testados assim como
as medidas de precisão são apresentadas na Tabela 4.26.
268
TABELA 4.26 - Coeficientes e medidas de precisão para Pinus eliiottii no

Estado do Paraná e Santa Catarina.
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
O coeficiente de determinação (R2) foi corrigido para possa que haver

base de comparação entre todos os modelos, Também o erro padrão residual
(Syx), que para os modelos logaritmizados foram obtidos, em In m, foram
retransformados para "m" (metros) utilizando-se da retransformação da soma
dos quadrados dos resíduos.
Os valores de t foram significativos ao nível de significância = 0,05,

para todos os coeficientes dos sete modelos testados.
Observou-se pelo valor de R2 (expressa quanto das variações da variável

dependente é explicada pela variável independente) e do erro padrão residual
(expressa o quanto em termos médios os valores observados variam em torno
dos estimados) que os modelos 4, 5, 6 e 7 apresentam valores relativamente
próximos com uma superioridade ligeira para o modelo biológico de Chapman-
Richards (modelo 7).
269
Entretanto um dos mais importantes elementos para avaliação de um

modelo matemático é a visualização dos seus resíduos distribuídos em função de
determinada variável de interesse, Pode-se verificar esta distribuição em relação
a idade, nas Figuras 4.15, 4.16, 4.17, 4.18, 4.19, 4.20 e 4.21, respectivamente
para os sete modelos utilizados.
É prática comum no meio florestal selecionar a equação observando as

medidas de precisão da regressão, no caso R2 e Syx, Este procedimento em
determinadas situações, pode levar a resultados absolutamente incorretos,
Observando apenas o ajuste e estatísticas dos modelos 1, 2, e 3 como mostrado
na Tabela 4.26 verifica-se que os seus valores de R2 são respectivamente 85, 87
e 94,6% números que expressam R2 relativamente altos para fins de índice de
sítio, conforme pode ser observado na literatura florestal, Dentre os três
modelos, o de número 3 seria o selecionado, pois tem o maior R2 e o menor erro
padrão da estimativa 2,32 m.
FIGURA 4.15 - Distribuição dos resíduos (m) em função da idade em anos para
o modelo 1.
270
FIGURA 4.16 - Distribuição dos resíduos (m) em função da idade para o

Modelo 2.

Modelo 3.
271

Modelo 4.

Modelo 5.
272

Modelo 6.

Modelo 7.
No entanto, claramente se identificou tendenciosidade na distribuição

dos resíduos, para os três modelos selecionados, conforme visualizado nas
Figuras 4.15, 4.16 e 4.17. O modelo 1, apresenta tendência de super estimar as
alturas médias das árvores dominantes até a idade de 10 anos e também
tendência para subestimar estas alturas nas idades acima de 10 anos, Para o
modelo 2 pode-se verificar que a mesma tendência continua existindo, Para o
273
modelo 3 a tendência é a mesma em que pese ter sido adicionado um termo

quadrático em idade. Com estas distribuições de resíduos, concluiu-se que a
curva média, está distorcida entre os pares - I, advindos da amostra, Se o

manejador não tivesse observado a distribuição dos resíduos, certamente
escolheria o de número 3, Neste caso as curvas limites das classes de sitio (que
são obtidas da curva média) apresentariam a mesma distorção da curva média, o
que implicaria na construção de curvas de sítio distorcidas da realidade do
desenvolvimento da altura média das dominantes em relação a idade.
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.
Dentre os sete modelos testados o modelo selecionado foi o de número

7, ou de Chapman e Richards, Assim, deve-se testar tantos modelos quanto
sejam necessários para alcançar uma distribuição de resíduos sem
2
tendenciosidade, um alto valor de R e um baixo valor de erro padrão residual,
Deve-se ter sempre em mente que a construção de curvas de sítio anamórficas
dependem fundamentalmente da curva média e que distorções nestas são
identificadas facilmente ao observar a distribuição gráfica de resíduos,
274
4.13. Limitações da classificação de sítio
a) Se ocorre distorções na curva média, as curvas de índice de sítio não

representam o desenvolvimento da relação altura-idade, Este fato pode ocorrer
quando as observações não são igualmente distribuídas nos diferentes sítios em
todas amplitudes de idades, haja visto que os povoamentos nos melhores sítios já
atingiram padrão para serem cortados, não estando mais disponíveis quando se
realiza a amostragem, Na Figura 4.22 é apresentada uma ilustração deste fato
FIGURA 4.22 - Subestima o índice de sítio dos povoamentos velhos enquanto

super estima o índice de sítio em povoamentos jovens.
b) Se a tendência natural do crescimento varia de um índice de sítio para outro,

então a família de curvas anamórfcas não representa a relação altura-idade
em pelo menos alguma fase do seu desenvolvimento, conforme ilustrado na
Figura 4.23.
275
FIGURA 4.23 - Mostra curva de sítio anamórficas expressando a relação Hd - I,

quando a relação real tem comportamento polimófico.
4.14. Efeito da densidade na determinação do sítio
O conceito de que a qualidade do sítio é expresso pelas alturas das

árvores assume que a densidade não tem influência significativa no crescimento
em altura das árvores dominantes e codominantes, Entretanto, nem sempre é
verdadeira tal afirmativa, Experimento de Reukema de 1959 com Douglas Fir e
apresentado por King (1966) mostra que a altura média das árvores das parcelas
não é a mesma quando se considera diferentes espaçamentos e que tendência
similar é verificada para a altura das árvores dominantes e codominantes. Para
comprovar tal fato, este autor, verificou que o índice de sítio no espaçamento
1,2x1,2m foi de 22 metros enquanto que num espaçamento 3,6 x 3,6 m foi de
33,7 metros.
Assim, diferenças no Índice de Sítio como resultado de diferentes

densidade no povoamento podem ocorrer, porque a forma e a tendência do
crescimento em altura varia com a densidade do povoamento, esta afirmativa é
276
controvertida, a não ser em casos extremos de espaçamento ou proque níveis de

índice de sitio variam com a densidade do povoamento,
De maneira geral, a densidade aparentemente não afeta o crescimento

em altura das árvores dominantes, e toda influência observada na determinação
do sítio deve ser expressada pelo índice de sítio. Isto é, menores índices de sítio
podem ser associados com aumento da densidade do povoamento em condições
de solos e clima uniformes.
4.15. Efeito da idade na precisão do índice de sítio
Observe-se que se o índice de sítio é estabelecido para 20 anos e as

curvas são construídas pelo uso de regressões da forma:
Hi = ai + bi (H20)
Por outro lado se a idade índice é estabelecida para 40 anos, a regressão

tem a forma:
Hi = ai + bi (H40)
A curva dependerá da idade índice usada e pode ser assumido, que a

idade índice será afetada pela precisão (isto é, a extensão do erro casual) dos
índices de sítio estimados, Na Figura 4.24 apresenta-se curvas de índice de sítio
obtidas a partir da idade índice de 20 anos (linha cheia) e 40 anos (linhas
pontilhadas).
277
É observado que a idade índice tem uma marcada influência precisão

das estimativas de índice de sítio e que nem mesmo grandes intensidades
amostrais das alturas podem remover completamente este efeito.
Diferenças na forma da curva, são devido a diferença na idade índice e

não a fatores afetando o crescimento em altura da espécie em questão.
FIGURA 4.24 - Mostra efeito da idade na precisão do índice de sítio.
Devido ao erro de amostragem na relação altura-idade, que é retratada

pelas curvas de índice de sítio, pode-se ter erros no índice de sítio estimado, A
faixa destes erros torna-se ampla se a variação nas alturas, as quais as curvas são
confeccionadas, é levada em consideração. Assim, um proveitoso uso dos
índices estimados depende parcialmente de precisão, isto é, da extensão do erro
casual.
Em virtude deste fato Heger (1971) apresenta a construção de limites de

confiança para índices de sítios obtidos a partir de baseadas em análise de
tronco. O método descrito por Heger (1968) usa de regressão linear para
278
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.
A regressão tem a forma geral:
Hi = ai + bi (S), onde o índice de sítio pode ser definido como a altura

obtida em qualquer uma idade especificada I.
Assim se o índice de sítio é na idade de referência (Iref,) de 20 as curvas

são construídas usando regressão da forma:
Hi = ai + bi (H20)
onde:
Hi = altura total na idade I
H20 = altura total na idade 50 anos (índice de sítio)
A aplicação destas curvas implica que o modelo é usado na sua forma

inversa de modo que o índice de sítio é a variável dependente:
H20 = (Hi ai) / bi
5. TÉCNICAS DE PREDIÇÃO E PROJEÇÃO DO CRESCIMENTO E

PRODUÇÃO COMO SUPORTE PARA O MANEJO FLORESTAL
279
Uma maneira lógica de expressar o crescimento ou incremento

(acréscimo do elemento dendrométrico considerado) e a produção florestal
(crescimento acumulado) é através de um modelo, sendo que este pode ser
caracterizado por gráficos, por tabelas, por gráficos e tabelas, por uma equação
ou um conjunto de equações, ou um conjunto de submodelos cada qual com uma
ou mais equações.
Diversos estudos, em todo o mundo estão sendo realizados utilizando a

modelagem do crescimento e da produção, havendo duas grandes tendências: Os
modelos descritivos ou biométricos, e os modelos baseados em processos ou
mecanícistos.
Os modelos baseados em processos são uma ciência em
desenvolvimento crescente vinculada à fisiologia vegetal. Este ramo de
conhecimento tem evoluído consideravelmente nos estudos de interação planta x
solo x atmosfera, conferindo uma visão mais generalista e fisiologicamente
embasada para estimativa de crescimento. Este ramo de conhecimento tem
evoluído consideravelmente nos estudos de interação planta x solo x atmosfera,
conferindo uma visão mais generalista e fisiologicamente embasada para
estimativa de crescimento Genericamente, a fase nos estudos ecofisiológicos, é
de pesquisa básica e os retornos de aplicação essencialmente práticas, são
vislumbrados para horizontes mais distantes (Stape, 1999).
Muitos modelos baseados em processos não tem sido utilizados para

finalidade de manejo. Com a necessidade crescente da sustentabilidade das
práticas de manejo florestal, há a necessidade de se predizer as mudanças nos
parâmetros ecológicos como disponibilidade de nutrientes ou conteúdo de
matéria orgânica no solo na resposta ao manejo. Este fato força a necessidade de
280
interação (Linkage) entre os modelos ecofisiológicos e os modelos mais

tradicionais de crescimento florestal utilizados no manejo.
Os modelos descritivos, biométricos ou empíricos reproduzem muito

bem as situações do mundo real mas estritamente dentro da base de dados
considerada na sua formulação (Burkhart, 1999). Estes modelos tentam
representar indiretamente o efeito do ambiente e das práticas silviculturais no
desenvolvimento das árvores de um povoamento florestal, utilizando fontes de
variação como o sítio, a área basal e a idade. Modelos com propriedades
biológicas e amparados numa amostragem adequada, com informações precisas
e remedições, propiciam prognoses do crescimento e da produção florestal com
elevado grau de confiabilidade.
Os modelos biométricos podem ser classificados em modelos para o

povoamento, modelos por classe diamétrica e modelos para árvores individuais,
podendo ainda serem classificados pelas populações para as quais a predição é
possível, como modelos para florestas plantadas: não desbastadas ou desbastadas
e modelos para florestas nativas: de diferentes idades; de idade homogênea ou
mista.
A partir deles pode-se prescrever regimes de manejo adequados para

cada espécie, em cada sítio, que visem a qualidade do produto final como
desbaste, rotação econômica ótima e planejamento da colheita. Com a prognose
da produção é possível também viabilizar a adoção de um plano de suprimento
através da otimização da produção ou ainda da minimização de custos.
Ao manejador florestal compete manejar inteligentemente estruturas

florestais não estáveis ou não balanceadas, caso típico de florestas plantadas no
Brasil. Uma das alternativas para alcançar este objetivo, de maneira eficiente, é
281
verificar qual o regime de manejo, ou o plano de manejo, que mais se aproxime

do ótimo. Para tal, torna-se necessário que em cada unidade de corte (talhão ou
grupo de talhões), uma análise através do valor atual líquido do fluxo de caixa
de infinitas rotações, seja implementada.
Sem dúvida, o componente mais importante para esta análise é a

predição presente e futura da produção por sítio, idade e densidade do
povoamento. Assim, sem que seja feito forte investimento na predição presente e
futura da produção de povoamentos florestais, que propiciem informações
seguras e precisas sobre a população florestal, não se consegue obter planos de
manejos otimizados que mantenham vínculo estreito com a realidade.
Já com relação as florestas nativas, que normalmente tem ciclos de

cortes longos, prognosticar o crescimento em diâmetro ou em área basal, a taxa
de mortalidade e a taxa de "ingrowth" são informações básicas para que análises
de investimento sejam efetuadas, assim como a definição de ciclos de corte que
tornem a atividade sustentável. Para tal uma boa rede de parcelas permanentes
mensuradas periodicamente é fundamental.
Há também uma tendência de mesclar os modelos biométricos

tradicionais com os modelos por processo (Reed, 1999; Kimmins et al., 1999;
Burkhart, 1999), pois percebe-se que as duas filosofias de modelagem podem ser
mutuamente complementares, se bem entendidas e analisadas. Genericamente, a
fase nos estudos ecofisiológicos, é de pesquisa básica e os retornos de aplicação
essencialmente práticas, são vislumbrados para horizontes mais distantes (Stape,
1999).
282
Modelos descritivos x Modelos baseados em processo
Um gráfico proposto por Modelos descritivos x Modelos baseados em

processo, ilustra bem a habilidade dos modelos biométricos e dos
modelos baseados em processos. Se desejada generalização na
informação deve-se utilizar os modelos baseados em processos. No
entanto a precisão da informação é menor. Já nos modelos biométricos a
informação é restritada a base de dados que a gerou, no entanto,
apresenta alta precisão, conforme ilustrado na Figura 5.1.
FIGURA 5.1 - Características dos modelos baseados em processos e dos

modelos descritivos.
Antes de apresentar uma caracterização dos diversos modelos produção,

torna-se necessário definir alguns pontos básicos:
Predição e projeção da produção
A distinção entre estes dois pontos é mais complexa do que comparação

das palavras presente e futuro podem sugerir. A diferença básica é que, predição
283
não envolve projeção da densidade do povoamento, enquanto que projeção da

produção sim.
Modelo de produção explícito
É aquele em que a solução da(s) equação(ões) que o compõem,

propiciam a predição da produção (ex.: volume), por unidade de área.
Um exemplo deste tipo de modelo é:
In V = b0 + b1 I + b2 f(S) + b3 g(Ds)
onde:
V = volume/hectare
I = idade do povoamento
f(S) = função do índice de sítio
g(Ds) = função de densidade do povoamento
Modelo de produção implícito
É aquele em que a(s) equação(ões) que o compõem propiciam

informações sobre a estrutura do povoamento. Um exemplo deste tipo de
modelo é aquele relacionado com a distribuição diamétrica, usando alguma
função de probabilidade como por exemplo a função Weibull:
284
f(x) = c/b [(x - a)/b]c-1 exp {- [(x - a)/b]c}
onde:
x = variável independente, normalmente o diâmetro
a = limite inferior da variável x
b = parâmetro de escala
c = parâmetro de forma
Comparação dos modelos biométricos
Estudos desenvolvidos por Daniels et al. (1979) em Pinus taeda,

efetuando, análise comparativa, entre modelo a nível de povoamento, modelo
por classe diamétrica e modelo para árvores individuais, mostraram que os três
tipos de modelos, propiciaram estimativas acuradas da produção, o que expressa,
que a escolha do modelo de produção depende basicamente do nível de
detalhamento que se quer.
Burkhart et al. (1981) comentando sobre o nível de detalhamento dos

vários modelos, enfatiza que aqueles a nível de povoamento devem ser
geralmente aplicados quando estimativas gerais sobre a população são desejadas,
sendo estes procedimentos computacionalmente eficientes. Este modelo não
fornece elementos para que se proceda uma avaliação econômica das várias
opções de utilização dos produtos florestais, além de serem inflexíveis para
analisar desbastes a serem simulados no povoamento.
285
Os modelos de distribuição por classe diamétrica, possibilitam a

avaliação econômica de produtos discriminados por classe de tamanho.
Computacionalmente, é mais dispendioso que o modelo para todo o
povoamento, além de ser inflexível para analisar uma "ampla" faixa de
desbastes, a serem simulados no povoamento.
Já os modelos para árvore individual, apresentam um máximo

detalhamento e flexibilidade, para avaliar opções de utilização e tratamentos no
povoamento. Entretanto, suas aplicações são mais dispendiosas, requerem
equipamentos de computação mais sofisticados e grande tempo de execução
para que estimativas das variáveis de interesse do povoamento sejam obtidas,
quando comparadas àquelas propiciadas pelos modelos que fornecem
estimativas globais para o povoamento ou com os modelos de distribuição
diamétrica.
5.1. Modelos de produção ao nível do povoamento
O rendimento sustentado das florestas requer não somente um

conhecimento do estoque de crescimento da floresta, mas também um
conhecimento das produções esperadas no futuro, conforme Assman (1970).
286
Assim, praticamente todos os grandes florestais da Alemanha do século

XVIII e início do século XIX executaram estudos de produção. Segundo Spurr
(1952), tabelas de produção fornecendo volume médio dos povoamentos em
várias idades, e crescendo em vários sítios foram usadas na Europa antes do fim
do século XVIII, sendo que a tabela de produção normal foi desenvolvida na
Alemanha, usada para estimativa do crescimento e também para estimativa do
volume.
Os primeiros estudos de crescimento e produção segundo Fernow, em

1913, citado por Curtis (1965) foram realizados em 1795 por Oberforster J. Ch.
Paulsen, que desenvolveu tabelas de produção para importantes espécies de
árvores. Em 1797 Spaeth e em 1799 Seutter elaboraram as primeiras curvas de
crescimento para árvores individuais. Em 1823 Hossfeld concebeu a idéia do uso
de parcelas permanentes para estudo de crescimento, em 1824 Huber e
Hundeshagem publicaram a primeira tabela de produção normal e em meados do
século XIX M.R. Pressler desenvolveu inúmeros métodos e inventos para
determinação do volume de madeira e incremento do crescimento de árvores e
povoamentos.
Como pode ser encontrado em Spurr (1952), os primeiros estudos de

crescimento na América do Norte foram realizados por Carry em 1896, Graves
em 1899 e Pinchot em 1898. Estes estudos basearam-se na análise dos anéis de
crescimento na altura de corte (toco), os quais produziram informações de
crescimento corrente das árvores individuais, sem levar em consideração a
mortalidade, ingresso e outras informações, que possibilitam a predição do
crescimento líquido do povoamento. Já as tabelas de produção normais foram
confeccionadas primeiramente por Pinchot e Graves em 1896.
287
5.1.1. Modelos de produção normal
Foram desenvolvidos na Alemanha no século XVIII e aplicados em

florestas nativas nos povoamentos chamados completamente estocados ou
normais, nunca sujeitos a desbastes.
O uso destas tabelas de produção normal foi um expediente natural nos

estágios iniciais dos florestais dos EUA. Em geral, faziam uso de 100 a 300
parcelas, subjetivamente escolhidas, em povoamentos completamente estocados
(100% do sítio é coberto pelas copas das árvores).
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).
5.1.2 Modelos de produção empíricos
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
considerada constante e a predição é expressa para a densidade média do

povoamento.
Desta maneira, esta tabela de produção pode ser aplicada a povoamentos

completamente estocados e/ou a povoamentos super estocados (copas das
árvores cobrem mais de 100% da superfície do terreno) e/ou a povoamentos
subestocados (copas das árvores cobrem menos de 100% da superfície do
terreno), bastando para tal considerar-se a densidade média.
Esta modalidade de tabela de produção também foi bastante utilizada

nos EUA quando havia grandes áreas florestais nativas onde era possível
identificar se os povoamentos eram completamente, super ou sub-estocados.
O termo modelo empírico é também utilizado para definir aqueles

modelos matemáticos para predizer o crescimento que não tem uma base
biológica.
5.1.3 Modelos de produção de densidade variável
Além das limitações já apresentadas, para os modelos de produção ao

final da década de 1930, com os trabalhos de MacKainey et al. (1937, 1939) a
técnica de regressão múltipla foi introduzida no meio florestal, tornando possível
análises que tinham sido impraticáveis pelo método gráfico. Estes fatores,
levaram a tentativas de desenvolver tabelas de produção usando 3 variáveis
independentes, com a adição da densidade.
289
Estes modelos foram desenvolvidos tendo como base que a produção é

função do sítio, idade e da densidade, e que a densidade é uma variável dinâmica
e não uma constante. Apresentam a produção para vários níveis de estoque, pelo
fato de serem construídos a partir de unidades amostrais com diferentes
densidades e consideram esta característica como uma variável independente do
modelo.
As primeiras equações de predição da produção, de densidade variável,

construídas utilizando técnicas de regressão múltipla foram desenvolvidas por
MacKinney et al., em 1937, usando a idade, o sítio, a densidade e um índice de
composição do povoamento como variáveis independentes. Posteriormente,
Schumacher em 1939 desenvolveu um modelo de produção similar ao mostrado
a seguir:
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.
Pode-se sugerir o uso deste modelo, para fazer estimativas da produção,

quando o objetivo final é a obtenção do volume por ha, o que, na maioria das
290
vezes, é o caso de florestas utilizadas para celulose e energia, ou quando não se

pode estabelecer um modelo de sobrevivência confiável para obter informações
de produção por classe de diâmetro.
Estas tabelas apresentam vantagens em relação as tabelas de produção

normais, quais sejam: qualquer boa amostra de dados pode ser usada nesta
solução; não existe necessidade de restringir os trabalhos para povoamentos
completamente estocados como nas tabelas de produção normais; o conceito de
estoque relativo ou normalidade pode ser eliminado. Medidas de densidade, tais
como, área basal, número de árvores, índice de Reineke, Hart-Backing, etc.,
podem ser introduzidas no modelo; e a solução obtida pode ser aplicada para
povoamentos sub, super e completamente estocados.
A partir de então uma série de trabalhos com esta modalidade de tabela

vem sendo desenvolvidos, podendo ser considerados ainda hoje, atualizados.
5.1.3.1.Compatibilidade de modelos de crescimento e produção
É fundamental, a observação de que os estudos de crescimento e

produção até 1962, foram desenvolvidos sem que fosse observado o princípio de
compatibilidade entre eles, ou seja, os modelos de crescimento eram
desenvolvidos independentemente dos modelos de produção. Assim, quando
sucessivos incrementos estimados eram adicionados a um volume inicial, eles
geralmente não apresentavam os mesmos valores de volumes preditos pela
equação de produção, considerando-se o mesmo povoamento nas mesmas
condições de idade, sítio e densidade.
291
Foram os estudos simultâneos realizados por Buckman (1962) e Clutter

(1963) que primeiro atentaram para a incompatibilidade entre os modelos de
crescimento e produção. Estes autores resolveram o problema de
incompatibilidade dos modelos com o uso do cálculo integral e do cálculo
diferencial. Da primeira derivada do modelo de produção, obteve-se o modelo
de crescimento, e com o procedimento inverso, ou seja, com a integral do
modelo de crescimento obteve-se o modelo de produção, de maneira que o
problema de inconsistência entre a produção final e a soma dos crescimentos foi
eliminada.
Um exemplo deste procedimento é apresentado a seguir. Tome como

referência a curva de crescimento acumulado apresentada na Figura 5.2 e que
pode ser representada pela equação:
log V = 0 + 1 S-1 + 2 (1 /I)+ 3 ln G + i (1)
onde:
V = volume em m3/ha
S = índice de sítio
I = idade (em anos)
G = área basal em m2/ha
log = logaritmo natural
is = parâmetros a serem estimados
i = erro envolvido na estimativa.
292
A curva do incremento corrente anual (ICA) ou taxa de incremento da

Figura 5.2 é obtida da 1ª derivada da função de crescimento acumulado:
( V / l) / V = 2 . l-2 + 3 {( G / l) 1 / G} (2)
onde:
V / l = taxa de incremento do volume (lCAV)
G / l = taxa de incremento da área basal (ICAG)
I, G e V = já definidos anteriormente.
Assim, de modo inverso, a integral da função de incremento corrente

anual fornece a função de produção em volume.
logV =
O incremento médio anual (IMA) da Figura 5.2 é obtido da seguinte

forma:
IMA = V / I = exp [ 0 + 1 .S+ 2 (1/I) + 3 . lnG] / I
O ponto de máximo do IMA é aquele onde sua derivada é igual a zero e

coincide com o ponto onde uma tangente partindo da origem (tangente máxima)
na Figura 5.2 toca a curva de produção.
Verifica-se que a taxa de crescimento aumenta rapidamente até um

máximo que coincide com o ponto de inflexão na curva de crescimento
acumulado e com o zero da taxa de aceleração. Durante a maturidade e a
senescência, a taxa de crescimento diminui com mudanças relativas na
293
aceleração. Verifica-se ainda que a curva de incremento médio anual decresce

mais suavemente que a curva de incremento corrente anual. Estes fatos são
expressos graficamente através da Figura 5.2.
A partir da curva que representa o incremento, ou ainda da curva de

crescimento acumulado é que funções de crescimento e da produção devem ser
estabelecidas, podendo ser funções empíricas (como a apresentada
anteriormente), ou proveniente de algum conceito fundamental, como as funções
biológicas.
294
FIGURA 5.2 - Crescimento acumulado do volume e os incrementos corrente e

médio anual.
Inúmeros trabalhos foram realizados a partir de então, como os
apresentados por Bennett (1980), Beck & Della-Bianca (1972), Myers (1977),
Murphy e Sternitzke (1979), Smith (1983), Sullivan e Clutter (1972), Murphy e
Beltz (1981), Shifley et al. (1982), Trevisol Jr. (1985), Campos e Ribeiro (1983),
Burkhart et al. (1972, 1984), Murphy & Farrar (1988), Bailey et al. (1985),
Scolforo (1990, 1992), dentre muitos outros.
5.1.3.2. Desenvolvimento do modelo de densidade variável
O modelo básico a ser utilizado nesta seção é originalmente de

Schumacher (1939) cujo conceito de compatibilidade foi desenvolvido por
Clutter (1962). A forma do modelo de trabalho utilizado por Clutter foi
ligeiramente modificada por Beck-Della Bianca em 1972.
-1
log (V) = 0 + 1S + 2 (1/l) + 3 log (G) + i (1)
onde:
V = volume em m3/ha
I = idade (em anos)
G = área basal (m2/ha)
log = logaritmo natural
is = Parâmetros a serem estimados
i = Erro de estimativa
295
Para obtenção do modelo que expressa a taxa corrente anual basta obter
a 1ª derivada do modelo de produção (1).
Derivando V em relação a I tem-se:
(2)
onde:
= taxa de incremento do volume (ICAV)
= taxa de incremento da área basal (ICAG)
I, G, V = já definidos anteriormente
Utilizando, agora a expressão que propicia estimativa da área basal, tem-

se:
lnG = 0 + 1S + 2 I-1 + 3 ln (Gi) . I-1 + 4 . S . I-1 + i (3)
onde:
G1, S, I, i = já foram definidos anteriormente
Gi = área basal na idade de 30 meses
is = coeficientes de regressão
296
Derivando o G em relação a I tem-se:
= - 2I-2 - 3 ln (Gi) I-2 - 4 . S . I-2
G-1 = -I-1 ( 2 I-1 + 3 ln (Gi) I-1 + 4 . S . I-1) (4)
G-1 I = -( 2 I-1 + 3 ln (Gi) I-1 + 4 . S . I-1) (5)
Observe a equação (3) que pode ser remanejada para:
lnG - 0 - 1S = ( 2I-1 + 3 ln(Gi)I-1 + 4 . S . I-1) (6)
Assim, substituindo o 2º termo de (5) pelo primeiro termo de (6)
G-1 l = -(lnG - 0 - 1S) (7)
G-1 = -I-1 [- lnG + 0 + 1S] (8)
ICAG = -G ln(G) I-1 + 0G I-1 + 1S (G) I-1 (9)
297
ICAG = G I-1 [-ln(G) + 0 + 1S] (10)
Substituindo (9) em (2) tem-se que:
= - 2VI-2 + 3VG
-1
[-G ln(G)I-1 + 0G . I-1 + -1
1SGI ]
(11)
ICAV = - 2VI-2 + 3V ln(G)I-1 + 3 0VI

-1
+ 3 1VSI
-1
(12)
ICAV = V* I-1 [- 2I-1 - 3 ln(G) + 3 0 + 3 1S] (13)
4 5
onde:
V* = volume presente
Projeção da Área Basal e do Volume
Para qualquer predição futura da área basal e do volume pode-se utilizar

da equação (8) para obter os modelos que possibilitem tal fato.
298
G-1 = I-1 [-lnG + 0 + 1S] (14)
G-1 (-lnG + 0 + 1S)

-1
G = I-1 I (15)
Integrando o lado esquerdo da expressão (15) num intervalo de G1 até

G2 e o lado direito num intervalo l1 e l2 tem-se:
-ln ( 0 + 1S - lnG2) + ln ( 0 + 1S - lnG1) = ln I2 - ln I1 (16)
Tirando o antilogarítmo de ambos os lados da expressão (16), tem-se:
( 0 + 1S - lnG1) ( 0 + 1S - lnG2)-1 = I2 . (17)
Rearranjando a expressão (11) tem-se:
lnG2 = 0 + 1S - (l1/l2) ( 0 + 1S - lnG1) ou
lnG2 = (l1/l2)lnG1 + 0 [1 - (l1/l2)] + 1S [1 - (l1/l2)] (18)
onde:
G2 : Área basal predita na idade l2
G1 : Área basal na idade l1
I1 : Idade inicial
I2 : Idade de projeção
299
O modelo (18) além de ser muito utilizado nos estudos de crescimento

em área basal e análise das projeções é também um caminho para predição do
volume futuro.
Rearranjando (1) tem-se como prognosticar volumes futuros através de:
-1
lnV2 = 0 + 1S + + 3 lnG2 (19)
onde:
V2 = volume projetado para idade l2
Esta equação pode ser rearranjada para:
-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
O incremento médio anual (IMA) é obtido da seguinte forma:
-1
IMA = V/l = exp { 0 + 1S + + 3 (l1/l2) lnG1 +
300
4 [1-(l1/l2)] + 5 . S[1 - (l1/l2)]} / l
5.1.3.3. Aplicação do modelo de densidade variável
Na Tabela 5.1 apresenta-se um conjunto de dados de um inventário

florestal contínuo em Eucalyptus.
TABELA 5.1 Dados de inventário florestal contínuo em Eucalyptus.

Data do Data de Idade Volume G
Projeto Talhão Parcela 3 (m)
plantio medição (anos) (m ) (m2)
C531 01 01 29/12/94 28/7/1997 2,58 35,55 7,16 11,20
C531 01 01 29/12/94 01/8/1998 3,59 70,72 10,92 15,00
C531 01 01 29/12/94 08/8/1999 4,61 92,90 13,23 16,36
C531 01 01 29/12/94 15/8/2000 5,63 117,99 14,34 18,50
C531 01 05 29/12/94 28/7/1997 2,58 28,52 5,81 11,12
C531 01 05 29/12/94 01/8/1998 3,59 59,42 9,05 15,34
C531 01 05 29/12/94 08/8/1999 4,61 86,11 11,60 17,52
C531 01 05 29/12/94 15/8/2000 5,63 109,29 12,91 19,66
C531 02 02 14/12/94 27/7/1997 2,62 56,01 8,69 15,04
C531 02 02 14/12/94 04/8/1998 3,64 86,97 11,87 17,24
C531 02 02 14/12/94 08/8/1999 4,65 131,49 14,86 21,28
C531 02 02 14/12/94 14/8/2000 5,67 154,50 16,58 23,58
C531 02 02 14/12/94 02/4/2001 6,30 171,64 18,23 24,22
C531 02 03 14/12/94 27/7/1997 2,62 30,71 5,74 12,30
C531 02 03 14/12/94 04/8/1998 3,64 61,18 8,85 16,30
C531 02 03 14/12/94 08/8/1999 4,65 88,63 11,21 18,86
C531 02 03 14/12/94 14/8/2000 5,67 116,77 12,97 21,62
C531 02 03 14/12/94 02/4/2001 6,30 122,44 13,70 21,78
301
C531 02 05 14/12/94 27/7/1997 2,62 33,60 6,14 12,60

C531 02 05 14/12/94 04/8/1998 3,64 64,62 9,86 15,26
C531 02 05 14/12/94 08/8/1999 4,65 97,72 12,76 18,10
C531 02 05 14/12/94 14/8/2000 5,67 124,75 14,36 21,16
C531 02 05 14/12/94 02/4/2001 6,30 139,52 16,02 21,20
C531 03 01 17/12/94 27/7/1997 2,61 58,02 9,38 14,30
C531 03 01 17/12/94 03/8/1998 3,63 91,33 12,30 17,50
C531 03 01 17/12/94 07/8/1999 4,64 112,82 14,74 18,00
C531 03 01 17/12/94 14/8/2000 5,66 137,02 15,39 21,56
C531 03 01 17/12/94 01/4/2001 6,29 138,16 15,40 21,02
C531 03 02 17/12/94 27/7/1997 2,61 62,10 9,30 15,62
C531 03 02 17/12/94 03/8/1998 3,63 106,36 13,05 19,44
C531 03 02 17/12/94 07/8/1999 4,64 139,89 16,29 20,50
C531 03 02 17/12/94 14/8/2000 5,66 162,43 17,64 23,48
C531 03 02 17/12/94 01/4/2001 6,29 173,11 18,55 24,26
C531 03 03 17/12/94 27/7/1997 2,61 47,78 8,12 13,56
C531 03 03 17/12/94 03/8/1998 3,63 81,43 11,53 16,54
C531 03 03 17/12/94 07/8/1999 4,64 114,06 14,33 18,86
C531 03 03 17/12/94 14/8/2000 5,66 139,20 15,76 21,68
C531 03 03 17/12/94 01/4/2001 6,29 151,29 17,04 21,02
C531 06 01 19/11/94 28/7/1997 2,69 63,65 9,78 15,14
C531 06 01 19/11/94 05/8/1998 3,71 121,27 14,00 20,80
Continua ...
C531 06 01 19/11/94 08/8/1999 4,72 155,68 16,85 22,28
C531 06 01 19/11/94 15/8/2000 5,74 174,00 18,62 24,26
C531 06 01 19/11/94 02/4/2001 6,37 195,16 20,26 26,26
C531 07 01 30/11/94 28/7/1997 2,66 84,71 12,49 15,74
C531 07 01 30/11/94 05/8/1998 3,68 154,85 16,14 23,30
C531 07 01 30/11/94 09/8/1999 4,69 212,53 19,98 26,06
C531 07 01 30/11/94 15/8/2000 5,71 233,50 22,55 29,70
C531 07 01 30/11/94 02/4/2001 6,34 251,13 23,87 30,06
Em que:
I: Idade de medição
V: Volume (m3/ha) na idade de medição I
302
G: Área basal (m2/ha) na idade de medição I
S: Índice de sítio na idade de referência 21 anos
Para aplicação do modelo de densidade variável serão considerados dois

casos:
1o) Ajuste convencional
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:
S = H{[1 exp (-0,188815. Iref)]/[1 exp (-0,188815.I)]}[1/(1 + 0,057322753)]
TABELA 5.2 Estrutura do arquivo de dados para ajuste do modelo de

densidade variável, considerando as parcelas permanentes.
CProjeto Talhão Parcela I1 I2 G1 C2 V1 V2 S

C531 01 01 2,58 3,59 7,16 10,92 35,55 70,72 20,5
C531 01 01 3,59 4,61 10,92 13,23 70,72 92,90 20,5
C531 01 01 4,61 5,63 13,23 14,34 92,90 117,99 20,5
C531 01 05 2,58 3,59 5,81 9,05 28,52 59,42 20,5
C531 01 05 3,59 4,61 9,05 11,60 59,42 86,11 20,5
C531 01 05 4,61 5,63 11,60 12,91 86,11 109,29 20,5
C531 02 02 2,62 3,64 8,69 11,87 56,01 86,97 26,5

C531 02 02 3,64 4,65 11,87 14,86 86,97 131,49 26,5
C531 02 02 4,65 5,67 14,86 16,58 131,49 154,50 26,5
303
C531 02 02 5,67 6,30 16,58 18,23 154,50 171,64 26,5

C531 02 03 2,62 3,64 5,74 8,85 30,71 61,18 23,5
C531 02 03 3,64 4,65 8,85 11,21 61,18 88,63 23,5
C531 02 03 4,65 5,67 11,21 12,97 88,63 116,77 23,5
C531 02 03 5,67 6,30 12,97 13,70 116,77 122,44 23,5
C531 02 05 2,62 3,64 6,14 9,86 33,60 64,62 23,5
C531 02 05 3,64 4,65 9,86 12,76 64,62 97,72 23,5
C531 02 05 4,65 5,67 12,76 14,36 97,72 124,75 23,5
C531 02 05 5,67 6,30 14,36 16,02 124,75 139,52 23,5
C531 03 01 2,61 3,63 9,38 12,30 58,02 91,33 23,5
C531 03 01 3,63 4,64 12,30 14,74 91,33 112,82 23,5
C531 03 01 4,64 5,66 14,74 15,39 112,82 137,02 23,5
C531 03 01 5,66 6,29 15,39 15,40 137,02 138,16 23,5
C531 03 02 2,61 3,63 9,30 13,05 62,10 106,36 26,5
C531 03 02 3,63 4,64 13,05 16,29 106,36 139,89 26,5
C531 03 02 4,64 5,66 16,29 17,64 139,89 162,43 26,5
C531 03 02 5,66 6,29 17,64 18,55 162,43 173,11 26,5
C531 03 03 2,61 3,63 8,12 11,53 47,78 81,43 23,5
C531 03 03 3,63 4,64 11,53 14,33 81,43 114,06 23,5
C531 03 03 4,64 5,66 14,33 15,76 114,06 139,20 23,5
C531 03 03 5,66 6,29 15,76 17,04 139,20 151,29 23,5
C531 06 01 2,69 3,71 9,78 14,00 63,65 121,27 26,5
C531 06 01 3,71 4,72 14,00 16,85 121,27 155,68 26,5
C531 06 01 4,72 5,74 16,85 18,62 155,68 174,00 26,5
C531 06 01 5,74 6,37 18,62 20,26 174,00 195,16 26,5
C531 07 01 2,66 3,68 12,49 16,14 84,71 154,85 32,5
C531 07 01 3,68 4,69 16,14 19,98 154,85 212,53 32,5
C531 07 01 4,69 5,71 19,98 22,55 212,53 233,50 32,5
C531 07 01 5,71 6,34 22,55 23,87 233,50 251,13 32,5
Em que:
V1 : produção em volume na idade presente I1
V2: produção em volume na idade I2
304
G1: produção em área basal na idade presente I1
G2: produção em área basal na idade I2
S: Índice de sítio na idade de referência 7 anos
Um arquivo de dados estabelecido desta maneira, propicia o ajuste do

modelo:
ln V2 = 0 + 1. S-1 + 2 + 3 (l1/l2) . lnG1 + 4 [1 - (l1/l2)] + 5 S [1 -

(l1/l2)]
A equação resultante e suas medidas de precisão são apresentadas a

seguir:
lnV2 = 2,35573 -6,17088 . S-1 1,21529 + 1,10992 (l1/l2) . lnG1 +

1,32036 [1 - (l1/l2)] + 0,0948282 S [1 - (l1/l2)]
R2 = 98,21%
Syx = ± 6,06 m3
Syx = ± 4,66%
Média dos resíduos= 0,1406 m3
Esta equação pode ser decomposta nas seguintes formas:
lnV2 = 2,35573 + -6,17088 S-1 - 1,21529 + 1,10992 lnG2
lnG2 = (I1/I2)lnG1 + [1 - (I1/I2)] + S [1 - (I1/I2)]
ICAG = Gl-1 [-lnG + 1,18959925 + 0,0854336788 S]
305
ICAV = V [-1,21529 l-2 + 1,10992 . ICAG]
lnV = 2,35573 -1,21529 S-1 1,21529-1 + 1,10992 lnG
Utilizando estes modelos pode-se:
a) Gerar tabela de produção futura por idade e sítio:
Para se construir esta tabela basta utilizar a útlima medição de cada

parcela e projetá-la para o futuro utilizando a equação ajustada, separando estas
parcelas por classe de sítio é possível obter a produção média futura para cada
sítio, conforme pode ser observada na Tabela 5.3.
TABELA 5.3 - Produção em volume para diferentes parcelas, idades e sítios
Idades Prognosticadas (I2)

CProjeto Talhão Parcela Idade G S 3 4 5 6 7 8 9 10
C531 01 01 5,63 14,34 20,5 76,3 97,6 113,1 124,8 133,9 141,2 147,1 152,0
C531 01 05 5,63 12,91 20,5 61,3 82,8 99,2 111,9 121,9 130,0 136,7 142,3
Média 68,8 90,2 106,2 118,4 127,9 135,6 141,9 147,2
C531 03 01 6,29 15,40 23,5 64,0 92,7 115,8 134,3 149,4 161,7 172,0 180,7
C531 03 03 6,29 17,04 23,5 81,1 110,7 133,5 151,2 165,3 176,7 186,1 194,0
C531 02 05 6,29 16,02 23,5 70,2 99,3 122,4 140,7 155,4 167,4 177,4 185,8
C531 02 03 6,30 13,70 23,5 48,7 75,6 98,3 117,2 132,9 146,0 157,1 166,5
Média 66,0 94,6 117,5 135,9 150,7 162,9 173,1 181,8
C531 03 02 6,29 18,55 26,5 74,4 112,3 143,8 169,5 190,7 208,3 223,1 235,6
C531 02 02 6,30 18,23 26,5 71,4 108,9 140,2 166,0 187,3 205,0 220,0 232,7
306
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
b) Definição da Rotação Silcultural
Para definir a Rotação Silvicultural deve-se observar para os três sítios

considerados a idade onde ocorreu o máximo incremento médio anual, conforme
verificado na Tabela 5.4 e nas Figuras 5.4, 5.5 e 5.6. Os valores desta Tabela
podem ser obtidos por diferença da Tabela 54, para o ICAV e pela divisão da
produção pela idade para o IMAV.
307
TABELA 5.4 - Valores de IMA e ICA para as classes de sítio I, III, IV e V.
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
IMA
ICA
FIGURA 5.5 - IMA e ICA em volume para povoamento de Eucalyptus para a

classe de sítio III.
35
30
25
20 IMA
15
10
ICA
5
0
0 5 10 15
Idade (anos)

classe de sítio IV.
309
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.
2o) Ajuste simultâneo
Neste tipo de ajuste as parcelas são consideradas permanentes, pares I1 e

I2, e também temporárias, assim, para o ajuste I1 = I2.
Considerando o modelo de projeção, ln V2 = 0 + 1. S-1 + 2 + 3
(l1/l2) . lnG1 + 4 [1 - (l1/l2)] + 5 S [1 - (l1/l2)], e I1 = I2, modelo assumirá a

seguinte forma:
ln V = 0 + 1. S-1 + 2 + 3. lnG1
310
Que nada mais é do que o modelo de predição da produção. Desta

maneira, considerar as parcelas como temporárias em nada afeta o modelo de
projeção.
O arquivo de dados para o ajuste simultâneo é organizado em sua

primeira parte, I1 = I2, para isto basta repetir as variáveis I1,V1 e G1 em I2,V2 e G2
para cada parcela, já que estas são consideradas temporárias. Na segunda parte
assume-se os pares de idade I1 e I2, como apresentado para o primeiro
procedimento.
TABELA 5.5 Arquivo de dados estruturado para o ajuste simultâneo.
CProjeto Talhão Parcela I1 I2 G1 G2 V1 V2 S

C531 01 01 2,58 2,58 7,16 7,16 35,55 35,55 20,5
C531 01 01 3,59 3,59 10,92 10,92 70,72 70,72 20,5
C531 01 01 4,61 4,61 13,23 13,23 92,90 92,90 20,5
C531 01 01 5,63 5,63 14,34 14,34 117,99 117,99 20,5
C531 01 05 2,58 2,58 5,81 5,81 28,52 28,52 20,5
C531 01 05 3,59 3,59 9,05 9,05 59,42 59,42 20,5
C531 01 05 4,61 4,61 11,60 11,60 86,11 86,11 20,5
C531 01 05 5,63 5,63 12,91 12,91 109,29 109,29 20,5
C531 02 02 2,62 2,62 8,69 8,69 56,01 56,01 26,5
C531 02 02 3,64 3,64 11,87 11,87 86,97 86,97 26,5
C531 02 02 4,65 4,65 14,86 14,86 131,49 131,49 26,5
C531 02 02 5,67 5,67 16,58 16,58 154,50 154,50 26,5
C531 02 02 6,30 6,30 18,23 18,23 171,64 171,64 26,5
C531 02 03 2,62 2,62 5,74 5,74 30,71 30,71 23,5
C531 02 03 3,64 3,64 8,85 8,85 61,18 61,18 23,5
C531 02 03 4,65 4,65 11,21 11,21 88,63 88,63 23,5
C531 02 03 5,67 5,67 12,97 12,97 116,77 116,77 23,5
C531 02 03 6,30 6,30 13,70 13,70 122,44 122,44 23,5
C531 02 05 2,62 2,62 6,14 6,14 33,60 33,60 23,5
C531 02 05 3,64 3,64 9,86 9,86 64,62 64,62 23,5
Continua ...
311

C531 02 05 4,65 4,65 12,76 12,76 97,72 97,72 23,5
C531 02 05 5,67 5,67 14,36 14,36 124,75 124,75 23,5
C531 02 05 6,30 6,30 16,02 16,02 139,52 139,52 23,5
C531 03 01 2,61 2,61 9,38 9,38 58,02 58,02 23,5
C531 03 01 3,63 3,63 12,30 12,30 91,33 91,33 23,5
C531 03 01 4,64 4,64 14,74 14,74 112,82 112,82 23,5
C531 03 01 5,66 5,66 15,39 15,39 137,02 137,02 23,5
C531 03 01 6,29 6,29 15,40 15,40 138,16 138,16 23,5
C531 03 02 2,61 2,61 9,30 9,30 62,10 62,10 26,5
C531 03 02 3,63 3,63 13,05 13,05 106,36 106,36 26,5
C531 03 02 4,64 4,64 16,29 16,29 139,89 139,89 26,5
C531 03 02 5,66 5,66 17,64 17,64 162,43 162,43 26,5
C531 03 02 6,29 6,29 18,55 18,55 173,11 173,11 26,5
C531 03 03 2,61 2,61 8,12 8,12 47,78 47,78 23,5
C531 03 03 3,63 3,63 11,53 11,53 81,43 81,43 23,5
C531 03 03 4,64 4,64 14,33 14,33 114,06 114,06 23,5
C531 03 03 5,66 5,66 15,76 15,76 139,20 139,20 23,5
C531 03 03 6,29 6,29 17,04 17,04 151,29 151,29 23,5
C531 06 01 2,69 2,69 9,78 9,78 63,65 63,65 26,5
C531 06 01 3,71 3,71 14,00 14,00 121,27 121,27 26,5
C531 06 01 4,72 4,72 16,85 16,85 155,68 155,68 26,5
C531 06 01 5,74 5,74 18,62 18,62 174,00 174,00 26,5
C531 06 01 6,37 6,37 20,26 20,26 195,16 195,16 26,5
C531 07 01 2,66 2,66 12,49 12,49 84,71 84,71 32,5
C531 07 01 3,68 3,68 16,14 16,14 154,85 154,85 32,5
C531 07 01 4,69 4,69 19,98 19,98 212,53 212,53 32,5
C531 07 01 5,71 5,71 22,55 22,55 233,50 233,50 32,5
C531 07 01 6,34 6,34 23,87 23,87 251,13 251,13 32,5
C531 01 01 2,58 3,59 7,16 10,92 35,55 70,72 20,5
C531 01 01 3,59 4,61 10,92 13,23 70,72 92,90 20,5
C531 01 01 4,61 5,63 13,23 14,34 92,90 117,99 20,5
C531 01 05 2,58 3,59 5,81 9,05 28,52 59,42 20,5
C531 01 05 3,59 4,61 9,05 11,60 59,42 86,11 20,5
C531 01 05 4,61 5,63 11,60 12,91 86,11 109,29 20,5
C531 02 02 2,62 3,64 8,69 11,87 56,01 86,97 26,5
C531 02 02 3,64 4,65 11,87 14,86 86,97 131,49 26,5
C531 02 02 4,65 5,67 14,86 16,58 131,49 154,50 26,5
C531 02 02 5,67 6,30 16,58 18,23 154,50 171,64 26,5
312
C531 02 03 2,62 3,64 5,74 8,85 30,71 61,18 23,5

C531 02 03 3,64 4,65 8,85 11,21 61,18 88,63 23,5
C531 02 03 4,65 5,67 11,21 12,97 88,63 116,77 23,5
C531 02 03 5,67 6,30 12,97 13,70 116,77 122,44 23,5
C531 02 05 2,62 3,64 6,14 9,86 33,60 64,62 23,5
C531 02 05 3,64 4,65 9,86 12,76 64,62 97,72 23,5
C531 02 05 4,65 5,67 12,76 14,36 97,72 124,75 23,5
C531 02 05 5,67 6,30 14,36 16,02 124,75 139,52 23,5
C531 03 01 2,61 3,63 9,38 12,30 58,02 91,33 23,5
C531 03 01 3,63 4,64 12,30 14,74 91,33 112,82 23,5
Continua ...
TABELA 5.2, continuação ....
C531 03 01 4,64 5,66 14,74 15,39 112,82 137,02 23,5
C531 03 01 5,66 6,29 15,39 15,40 137,02 138,16 23,5
C531 03 02 2,61 3,63 9,30 13,05 62,10 106,36 26,5
C531 03 02 3,63 4,64 13,05 16,29 106,36 139,89 26,5
C531 03 02 4,64 5,66 16,29 17,64 139,89 162,43 26,5
C531 03 02 5,66 6,29 17,64 18,55 162,43 173,11 26,5
C531 03 03 2,61 3,63 8,12 11,53 47,78 81,43 23,5
C531 03 03 3,63 4,64 11,53 14,33 81,43 114,06 23,5
C531 03 03 4,64 5,66 14,33 15,76 114,06 139,20 23,5
C531 03 03 5,66 6,29 15,76 17,04 139,20 151,29 23,5
C531 06 01 2,69 3,71 9,78 14,00 63,65 121,27 26,5
C531 06 01 3,71 4,72 14,00 16,85 121,27 155,68 26,5
C531 06 01 4,72 5,74 16,85 18,62 155,68 174,00 26,5
C531 06 01 5,74 6,37 18,62 20,26 174,00 195,16 26,5
C531 06 01 2,66 3,68 12,49 16,14 84,71 154,85 32,5
C531 07 01 3,68 4,69 16,14 19,98 154,85 212,53 32,5
C531 07 01 4,69 5,71 19,98 22,55 212,53 233,50 32,5
C531 07 01 5,71 6,34 22,55 23,87 233,50 251,13 32,5
Um arquivo de dados estabelecido desta maneira, propicia o ajuste do

modelo:
ln V2 = 0 + 1. S-1 + 2 + 3 (l1/l2) . lnG1 + 4 [1 - (l1/l2)] + 5 S [1 -

(l1/l2)]
313
A equação resultante e suas medidas de precisão são apresentadas a

seguir:
lnV2 = 2,49926 -12,2363 . S-1 1,40083 + 1,15526 (l1/l2) . lnG1 +

2,83158 [1 - (l1/l2)] + 0,0448864 S [1 - (l1/l2)]
R2 = 99,07%
Syx = ± 6,85 m3
Syx = ± 5,26%
Média dos resíduos= -0,63332
Com o modelo ajustado pode-se:
a) Gerar tabela de produção futura por idade e sítio:
Para se construir esta tabela basta utilizar a útlima medição de cada

parcela e projetá-la para o futuro utilizando a equação ajustada, separando estas
parcelas por classe de sítio é possível obter a produção média futura para cada
sítio, conforme pode ser observada na Tabela 5.6.
TABELA 5.6 Produção em volume para diferentes parcelas, idades e sítios.
Idades Prognosticadas (I2)

CProjeto Talhão Parcela Idade G S 3 4 5 6 7 8 9 10
C531 01 01 5,63 14,34 20,5 50,4 77,7 100,8 119,9 135,8 149,0 160,1 169,7
C531 01 05 5,63 12,91 20,5 40,1 65,5 88,0 107,0 123,1 136,8 148,4 158,5
Média 45,3 71,6 94,4 113,5 129,4 142,9 154,3 164,1
C531 03 01 6,29 15,40 23,5 48,0 79,1 106,6 130,1 150,0 166,9 181,4 193,9
C531 03 03 6,29 17,04 23,5 61,4 95,1 123,6 147,2 166,7 183,1 196,9 208,7
C531 02 05 6,29 16,02 23,5 52,9 85,0 112,9 136,5 156,3 173,0 187,3 199,5
314
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:
I1, I2, G1 e S, já foram definidos anteriormente
Na Figura 5.8 são apresentadas as curvas de produção em volume para

os quatro sítios considerados na Tabela 5.6.
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
b) Definição da Rotação Silcultural
Para definir a Rotação Silvicultural deve-se observar para os três sítios

considerados a idade onde ocorreu o máximo incremento médio anual, conforme
verificado na Tabela 5.7 e nas Figuras 5.9, 5.10, 5.11 e 5.12. Os valores desta
Tabela podem ser obtidos por diferença da Tabela 5.6, para o ICAV e pela
divisão da produção pela idade para o IMAV.
TABELA 5.7 - Valores de IMA e ICA para as classes de sítio I, III, IV e V.
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
IMA
ICA

classe de sítio I.
50
40
30
IMA
20
ICA
10
0
0 5 10 15
Idade (anos)
FIGURA 5.10 - IMA e ICA em volume para povoamento Eucalyptus para a

classe de sítio III.
317
IMA
ICA

30
25
20
IMA
15
10 ICA
5
0
0 5 10 15
Idade (anos)

classe de sítio V
318
Para os sítios I e III a rotação silvicultural ocorreu aos 6 anos e para os

sítios IV e V aos 6 anos de idade.
5.1.3.4. Outra forma de promover o ajuste silmultâneo dos modelos de projeção

do volume e da área basal.
(1)
A projeção de I1 até I3 em um passo dará o mesmo resultado do que a projeção

de I1 até I2 e de I2 até I3 em dois passos (caminho não-variante)
Modelo Sullivan Clutter
(2)
Onde, V = Volume do povoamento em m3/ha.

Quando I = I2, V = V2
(3)
Vamos inserir equação (1) na equação (3)
319
(4)
O modelo Sullivan-Clutter é um modelo de projeção que estima

simultâneamente os parâmetros para volume (V) e área basal (G). O parâmetro
0 de equação (1) é estimado indiretamente como 0 = 0/ 3, e o parâmetro 1
de equação (1) como 1 = 1/ 3.. Considere como exemplo os dados proveniente

de um conjunto qualquer de parcelas(Tabela 5.4) e o manuseio dos mesmos para
fins de se obter o ajuste simultâneo visando as projeção da área basal e do
volume(Tabela 5.5).
TABELA 5.8 - Dados de inventário de duas parcelas.
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
Vamos reexpressar equação (2) e equação (4) simultaneamente como:
y = a0 + a1X1 + a2X2 + a3X3 + a4X4 + a5X5 + a6X6
A matriz de informações será: y = Xa
320
TABELA 5.9 - Contém a matriz que possibila realizar o ajuste simultâneo do

modelo de área basal e do modelo de volume.
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
forma que a taxa de crescimento específica de P manterá uma relação proporcional
constante com a taxa de crescimento específica de Q.
321
a) Modelo monomolecular:
W = A (1 - b e-kt)
cuja taxa de crescimento é expressa por:
W / t = k (A - W)
b) Modelo autocatalístico ou logística:
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:
W = tamanho do organismo no tempo t;
322
A = valor assintótico que o organismo pode atingir;

k = medida relativa da taxa de crescimento do organismo;
b = é usualmente sem importância biológica, refletindo somente a
escolha do tempo zero.
Estas três funções tem, respectivamente, como característica principal:

não apresentar ponto de inflexão, apresentar ponto de inflexão na metade do
valor assintótico, e apresentar ponto de inflexão em 0,368 do valor assintótico
(A). Assim, cada função representa uma única curva, cuja mudança na forma
ocorre somente pelo reescalonamento do eixo das coordenadas.
Richards (1959), estudando o crescimento de plantas, utilizou uma

função de crescimento de animais desenvolvida por Von Bertalanffy (1951), e
desenvolveu uma série de considerações que possibilitaram a generalização
desta função de crescimento. Posteriormente, em (1961), Chapman estudando o
crescimento de peixes chegou as mesmas conclusões de Richards. Esta função
foi introduzida no meio florestal por Turnbull em 1963. A partir de então, uma
série de trabalhos foram desenvolvidos, tanto para estudos de crescimento e
produção, como para classificação de sítios, como pode ser observado em
Pienaar (1965), Pienaar e Turnbull (1973), Rawat e Franz (1973), Brickel (1966,
1968), Campos (1980), Scolforo e Machado (1988a, 1988b), Scolforo (1992),
Scolforo, Franco, Thiersch et al. (1997), Maldonado, Bailey e Borders (1987),
Goelz e Burk (1992), Hacker e Bilan (1991), Gonzales, Smith e Maldonado
(1992), Edminster, Mathlasen e Olsen (1991), Ker e Bowling (1991), dentre
outros.
323
6.1. O MODELO DE CHAPMAN e RICHARDS
Os modelos biomatemáticos podem ser apresentados, para representar

uma função de produção, como a taxa de crescimento em relação ao tempo.
Uma outra forma possível é aquela que expressa a taxa de crescimento relativo,
propiciando informações do crescimento em relação ao tamanho do organismo
considerado, no caso, peso ou volume.
Von Bertalanffy (1951), derivou o seu modelo, proveniente de estudos

da relação alométrica dos organismos. Uma relação alométrica implícita quando
existem elementos dimensionais de um organismo que: apresentam na seguinte
forma:
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)
Onde o parâmetro "a" é a constante alométrica. Isto caracteriza um tipo

particular de organismo e ambiente, que reflete na sua relação dimensional
particular. O parâmetro "c" dependerá das condições iniciais e também das
mudanças de P e Q.
324
Partindo deste princípio e estudando intensivamente muitos organismos

aquáticos e terrestres Von Bertalanffy concluiu que para a maior parte deles a
relação alométrica era igual a 2/3, podendo então o modelo ser expresso como:
S = c W2/3
Cuja taxa de crescimento é expressa por:

W / t = n W2/3 - v W
Deve-se observar que a formulação do modelo conceitual da taxa de
crescimento ( W / t) do peso ou volume (W) de um organismo ou população é
resultante da diferença da taxa anabólica (n = metabolismo construtivo para um
organismo) e da taxa catabólica (v = metabolismo destrutivo para um
organismo). A taxa anabólica é assumida ser proporcional a superfície da área
do organismo ou população e a taxa catabólica é assumida ser diretamente
proporcional ao volume ou peso.
O procedimento adotado por Richards (1959), foi generalizar o valor da

constante alométrica que ele denominou de m.
Assim, para se obter o modelo de produção torna-se necessário efetuar a

integração da função que expressa a taxa de crescimento.
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
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:
= (n / v) - (c3 e-v(1-m) t) / v (2)
Ou se Wt = WO no tempo t = 0
= (n / v) - (c3 / v)
c3 / v = (n / v) - (3)
Substituindo (3) em (2), tem-se:
= (n / v) - [(n / v) - )] e-v)1-m) t
Wt = {(n / v) - [(n / v) - ] e-v(1-m) t}1/(1-m) (4)
326
Como os organismos podem crescer no tempo indefinidamente,

assume-se
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
Wt = [ -( - ) e-v(1-m) t]1/(1-m) (6)
Estabelecendo que:
A=W
B= -
K = v (1 - m)
A expressão (5) pode ser abreviada para:
Wt = [A1-m - B e-kt]1/(1-m) (7)
Que é a função de produção generalizada, chamada de Chapman e

Richards.
327
Pela própria definição de B pode-se verificar que B será negativo

quando m > 1.
Assim quando m > 1 a equação (7) pode ser reescrita como:
= A1-m (1 + b e-kt) (8)
E quando m < 1 a equação (7) pode ser reescrita como:
= A1-m (1 - b e-kt) (9)
onde:
b = ± B Am-1
Observe que a medida que o valor de m variar pode-se obter os modelos

monomolecular, o modelo de Gompertz e o modelo logístico.
Assim para m = 0 a equação taxa (1) que gerou o modelo de Chapman e

Richards assume forma do modelo monomolecular.
W/ t=n-vW
Manipulando esta expressão pode-se escrever:
W / t = v (n / v - W)
Como:
W =n/v=A
328
Assim:
W / t = v (A - W) (10)
Esta equação representa a taxa de crescimento do modelo

monomolecular, sendo que esta taxa declina linearmente com o aumento no
tamanho do organismo vivo.
Do mesmo modo, pode-se do modelo de Chapman e Richards (7) obter

o modelo monomolecular, qual seja:
Wt = A - (A - WO) e-kt (11a)
Ou também da equação (9) se m = 0 tem-se o mesmo modelo

monomolecular, apresentado de outra forma.
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
em que a taxa de crescimento aumenta linearmente com o tempo.
329
Quando m = 2 a equação taxa (1) que gerou o modelo (7), assume a

forma:
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.
Do mesmo modo pode-se obter do modelo reescrito em (8) o modelo da

logística, qual seja:
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)
Um outro aspecto a ser abordado é que a taxa de crescimento para a

função geral (7) pode ser escrita como:
W / t = k W [(A / W)1-m - 1] / (1 - m) (14)
E a taxa de crescimento relativo como:

W-1 ( W / t) = (ln W) / t = k [ (A / W)1-m - 1] / (1 - m) (15)
330
Ambas equações não tem solução para m = 1, mas desde que:
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)
para o modelo de crescimento de Gompertz, na forma:
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.
6.2. INTERPRETAÇÃO DAS CONSTANTES
A constante m, expressa as diferentes formas das curvas de crescimento,

indicando o tempo onde ocorre o ponto de inflexão. Desta maneira, quando m
assume valor = 0 a função não tem ponto de inflexão, a medida que o valor de m
vai aumentando, o ponto de inflexão vai ocorrendo mais tarde na vida da
população considerada. Considere o exemplo de m = 2, onde o ponto de inflexão
ocorre na metade do tamanho do organismo, conforme pode-se observar na
Figura 6.1.
331
FIGURA 6.1. Família de curvas assintóticas para diferentes valores m.
Assim, para se determinar a proporção do tamanho final em que o ponto

de inflexão ocorre, é necessário conhecer m.
Expressões que mostram onde ocorre a taxa de crescimento máximo

(ponto de inflexão):
Primeira situação: quando proveniente da equação (1)
W = A m1 / (1-m)
reescrevendo
W / A = m1 / (1-m) (18)
que é a fração do tamanho assintótico onde a máxima taxa de crescimento

ocorre.
Para Gomperfz este ponto é:
332
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 = 0,5 A, ou seja, o ponto de inflexão ocorre na metade do valor

correspondente a assíntota.
Para o modelo monomolecular:
W = 0 . A, ou seja, não há ponto de inflexão. Este modelo pode ser

usado com sucesso para expressar o índice de sítio se informações são coletadas
após a ocorrência do máximo incremento corrente anual da altura, ICA, que
principalmente para as árvores dominantes e codominantes, ocorre muito cedo,
muitas vezes, quando informações dendrométricas ainda não começaram a ser
coletadas.
Segunda situação: quando provenientes da equação (14) (que é

proveniente do modelo geral (7)). Neste caso a máxima taxa de crescimento
ocorre:
W / t = A k mm / (1-m) (19)
333
Proveniente da substituição da equação (18) em (19) tem-se que a taxa

de crescimento relativa no ponto de inflexão, que será expressa por:
W-1 ( W / t) = k / m (20)
onde:
A = expressa o tamanho assintótico do organismo em questão.
K = expressa uma medida relativa da taxa de crescimento, ou seja, é a

taxa no qual o valor de alguma função de W (tamanho do
organismo) muda, isto é:
ln [(A - W) / A] no modelo monomolecular
ln [(A - W) / W] no modelo autocatalítico ou logística
ln . ln (A / W) no modelo Gompertz
É difícil interpretar dife
(W) é específica para cada caso, dependendo de m.
Como já mencionado anteriormente a forma das curvas de crescimento é

função de m, mas sua altura depende de A e K. Assim a área sob a curva é
expressa por:
W [(A / W)1-m - 1] / (1-m) W = A2 k / (2m + 2)
que representa a taxa de crescimento média da população, se esta tem uma

distribuição retangular nas classes de tamanho (peso ou volume), ou representa a
taxa de crescimento médio ponderado, considerando-se do começo ao fim do
período de crescimento, se a ponderação é proporcional a taxa de crescimento.
334
Pode-se verificar em que tempo (idade) ocorre a máxima taxa de

crescimento, ou seja, o ponto de inflexão. utilizando as expressões a seguir:
tm = ln [(b / (1 - m)] / k para m < 1
tm = ln [(b / (m - 1)] / k para m > 1

Onde o parâmetro b tem limitada significância biológica.
b = 1 - (WO / A)1-m
ou
b= Am-1
sendo que, WO = W quando t = 0

A seguir, na Figura 6.2, apresenta-se a grande flexibilidade do modelo
de Chapman e Richards, lembrando que esta flexibilidade é expressa pelos
diferentes valores assumidos por m.
335
FIGURA 6.2. Diferentes formas de curva de crescimento e de curvas taxa

de crescimento do modelo de Chapman & Richards.
336
Um exemplo de aplicação do modelo de Chapman & Richards Wt = A

(1 - b e-kt)1/(1-m) pode ser visto na Tabela 6.1, para 8 espaçamentos diferentes de
um experimento CCT na África do Sul com medições do primeiro até o
vigésimo quinto ano, em intervalos de quatro anos. Mais detalhes deste exemplo
específico pode ser visto em Pienaar (1965) ou Pienaar e Turnbull (1973).
Para resolução de Chapman & Richards obtém-se estimativas pelos

mínimos quadrados dos parâmetros da função por o procedimento iterativo de
Newton-Raphson.
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.
O valor que expressa uma medida relativa da taxa de crescimento (k/m)

é maior para maiores densidades, ou seja, quanto mais cedo ocorre o ponto de
inflexão (ver valores de tm) maiores serão os valores da razão k/m.
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
O valor de m (expressa a forma de curva), tende a ser menor para as

maiores densidades, indicando que o ponto de inflexão ocorre muito cedo nestas
e portanto há uma tendência para o modelo monomolecular. Observa-se ainda,
que no caso da densidade 100 plantas/acre o valor de m tende para 1, ou seja,
para o modelo de Gompertz, e isto pode ser visto mais claramente ao se analisar
a expressão m1/(1-m) que expressa ocorreu a taxa de crescimento máximo, ou seja,
o ponto de inflexão, verificando que o valor 0,2903 tende para aquele valor onde
ocorre o ponto de inflexão do modelo citado (em 0,368 da assíntota A).
A taxa anabólica (n) decresce consistentemente com a diminuição da

densidade, expressando que o crescimento total/acre ocorre de uma maneira
mais lenta.
A expressão Ak/(2m + 2) que expressa a área sob a curva, é maior para

as maiores densidades, indicando que o acúmulo de crescimento nestas
densidades é bem maior que nas menores densidades. O mesmo pode ser
observado na expressão (k/m) que expressa a taxa de crescimento relativo no
ponto de inflexão.
O valor da taxa catabólica (v) não decresce consistentemente no sentido

das maiores para as menores densidades, expressando que há contradição na
hipótese de assíntota constante (atinge o mesmo valor) em todas as densidades,
ou seja, naqueles espaçamentos mais extremos embora o número de árvores seja
como esperado, fato este que pode ser devido a menor dimensão (porte, número
de galhos) das árvores que compõem as parcelas, o que acarreta uma maior
destruição metabólica do que a esperada, ou seja, uma maior queima de energia,
propiciando assim que o valor assintótico seja igual aqueles alcançados com
maior número de árvores por unidade de área.
230
Uma outra possibilidade de aplicação deste modelo é como apresentado

por Campos (1980). Visando obter a estimativa da produção total em volume e
área basal que possibilitasse a interpretação da capacidade produtiva dos
povoamentos, Campos (1980) baseou-se na relação entre o valor assintótico (A)
e a capacidade produtiva da área, conforme demonstrado por Brickell (1968).
Utilizou uma modificação na forma monomolecular do modelo de Chapman &
Richards na qual a variável assintótica foi substituída pela equação linear.
em que S = índice do local.

Assim o modelo molecular assumiu a forma:
- 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.
TABELA 6.2. Parâmetros da função de Chapman e Richards assim como os

valores assintóticos por classe de sítio
Parâmetros Assíntotas p/ classe de local

Variáve a b k I II III
l
231
Área 17,402 2,638 1,226 0,125 76,8 68,9 61,0

basal
Volume -1359,3 163,4 1,106 0,028 2316 182,6 1336
Outras várias possibilidades envolvendo o modelo de Chapman &

Richards, o monomolecular ou mesmo as demais variações mostradas
anteriormente são encontradas na Literatura Florestal. Na Tabela 6.3 são
apresentadas duas funções expressando capacidade produtiva dos locais,
Scolforo e Machado (1988a, 1988b).
Estas funções foram ajustadas para povoamentos de Pinus taeda e Pinus

elliottii no Estado do Paraná e Santa Catarina conforme apresentado na Tabela
6.3.
TABELA 6.3. Apresenta estimativa dos parâmetros e medidas de precisão

do modelo de Chapman e Richards e do monomolecular
Parâmetros estimados Medidas de

Precisão
A K m R2 % Syx (m)
Pinus Chapman & 30,17 0,07200 0,100314 96,14 2,54
taeda Richards 50 9 89
Monomolecular 35,18 0,05200 0 96,14 2,55
00
Pinus Chapman & 33,48 0,07322 0,225494 98,72 1,92
232
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.
Embora a culminação do incremento corrente anual em altura para Pinus

taeda tenha ocorrido mais cedo, pode-se verificar que a área sob a curva média
de altura das dominantes é maior para Pinus elliottii, o que pode ser verificado
através da expressão A.k / (2m + 2). Este fato expressa que a produção
assintótica média para os sítios amostrados para esta espécies é maior que a
produção média assintótica de Pinus taeda.
Vale salientar o grande potencial e eficiência dos modelos

biomatemáticos. A grande desvantagem que se poderia atribuir aos mesmos é o
ajuste não linear necessário para que os parâmetros do modelo sejam estimados.
No entanto com a generalização do uso de microcomputadores, é extremamente
fácil se proceder o ajuste destes modelos, atualmente.
233
Capítulo 7
MODELOS IMPLÍCITOS DE
PRODUÇÃO E CRESCIMENTO
7.1. DISTRIBUIÇÃO DIAMÉTRICA
Em florestas plantadas a distribuição diamétrica é básica para que a

predição ou prognose da produção possa ser implementada. Estas prognoses são
possam ser implementados na empresa florestal.
Em florestas nativas que não tem idade definida, a distribuição

diamétrica é importante, pois mostra a amplitude dos diâmetros, onde acontece
maior concentração do número de árvores, serve para distinguir diferentes tipos
florestais, possibilita quando aliada a informações de crescimento periódico do
diâmetro ou quando associada a mudança de árvores de uma classe diamétrica
para outra, a elaboração de tabelas de produção que consideram a dinâmica da
população florestal. Fornece ainda base para identificar a intensidade da
regeneração natural a nível de espécie e da floresta como um todo, sendo
também uma importante medida de estoque. Além destes usos, a nível
operacional a distribuição diamétrica possibilita que seja implementada técnica
para remover árvores por classes de diâmetro, desde que utilizado o conceito de
floresta balanceada descrito por De Liocurt (1898) e Meyer (1952), ou a análise
234
da estrutura da floresta ou ainda a análise do estoque de regeneração a nível de

espécie.
7.2. TIPOS DE DISTRIBUIÇÃO
Unimodal
É característica de povoamentos jovens e equiâneos. Eventualmente

espécies de floresta nativa considerada de forma isolada podem apresentar este
tipo de distribuição. De maneira geral esta distribuição é típica de florestas que
se regeneram em ciclo.
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
FIGURA 7.1. Distribuição diamétrica de Pinus caribaea var. hondurensis aos 19

anos em três sítios com diferentes níveis de produtividade.
FIGURA 7.2. Distribuição diamétrica para o índice de sítio 29 para Pinus

caribaea var. hondurensis nas idades de 15 a 19 anos.
236
FIGURA 7.3. Distribuição das classes diamétricas para uma população de Pinus
caribaea var. hondurensis sujeito a vários desbastes.
FIGURA 7.4. Distribuição diamétrica de florestas com plantas em idades jovens

e sítios: 3 anos e 19,5 m (a); 3 anos e 25,5 m (b); 7 anos e 19,5 m
(c); e 7 anos e 25,5 (m (d)..
237
FIGURA 7.5. Distribuição diamétrica de florestas plantadas próximas da rotação

ou do momento do desbaste, respectivamente, nas idades e sítios:
11 anos e 19,5 m (a); 11 anos e 25,5 m (b); 15 anos e 19,5 m (c); e
15 anos e 25,5 m (d).
Multimodal
Apresenta mais de um ponto de maior freqüência, conforme ilustrado na

Figura 7.6. Não é biologicamente importante pois normalmente é uma
distribuição forçada.
238
FIGURA 7.6. Distribuição multimodal.
Decrescente
É característica de tipos florestais onde há regeneração contínua. É o

caso da maioria das florestas nativas de composição variada em espécie e idade.
Neste caso, a distribuição dos diâmetros é decrescente conforme pode-se
verificar na Figura 7.7, apresentando forma típica da distribuição exponencial
negativa, ou seja J invertido.
Deve-se salientar que a nível de espécie é possível obter distribuição de

diâmetros que se assemelhem a distribuição normal com ou sem assimetria.
Neste caso a regeneração natural está sendo influenciada. Normalmente este
caso ocorre quando há predação de frutos e sementes ou retirada de plantas do
estoque de regeneração por algum motivo.
239
FIGURA 7.7. Distribuição das árvores de floresta nativa de composição variada

em espécie e idade.
A seguir nas Figuras 7.8 e 7.9 são apresentados respectivamente,

distribuição de vegetação existente em cerrado senso stricto e num cerradão. Já a
Figura 7.10 apresenta uma série de distribuições diamétricas de espécies
florestais existentes em uma floresta semidecídua montana na região de Lavras -
MG.
240
FIGURA 7.8. Distribuição de árvores por classe de diâmetro para cerrado

senso stricto.
FIGURA 7.9. Distribuição das árvores por classe de diâmetro para cerradão.
241
FIGURA 7.10. Distribuição das árvores por classe de diâmetro para 6

espécies em floresta semidecídua montana na Região de Lavras-MG
7.3. DISTRIBUIÇÕES CONTÍNUAS
Uma das maiores ações da biometria florestal é possibilitar a descrição

da estrutura diamétrica das populações através de Distribuição Matemática
definidas como função de densidade de probabilidade (fdp). Destacam-se como
tais a distribuição Weibull, Beta, SB e SBB de Johnson, Gamma, Log-normal e
242
Normal. Estas distribuições permitem obter a probabilidade das árvores

ocorrerem dentro de intervalos ou classes de diâmetro, em que haja um limite
inferior e outro superior.
Para estimar os parâmetros destas distribuições existem uma série de

métodos, podendo-se destacar a máxima verossimilhança, os momentos e os
percentis.
Associada a cada função de densidade de probabilidade (fdp) existe a

função de distribuição acumulada [F(x)] que nada mais é que sua integral. É a
área delimitada entre o intervalo [a, b], encontrada sob a curva define a
probabilidade das árvores estarem contidas nele. Este fato é obtido a partir da
função de distribuição acumulativa [F(x)].
Propriedades de uma fdp : uma função densidade de probabilidade f(x) é

de fato uma fdp se x satisfaz as condições:
f(x) 0 para todos os valores de x dentro do intervalo considerado
f(x) x = 1
f(x) = 0, se x está contido fora do intervalo considerado.

Assim a probabilidade de x ocorrer num intervalo depende da integral: P
(a x b)= f (x) dx.
243
Já a função de distribuição acumulada F(x) é o resultado da integral de

f(x) e estima a probabilidade que a variável x assuma um valor menor ou igual a
x . F (x) = f (t) dt, cujas propriedades são:
Não é decrescente
Quando x tende a mais infinito f(x) = 1
Quando x tende a menos infinito f(x) = 0
P (a x b) = F(b) - F(a) para a < b.
7.3.1. Distribuição Gamma
É uma função flexível, podendo ser aplicada em florestas nativas ou

plantadas. Pode assumir ou ajustar-se a diferentes tipos de curvas, passando por
diversos graus de assimetria.
Na área florestal o mais bem conhecido trabalho envolvendo esta

distribuição é o de Nelson (1964). Vários outros trabalhos vem sendo
desenvolvidos com esta distribuição como o de Couto (1980), Finger (1982),
Glade (1986), Swindel, Smith e Grosenbauch (1987), dentre outros.
A função de densidade probabilidade (f d p) é:
f (x) =
em que:
244
x : variável aleatória diâmetro

: função gama
, : parâmetros a serem estimados, tem sinais positivos e definem a
forma da distribuição
e : exponencial
Uma forma alternativa de apresentação da função gama é se for
assumido que x é maior ou igual ao diâmetro mínimo (d min). Neste caso, pode-se
considerar que a variável aleatória x assume a forma d - dmin e f d p gama pode
ser reescrita como:
f (x) = (2)
Na Figura 7.11 apresenta-se as diferentes formas que esta distribuição

pode assumir.
245
FIGURA 7.11. Formas da distribuição gama
Por integração da função (1) obtém-se a função de distribuição ou

acumulativa cuja forma é:
F (x) = (2A)
Se a opção for utilizar a forma alternativa então a variável x deve ser
substituída por - dmin na função de distribuição.
Existem diferentes formas de ajustar a distribuição gama, Podendo-se

destacar o método da máxima verosimilhança e dos momentos.
Método dos Momentos
Será apresentado a seguir como se pode obter a estimativa dos

parâmetros e , por este método.
Demonstração:
Neste caso tanto a média como a variância serão obtidos a partir da

função geratriz dos momentos (f g m) cuja forma para distribuição contínua é:
x (t) = ext . f (x)
246
x (t) =
Redefinindo:
y= ; x= y e x= y , tem-se:
x (t) =
-1
Como: = , então:
x (t) =
Multiplicando numerador e denominador por (1 - t)
x (t) =
x (t) =
Estabelecendo que: z = y (1 - t); z = (1 - t) y, tem-se:
247
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
2 2 2 2 2
= + -
2
=
Isolando na expressão (4) tem-se:
x = .
x =
= (6) ou =
=
= (7) ou =
249
7.3.2. Distribuição Beta
Clutter e Bennet (1965) foram quem primeiro ajustaram a distribuição

Beta na América em plantações de Pinus elliottii. Adotando o procedimento
semelhante McGee e Della-Bianca (1967) utilizaram a mesma distribuição para
povoamentos naturais equiâneos de Liriodendron tulipifera (Yellow-paplor).
Também Lenhart e Clutter (1971), Lenhart (1972), Burkhart e Strub (1974),
Couto (1980), Finger (1982), Glade (1986), Swindel et al. (1987), Gadow
(1983), Marin (1987) e Thiersch (1997), utilizaram esta distribuição, dentre
outros.
A distribuição Beta é muito flexível podendo assumir várias formas para

uma ampla faixa de distribuição de diâmetros. A função de densidade de
probabilidade (fdp) tem limites definidos entre o menor e maior diâmetro, os
quais restringem todos os diâmetros dentro destes limites. A desvantagem da
distribuição, no entanto, é que a fdp deve ser numericamente integrada para
obter as probabilidades nos vários intervalos das classes diamétricas, para obter
a proporção de árvores em cada classe de diâmetro, uma vez que a função de
distribuição acumulativa não existe na forma fechada.
Pode ser aplicada a florestas nativas e a florestas plantadas e ajusta-se a

diferentes tipos de curvas, passando por diversos graus de assimetria.
250
A função de densidade de probabilidade (fdp) é:
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
Na Figura 7.12 são apresentadas as diferentes formas que a distribuição

pode assumir.
Existem diferentes formas de ajustar a distribuição Beta, podendo-se

ajustá-la através do método dos momentos, da regressão, da média aritmética e
variância, dentre outros.
252
FIGURA 7.12. Formas assumidas pela Distribuição Beta.

Fonte: Loestch, Zohrer e Haller (1973)
253
Método dos Momentos:
Por este método as estimativas dos parâmetros e podem ser obtidas

como:
(10)
(11)
em que:
: é a média da variável aleatória diâmetro

dmin e dmax : já foram definidos anteriormente
2
: variância paramétrica da variável aleatória diâmetro
Método de Regressão
-1 -1
f(x) = (x - a) (b - x) (12)
Redefinindo:
254
Y = f(x)
0 =
1 = + -1
2 = -1
3 = -1
A função (12) assume então a seguinte forma:
Y= ou
Y=
Logaritimizando tem-se:
log Y = log 0 - 1 log(dmax - dmin) + 2 log(d-dmin) + 3 log(dmax - d)
Z = 0 - 1 log(dmax - dmin) + 2 log(d-dmin) + 3 log(dmax - d)

Se a opção for efetuar o ajuste por classe de diâmetro, então d é o valor
central das classes e quanto menor a amplitude destas, mais eficiente será o
ajuste.
Método da Média e Variância
255
Considerando uma outra forma de apresentação da distribuição Beta,

será apresentado a seguir como viabilizar o seu ajuste através do uso da média e
variância, conforme pode-se verificar em Loestch, Zoher e Haller (1973).
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)
A constante k é o fator de redução da escala da ordenada para assegurar

que a soma das freqüências estimadas seja igual a freqüência observada (N), tal
que:
então
256
k=
Procedimento para estimar Parâmetros
1. Se e são conhecidos então a média ( ) e a variância ( ) podem ser

estimadas a partir das fórmulas:
(12b)
= (12c)
Os símbolos indicam que valores relativos são obtidos os quais são

definidos pelas seguintes expressões para a média aritmética relativa e variância
relativa.
(12d)
= (12e)
O valor do limite inferior (a) e superior (b) pode ser obtido pelas
fórmulas:
a = X1 - (12f)
257
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=
Definidos e tem-se a forma da distribuição beta.
258
Como próximo passo a curva será transformada na distribuição de

freqüência pela integral da função de densidade. Isto é encontrado pela constante
multiplicativa.
k=
Exemplo: Foram medidos diâmetros em uma área de 0,25 ha com 48 anos e

agrupados em classes de 1 cm. O valor central da menor classe de
diâmetro foi 8 cm e o da maior foi 33 cm. O número de classes foi
26 e o número de árvores/ha foi igual a 2312.
* Obtenção de a e b:
a = d1 - = 8 - 0,5 = 7,5 cm
b = dk + = 33 + 0,5 = 33,5 cm
* A média aritmética e a variância foram iguais a:
2
= 22,1426 cm2
* Os parâmetros relativos foram:
= 0,37112
259
= 0,03276
A estimativa dos parâmetros que expressam a forma da distribuição, são

como se segue:
Z= = 0,5901
= 2,8514
= Z ( + 1) = 0,5901 (2,8514 + 1) - 1 = 2,2727
Então pode-se encontrar k.
k=
k= = 3,35 . 10-3
* O cálculo de k é apresentado no Anexo 2.6.
260
Isto significa que a freqüência obtida da distribuição beta deve ser

multiplicada por este fator para obter a estimativa correta.
Assim a freqüência estimada de cada classe é obtida ao utilizar-se a

função (12a) como se segue:
f 1ª classe = 3,35 . 10-3 . (8 - 7,5)1,273 . (33,5 - 8)2,852 = 14,2

f 2ª classe = 3,35 . 10-3 . (9 - 7,5)1,273 . (33,5 - 9)2,852 = 51,5
. .
. .
. .
. .
Os valores estimados da freqüência por classe de diâmetro são

apresentados na Tabela 7.1.
261
TABELA 7.1. Freqüência estimada por classe de diâmetro
Classe de Diâmetro Freqüência Observada Freqüência Estimada

(fi) (f)
8 16 14,2
9 56 51,2
10 92 87,6
11 148 118,7
12 140 143,6
13 136 161,9
14 152 173,6
15 148 179,3
16 156 179,5
17 208 174,8
18 168 166,1
19 184 154,2
20 152 139,9
21 100 123,9
22 128 106,9
23 100 89,8
24 84 73,1
25 40 57,4
26 56 43,1
27 8 30,6
28 16 20,3
29 4 12,1
30 16 6,3
31 0 2,55
32 0 0,62
33 4 0,03
262
7.3.3. Distribuição Weibull
A distribuição Weibull foi proposta por Fisher e Tippet em 1928, tendo

sido desenvolvida independentemente por Waloddi Weibull, físico sueco em
1951 no estudo de resistência de materiais. Provavelmente após a segunda
guerra mundial, com o ênfase no estudo de resistência de materiais, o trabalho
de Weibull se destacou e a distribuição passou a ser chamada pelo seu nome.
Segundo Johnson e Kotz (1970), na literatura russa é reconhecida ainda a
importância de outro autor, sendo a distribuição chamada de "Weibull -
Gnedenko". No meio florestal foi aplicada primeiramente por Bailey e Dell em
1973.
A partir de então vários estudos foram realizados utilizando-se a

distribuição Weibull, como por exemplo: Knoebell et al (1986), Finger (1982),
Cao et al (1982), Matney et al (1987), Reynolds Jr. et al (1988), Lenhart (1988),
Brooks Jr et al (1992), Nepal e Somers (1992), Borders e Patterson (1990),
Bailey e Burgan (1989), Bravo e Winter (1989), Swindel et al (1987), Gadow
(1983), Mactague (1985), Shiver (1985), Silva e Bailey (1987), Jorge et al
(1990), Amateis et al (1984), Burk e Burkhart (1984), Cao et al (1884), Strub et
al (1981), Scolforo (1990, 1994), Glade (1986), Campos e Turnbull (1981),
Leite (1990), Leite et al (1990), Maestri et al (1994), Cunha Neto (1994) e
Thiersch (1997), dentre outros.
A função densidade de probabilidade (fdp) pode ser apresentada com 2 e

3 parâmetros:
263
f(x) = (13)
x 0, b > 0 e c > 0
ou
f(x) = (14)
a x< , a 0, b > 0 e c > 0

em que
a = parâmetro de locação;
b = parâmetro de escala;
c = parâmetro de forma e
x = variável de interesse. no caso diâmetro
De acordo com os valores de seus coeficientes a distribuição Weibull
pode assumir diferentes formas, ajustando-se bem aos dados de floresta nativa
cuja distribuição é decrescente, até as florestas equiâneas, com distribuição
unimodal, com as diferentes assimetrias, conforme mostrado na Figura 7.13.
264
FIGURA 7.13. Formas da distribuição Weibull de 3 e 2 parâmetros
Como observado valores de c < 1 definem forma decrescente da

distribuição, c = 1 forma exponencial, c = 2 forma da distribuição de Ray Leight
um caso especial da distribuição qui-quadrado, c 3,6 forma normal, c > 3,6
forma normal com assimetria negativa, mostrando um acúmulo de diâmetro para
as maiores dimensões e 1 < c < 3,6 forma normal com assimetria positiva.
Por integração das funções (13) e (14) obtém-se as funções de

distribuição acumulativa (15) e (16) expressando, respectivamente a função
acumulativa de 2 e de 3 parâmetros.
F(x) = 1 - exp (15)
ou
265
c
x a
F(x) = 1 - exp (16)
b
Existem diferentes formas de ajustar a distribuição Weibull, podendo-se

utilizar os métodos da máxima verossimilhança, método dos momentos, método
dos percentis e método gráfico.
Método da Máxima Verossimilhança
Obtenção dos parâmetros a, b e c pelo método da máxima

verossimilhança:
A estimativa do parâmetro "a" será independente do sistema através de

seu vínculo a um percentual do diâmetro mínimo. Assim para estimar o
parâmetro "a" fixa-se uma série de possíveis valores de "a", já que este pode
variar entre zero e o menor diâmetro da floresta. Os percentuais podem ser: 0,0 *
dmin; 0,1 * dmin; 0,2 * dmin; 0,3 * dmin; 0,4 * dmin; 0,5 * dmin; 0,6 * dmin;
0,7 * dmin; 0,8 * dmin; 0,9 * dmin; 1,0 * dmin.
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.
Obtenção dos parâmetros b e c
266
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=
O logaritmo da função de verossimilhança (In(L)) é:
ln(L) = ln
ln(L) = n ln(c) - nc ln(b) + (c-1)
ln(L) = n ln(c) - nc ln(b) + c
A primeira derivada do logaritmo da função de verossimilhança em

relação ao parâmetro b é:
267
Esta condição é necessária para obter o máximo relativo:
O estimador do parâmetro b é:
(1)
A primeira derivada do logaritmo da função de verossimilhança em

relação ao parâmetro c é:
Esta condição é necessária para obter o máximo relativo:
268
O estimador do parâmetro é:
o iterativo.
Método dos Percentis
Após o manuseio da função de distribuição obtém-se que:
F(x) = 1 - exp
exp = 1 - F(x)
Definindo F(x) = PERCENTIL quando x = D PERCENTIL em que

PERCENTIL é igual a Percentil/100 e D PERCENTIL é igual a Diâmetro
percentil.
Então,
exp
269
Aplicando logaritmo natural em ambos os lados da expressão, tem-se:
= - ln (1 - PERCENTIL)
Aplicando novamente logaritmo natural tem-se:
c ln
ln (D PERCENTIL - a) - lnb = (1/c) ln
ln (D PERCENTIL - a) = lnb + (1/c) ln (17)
Definindo:
y = ln (D PERCENTIL - a)
x = ln (-ln (1- PERCENTIL))

E utilizando do procedimento de regressão linear tem-se:
Interseção = ln(b)
Inclinação = (1/c)
a = xi (b / n1/c) . ) (1 + (1/c))
em que :
xi = diâmetro da parcela;
n = número de árvores na parcela; e
= função gama
270
Estimativa dos demais parâmetros da Distribuição Weibull pode então

ser obtida a partir de:
D PERCENTIL = Xp1 quando percentil = p1

D PERCENTIL = Xp2 quando percentil = p2
Baseando-se na equação (17) e tirando seu antilogarítmo pode-se obter:

Xp1 - a = b (- ln (1 - p1))1/c (18)
Xp2 - a = b (- ln (1 - p2))1/c (19)
Dividindo-se (18) por (19) tem-se:
(Xp1 - a) / (Xp2 - a) = b (-ln (1 - p1))1/c / b (-ln (1 - p2))1/c
(Xp1 - a) / (Xp2 - a) = [b (-ln (1 - p1)) / b (-ln (1 - p2))1/c (20)

Aplicando logaritmo natural em (20) então:
ln [(Xp1 - a) / (Xp2 - a)] = (1/c) {ln [- ln (1 - p1) / -ln (1 - p2)]}

então:
c=
se:
Xp1 - a = b (- ln (1 - p1))1/c
então:
271
b=
Propicia obter estimativas compatíveis entre o modelo global e o modelo

por classe diamétrica através da função geral de produção por classe de
diâmetro:
Yi = N gi (x) f (x, ) x
onde:
Yi = valor total por unidade de área do atributo do povoamento

definido por gi (x)
gi (x) = atributo do povoamento como função de x
f (x, ) = função de densidade probabilidade para x
N = número de árvores por unidade de área
I, u = limite inferior e superior, respectivamente, para o produto
descrito por gi (x).
A integral apresentada se implementada sobre a faixa de diâmetros x,

para qualquer gi (x) dá o valor total por unidade de área do atributo do
povoamento, definido por gi (x). Média dos diâmetros, área basal e volume por
unidade de área são exemplos de atributos do povoamento. O número de
equações atributo do povoamento deve ser igual ao número de parâmetros a
serem estimados.
272
Estabelecendo que gi (x) é igual a xi uma obtenção do primeiro momento

não central de x é obtida como:
E (xi) = xi f (x, ) x
No caso da distribuição de diâmetro de uma população florestal, o

primeiro momento não central, E (x), é estimado por ( x/N) = (média
aritmética). Já o segundo momento não central, E (x 2), é estimado por ( x2/N) =
. Este valor é o diâmetro médio quadrático. Assim os dois primeiros

momentos tem interpretação a nível do povoamento e são comuns na área
florestal.
Possibilidade 1
O sistema de equações utilizado contempla a função Weibull, com o

parâmetro "a" sendo estimado independentemente, vinculado ao diâmetro
mínimo.
As estimativas dos parâmetros b e c da fdp Weibull são dependentes do

diâmetro médio quadrático (dg) e da média aritmética dos diâmetros. Estas
variáveis são obtidas como:
Diâmetro médio quadrático (dg)
dg2 =
273
Média aritmética dos diâmetros
Neste caso como a média aritmética ( ) e o diâmetro médio quadrático

(dg) são obtidos de forma independente a partir de equações ou de estimativas, é
feita a amarração do cálculo da média, à variância para impedir que seja

maior ou igual a dg. É então ajustado um modelo similar ao (22) para então
obter-se a média.
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)
N2 = N1 (l2/l1) 1 . exp [( 0 + 2 S) (l2 - l1) (24B)
As duas equações para os dois parâmetros do sistema são:
G = 0,0000785398163 .
A variância e o coeficiente da variação são dados respectivamente por:
274
Sd2 = dg2 - = b2 [ (1 + 2/c) - 2

(1 + 1/c)]
CV =
Obtidas as estimativas da média aritmética dos diâmetros e do diâmetro

médio quadrático, o coeficiente de variação é função somente de "c" e pode ser
obtido por simples técnica iterativa. Com "c" conhecido, "b" pode ser estimado
como:
=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.
TABELA 7.2. Modelos para estimar diâmetro mínimo.
Modelos Forma de Ajuste

Knoebel ln (Dmin) = 0 + 1 (Dg)0,5 + 2 / N0,5 + 3 (l . Hd)-1 + ln ei
Lenhart ln (Dmin) = 0 + 1 Hd + 2 N + ln ei
275
Burkhart e Sprinz ln (Dmin) = 0 + 1l + 2 (Hd/l) + 3 (N) + ln ei
Amateis et al. Dmin = 0 + 1 Hd + 2 Hd / l + ei
Cao et al. Dmin = 0 + 1/ l+ 2 ln (Hd) + 3 ln (G) + 4 ln (N) + ei
Burkhart et al. Dmin = 0 + 1 Hd + 2 (l . N) + 3 ((Hd / N) + 4 (Dg . l)

+ ei
Lenhart Dmin = 0 + 1 ln (l) + 2 ln (N) + 3 Hd-1 + ei
Lenhart e Clutter Dmin = 0 + 1 l+ 2 Hd + 3 N-1 + ei
Burkhart e Daniels Dmin = 0 + 1 Hd + 2 (Hd . N-1) + ei
Baldwin Dmin = 0 + . exp ( 3 / l) + ei
Scolforo Dmin = 0 + 1 l+ 2 (Hd / l) + 3 N + ei
Scolforo Dmin = 0 + 1 l-1 + 2 (Hd / l) + 3 N+ 4 Dg + ei
Scolforo Dmin = 0 + 1 l+ 2 (Hd / l) + 3 N+ 4 Dg + ei
Scolforo Dmin = 0 + 1 l-2 + 2 (Hd / l) + 3 N+ 4 (Dg . l) + ei
em que:
Dmin, l, Hd, N, Dg, ln, is : foram definitos anteriormente.
Possibilidade 2:
276
Neste caso todos os 3 parâmetros da distribuição são estimados ao
mesmo tempo. Como já definido a média aritmética ( ) e o diâmetro médio

quadrático (dg) obtidos de uma série de diâmetros (di) advindos de parcela com
n árvores, então:
(25)
dg = (26)
Se estimativas de , dg e do diâmetro mínimo (d min) são disponíveis,

pode-se então obter estimativas dos parâmetros "a" , "b" e "c" da distribuição
Weibull, o que pelo método dos momentos resulta nas expressões:
=a+b (1 + 1/c) (27)
= a2 + 2 ab (1 + 1/c) + b2 (1 + 2/c) (28)
dmin = a + b (1 + 1/c) / (n1 + 1 / c) (29)
Resolvendo as equações (27) e (28) para "a" e "b" tem-se:
a= (30)
b= (31)
277
Substituindo as expressões (30) e (31) em (28) tem-se:
(32)
A expressão (32) é função apenas do parâmetro "c" e pode ser resolvida

por técnica iterativa simples, desde que conhecidos a média aritmética dos
diâmetros, o diâmetro médio quadrático e o diâmetro mínimo.
7.3.4. Distribuição Normal
É representada pela função de densidade de probabilidade.
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
FIGURA 7.14. Forma da distribuição normal
2
Se =0e = 1, então é possível obter as ordenadas da fdp através da
fórmula:
f(x) =
Assim, atribuindo valores que variam entre 0 e 3,5 para a variável

aleatória x, pode-se obter os valores correspondentes as ordenadas, como se
segue:
f(0) =
279
.
.
.
.
f(3,5) =
A função de distribuição é representada pela expressão:
F(x) = (33)
A forma mais comum de ajustar a distribuição normal é através do

método dos momentos.
2
Será apresentado a seguir como se pode obter as estimativas de e
por este método:
Demonstração
a) Média
F(x) =
280
Fazendo z= , então
x=z +
Assim,
E(x) =
2 2
E(x) =
Como a integral de:
e a integral de:
281
então
E(x) =
E(x) = , que é a própria média aritmética
b) Variância
E(x2) =
E(x2) =
2 2
z2
E(x2) = 2
282
E(x2) = 2
E(x2) = 2
+ 2
A variância é então obtida como:
= E(x2) - [E(x)]2
2 2
= + - ( )2
2
= , que é a própria variância
Assim, obtida a média ( ) e a variância ( 2) pode-se obter a

probabilidade de x ocorrer entre dois limites, como mostrado na Figura 7.15.
283
FIGURA 7.15. Área sob a curva limitada pelos valores de x 1 e x2.
Ou ainda
P (x1 x x 2) =
Como é uma integral parcial, utiliza-se o método de cálculo numérico,

fazendo-se uso de tabela, já que a resolução integral pelo método analítico não é
possível. Assim, faz-se uso da normal reduzida que no caso considerado é
resolvida, como:
P(x1 x x2) = P (z1 z z2), já que estabeleceu-se que
z=
Exemplo:
Considere = 40 e = 10. Deseja-se encontrar a probabilidade de x

estar posicionado entre 35 e 58.
z1 = = -0,5
284
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:
P (z < - 0,5) = P (z > 0,5)
P (z > 0,5) = 1 - 0,6915 = 0,3085
P (z < 1,8) = 1 - 0,0359 = 0,9641
P (z < 1,8) - P (z > 0,5) = 0,9641 -0,3085 = 0,6556

Assim, 65,5% da área sob a curva normal encontra-se entre x1 e x2.
7.3.5. Distribuição Log-normal

Uma variável aleatória x tem distribuição log-normal se In x é
normalmente distribuído. ou seja, se x está na forma ez , sendo z normal.
A função densidade de probabilidade é:
2
1 2 ln x
e
f(x) =
2
d 2
x 0
285
Na Figura 7.16 apresenta-se as formas da distribuição Log-normal.
FIGURA 7.16. Formas da distribuição Log-normal
Esta distribuição é uma alternativa à distribuição normal, já que o

logarítmo dos diâmetros, mais que os diâmetros podem seguir a distribuição
normal.
Neste caso a distinção para a distribuição normal é que para obter a

média ( ) e a variância ( 2) deve-se antes transformar os valores de diâmetro
para logarítmo dos diâmetros, como se segue:
yi = ln (di)
286
A função de distribuição é representada pela expressão:
F(x) =
Assim,
a) Média
b) Variância
ou
7.3.6. Distribuição SB de Johnson
A distribuição SB de Johnson foi primeiro descrita por Johnson (1949) e

apresentada na área florestal por Hafley e Schreuder (1977).
287
Vários trabalhos tem sido desenvolvidos com a distribuição SB de

Johnson, podendo citar Johnson (1949) que propôs a distribuição SB com ajuste
pelo método da máxima verossimilhança; Johnson e Kitchen (1971) que
apresentaram a formulação de ajuste dos parâmetros assimetria e curtose pelo
método dos momentos; Slifker e Shapiro (1980) que apresentaram a formulação
de ajuste desta distribuição pelo método dos 4 pontos percentis. Trabalhos como
os de Tham (1980) e Mage (1980) propiciaram mais subsídios ao uso desta
metodologia. Hafley e Buford (1985) também apresentaram um novo método de
ajuste dos parâmetros assimetria e curtose da distribuição SB, denominado de
método modal.
Knoebel e Burkhart (1991) apresentaram métodos de obtenção dos

parâmetros assimetria e curtose baseados nos diâmetros percentis 50% e 95% e
na normal padronizada, além de definirem critérios para os parâmetros que
expressam a locação e a escala da distribuição e Zhou e Mctague (1996)
apresentaram um novo método de ajuste para os parâmetros assimetria e curtose
denominado de método de regressão linear. Outros trabalhos como o de Wheeler
(1980), Tham (1987), Swindel et al (1987), Jutang Li, Chen, Schereuder,
Gregoire (1995) e Scolforo (1995) também abordaram com detalhes o uso desta
e de outras distribuições.
Distribuição SB
A forma da função densidade de probabilidade é:
f(d, , , , ) =
288
Para:
<d< +
- < <+
>0
- < <
>0
Sendo que:
: parâmetro locação
: parâmetro escala
e : determinam a forma da distribuição. Quando aumenta

implica em grande aumento na forma. Já aumentos no valor absoluto de
implica em mais assimetria, ou seja é o parâmetro Curtose e é o parâmetro
que expressa a assimetria.
De acordo com os valores dos parâmetros e esta distribuição pode
assumir diferentes formas, como mostrados na Figura 7.18.
289
FIGURA 7.18. Formas da distribuição SB
Originalmente, Johnson em 1949 propôs um sistema de três

distribuições baseadas na distribuição normal padrão. A forma geral deste
sistema de distribuição e:
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.
Johnson sugeriu 3 distribuições as quais produziram três famílias de

distribuições:
290
Distribuição SB
Se a função F2 for substituída em (34) tem-se a distribuição SB de

Johnson.
SB = + . ln
Com limite em e + .
As estimativas dos parâmetros da fdp podem ser feitas a partir de vários

métodos:
a) Método da máxima verossimilhança
Se conhecido o parâmetro locação ( ), que é um valor menor que o

diâmetro mínimo da floresta, e o parâmetro escala ( ), que expressa a amplitude
entre o menor e o maior diâmetro da floresta, então os parâmetros e podem
ser estimados através do método da máxima verossimilhança. Para tanto, é
conveniente fazer a seguinte transformação:
xi
yi = , e o valor de 1 - yi =
291
Portanto, a função será:
f(yi) =
para:
0 < y < 1, > 0, - < < , > 0
Tomando-se uma amostra aleatória y1, y2 ..., yn com a distribuição

acima, tem-se que a função de verossimilhança (L) é dada por:
O logarítmo da função de verossimilhança (In(L)) é obtido como:
ln(L) = nln( ) - nln
A primeira derivada do logarítmo da função de verossimilhança em

relação ao parâmetro é:
292
Esta condição é necessária para o máximo relativo:
A primeira derivada do logarítmo da função de verossimilhança em

relação ao parâmetro é:
Esta condição necessária é para o máximo relativo:
Fazendo fi = ln (yi / 1 - yi) as estimativas serão:
em que:
f = média aritmética da variável fi;
sf = desvio padrão da variável fi; e
293
n = número de observações ou número de árvores na parcela.
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.
Para obtenção do valor de compreendido entre zero e o diâmetro

mínimo serão fixados uma série de possíveis valores de como: 0,05 * dmin;
0,15 * dmin; 0,25 * dmin; 0,35 * dmin; 0,45 * dmin; 0,55 * dmin; 0,65 * dmin;
0,75 * dmin; 0,85 * dmin e 0,95 * dmin.
294
Para cada valor proposto de será ajustada a distribuição para as "n"

parcelas que compõem o estudo. Deste modo haverá um correspondente valor de
, e . Utilizando-se o teste de aderência de Kolmogorov-Sminorv que
compara as freqüências acumulativas estimadas em relação à freqüência
acumulativa observada, para cada valor proposto de , pode-se estabelecer qual
o valor de " " propicia um melhor ajuste.
b) Método dos momentos
Os valores de e serão obtidos pela solução das equações abaixo

propostas por (Johnson e Kitchen, 1971). Uma síntese da formulação para obter
o parâmetro curtose ( ) e o parâmetro assimetria ( ) é apresentado a seguir:
em que:
= média aritmética dos diâmetros da parcela.
295
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.
c) Método de Knoebel - Burkhart (1991)
Baseou-se nos percentis 50 e 95, e no limite inferior e na amplitude .
= Dmin 1,3 para diâmetro em centímetros
= Dmax - + 3,8
= Dmin 0,5 para diâmetro em polegadas
= Dmax - + 1,5
296
onde:
Z95 = valor normal padrão correspondente ao percentil acumulativo

de 95%;
Dmin = diâmetro mínimo;
Dmax = diâmetro máximo.
Se houver interesse em trabalhar com a distribuição em altura a relação
anterior pode ser utilizada da seguinte maneira:
1. Relação hipsométrica {Exemplo: In H - a + b.
2. Estimar altura correspondente ao Dmin
3. Estimar altura correspondente ao Dmin - 1,3
- Subtrair as 2 alturas estimadas anteriormente e substituir na
fórmula acima o Dmin por Hmin e 1,3 pela diferença das alturas. Então:
Estimar a altura correspondente a Dmax.
Estimar a altura correspondente a (Dmax + 3,8).
Subtrair as 2 alturas estimadas anteriormente e substituir na fórmula o

Dmax por Hmax e 3,8 pela diferença das 2 alturas. Então:
297
d) Método da Moda (Hafley e Buford, 1985)
Johnson em 1949 definiu uma equação para satisfazer qualquer valor

modal de x para a distribuição SB como:
(35)
Hafley e Buford (1985) desenvolveram um método baseado na relação
anterior e na aproximação da variância de f = ln para obter os
parâmetros e da SB.
Estabelecendo para a distribuição SB que y =
então f = ln
Utilizando a série de Tayler expandida para f avaliado em y0 = 1/2
e eliminando termos de 4ª e 8ª ordem tem-se:
f=
O desvio padrão desta expressão é:
298
Sf =
Substituindo esta expressão em
tem-se que:
Substituindo esta expressão em (2) tem-se que:
em que:
xm = é a moda de x
= são obtidos por outros métodos como por exemplo Knoebel e
Burkhart.
Como y é avaliado em y0 = são zero, somente 1
termo da série de Taylor é utilizada para aproximação de f. Assim a acuracidade

dos parâmetros estimados pode ser baixa.
299
e) Método da regressão linear (Zohn e Mctague, 1996)
É de fácil demonstração se e são conhecidos.
Utiliza-se para tal a equação 34. Designa-se f como a variável

independente e Z a dependente. O intercepto é definido como e a inclinação da
reta como .
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:
e1) Se forem utilizados 9 diâmetros percentis da amostra, então n será

igual a 9.
P0,1 ......................... P0,9
300
e2) Compute os 9 valores de f correspondentes aos 9 percentis

observados de x (item e1) utilizando valores pré-determinados de
e e escolha a família SL, SB ou SU.
Por exemplo: f2 (x; , ) = In
e3) Obter os valores de Z correspondente aos 9 percentis acumulados

P0,1 ............ P0,9 provenientes de uma tabela Z ou uma função
normal padrão acumulativa inversa.
e4) Os 9 pares de valores Z (item e3) e de f (item e2), são utilizados para
obter a estimativa de e .
Desde que os 9 percentis sejam simétricos em relação ao percentil 50%,

a média de Z é zero e a fórmula para cálculo de e reduzem-se a:
Observe que esta última expressão que propicia estimativa de é

idêntica a de máxima verossimilhança.
O número de percentis utilizados no método pode ser qualquer inteiro

menor ou igual ao tamanho da amostra. O uso de todos os percentis
301
correspondentes a todos os dados não é recomendado uma vez que "outliers"

pode alterar substancialmente a forma da regressão linear.
A definição de e pode seguir o método descrito por Knoebel e

Burkhart ou o método dos 4 percentis. Se e são calculados pelo método 1
então somente a SB pode ser obtida. Se for utilizado o método dos 4
percentis então a relação K = mn/p2 é que definirá a distribuição que
será usada.
Na Tabela 7.3 apresenta-se uma síntese das distribuições consideradas

neste capítulo para melhor facilitar sua compreensão.
302
TABELA 7.3. Distribuições Contínuas.
Distribuições
Beta Gamma
fdp
Faixa dmin d dmax dmin d

Método de Momentos
Estimativa
Estimativa de ou
de
Estimativa de ou
de 2
Parâmetros dmax,
estimados da
distribuição
h(d)
l/A
303
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
* corresponde a 60% do diâmetro mínimo; ** percentil 30%; *** percentil 90%
305
Continua...
306
Distribuições
SB Johnson
fdp
Faixa <d< +
>0
- < <
Método de Estimativa Máxima Verossimilhança
Estimativa de
Estimativa de
Método de Estimativa Momentos

Estimativa de
Estimativa de
Continua...
307
Distribuições
Método de Estimativa Knoebell-Burkhart
Estimativa de
Estimativa de
Método de Estimativa Moda

Estimativa de
Estimativa de
Método de Estimativa Regressão Linear

Estimativa de
Estimativa de
Parâmetros estimados da distribuição

h(d) 1 d
2
exp ln
2 d
308
1/A
309
7.4. ESTIMATIVA DOS PARÂMETROS DAS FDP: APLICAÇÃO
O objetivo deste item é mostrar como estimar os parâmetros das

distribuições consideradas e de como obter a estimativa de freqüência entre 2
diâmetros quaisquer. A estimativa de freqüência deve ser sempre a partir da
função de distribuição acumulada. A partir desta obtém-se a probabilidade das
árvores ocorrerem entre os limites inferior e superior de qualquer classe
diamétrica. Multiplicando esta probabilidade pelo número de árvores existente
na parcela ou mesmo por hectare obtém-se a estimativa da freqüência naquela
classe diamétrica considerada.
No entanto, para as distribuições Gamma, Normal, Log-normal e SB

de Johnson não é possível resolver a integral a não ser com o uso de cálculo
numérico. Neste caso fez-se a opção de estreitar ao máximo o intervalo das
classes diamétricas, para 1 cm, conforme também efetuado por Swindel et
al. (1987) e utilizar a própria função de densidade de probabilidade, com o
intuito de fornecer ao leitor a oportunidade de utilizar cada distribuição em
plenitude. Nesta circunstância especial de uso os resultados obtidos a partir
da fdp são bastante próximos do resultado obtido a partir da função de
distribuição acumulada, que é a forma correta de obter a probabilidade de
ocorrência de árvores entre os limites inferior e superior de qualquer classe
diamétrica.
Considere uma parcela de Eucalyptus grandis que contém 39 árvores

conforme apresentadas a seguir.
4,8 6,9 7,8 10,0 11,3 13,3
310
4,9 7,0 7,8 10,7 11,5 13,5

5,2 7,2 9,0 10,8 11,8 15,9
5,5 7,5 9,4 10,8 12,2 15,9
6,0 7,5 9,8 11,0 12,3
6,2 7,7 9,8 11,3 12,7
6,4 7,7 9,8 11,3 13,0
A média, a variância, o diâmetro mínimo e o diâmetro máximo para este

conjunto de dados é apresentado a seguir.
= 9,56923 cm
= 8,35136 cm2
dmin = 4,8 cm
dmax = 15,9 cm
n = 39
7.4.1. Estimativa dos Parâmetros das Funções
311
a) Normal
m = 9,56923
s 2x = 8,35136
b) Log Normal
Após logaritmizar os 39 valores de diâmetro, obteve-se:
1,56861 1,97408 2,28238 2,42480 2,60269

1,58923 2,01490 2,28238 2,42480 2,76631
1,64865 2,01490 2,28238 2,44234 2,76631
1,70474 2,04122 2,30258 2,46810
1,79175 2,04122 2,37024 2,50143
1,82454 2,05412 2,37954 2,50959
1,85629 2,05412 2,37954 2,54160
1,93152 2,19722 2,39789 2,56494
1,94591 2,24071 2,42480 2,58776
= 2,21016*
= 0,100763*
*
Estes valores foram obtidos dos valores logaritmizados do diâmetro ao se utilizar todas
as casas decimais.
312
C) Gama
= 2,723575
= 1,751092
d) Beta momentos
= 1,123702
= 1,491625
e) Beta média e variância
Um exemplo com outro conjunto de dados já foi apresentado no item

7.3.
f) Weibull
D percentil 30 = 0,3 . 39 = posição 12 = 7,5
313
D percentil 90 = 0,9 . 39 = posição 35 = 13,0
c=
c= = 3,390555946
b=
g) SB de Johnson-máxima verossimilhança
onde:
fi = ln [(di - ) / ( + - di)] (i = 1, 2, 3, ..., n)
314
Obtenção dos valores de fi:
fi = ln [(di - ) / ( + - di)]
onde:
di = diâmetro ( i = 1, 2, 3, ..., n)
e = 1 (limite mínimo estabelecido. Igual % do Dmínimo)
= dmax = 15,9
Com os 39 valores da parcela obtém-se:
f1 = ln [(4,8 - 1) / (1 + 15,9 - 4,8)] = -1,158204

f2 = ln [(4,9 - 1) / (1 + 15,9 - 4,9)] = - 1,123930
f3 = ln [(5,2 - 1) / (1 + 15,9 - 5,2)] = - 1,024504
f4 = ln [(5,5 - 1) / (1 + 15,9 - 5,5)] = - 0,929536
f5 = ln [(6,0 - 1) / (1 + 15,9 - 6,0)] = - 0,779325
.
.
.
f35 = ln [(13,0 - 1) / (1 + 15,9 - 13,0)] = 1,123930
f36 = ln [(13,3 - 1) / (1 + 15,9 - 13,3)] = 1,228665
f37 = ln [(13,5 - 1) / (1 + 15,9 - 13,5)] = 1,301953
f38 = ln [(15,9 - 1) / (1 + 15,9 - 15,9)] = 2,701361
f39 = ln [(15,9 - 1) / (1 + 15,9 - 15,9)] = 2,701361
315
Obtenção de :
sf =
Obtenção dos parâmetros e :
=1
= 15,9
h) Distribuição SB - Método dos momentos
=1
= 15,9
316
Sd(x) =
Sd(x) =
Sd(x) = 0,181752954
= 0,538945283
= 1,367148426 - 0,180642881 = 1,186505545
317
= -0,218033853
i) Distribuição SB - Método de Knoebell - Burkhart
= Dmin - 1,3
= 4,8 - 1,3
= 3,5
= Dmax - + 3,8
= 15,9 - 3,5 + 3,8
= 16,2
D50 = 9,8
D95 = 13,5
Z95 = 0,9505
= 1,768777411
318
= + 0,799461077
j) Distribuição SB - Método da Moda
= Dmin - 1,3
= 4,8 - 1,3
= 3,5
= Dmax - + 3,8
= 15,9 - 3,5 + 3,8
= 16,2
= 1,401446169
= -0,158566363 + 0,63343282
319
= 0,474866457
l) Distribuição SB - Método da Regressão Linear
Obter da amostra os diâmetros percentis correspondentes aos percentis

0,1; 0,2; ...; 0,9.
Obter os valores de f correspondentes para a família SB expresso por f2
(x; ; ) =
em que:
= 3,5
= 16,2
Computar os 9 valores de Z correspondentes aos 9 percentis
acumulados.
Diâmetr percenti f=ln

os s (x) Z f2 f.Z
D0,1 5,5 1,1408450 - -1,28 3,8419715 2,50892132

70 1,960094784 62 4
D0,2 6,9 0,2656250 - -0,84 1,7574002 1,11356258
00 1,325669739 58 1
D0,3 7,5 0,3278688 - -0,52 1,2435407 0,57987362
52 1,115141591 67 7
D0,4 7,8 0,3613445 - -0,25 1,0361680 0,25448084
38 1,017923377 02 4
D0,5 9,8 0,6363636 - 0,00 0,2042905 0,00000000
36 0,451985124 52 0
320
D0,6 10,7 0,8000000 - 0,25 0,0497930 -

00 0,223143551 44 0,05578588
8
D0,7 11,3 0,9285714 - 0,52 0,0054919 -
29 0,074107972 92 0,03853614
6
D0,8 11,8 1,0506329 0,049392755 0,84 0,0024396 0,04148991
11 44 4
D0,9 13,0 1,4179104 0,349184272 1,28 0,1219296 0,44695586
48 56 8
Total - 0,00 8,2630254 4,85096212
5,769489111 78 6
= 0 - ((1,062765831 . (-0,641054346))
= 0,681290654
321
7.4.2. Estimativas das Freqüências por Classe Diamétricas
a) Distribuição Normal:
f(d) =
f(4,5) = 0,214703 . 0,138048 . 39 = 1,16

f(5,5) = 0,371067 . 0,138048 . 39 = 2,00
f(6,5) = 0,568934 . 0,138048 . 39 = 3,06
f(7,5) = 0,773872 . 0,138048 . 39 = 4,17
f(8,5) = 0,933843 . 0,138048 . 39 = 5,03
f(9,5) = 0,999713 . 0,138048 . 39 = 5,38
f(10,5) = 0,949454 . 0,138048 . 39 = 5,11
322
f(11,5) = 0,799963 . 0,138048 . 39 = 4,31

f(12,5) = 0,597947 . 0,138048 . 39 = 3,22
f(13,5) = 0,396509 . 0,138048 . 39 = 2,13
f(14,5) = 0,233260 . 0,138048 . 39 = 1,26
f(15,5) = 0,121738 . 0,138048 . 39 = 0,66
f(16,5) = 0,056365 . 0,138048 . 39 = 0,30
f(17,5) = 0,023152 . 0,138048 . 39 = 0,05
f(19,5) = 0,002727 . 0,138048 . 39 = 0,01
Total da freqüência estimada é igual a 38,98
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
f(2,5)=
f(3,5)=
f(4,5)=
f(5,5) = 0,051186 . 1,256781 . 39 = 2,51

f(6,5) = 0,087169 . 1,256781 . 39 = 4,27
f(7,5) = 0,110351 . 1,256781 . 39 = 5,41
f(8,5) = 0,114813 . 1,256781 . 39 = 5,63
f(9,5) = 0,104383 . 1,256781 . 39 = 5,12
f(10,5) = 0,086265 . 1,256781 . 39 = 4,23
f(11,5) = 0,066546 . 1,256781 . 39 = 3,26
f(12,5) = 0,048807 . 1,256781 . 39 = 2,39
f(13,5) = 0,034484 . 1,256781 . 39 = 1,69
f(14,5) = 0,023697 . 1,256781 . 39 = 1,16
f(15,5) = 0,015950 . 1,256781 . 39 = 0,78
f(16,5) = 0,010573 . 1,256781 . 39 = 0,52
f(17,5) = 0,006930 . 1,256781 . 39 = 0,34
f(18,5) = 0,004506 . 1,256781 . 39 = 0,22
f(19,5) = 0,002913 . 1,256781 . 39 = 0,14
324
f(20,5) = 0,001877 . 1,256781 . 39 = 0,09
f(21,5)=
c) Distribuição Gamma:
Cálculo do Valor de Gama: Observar Anexo 2.1
(1,72) = 0,91258
(2,723575) = 1,723575 x (1,72)
= 1,723575 x 0,91258 = 1,5729

Calculando Gama tem-se:
(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
f(d) =
f (9,5) = 0,983440 . 0,138238 . 39 = 5,30

f(10,5) = 0,774694 . 0,138238 . 39 = 4,18
f(11,5) = 0,578244 . 0,138238 . 39 = 3,12
f(12,5) = 0,415173 . 0,138238 . 39 = 2,24
f(13,5) = 0,299477 . 0,138238 . 39 = 1,56
f(14,5) = 0,197262 . 0,138238 . 39 = 1,06
f(15,5) = 0,131970 . 0,138238 . 39 = 0,71
f(16,5) = 0,086964 . 0,138238 . 39 = 0,47
f(17,5) = 0,056587 . 0,138238 . 39 = 0,31
f(18,5) = 0,036428 . 0,138238 . 39 = 0,20
f(19,5) = 0,023236 . 0,138238 . 39 = 0,13
f(20,5) = 0,014703 . 0,138238 . 39 = 0,08
326
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:
f (7,5) = 0,732056 . 0,155962 . 39 = 4,45

f (8,5) = 0,715168 . 0,155962 . 39 = 4,35
f (9,5) = 0,685903 . 0,155962 . 39 = 4,17
f(10,5) = 0,646176 . 0,155962 . 39 = 3,93
f(11,5) = 0,596086 . 0,155962 . 39 = 3,63
f(12,5) = 0,534236 . 0,155962 . 39 = 3,25
327
f(13,5) = 0,457011 . 0,155962 . 39 = 2,78

f(14,5) = 0,355378 . 0,155962 . 39 = 2,16
e) Distribuição Weibull:
a=0
b = 10,165121787
c = 3,390555946
Situação 1: Usando a função densidade de probabilidade - fdp
f (3,5) = 19,45070 . 0,001305 . 39 = 0,99

f (4,5) = 34,20848 . 0,001305 . 39 = 1,74
f (5,5) = 51,97074 . 0,001305 . 39 = 2,64
328
f (6,5) = 70,46288 . 0,001305 . 39 = 3,59

f (7,5) = 86,49299 . 0,001305 . 39 = 4,40
f (8,5) = 96,61398 . 0,001305 . 39 = 4,92
f (9,5) = 98,18575 . 0,001305 . 39 = 5,00
f(10,5) = 90,46205 . 0,001305 . 39 = 4,60
f(11,5) = 75,1230 . 0,001305 . 39 = 3,82
f(12,5) = 55,81387 . 0,001305 . 39 = 2,84
f(13,5) = 36,78051 . 0,001305 . 39 = 1,87
f(14,5) = 21,2924 . 0,001305 . 39 = 1,08
f(15,5) = 10,7163 . 0,001305 . 39 = 0,55
f(16,5) = 4,6374 . 0,001305 . 39 = 0,24
f(17,5) = 1,7055 . 0,001305 . 39 = 0,09
f(18,5) = 0,5267 . 0,001305 . 39 = 0,03
f(19,5) = 0,13484 . 0,001305 . 39 = 0,01
Situação 2: Usando a função de distribuição F(x)
F(x) = 1 - exp
329
F(x) =
F(2 x<3) = 0,011805 . 39 = 0,460402

F(3 x<4) = 0,025613 . 39 = 0,998909
F(4 x<5) = 0,044809 . 39 = 1,74754
F(5 x<6) = 0,067864 . 39 = 2,646678
F(6 x<7) = 0,091819 . 39 = 3,580942
F(7 x<8) = 0,112546 . 39 = 4,389297
F(8 x<9) = 0,125606 . 39 = 4,898617
F(9 x<10) = 0,127614 . 39 = 4,976938
F(10 x<11) = 0,117628 . 39 = 4,587484
F(11 x<12) = 0,097815 . 39 = 3,814772
F(12 x<13) = 0,072854 . 39 = 2,84132
F(13 x<14) = 0,048198 . 39 = 1,879723
F(14 x<15) = 0,02806 . 39 = 1,094346
F(15 x<16) = 0,014232 . 39 = 0,555067
F(16 x<17) = 0,006223 . 39 = 0,242683
F(17 x<18) = 0,002319 . 39 = 0,090443
F(18 x<19) = 0,000728 . 39 = 0,028399
F(19 x<20) = 0,00019 . 39 = 0,007423
330
F(20 x<21) = 4,09E-05 . 39 = 0,001595

F(21 x<22) = 7,13E-06 . 39 = 0,000278
F(22 x<23) = 9,96E-07 . 39 = 0,0000389
Esta última situação é a forma correta de estimar freqüência classe

diamétrica para a distribuição Weibull. No entanto, quando a integral da fdp não
é de fácil resolução pode-se adaptar e utilizar a própria fdp para estimar a
probabilidade das árvores ocorrerem na classe diamétrica. Isto só será viável se
for diminuído ao máximo o intervalo de classe, como no caso da situação 1. Se
for comparada a freqüências estimadas na duas situações se verificará que estas
são idênticas.
g) Distribuição SB de Johnson-máxima verossimilhança
=1
= 15,9
= 1,127649977
= -0,2376
331
f (3,5) = 0,022054 . 39 = 0,860106

f (4,5) = 0,041281 . 39 = 1,609959
f (5,5) = 0,061005 . 39 = 2,379195
f (6,5) = 0,079182 . 39 = 3,088098
f (7,5) = 0,094550 . 39 = 3,687450
f (8,5) = 0,106201 . 39 = 4,141839
f (9,5) = 0,113337 . 39 = 4,420143
f(10,5) = 0,115128 . 39 = 4,489992
f(11,5) = 0,110638 . 39 = 4,314882
f(12,5) = 0,098854 . 39 = 3,855306
f(13,5) = 0,078939 . 39 = 3,078621
f(14,5) = 0,051162 . 39 = 1,995318
f(15,5) = 0,019856 . 39 = 0,774384
h) SB Johnson - Momentos
=1
= 15,9
= -0,21803
332
= 1,186505
f (2,5) = 0,005175 . 39 = 0,201806

f (3,5) = 0,019536 . 39 = 0,761910
f (4,5) = 0,039584 . 39 = 1,543760
f (5,5) = 0,061315 . 39 = 2,391299
f (6,5) = 0,081888 . 39 = 3,193628
f (7,5) = 0,099349 . 39 = 3,874508
f (8,5) = 0,112268 . 39 = 4,378443
f (9,5) = 0,119482 . 39 = 4,659796
f(10,5) = 0,119959 . 39 = 4,678400
f(11,5) = 0,112772 . 39 = 4,398123
f(12,5) = 0,097247 . 39 = 3,792619
f(13,5) = 0,073444 . 39 = 2,864304
f(14,5) = 0,043428 . 39 = 1,693704
f(15,5) = 0,014153 . 39 = 0,551948
f(16,5) = 0,000249 . 39 = 0,009710
i) SB Johnson - Knoebell-Burkhart
= 3,5
= 16,2
= 0,799461
333
= 1,76878
f (5,5) = 0,011472 . 39 = 0,447408

f (6,5) = 0,054979 . 39 = 2,144191
f (7,5) = 0,117736 . 39 = 4,591717
f (8,5) = 0,167702 . 39 = 6,540393
f (9,5) = 0,184989 . 39 = 7,214568
f(10,5) = 0,168858 . 39 = 6,585447
f(11,5) = 0,130966 . 39 = 5,107669
f(12,5) = 0,086471 . 39 = 3,372378
f(13,5) = 0,047654 . 39 = 1,858511
f(14,5) = 0,020914 . 39 = 0,815629
f(15,5) = 0,006659 . 39 = 0,259706
f(16,5) = 0,001272 . 39 = 0,049594
j) SB Johnson - Moda
= 3,5
= 16,2
= + 0,474866
= 1,401446
334
f (5,5) = 0,024136 . 39 = 0,941320

f (6,5) = 0,063438 . 39 = 2,474089
f (7,5) = 0,102698 . 39 = 4,005213
f (8,5) = 0,130481 . 39 = 5,088763
f (9,5) = 0,142746 . 39 = 5,567077
f(10,5) = 0,140050 . 39 = 5,461951
f(11,5) = 0,125316 . 39 = 4,887342
f(12,5) = 0,102502 . 39 = 3,997562
f(13,5) = 0,075861 . 39 = 2,958589
f(14,5) = 0,049509 . 39 = 1,930839
f(15,5) = 0,027048 . 39 = 1,054880
f(16,5) = 0,011110 . 39 = 0,433300
l) SB Johnson - Regressão Linear
= 3,5
= 16,2
= + 0,681291
= 1,0628
335
f (5,5) = 0,090531 . 39 = 3,530691

f (6,5) = 0,116380 . 39 = 4,538823
f (7,5) = 0,123972 . 39 = 4,834911
f (8,5) = 0,120774 . 39 = 4,710204
f (9,5) = 0,111464 . 39 = 4,347104
f(10,5) = 0,098815 . 39 = 3,853769
f(11,5) = 0,084489 . 39 = 3,295052
f(12,5) = 0,069523 . 39 = 2,711393
f(13,5) = 0,054616 . 39 = 2,130024
f(14,5) = 0,040308 . 39 = 1,572028
f(15,5) = 0,027114 . 39 = 1,057460
f(16,5) = 0,015639 . 39 = 0,609909
As freqüências estimadas por cada uma das distribuições assim como a

freqüência observada são sintetizadas na Tabela 7.4.
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
Testes para Avaliação do Ajuste das Distribuições
Quando deseja-se efetuar teste entre a freqüência observada e a estimada

por uma distribuição qualquer, vários testes podem ser utilizados. Serão
apresentados a seguir o qui-quadrado, o teste G (Sokal e Rohlf, 1981) e o teste
Kolmogorov- Smirnov (Sokal e Rohlf, 1981).
a) Qui-quadrado ( 2)
339
em que
fi : freqüência observada na i-ésima classe de diâmetro
: freqüência estimada na i-ésima classe de diâmetro
k : número de classes de diâmetro

v : k - 1 - n graus de liberdade disponíveis, sendo n o número de
parâmetros da função
em que:
fi, , k e v já foram definidos anteriormente.
2
Quando o teste ou G são utilizados, a freqüência esperada em
qualquer classe de diâmetro não pode ser inferior a cinco.
c) Teste Kolmogorov - Smirnov
Este teste deve ser preferível aos testes de qui-quadrado e ao teste G, já

que estes podem apresentar valores tendenciosos quando o número de
observações por classe diamétrica for inferior a cinco.
O teste de Kolmogorov-Smirnov compara a freqüência acumulativa

estimada com a freqüência acumulativa observada. O ponto de maior
divergência entre as duas distribuições é o valor D de Kolmogorov-Smirnov.
340
D = SUP [F(x) - S(x)]
F(x) = valor da função de distribuição de freqüência acumulativa teórica.
S(x) = valor da função de distribuição de freqüência acumulativa observada.
Aplicação: Agrupando os diâmetros das 39 árvores do exemplo no item 7.4 em

classes diamétricas e utilizando-se as freqüências acumulativas observadas S(x),
assim como as freqüências acumulativas teóricas da distribuição Weibull -
situação 2 - exemplifica-se o uso deste teste.
Classes de Freqüência S(x) F(x) [F(x) - S(x)]

diâmetro observada
(fo)
1 2 - - 0,003643 0,003643
2 3 - - 0,015448 0,015448
3 4 - - 0,041061 0,041061
4 5 2 0,051282051 0,085870 0,034588
5 6 2 0,102564102 0,153734 0,051169
6 7 4 0,205128205 0,245553 0,040425
7 8 8 0,410256410 0,358099 0,052157
341
8 9 - 0,410256410 0,483705 0,073449

9 10 5 0,538461538 0,611319 0,072857
10 11 4 0,641025641 0,728947 0,087921
11 12 6 0,794871794 0,826762 0,131890
12 13 3 0,871794871 0,899616 0,027821
13 14 3 0,948717948 0,947814 0,000904
14 15 - 0,948717948 0,975874 0,027156
15 16 2 1,000000000 0,990106 0,009894
16 17 -
17 18 -
18 19 -
19 20 -
20 21 -
21 22 -
22 23 -
em que:
S(x) =
O valor de maior divergência é : D = 0,131890. Constrastando-o com o

valor de tabela d391% = 0,255, verifica-se que o valor de maior divergência não é
significativo, o que significa que há aderência dos dados à distribuição Weibull.
342
7.5. PROGNOSE DA PRODUÇÃO
Para ilustrar a construção de um modelo de prognose para um

povoamento não sujeito a desbaste, utilizou-se de 32 parcelas, estando incluídos
neste total as remedições.
Para que este fato se concretize são necessárias três ações:
Estimar os parâmetros da distribuição em cada uma das parcelas.
Selecionar ou desenvolver modelos que possibilitem efetuar a

prognose dos atributos do povoamento, que são correlacionados com
os parâmetros estimados da distribuição. Ajustou-se funções que
possibilitaram evoluir com a altura média das árvores dominantes,
área basal, número de árvores, variância dos diâmetros, etc.
Especificamente distribuição Weibull assumiu-se que os percentis 30
e 90 foram os mais eficientes, assim como o valor de "a" corresponde
60% do diâmetro mínimo, após efetuado teste Kolmogorov-Smirnov.
Os atributos do povoamento ao serem prognosticados para o futuro

como são correlacionados com os parâmetros da distribuição,
permitem que estes sejam recalculados no futuro. Pode-se então
estimar a freqüência na nova idade.
Neste exemplo será efetuada a prognose para a idade de 60 meses, à

partir da distribuição Normal, Log-normal, Gamma, Beta e Weibull.
a) Dados básicos e os parâmetros das distribuições
343
Os dados utilizados no estudo foram obtidos após o processamento de

32 parcelas remedidas de Eucalyptus urophylla e são representados também na
Tabela 7.5. Ressalta-se que nesta tabela são apresentados também parâmetros
estimados das distribuições, conforme já abordado no item 7.4.1.
344
TABELA 7.5. Dados básicos de características obtidas pela medição de parcelas

permanentes de Eucalyptus urophylla.
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
28 36 19,5 1452,4 15,6 10,6660

29 25 22,5 1285,7 14,3 5,0397
30 37 22,5 1238,1 18,1 8,3545
31 27 19,5 1095,2 10,8 4,7555
32 35 19,5 1166,7 14,0 6,9142
Continua...

permanentes de Eucalyptus urophylla - Continuação
Registro V Dmin Dmax MN VN

1 62,4072 4,1 12,9 8,4920 3,5589
2 131,6975 4,5 17,3 10,5720 7,2370
3 26,2669 4,0 13,0 8,7100 7,5329
4 60,7565 4,8 20,8 12,2700 23,6851
5 117,3374 3,0 16,1 11,0233 9,8504
6 156,8351 4,0 17,5 12,0431 12,2200
7 150,1022 4,0 17,3 11,3762 13,4097
8 195,4735 4,2 18,8 12,2887 17,5897
9 131,6939 4,8 17,1 11,6509 8,1614
10 182,8844 4,2 20,0 12,7339 12,2494
11 53,0036 3,4 11,8 7,9829 4,3291
12 122,7570 4,0 15,9 10,6621 10,1681
13 40,5049 4,0 10,1 7,8429 2,2082
14 94,8544 4,0 14,2 10,4683 6,5238
15 40,9708 4,5 10,4 8,0317 2,1635
16 80,6992 4,8 13,7 10,0117 3,7200
17 83,2177 3,8 14,8 10,0839 6,1094
18 130,5439 4,6 17,0 11,4333 7,3889
19 165,0363 5,0 18,9 12,5644 9,4569
20 63,1822 3,0 14,0 8,6014 7,5964
21 109,8986 4,1 16,5 10,2746 10,1470
346
22 156,1118 4,3 18,9 11,4952 15,2106

23 109,6437 4,8 15,9 10,1795 7,3227
24 134,7886 4,2 16,8 10,4405 9,6073
25 114,8291 5,0 14,5 10,6191 5,4571
26 148,2223 4,5 16,9 11,1838 7,9766
27 31,7808 4,3 11,5 7,1483 2,9535
28 69,8944 4,5 15,0 9,4016 5,1130
29 33,0628 3,0 9,8 6,9074 2,1955
30 63,8730 4,8 12,5 9,0615 3,8047
31 24,2448 4,0 10,8 7,2326 2,9731
32 42,2772 4,2 12,4 8,4102 4,7258
Continua...

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
16 2,2826 4,56000E-2 2,4403 1,7270 7,3014

17 2,2741 8,33000E-2 2,1998 1,6510 6,4633
18 2,4032 7,38000E-2 2,2295 1,8432 6,1359
19 2,4966 7,46000E-2 2,2137 1,8541 6,0506
20 2,0895 1,40500E-1 1,5179 1,4629 4,1304
21 2,2752 1,18200E-1 1,3884 1,3998 3,7573
22 2,3751 1,46800E-1 1,2334 1,2693 3,4036
23 2,2811 8,36000E-2 1,5520 1,6504 3,9519
24 2,2957 1,07700E-1 1,5507 1,5802 4,0536
25 2,3326 6,77000E-2 1,7721 1,2239 5,7859
26 2,3742 9,21000E-2 2,0427 1,7470 5,6005
27 1,9371 6,07000E-2 1,2646 1,9321 2,7468
28 2,2089 0,83000E-2 2,0386 2,3284 4,6990
29 1,9065 5,64000E-2 2,3836 1,7645 6,9542
30 2,1783 5,47000E-2 1,5780 1,2733 4,7732
31 1,9485 6,21000E-2 1,3685 1,5103 3,5148
32 2,0937 7,46000E-2 1,3116 1,2429 3,7508
Continua...

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
9 1,1913 8,3072 10,23 15,43

10 1,4354 12,4721 10,78 17,30
11 0,9446 4,3919 6,80 10,40
12 1,5263 10,3245 9,00 14,20
13 0,5745 2,2438 7,46 9,17
14 1,0086 6,6344 9,50 13,10
15 0,6126 2,2002 7,50 9,90
16 0,7138 3,7831 9,50 12,50
17 0,9722 6,2096 8,90 13,04
18 1,0974 7,5141 10,00 14,50
19 1,2502 9,6199 10,80 16,53
20 1,3561 7,7081 7,00 12,00
21 1,6433 10,3107 8,07 14,65
22 2,1140 15,4560 8,50 16,57
23 1,3612 7,4244 8,70 13,57
24 1,5395 9,7389 8,52 14,22
25 0,9712 5,5386 9,90 13,00
26 1,1934 8,0957 10,00 14,00
27 1,0370 3,0053 6,04 9,22
28 1,0431 5,1982 8,00 11,89
29 0,5619 2,2369 6,04 8,76
30 0,8928 3,8793 8,50 11,74
31 0,9197 3,0391 5,88 9,42
32 1,1225 4,8243 6,80 1,30
onde:
I : idade em meses
S : índice de sítio
NI : número de árvores/ha
349
Hd : altura média das árvores dominantes
G : área basal/ha
V : volume/ha
Dmin : diâmetro mínimo/parcela
Dmax : diâmetro máximo/parcela
MN : média aritmética dos diâmetros
VN ou S2 : variância do parâmetro diâmetro
ML : média dos diâmetros logaritmizados
VL : variância dos diâmetros logaritmizados
B : estimativa do parâmetro da distribuição beta
B : estimativa do parâmetro da distribuição beta
G : estimativa do parâmetro da distribuição gamma
G : estimativa do parâmetro da distribuição gamma
s 2d : variância dos diâmetros (estimativa)
XP30 : diâmetro correspondente ao percentil 30
XP90 : diâmetro correspondente ao percentil 90
b) Equações Geradas
350
As equações apresentadas na Tabela 7.6 foram ajustadas com os dados

provenientes de 32 parcelas contidas na Tabela 7.5.
Os números entre parênteses indicam a que distribuição, a equação está

indexada para viabilizar a prognose. Os códigos associados a distribuição são:
1) Normal
2) Lognormal
3) Gamma
4) Beta
5) Weibull
351
TABELA 7.6. Equações que compõem o sistema de prognose.
R2 Syx Código de
associação a
distribuição
Diâmetro Mínimo (Dmin): Dmin = 98,1 ± 0,5895 (1) (2) (3)

0,02617(I) + 0,147628 S cm (4) (5)*
Área Basal (G): G=-18,40362 + 94,3 ± 1,1574 (1) (2) (3)

0,009204 NI + 0,982875 Hd m2 / ha (4)*
Função de nº de indivíduos (sobrevivência

+ recrutamento) NI = -164,13308 +
± 46,2 (1) (2) (3)
1,30624 N1 (l1/l2) + 1600,51122 [1-(l1/l2)] 96,8
árvores (4) (5)*
-10,17091 . S
Variância Paramétrica VN = 1,074887 -
0,37651 . G -0,219624 . + 86,0 ± 1,8221 (1)* (2)*
cm2 (3)*
0,06514
Variância dos Diâmetros Logoritmizados

VL: VL = 0,129347 - 92,6 ± 0,01018 (2)*
0,022174 Dmin + 0,007105 lncm2
Diâmetro Máximo Dmax = -0,79208 + 91,0 ± 0,9177 (1) (3) (4)

0,07304 I + 1,31033MN cm (5)*
Variância dos Diâmetros = 1,09075 -

0,425224 . G -0,22041 + 85,9 ± 1,884 (2)*
2
0,06837 cm
Altura Dominante (Hd):

Hd = S . 94,0 ± 0,75497 (1) (2) (3)
m (4) (5)*
Média dos Diâmetros MN = 8,765102 -
0,003024 . NI + 0,367764 G + 94,0 ± 0,39995 (1) (3) (4)
0,05595 Hd cm (5)*
352
Média dos Diâmetros Logoritmizados

ML: ML = 1,856728 -
± 0,03020 (2)*
0,000359 . NI + 0,02029 Hd + 0,08835 G 96,8
- 0,00569 V ln cm
Volume V = (7,7257726 + 0,7937 . G . - - (2)*

) 0,5
Diâmetro Percentil 30 (XP1): XP1 = -
1,135429 + 0,001171 NI - 0,46297 . Dmax 91,3 ± 0,41551 (5)*
+ 1,489328 MN cm
Diâmetro Percentil 90 (X P2): XP2 =

+0,767645 - 0,001185 NI + 0,478771 96,9 ± 0,46194 (5)*
Dmax + 0,692164 MN cm
* Neste caso estão as funções que permitem fazer prognose das distribuições
em que:
NI : número de árvores na Idade I2 para prognose ou na idade

presente para estimativa presente
N1 : número de árvores na idade I1
l1 e I2 : Idade presente (l1) e idade de prognose (I2)
s 2d : variância dos diâmetros
Iref : Idade de referência 60 meses
: O Ajuste da função de sítio pelo método da diferença
algébrica:
353
H2 = H1
Esta função foi então remanejada como:
S = Hd / ou
Hd = S .
c) Freqüências prognosticadas para as distribuições Normal, Log--

normal, Gamma, Beta e Weibull
Utilizando os parâmetros estimados e apresentados na Tabela 7.6, pode-

se obter a prognose das características do povoamento. Para isto utilizou-se das
informações de três parcelas aos 30 meses respectivamente, índices de sítio S =
25,5; 22,5 e 19,5 e número de árvores NI = 1300 para os três sítios considerados.
Pode-se obter então a prognose do povoamento para 60 meses, como
apresentado na Tabela 7.7. Através destas informações pode-se obter a
estimativa dos parâmetros das distribuições consideradas neste exemplo, na
idade de 60 meses. Fez-se a opção de prognosticar todos os atributos já que
deseja-se a prognose para todas as distribuições testadas.
354
TABELA 7.7. Características estimadas para 60 meses em cada sítio
Características Sítio I Sítio II Sítio III

Nl 1225,8 1256,33 1286,84
Hd (m) 25,5 22,5 19,5
S 25,5 22,5 19,5
Dmax (cm) 20,7 19,1 17,5
G (m2) 17,94 15,27 12,61
V (m3) 185,41 140,21 101,45
Dmin (cm) 5,33 4,89 4,45
S2D 16,50 14,27 12,30
MN 13,08 11,84 10,60
355
XP1 10,20 9,13 8,06
XP2 18,28 16,62 14,96
VN = S2 15,99 13,84 11,93
ML 2,4641 2,41354 2,32725
VL 0,12839 0,1223 0,11806
c.1) Função Densidade de Probabilidade Normal
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:
MN = 8,765102 - 0,003024 . NI + 0,367764 . G + 0,05595 . Hd
VN =1,074887 - 0,37651. G - 0,219624 . Dmin2 +0,06514 . Dmax2
356
TABELA 7.8. Estimativa dos parâmetros MN e VN2 para 60 meses utilizados na

função densidade de probabilidade normal
Parâmetros Sítio I Sítio II Sítio III
MN 13,08 11,84 10,60
2
S 15,99 13,84 11,93
Através dos valores MN e VN2 utiliza-se a função f(x) que determina a

probabilidade de x na classe considerada. Assim, do produto f (x) . NI encontra-
se as freqüências estimadas, conforme mostrado na 7.9.
TABELA 7.9. Freqüências estimadas através da distribuição normal em cada

sítio
Valor Central da Freqüência Estimada

Classe
de Diâmetro Sítio I Sítio II Sítio III
1 1,28 1,93 3,12
2 2,63 4,08 6,70
3 5,10 8,00 13,21
4 9,28 14,62 23,95
5 15,88 24,85 39,93
6 25,51 39,29 61,23
7 38,49 57,80 86,34
8 54,57 79,08 112,0
9 72,67 100,7 133,5
10 90,90 119,2 146,4
11 106,8 131,3 147,6
12 117,9 134,6 136,9
13 122,3 128,3 116,8
14 119,1 113,8 91,56
357
15 109,0 93,92 66,03

16 93,67 72,10 43,79
17 75,64 51,49 26,70
18 57,37 34,20 14,98
19 40,88 21,14 7,72
20 27,36 12,15 3,66
21 17,20 6,50 1,60
22 10,16 3,23 0,64
23 5,64 1,50 -
24 2,94 0,64 -
25 1,44 - -
26 0,66 - -
Total 1.224,39 1.254,42 1.284,37
c.2) Função Densidade de Probabilidade Lognormal
Função:
f(x) =
x = valor central da classe

ML = média logaritmizada
VL = variância logarítmica
358
Através das estimativas apresentadas na Tabela 7.7, faz-se a prognose da

média logaritmizada e da variância logarítmica para cada sítio, conforme
apresentada na Tabela 7.10, de acordo com as seguintes equações:
ML = 1,856728 - 0,000359. NI + 0,02029. Hd + 0,08835. G -

0,005693. Vcilindro
VL = 0,129347 - 0,022174. Dmin + 0,007105. S2d
TABELA 7.10. Estimativa dos parâmetros ML e VL para 60 meses

utilizados na função densidade de probabilidade normal
Parâmetro Sítio I Sítio II Sítio III

s
ML 2,4641 2,4136 2,3273
VL 0,12839 0,1223 0,11806
Através dos valores ML e VL, utiliza-se a função f(x) que fornece a

probabilidade de x na classe de diâmetro considerada. Assim, do produto f(x) .
NI obtém-se as freqüências estimadas, conforme apresentado na Tabela 7.11,
para cada um dos sítios considerados.
359
TABELA 7.11. Freqüências estimadas para cada sítio pela FDP de Log normal
Valor Central da
Classe Freqüência Estimada
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
12 113,5 117,0 112,1

13 100,9 100,4 90,48
14 86,53 83,16 70,71
15 72,16 67,03 53,91
16 58,88 52,89 40,32
17 47,23 41,04 29,73
18 37,37 31,44 21,67
19 29,25 23,83 15,67
20 22,70 17,93 11,26
21 17,50 13,41 8,05
22 13,42 9,98 5,74
23 10,26 7,40 4,09
24 7,81 5,48 2,90
25 5,94 4,05 2,06
26 4,51 2,99 1,47
27 3,42 2,20 1,04
28 2,59 1,63 0,74
29 1,96 1,20 0,53
30 1,49 0,89 -
31 1,13 0,66 -
Total 1.221,84 1.254,15 1.285,48
c.3) Função Densidade de Probabilidade Gamma
Função:
361
f(x) =
x 0 e x Dmin
a, = parâmetros estimados
G = função gama ( - 1)!
exp = base do logaritmo natural
Dmin = diâmetro mínimo
Obtenção dos parâmetros e .
onde:
MN = média normal
S2 = variância normal (populacional)
362
Para obter estimativa dos parâmetros e , conforme pode-se ver na

Tabela 7.12, faz-se primeiro o prognóstico da média, da variância paramétrica e
do diâmetro mínimo, utilizando-se as funções:
MN = 8,765102 - 0,003024 . NI + 0,367764 . G + 0,05595 . Hd
S2 = VN = 1,074887 - 0,37651 . G - 0,219624 . Dmin2 + 0,06514 . Dmax2
Dmin = 0,02617. I + 0,147628 . S
TABELA 7.12. Estimativa dos parâmetros e da distribuição Gama

3,756254 3,490065 3,170369
2,063226 1,991367 1,939837
Estimados e , obtém-se a probabilidade de ocorrência do diâmetro

por cada classe, o que multiplicado pelo número de árvores propicia obter a
freqüência estimada por sítio, conforme mostrado na Tabela 7.13.
TABELA 7.13. Estimativa das freqüências aos 60 meses por classe de diâmetro
e por sítio
Valor Central da Freqüência Estimada
Classe
363

5 - 0,13 13,76
6 4,34 25,64 77,89
7 33,11 76,83 137,0
8 74,32 122,2 167,8
9 110,0 148,0 171,7
10 131,6 154,1 157,8
11 138,4 145,5 135,1
12 133,4 128,5 109,8
13 120,7 107,9 85,88
14 104,2 87,23 65,21
15 86,73 68,43 48,34
16 70,06 52,38 35,14
17 55,24 39,29 25,13
18 42,67 28,97 17,72
19 32,40 21,06 12,35
20 24,24 15,11 8,52
21 17,91 10,73 5,83
22 13,08 7,54 3,95
23 9,46 5,26 2,66
24 6,78 3,64 1,78
25 4,82 2,50 1,19
26 3,40 1,71 0,78
27 2,39 1,16 0,52
28 1,67 0,78 -
29 1,16 0,53 -
30 0,80 - -
31 0,55
Total 1.223,43 1.255,12 1.285,85
364
c.4) Função Densidade de Probabilidade Beta
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
Dmin = diâmetro mínimo da parcela

Dmax = maior diâmetro da parcela
S2 = variância do parâmetro diâmetro
Para obter a estimativa dos parâmetros e , conforme pode-se ver na

Tabela 7.14, faz-se primeiro o prognóstico da média, variância, diâmetro
mínimo e diâmetro máximo, utilizando-se as funções:
MN = 8,765102 - 0,003024 . NI + 0,367764 . G + 0,05595 . Hd

S2 = VN = 1,074887 - 0,37651 . G - 0,219624 . Dmin2 + 0,06514 . Dmax2
Dmin = 0,02617 . I + 0,147628 . S
Dmax = - 0,79208 + 0,07304 . I + 1,31033 . MN
TABELA 7.14. Estimativa dos parâmetros e da distribuição Beta

1,358009 1,294007 1,205025
1,335230 1,351725 1,351979
Estimados e , obtém-se a probabilidade de ocorrência do diâmetro

por classe de diâmetro, o que multiplicado pelo número de árvores, propicia
obter a freqüência estimada por sítio, conforme mostrado na Tabela 7.15.
TABELA 7.15. Estimativa das frequências para 60 meses pela função Beta
366
Valor Sítio I Valor Sítio II Valor Sítio III

Central da Central da Central da
Classe de Classe de Classe de
Diâmetro Diâmetro Diâmetro
5,5 30,53 5,0 39,04 4,5 53,34
6,5 59,54 6,0 75,07 5,5 96,82
7,5 72,48 7,0 88,18 6,5 107,7
8,5 80,85 8,0 95,88 7,5 113,0
9,5 86,67 9,0 100,7 8,5 115,4
10,5 90,71 10,0 103,5 9,5 115,8
11,5 93,35 11,0 104,7 10,5 114,7
12,5 94,78 12,0 104,5 11,5 11,21
13,5 95,08 13,0 103,0 12,5 108,0
14,5 94,25 14,0 100,0 13,5 102,3
15,5 92,21 15,0 95,53 14,5 94,44
16,5 88,77 16,0 89,01 15,5 83,49
17,5 83,56 17,0 79,61 16,5 66,59
18,5 75,81 18,0 64,91 17,5 -
19,5 63,51 19,0 28,54 -
20,5 35,69 - -
Total 1.237,79 1.272,17 1.283,68
367
c.5) Função Densidade de Probabilidade Weibull
Função:
f(x) =
x a; a 0; b > 0 e c > 0
a; b e c = parâmetros estimados
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
Dmin = 0,02617 , I + 0,147628 . S
XP30 = -1,135429 + 0,001171 . NI - 0,46297. Dmax + 1,489328 . MN
XP90 = 0,767645 - 0,001185 . NI + 0,478771 . Dmax + 0,692164 . MN
TABELA 7.16. Estimativa dos parâmetros a, b e c da função Weibull por sítio

a 3,2 2,93 2,67
b 10,7 9,606 8,5
c 2,43 2,354 2,263
Estimados os parâmetros "a", "b" e "c", obtém-se a probabilidade de

ocorrência do diâmetro por classe de diâmetro, o que multiplicado pelo número
de árvores (NI), propicia obter a freqüência estimada por sítio, conforme
mostrado na Tabela 7.17.
369
TABELA 7.17. Estimativa das freqüências aos 60 meses por classe de

diâmetro e por sítio
Valor Central por Sítio I Sítio II Sítio III

Classe de Diâmetro
3 - 0,39 5,66
4 6,81 15,68 32,42
5 21,48 37,51 63,34
6 39,39 61,37 93,04
7 58,43 84,31 117,6
8 76,72 103,8 134,2
9 92,53 117,8 141,3
10 104,4 125,0 139,0
11 111,4 125,2 128,5
12 113,0 118,9 112,1
13 109,5 107,3 92,59
14 101,4 92,32 72,48
15 90,06 75,72 53,83
16 76,68 59,27 37,96
17 62,62 44,29 25,42
18 49,07 31,59 16,17
19 36,89 21,51 9,76
20 26,61 13,98 5,60
21 18,40 8,67 3,05
22 12,20 5,13 1,58
23 7,75 2,89 0,77
24 4,71 1,55 -
25 2,74 0,79 -
26 1,53 - -
27 0,81 - -
28 - - -
29 - - -
370
30 - - -
31 - - -
Total 1.225,13 1.254,97 1.286,37
Capítulo 8
MODELOS PARA POVOAMENTOS DESBASTADOS
O desbaste é uma prática silvicultural importante e no Brasil tem sido

muito utilizada em povoamentos de Pinus sp que tem uso final previsto para
serraria, laminação, madeira para painéis, dentre outros. Nos últimos anos, esta
prática também tem começado a ser utilizada em espécies do gênero Eucalyptus,
procurando agregar mais renda ao negócio florestal. É uma prática que influi no
crescimento, através da regulação da:
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
desbastados, que forneçam elementos que possibilitem a avaliação das diferentes

intensidades, métodos, época e número de desbastes.
Neste capítulo serão apresentados procedimentos para predição do

crescimento e produção em povoamentos desbastados.
Procedimento 1
Foi desenvolvido por Bailey e Ware em 1983 e por Bailey, Borders,

Ware e Jones Jr. em 1985. Murphy e Farrar em 1987 apresentaram novos
componentes a este modelo.
a) Modelo para estimar a área basal
Buscando obter a expressão de desbaste mais eficiente a ser embutida no

modelo de área basal foram consideradas combinações de algumas variáveis
potenciais para representar o tipo e a intensidade do desbaste, quais sejam:
- Proporção de árvores removidas no desbaste

- Proporção de área basal removida no desbaste
- Idade do povoamento quando desbastado
- Tempo decorrido do desbaste
- Razão de diâmetros
Destas, definiu-se a razão dos diâmetros como sendo uma boa escolha
para expressar o desbaste. Para tal adotou-se inicialmente duas:
Rt = Dt / Db
Ra = Da / Db
372
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
Buscando melhorar tanto propriedades estatísticas das variáveis

independentes, como a estrutura lógica das relações nas quais foram usadas,
transformou-se as razões de diâmetro Rt e Ra nas variáveis Xt e Xa s a seguir
como:
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.
G2 = G1(l1/l2) e ( 1 + 2 S) [1 - (l1/ l2)]

(1)
onde:
G1 = área basal na idade I1
G2 = área basal na idade l2
373
O modelo (1) foi obtido através do método da diferença utilizando-se o

modelo de produção:
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.
Para evitar esta característica indesejável o modelo foi modificado para

ser utilizado tanto em povoamentos não desbastados como em povoamentos
desbastados, mantendo ao mesmo tempo a propriedades de compatibilidade
apresentada por Sullivan e Clutter (1972). O modelo é:
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 =
sendo que o multiplicador e assume valor 1 quando Xt =

0, valor < 1 quando Xt < 0, e > 1 quando Xt > 0.
374
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=
Observe que no modelo (3) quando X = 0 ele se reduz no modelo (1),

sendo portanto, compatível para povoamentos desbastados e não desbastados.
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.
b) Modelo para estimar o número de árvores
O segundo passo para desenvolvimento do modelo foi dado por Bailey,

Borders, Ware e Jones Jr em 1985, utilizando como ponto de partida o modelo
desenvolvido por Clutter e Jones (1980), que é:
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
N2 = número de árvores por unidade de área na idade I2

, , = coeficientes de regressão
Utilizando então o multiplicador desenvolvido por Bailey e Ware
(1983), exp 2 Xt [(1/l2) - (1/l1)]/(It I2), (5) pode-se obter a função para estimar o
número de árvores numa idade futura, incluído a variável índice de sítio (S),
quando o povoamento está sujeito a regime de desbaste.
N2 = (6)
Entretanto, este modelo não apresentou a propriedade de projeção

invariável desejável, ou seja, a projeção de I1 para I2 e de I2 para l3 não dá o
mesmo resultado que de I1 para l3. Foi então utilizada a equação diferencial:
1/N ( N/ I) = 0 + 1 /I+ 3 S (7)
que resultou no modelo:
N2 = N1 (I2/I1) exp [( 0 + 3 S) (I2 - I1)] (8)

Assim quando o modelo (8) é multiplicado pelo modelo (5) com a
substituição de It I2 por It obtém-se o modelo final com as propriedades
desejáveis e sugeridas por Sullivan e Clutter (1972).
N2 = N1 (I2/I1) exp [( 0 + 3 S) (I2 - I1) + 2 Xt Z [(1/I2)-(1/I1)] / It} (9)

onde:
376
sendo W a idade em que a mortalidade não é mais afetada pelos desbastes.

Assim, Z será = 1 até a idade em que o desbaste afeta a mortalidade e igual a
zero a partir daquela idade na qual o desbaste não afeta a mortalidade. Para a
população em questão foi verificada que esta idade é de 22,5 anos.
c) Aplicação do Modelo
Supor um povoamento com idade I1 = 15 anos; índice de sítio (idade

base = 25 anos): S = 65 pés; árvores por acre: N1 = 600 árvores; área basal: G1 =
120 pés2/acre; diâmetro médio quadrático: Dg = 6,06 polegadas.
Supor ainda que o regime de manejo desejado é que aos 18 anos o

povoamento fique com 350 árvores e um diâmetro médio quadrático de 6,87
polegadas (90 pés2/acre de área basal).
Deseja-se fazer a projeção da área basal, do número de árvores e do

diâmetro médio quadrático para 35 anos.
Equação da área basal:
G2 =
Equação do número de árvores:
377
1) Estimar o número de árvores na idade de 18 anos assim como a área

basal nesta idade, antes do desbaste, com Xt = 0.
Observe que o valor predito na idade de 18 anos é: N 2 = 577 e G2

=128,12. Assim o dg nesta idade é (128,12/5770,005454)1/2 = 6,38
polegadas.
2) Como é desejado que aos 18 anos se efetue um desbaste e o

povoamento fique com 350 árvores/acre, então serão removidas
(577-350) = 227 árvores/acre que correspondem a uma área basal de
38,12 pés2/acre, com um dg = 5,55 polegadas. Assim a razão de
diâmetro é Rt = 5,55/6,38 = 0,87 e obtém-se então:
Xt = 1 0,87 = 0,13
Utiliza-se a equação de área basal para fazer sua projeção para a

idade desejada de 35 anos, com I1 = 18, G1 = 90, S = 65, l2 = 35, It =
18, obtendo-se G2 = 125,45 pés2/acre na idade de 35 anos.
3) Aplicando a função de sobrevivência obtém-se a estimativa do

número de árvores por acre na idade 35 anos. Deve-se salientar que a
equação considera que a partir da idade de 22,5 anos o desbaste não
afeta a mortalidade, então primeiro deve-se fazer a projeção de N2
para esta idade (N2 = 326) e para tal Z = 1; N1 = 350; l2 = 22,5; l1 =
18 e Xt = 0,13.
378
Com 326 árvores/acre prevista na idade 22,5 anos faz-se então a

projeção para 35 anos e para tal considera-se Z = 0; N1 = 326; l1 =
22,5; l2 = 35 e obtém-se a projeção de 271 árvores/acre.
Na Tabela 8.1 é apresentada uma síntese das estimativas obtidas neste

modelo.
TABELA 8.1. Síntese das estimativas da simulação de desbastes
Idade Árvores/acre Área basal Diâmetro médio

Anos Número pés2/acre quadrático
15 600 120,00 6,06
18 (antes desbaste) 577 128,12 6,38
18 (após desbaste 350 90,00 6,87
22,5 326
35 271 125,45 9,21
Observe que desta maneira se tem a projeção do número de árvores, da

área basal e do diâmetro médio quadrático.
Acrescentando ao procedimento uma equação que expressa o

desenvolvimento em altura pode-se por exemplo efetuar a predição da produção
por classe de diâmetro na idade de 35 anos, ou em qualquer outra desejada, e
para tal, utiliza-se do procedimento desenvolvido por e Jones, em 1980, (ver
capítulo 9).
Procedimento 2
379
Pienaar e Shiver em 1986, propuseram equações de predição e de

projeção da área basal que podem ser usadas tanto em povoamentos desbastados,
como em povoamentos não desbastados sobre uma ampla faixa de idade,
qualidade de sítio, densidade e intensidade de desbaste.
Observe que a forma básica da equação de produção de densidade

variável de Schumacher é:
ln Y = 0 + 1 (1/I) + 2 f(S) + 3 g(D) (10)

onde:
Y = produção por unidade de área
I = Idade do povoamento
f(S) = alguma função da qualidade de sítio
g(D) = alguma função da densidade do povoamento
Assim, para se obter a produção em volume de povoamentos

desbastados foi concentrada a atenção no desenvolvimento de uma equação de
área basal que expresse os efeitos da intensidade dos desbastes.
Para tal, utilizou-se a seguinte expressão de densidade:
lnG = 0 + 1 (1/I) + 2 (lnN) + 3 (lnHd) + 4 (lnN)/I + 5 (lnHd)/I (11)

onde:
G = área basal por unidade de área
I = idade do plantio
N = número de árvores por acre
380
Hd = altura média das árvores dominantes

Como já comentado no procedimento primeiro a predição da produção
não pode ser feita com o mesmo grau de precisão para povoamentos não
desbastados e desbastados, utilizando a mesma equação, ou seja, se uma
plantação na qual a competição tem tido um efeito mensurável no crescimento
do diâmetro, sofre um desbaste por baixo, é esperado que o povoamento
remanescente tenha uma menor área basal do que a de um povoamento não
desbastado com a mesma idade, mesmo número de árvores e mesma altura
média das árvores dominantes, que aquela do povoamento remanescente.
A magnitude desta diferença em área basal entre povoamentos

desbastados e não desbastados de mesma idade, mesmo número de árvores e
mesma altura média das árvores dominantes dependerá da idade quando ocorreu
desbaste, assim como da intensidade do mesmo.
Buscando incorporar este efeito ou esta diferença comentada acima é

que foi adicionado ao modelo de área basal (11) a expressão:
(Nt lt) / (Na I)

sendo:
It = idade do último desbaste

Nt = número de árvores removidas no último desbaste
Na = número de árvores que permaneceram após o último desbaste
lnG = 0+ 1(1/I)+ 2(lnN)+ 3(lnHd)+ 4(lnN)/I+ 5(lnHd)/I+ 6(Nt It/(Na I))

(12)
381
A projeção da área basal é obtida da equação (12), em que a idade l = l1.

Assim:
A equação que expressa a sobrevivência futura é:
N2 = N1
Assim como a equação que expressa o desenvolvimento dominante é:
Hd2 = Hd1
e se quisermos substituir em G2, tem-se:
G2 = G1
. exp { 6 [Nt It / (Na I2) - Nt It / (Na I1)]} .

. exp {-g 2 (I2-I1) - g 4 (1-I1/I2) -
-d 3 (1/I2-1/I1) + d 5 [(1/I2)2 - 1/(I1 I2)]}
e pode ser expressado na forma logarítmica:
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
Observe que o algorítmo de desbaste neste procedimento é função da

redução do número de árvores, enquanto no procedimento 1 foi função da razão
dos diâmetros.
Observe ainda que se Na inexiste o modelo é aplicável a povoamentos

não desbastados.
Procedimento 3
Foi adaptado por Knoebell et al. (1986), Scolforo (1990) e Scolforo

(1988). Estes autores utilizando a distribuição Weibull numa amostra que sofreu
desbaste, verificaram que embora as distribuições preditas se aproximassem das
distribuições observadas, algumas discrepâncias foram verificadas entre a tabela
do povoamento desbastado e a tabela do povoamento não desbastado. Por
exemplo:
- O número de árvores preditas aumenta em algumas classes de

diâmetro após o desbaste.
- Em algumas circunstâncias a tabela do povoamento desbastado tem

um diâmetro máximo maior que a do povoamento sem desbaste, ou
mesmo um menor diâmetro mínimo que a do povoamento sem
desbaste.
Portanto ficou evidenciado que as predições da distribuição de diâmetro

antes e após o desbaste por baixo não podem ser executadas independentemente,
383
mas sim, condicionadas a algum algorítmo de desbaste para que as

inconsistências mencionadas não mais ocorram.
A alternativa sugerida foi que a distribuição diamétrica seja efetuada

antes do desbaste e então a proporção de área basal em cada classe de diâmetro
seja removida para simular desbaste. Com este procedimento é impossível o
número de árvores aumentar numa determinada classe de diâmetro após se
efetuar o desbaste. Conseqüentemente o diâmetro mínimo pode somente
aumentar e o diâmetro máximo pode somente diminuir, se em todas as classes de
diâmetros ocorre a remoção de área basal.
A função foi definida especificando a quantidade de área basal a ser

removida em cada classe de diâmetro.
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.
As expressões de desbaste devem ser ajustadas a quantos desbastes

forem efetuados devido as diferenças obtidas no tamanho das classes de
diâmetro.
384
Sintetizando o procedimento, faz-se:
1) Predição da distribuição de diâmetros antes do desbaste proveniente

da distribuição Weibull.
2) Partindo das menores classes de diâmetro remover a proporção de

área basal especificada pela função de remoção.
3) Caminha-se através das classes de diâmetro até que o desejado nível

de área basal a ser removido seja obtido.
4) Se a desejada remoção de área basal não é obtida após se caminhar

por todas as classes de diâmetro, deve-se retornar as menores classes
e remover a área basal remanescente naquelas classes. Procede-se
desta maneira através das classes seguintes até que o desejado nível
de remoção da área basal seja obtido.
Como informação complementar ao procedimento pode-se após utilizar

o algorítmo de desbaste, calcular o número de árvores removidas no desbaste,
assim como o volume também removido, utilizando-se as expressões:
Nri = Gri / (0,0000785398163 )
Vri = (Nri / Npi) Vpi
onde:
Nri = número de árvores removidas na classe de diâmetro i
385
Npi = número de árvores antes do desbaste na classe de diâmetro i

Gri = área basal removida na classe de diâmetro i
Vri = volume removido na classe de diâmetro i
Vpi = volume antes do desbaste na classe de diâmetro i.
Capítulo 9
MODELO PARA ÁRVORES
INDIVIDUAIS
9.1. MODELOS PARA ÁRVORES INDIVIDUAIS
Com o desenvolvimento e a acessibilidade aos microcomputadores os

modelos de crescimento que baseiam-se em árvores individuais vem tendo seu
uso incrementado principalmente nos EUA. No Brasil, os estudos de
crescimento e produção são incipientes, não tendo-se ainda informações do
desenvolvimento de qualquer modelo de crescimento e produção para árvores
individuais.
Neste capítulo será abordada a construção e a aplicação destes modelos,

com a intenção de torná-los mais acessíveis aos técnicos e pesquisadores que
desenvolvem trabalhos na área de crescimento e produção.
Como já mencionado anteriormente, a diferença básica entre estes

modelos baseados em árvores individuais e aqueles modelos a nível de
povoamento está na entrada de dados no sistema.
386
Enquanto no primeiro as variáveis preditas utilizam-se de pelo menos

algumas estatísticas referentes as árvores individuais, no segundo estas variáveis
utilizam-se de estatísticas a nível do povoamento.
Os modelos de árvores individuais segundo a classificação apresentada

por Munro (1974) podem-se dividir em: independentes da distância e
dependentes da distância (espaçamento entre as árvores).
9.1.1 Modelos para Árvores Individuais Independentes da Distância
Os dados de entrada são concernentes às árvores individuais, sem se

preocupar com informações a respeito de seu espaçamento ou distanciamento
em relação as demais árvores que compõem a população florestal. Tais modelos
assumem a existência de uma estreita correlação entre árvores, as variáveis do
povoamento e o status competitivo da árvore. O método é normalmente aplicado
para simular crescimento e produção de plantações de mesma idade.
Segundo Clutter et al. (1983), a maioria dos modelos independentes da

distância utilizam as seguintes informações como dados de entrada:
Tabela do povoamento constituída por informações tais como:

número de árvores por unidade de área e
altura média por classe de diâmetro
Idade
Índice de sítio
387
Ainda segundo Clutter et al. (1983), as equações que compõem tais

modelos são utilizadas para gerar tabelas futuras de povoamento similares às
presentes, possibilitando então que o volume total e volume por classe
diamétrica seja projetado para o futuro.
Estes modelos podem ainda envolver ou não cálculos iterativos. Aqueles

que envolvem cálculos iterativos são tipicamente utilizados em florestas
compostas de diferentes espécies ou de florestas com árvores de diferentes
idades gastando sempre grande tempo computacional.
Já aqueles modelos que não necessitam de cálculos iterativos necessitam

de tempo computacional pouco superior aos modelos a nível de povoamento.
Neste capítulo será considerado este tipo de modelo, apresentando-se o
desenvolvido por Clutter e Jones Jr. (1980), por se tratar do mais difundido.
Compõe-se de uma série de equações matemáticas para estimar o

desenvolvimento futuro de povoamentos de Pinus com ou sem desbastes.
As equações desenvolvidas por Clutter e Jones Jr. (1980), são

apresentadas a seguir:
(1)
(2)
(3)
(4)
388
(5)
PI = J0 + J1 ln , sendo que esta probabilidade de

transformação é como segue:
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)
Definição dos Símbolos das Equações
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
H1, H2 = altura média das árvores dominantes e codominantes no início e fim

de um período considerado, respectivamente
S = índice de sítio numa idade de referência
= número de árvores sobreviventes na classe de diâmetro i no início e
fim de um período considerado, respectivamente
= área seccional por árvore na classe de diâmetro i no início e fim de
um período considerado, respectivamente
= área seccional média por árvore proveniente de todo o povoamento
no início e no fim de um período considerado, respectivamente
= média aritmética do diâmetro por classe de diâmetro i no início e
fim de um período considerado, respectivamente
= altura média das árvores na classe de diâmetro i no início e fim de
um período considerado, respectivamente
e = 2,71828, a base do logarítmo natural
ln = logarítmo natural
Para a utilização das equações a seguinte seqüência faz-se necessária:
- Determinar os valores de I1 e I2
- Estimar H1 ou S. Se H1 for conhecido, pode-se calcular o índice de

sítio (S). Se o índice de sítio já for conhecido então H1 pode ser
calculado pela equação (4) estabelecendo-se que I igual a idade
presente (I1).
390
- Com estes valores em mãos, estime N1 e G1 a partir da tabela do

povoamento presente.
- Projete então o número de árvores (N2) e a área basal (G2) através

das equações (1) e (2).
- Encontre os valores de Pi para cada classe de diâmetro e então

utilizando a equação (5) calcule o valor de n2i para cada classe de
diâmetro.
- Projete H2 resolvendo a equação (4) estabelecendo I = I2.
- Resolva as equações (6) e (7) para cada classe de diâmetro obtendo-

se os valores d2i e n2i.
Desta maneira, tem-se a tabela de povoamento projetada para uma idade

futura qualquer (I2).
Uma característica muito importante neste modelo é que se movem as

estatísticas das classes ao contrário da maioria das tabelas de povoamento onde
as árvores se movem nas classes a medida em que o povoamento desenvolve.
Um exemplo que ilustra esta situação é mostrado a seguir:
Considere que no início do período considerado (I1) a classe de diâmetro

i contém n11 árvores com DAP igual a d11 e altura total h11. Assim no fim do
período considerado (I2), n21 daquelas árvores originais (n11) são encontradas
vivas com DAP igual a d21 e altura total h21.
391
Com a tabela do povoamento projetada para o futuro ela é então

transformada em tabela de estoque do povoamento em questão, bastando para tal
utilizar equações de volume desenvolvidas para árvores individuais.
Outros trabalhos que devem ser mencionados são aqueles desenvolvidos

por Clutter e Alisson (1974) e Alder (1979).
Aplicação
Neste item será descrito o método desenvolvido por Clutter e Alisson

(1974) e que ainda hoje continua atual. Serão para fins de exemplificação
utilizadas os mesmos valores numéricos, ressaltando-se que o diâmetro é
expresso em polegadas, a altura em pés e o diâmetro médio quadrático é obtido
pela área basal dividida por 0,005454 vezes o número de árvores.
Descrição do Povoamento
O sistema pode ser iniciado, com síntese apropriada dos dados do

inventário florestal, conforme pode ser observado na Tabela 9.1, ou através da
função densidade de probabilidade Weibull (fdp) ou de qualquer outro caminho
alternativo.
TABELA 9.1. Estrutura inicial de população florestal aos 12 anos.
Classes Média de Altura Freqüência por Acre

de diâmetros total Antes do Após o
diâmetro (polegadas) (pés) Desbaste Desbaste
392
1 4,45 47,0 20 0,0

2 4,94 49,6 20 0,0
3 5,28 51,2 20 0,0
4 5,58 52,5 20 0,0
5 5,84 53,5 20 0,0
6 6,09 54,4 20 0,0
7 6,32 55,3 20 0,0
8 6,55 56,0 20 0,0
9 6,77 56,7 20 0,0
10 6,99 57,3 20 0,0
11 7,21 58,0 20 12,9
12 7,43 58,6 20 15,4
13 7,66 59,1 20 15,7
14 7,89 59,7 20 15,9
15 8,13 60,2 20 16,1
16 8,38 60,8 20 16,4
17 8,64 61,3 20 16,6
18 8,92 61,9 20 16,8
19 9,22 62,4 20 17,1
20 9,55 63,0 20 17,3
21 9,93 63,7 20 17,5
22 10,38 64,3 20 17,7
23 10,93 65,1 20 17,9
24 11,70 66,1 20 18,2
25 13,16 67,7 20 18,5
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
Predição do incremento bruto em área basal (IG)
lG = (8)
Predição da mortalidade de troncos por acre (N2)
N2 = (9)
Predição da mortalidade em área basal (MG)
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
= média dos DAP das árvores vivas na idade I1
Mn = mortalidade de árvores ocorrendo entre a idade I1 e I2 (Mn = N1 -

N2)
Predição das classes de diâmetro médio
O crescimento em diâmetro em várias classes de diâmetro remanescente

após o desbaste pode também ser preditas usando o modelo.
(11)
394
I1 = idade do início do período de crescimento

I2 = idade do fim do período de crescimento
= média aritmética do diâmetro para a classe "i" na idade I1
= média aritmética do diâmetro para a classe "i" na idade I2
= área basal média/árvore na idade I1 ( = G1/N1)
= área basal média/árvore na idade I2 ( = G2/N2)
= 0,005454 /
= 0,005454 /
Rearranjando a expressão (11) em função de tem-se:
(12)
(13)
Alocação da mortalidade entre classes de diâmetro
Neste caso o interesse é particionar a mortalidade Mn, por classe de

diâmetro, se uma detalhada tabela do povoamento é obtida na idade futura ou de
projeção (I2).
a) Proporção de mortalidade na iésima classe de diâmetro
395
(14)
b) Mortalidade em número de árvores na iésima classe de diâmetro

durante um período de crescimento
(15)
c) A proporção da mortalidade que ocorre na classe "i" (P¡) é obtida

como:
(16)
ou
(17)
Assim, o número de árvores estimadas na classe de diâmetro "i" na

idade I2 é:
(18)
Obtenção da nova tabela do povoamento na Idade I2
Na Tabela 9.1 obtém-se as informações do povoamento após sofrer

desbaste. É feita então a projeção desta tabela do povoamento a qual é mostrada
na Tabela 9.2.
Como características do povoamento inicial tem-se:

I1 = 12 anos
396
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
b) Mortalidade de árvores (troncos)/acre
N2 = 248,68
c) Número de troncos mortos no período
Mn = N1 - N2
Mn = 250 - 248,68 = 1,32 troncos/acre
d) Mortalidade em área basal
MG = 0,00262 . (9,5364)2 . (1,32)
MG = 0,31 pés2/acre
397
e) Área basal estimada aos 13 anos
G2 = G1 + IG - MG
G2 = 123,92 + 14,23 - 0,31
G2 = 137,84 pés2/acre
f) Valores de para as classes de diâmetro são mostrados na Tabela
9.2 e calculados pela expressão
R1,i = 0,005454
R1,i = (0,005454 . 7,212) / (123,9 / 250) = 0,57208

.
R1,15 = (0,005454 . 13,162) / 0,4956 = 1,90588

g) Predição dos valores centrais das classes
d2,1 = 10,081
d2,1 = 10,081 (0,57208)0,50693 = 7,59
398
.
.
.
d2,15 = 10,081 (1,90588)0,50693 = 13,97
h) Número de tronco por classe de diâmetro
Então
= 0,12310639
.
.
.
= 0,003230421
Assim o número de troncos por classe de diâmetro é:
n2,1 = 12,9 - 0,12310639 . 1,32 = 12,7

.
.
.
n2,15 = 18,5 - 0,003230421 . 1,32 = 18,5
i) Altura média por classe de diâmetro
399
A obtenção desta estimativa está condicionada ao uso de um modelo que

possibilite verificar a evolução da altura por classe de diâmetro, como por
exemplo a considerada a seguir.
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.
j) Volume por classe de diâmetro
Utilizando-se de uma função de volume ou de forma pode-se obter o

volume ou qualquer volume da árvore por classe de diâmetro.
I) Na Tabela 9.2 apresentada a seguir pode-se verificar a evolução da tabela

do povoamento de 12 para 13 anos.
400
TABELA 9.2. Evolução da tabela do povoamento de 12 para 13 anos.
Classe Idade 12 anos Idade 13 anos

de Númer Média Altura Razão Númer Diâmet Altura
o o ro
diâmet de dos Total de área de médio Total
ro tronco tronco
por diâmetr basal por
acre os acre
R1i n2i
11 12,9 7,21 58,0 0,57197 12,7 7,59 62,6

12 15,4 7,43 58,6 0,60741 15,2 7,82 63,2
13 15,7 7,66 59,1 0,64560 15,5 8,07 63,9
14 15,9 7,89 59,7 0,68495 15,8 8,31 64,5
15 16,1 8,13 60,2 0,72725 16,0 8,57 65,1
16 16,4 8,38 60,8 0,77267 16,3 8,84 65,7
17 16,6 8,64 61,3 0,82136 16,5 9,11 66,3
18 16,8 8,92 61,9 0,87546 16,7 9,41 66,9
19 17,1 9,22 62,4 0,93534 17,0 9,73 67,5
20 17,3 9,55 63,0 1,00349 17,2 10,09 68,1
21 17,5 9,93 63,7 1,08494 17,5 10,50 68,6
22 17,7 10,38 64,3 1,18550 17,7 10,98 69,6
23 17,9 10,93 65,1 1,31446 17,9 11,57 70,4
24 18,2 11,70 66,1 1,50618 18,2 12,39 71,5
25 18,5 13,16 67,7 1,90554 18,5 13,96 73,2
401
Total 250 14,6421

2
* 4,5 pés
9.2. Modelos para Árvores Individuais Dependentes da Distância
Deve-se salientar que estes modelos apresentam saídas de informações

mais detalhada que os anteriores, proporcionando ainda grande flexibilidade
para a avaliação de práticas silviculturais (desbastes) adotadas para o
povoamento. Em contrapartida estes modelos necessitam de uma base de dados
muito detalhada e gastam mais tempo de computação, sendo portanto mais
dispendiosos e não fornecem resultados mais precisos que os demais modelos
que expressam o crescimento e a produção florestal.
O primeiro modelo de povoamento baseado em simulação de árvores

individuais foi desenvolvido por Newnham em 1964. A partir de então uma série
de modelos ou componentes de modelos baseados na simulação de árvores
individuais foram desenvolvidos, tais como os de Daniels e Burkhart (1975), Ek
e Monsured (1974), Tomé e Burkhart (1989j, Biging e Dobbertin (1992),
Vanclay (1991), Daniels (1979), Burkhart et al. (1987), dentre outros.
Segundo Munro (1974), os modelos para árvores individuais, as vezes

apresentam grandes diferenças com relação a detalhes, mas são similares no
conceito. Atributos de árvores e do povoamento são fornecidos ou gerados e
cada árvore é mapeada com as coordenadas para sua localização. O crescimento
de cada árvore é simulado em função do seu tamanho, da qualidade de sítio e da
medida de competição proveniente das árvores vizinhas. O índice de competição
402
varia de modelo para modelo mas em geral é em função do tamanho da árvore

em relação ao tamanho e a distância para os competidores (assim é necessária a
localização da árvore individual). A mortalidade pode ser controlada tanto
probabilisticamente (procedimento estocástico) ou deterministicamente como
uma função da competição e/ou outro(s) atributo(s) da árvore individual.
Conforme Daniels e Burkhart (1975), o centro para todos os modelos

individuais é o índice de competição que é usado na determinação do
crescimento e mortalidade durante a simulação. Estes índices quantificam a
habilidade competitiva experimentada pelas árvores individuais, e na maioria
dos casos são utilizados para representar o efeito total da competição (luz, água,
nutrientes e espaço físico).
As medidas de densidade do povoamento tais como número de árvores

por unidade de área, área basal por unidade de área e fator de competição de
copa tem sido usadas para refletir a competição. Entretanto, estes não se aplicam
para árvores individuais e não podem ser usados para refletir efeitos variáveis
das árvores individuais no modelo de simulação.
Ainda segundo estes autores, vários índices de competição tem sido

sugeridos, sendo que o primeiro deles foi desenvolvido por Staebler em 1950.
Estes índices baseiam-se em assumir que a habilidade competitiva total para
todos recursos pode ser representado pela influência ou círculo de competição de
cada árvore com raio:
r = a + b (DAP)
Após este trabalho, vários outros foram desenvolvidos, mantendo

sempre a definição de raio de competição e medida de sobreposição das copas
estabelecidas por Staebler (1950).
403
Dentre estes trabalhos Daniels e Burkhart (1975), citam os de Newnham

(1964), Gerrard (1969), Keister (1971) e Bella (1971).
Outros índices para expressar a densidade foram desenvolvidos, como

aquele proposto por Hegyi (1974), que baseia-se na distância da árvore
considerada para as suas vizinhas. Detalhes acerca destes índices podem também
serem encontrados em Scolforo (1994).
Segundo Clutter et al. (1983), a quantificação da densidade através dos

pontos de densidade é uma tentativa de refinar a medida da densidade média do
povoamento. É baseada nas dimensões da árvore objeto e nas dimensões e
distâncias de seus competidores. A utilidade desta medida é julgada em termos
de sua correlação com o crescimento observado da árvore.
Como já mencionado muitas metodologias tem sido propostas para

avaliar o índice de competição e dentre estas destaca-se a de Gerrard (1969):
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
Um esquema deste tipo de situação é mostrado abaixo:
404
Outra metodologia que se destaca é aquela proposta por Hegyi (1974), e

que Daniels em 1975 verificou ser mais correlacionada com o desenvolvimento
das árvores.
onde:
= índice de competição da árvore objeto i
dj = diâmetro do competidor j
405
di = diâmetro da árvore objeto i

distij = distância entre a árvore objeto i e o competidor j
Daniels (1975), define competidor como sendo qualquer árvore que é
contada por um fator de área basal (F) = 2,296 m2/ha utilizando algum
instrumento baseado no princípio desenvolvido por Bitterlich, sendo que o
centro deve ser a árvore objeto i.
Construção do Modelo
Um diagrama esquemático do modelo apresentado por Burkhart et al.

(1987), e que utiliza a estrutura do modelo desenvolvido por Daniels e Burkhart
(1975) e Daniels et al. (1979) é apresentado a seguir.
Aplicação:
Para fins de ilustração será apresentado o modelo desenvolvimento para

Pinus taeda por Burkhart et al. (1987). As equações apresentadas com unidades
em pés quadrados (G), pés (h), polegadas (D), etc. A base para o
desenvolvimento deste trabalho foi desenvolvida em 1975 por Daniels e
Burkhart também para Pinus taeda.
Tamanho,
Tamanho, distância e
Índice de
Sítio distância
freqüência e
das árvores
Idade freqüência
406
Desbaste
Ferti-
lização
COMPONENTES DO POVOAMENTO
Componentes relacionados matematicamente
matematicamente
FIGURA 9.1. Diagrama mostrando a relação entre componentes de árvores e do

povoamento florestal de Pinus taeda.
Fonte de Dados
407
Das parcelas do inventário foram computados uma série de variáveis do

povoamento tais como: idade, número de árvores plantadas, número de árvores
sobreviventes, média aritmética dos diâmetros, área basal, volume, índice de
sítio. Foram ainda computados variáveis a nível de árvores tais como: DAP,
altura total e razão de copa. As parcelas utilizadas no estudo não sofreram
desbastes e sofreram remedição 3 anos após a 1ª medição.
Geração do povoamento inicial
a) Definição do espaçamento inicial
Torna-se necessário caracterizar o espaçamento (z * y).
b) Função de sobrevivência
Neste caso, o exemplo considerado é de uma equação que propicie

informações do número de árvores sobreviventes.
log (Np/Ns) = I (0,0135 log Np + 0,0006 Hd - 0,0084 )
onde:
Np = número de árvores plantadas
408
Ns = número de árvores sobreviventes

I = idade em anos
Hd = altura média das árvores dominantes (pés)
log = logarítmo na base 10
c) Neste exemplo são utilizados um número de árvores fixo, por exemplo

15 fileiras com 15 árvores. Desta maneira o uso de parcelas fixas não é
considerado.
d) Idade de competição intraespecífica
O povoamento juvenil em sua predição efetuada até o momento que a

competição intraespecífica ameaça. Este ponto é identificado quando o fator de
competição de copa atinge o valor 100, indicando que 100% do sítio é coberto
pela copa das árvores. A partir desta idade a mortalidade do povoamento é
calculada e assumida como casual. As dimensões das árvores individuais são
então geradas para o povoamento residual.
Os valores de DAP são gerados a partir da distribuição Weibull de dois

parâmetros, na sua forma cumulativa.
F (y) = 1 -
Os parâmetros "a" e "b" são estimados como:
409
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.
TABELA 9.3. Equações usadas para expressar o crescimento na fase juvenil.
Equações R2 Syx Fonte

DO = -2,422297 + 0,286583 Hd + 0,2094721 0,9 2,14 Strub et al.
2 1975
ln(Hd) = ln(S)(25/I)-0,02205 e-2.83285(I-1 - 25-1) 0,8 4,66 Cutoversite
2 data
log(NP/NS) = I (0,0135 logNP + 0,0006 Hd - 0,8 0,07 Feduccia et al.
0,0084 ) 1 6 1979
410
Dmin = -0,19744 + 0,02735 Hd + 14,5622 Hd/NS 0,3 0,54

8 1
DAVE=1,2951 + 0,10168 Hd - 0,0000294 I.NS 0,8 0,38
+ 11,4659 Hd/NS 2 9
Dmax = 2,1753 + 0,14703 Hd + 19,7457 Hd/NS 0,8 0,55
3 7
log(Hd/H)=-0,0400 + (D-1-Dmax-1) (0,4284 - 0,6 0,04
0,4975 log (NS)) + 0,3638 I-1 + 1,0954 5 1
log(Hd)
CR = 1 - 0,6 0,08 Dyer and

1 3 Burkhart 1987
onde:
Hd = altura média das árvores dominantes e codominantes (pés);

NP = árvores plantas / acre;
NS = árvores sobreviventes / acre;
S = índice de sítio (idade base 25 anos);
Dmin = diâmetro mínimo (polegadas);
DAVE = média dos diâmetros;
H = altura total da árvore;
I = idade do povoamento;
D = dap;
CR = razão de copa;
Dmax = diâmetro máximo;
D0 = diâmetro da árvore em povoamento aberto
411
9.2. ÍNDICE DE COMPETIÇÃO
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
9.3. RELAÇÕES DE CRESCIMENTO
Após ter sido gerado o primeiro estágio do modelo, pode-se gerar o

segundo estágio que consta basicamente em definir o incremento anual em
altura, diâmetro, comprimento e diâmetro de copa, além de calcular a
probabilidade de mortalidade para cada árvore.
Após a geração do povoamento pré-competitivo (item 9.1) a competição

é avaliada (item 9.2) e o crescimento individual das árvores em base anual (item
9.3).
a) Crescimento em altura
Tanto a variável altura como a variável diâmetro seguem um

crescimento potencial teórico. Um fator de ajustamento ou redução é aplicado a
este incremento potencial dependendo do status competitivo da árvore, e um
412
componente casual é então adicionado representando um microsítio ou

variabilidade genética.
O crescimento potencial em altura para cada árvore é considerado ser a

mudança na altura média das árvores dominantes e codominantes, obtida como
primeira diferença com relação a idade.
In Hd = In S (25/ I )-0,02205 e-2,83285 (I-1 - 25-1)
O incremento potencial em altura (PHIN) é obtido pela primeira

derivada de (1) tal que:
PHIN =
O fator de ajuste para corrigir o incremento potencial em altura é:
FAH = (0,26325 + 2,1111 CR0,56188 e-0,26375 CI - 1,03076 CR)
R2 = 46% Syx = 0,751
Assim, o incremento em altura (HIN) é obtido como:
HIN = PHIN . FAH
b) Crescimento em diâmetro
413
O máximo diâmetro disponível para uma árvore individual com

determinada altura e idade foi considerado ser igual aquele diâmetro obtido em
povoamento aberto. Assim a mesma equação foi utilizada:
Do = -2,422297 + 0,286583 H + 0,209472 I
R2 = 91,97 Syx = 2,14023
A primeira diferença ou derivada deste modelo em relação a idade

(PDIN) é:
PDIN = 0,286583 HIN + 0,209472

O fator de ajuste para corrigir o incremento potencial em diâmetro é:
FAD = 0,72511188 CR0,98014576 e-0,37397613 CI
R2 = 66% Syx = 0,0855
Assim, o incremento em diâmetro (DIN) é obtido como:
DIN = FAD . PDIN
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
não somente da redução da competição, mas do seu potencial para usar os

recursos disponíveis. A razão de copa (CR) reflete este potencial e é estimada
anualmente em função da idade, altura e diâmetro.
CR = 1 -
d) Mortalidade
A probabilidade da árvore permanecer viva num dado ano depende de

seu stress competitivo e do vigor individual ou potencial fotossintético.
A probabilidade da árvore permanecer viva é expressa por:
PLIVE = b1
ou
PLIVE = 1,02797 CR0,0379 e-0,0023 CI2,65206

Como esperado a probabilidade de sobrevivência aumenta com o
aumento da razão de copa e diminui com aumento da competição. No modelo
PTAEDA 2, considerado neste exemplo, a probabilidade de sobrevivência é
calculada para cada árvore é usada na série Bernouli para estorasticamente
determinar a mortalidade anual.
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
Capítulo 10
MODELAGEM EM FLORESTAS
NATIVAS
A teoria de projeção das tabelas do povoamento pode ser aplicada em

florestas nativas de composição variada em espécie e idade, em que pese a
impossibilidade de efetuar classificação de sítio através do método de índice de
416
sítio e da dificuldade de se ter controle da idade nestas populações. Uma série de

estudos sobre este tema tem sido realizado, podendo-se citar, dentre outros, os
de Adams e Ek (1974); Linch e Moser Jr. (1986); Moser (1972); Botton e
Meldahl (1988); Azevedo (1993); Azevedo et al (1995); Binkley (1980); Bruner
e Moser (1973); Davis (1966); Enright e Ogden (1979); Buongiomo e Michie
(1980); Davis e Johnson (1987); Freitas e Higuchi (1993); Harrison e Michie
(1985); Hassler, Disney e Sinclair (1988); Herrick (1938); Husch, Miller e Beers
(1982); Higuchi (t987); Johnson, Ferguson, Rong-Wei (1991); Leslie (1945);
Leslie (1948); Mendonza e Setyarso (1986); Michie e McCandless (1986); Osho
(1991); LiPPe, Smidt e Glenn-Lewin (1985); Magnussen (1993); Manders
(1987); Michie e Bungiorno (1984); Peden, Williams e Frayer (1973); Robeds e
Hrusk (1986); Sanquetta et al (1996 a); Sanquetta et al (1996 b); Scolforo et al
(1996); Silva (1989); Solomon, Hosmer e Hayslett (1986); Usher (1969);
Valentine e Fumival (1989); Vanclay (1994) e Vanclay (1995).
O uso da projeção da tabela do povoamento, baseia-se em dois pontos:

um primeiro é a necessidade de existir dados de incrementos em diâmetro e um
segundo de como eles podem ser aplicados. Deve-se considerar que mudanças
na estrutura da floresta colocam em xeque as informações de incremento
passado existentes para o povoamento em questão. Neste caso projeções por
períodos longos, não são recomendáveis.
10.1 MODELO DE PRODUÇÃO GLOBAL PARA FLORESTA NATIVA

Embora seja mais complexo, menos eficiente e necessite de uma base de
dados sobre crescimento não disponível normalmente, dado a quase inexistência
de Inventário Florestal Contínuo para estas florestas, será apresentado o modelo
de produção global para florestas nativas propostos por Moser (1972).
417
Este autor usou dados de 75 parcelas permanentes remedidas durante um

longo período de tempo a partir das quais gerou um sistema de equações
diferenciais para caracterizar a dinâmica do crescimento deste povoamento. Este
modelo não propicia informações por Gasse diamétrica e a estrutura do
povoamento é caracterizada pela equação diferencial da área basal ( Gt / t) em
relação ao tempo e a função diferencial do número de árvores em relação ao
tempo ( Nt / t). A representação da mortalidade e do recrutamento é feita
separadamente no modelo desenvolvido. Na Tabela 10.1 são apresentadas as
funções que compõem o modelo, assim como suas definições.
TABELA 10.1. Sistema de equações para expressar a dinâmica do

crescimento em floresta nativa desenvolvido por Moser (1972)
Finalidade Equações
1. Mudança periódica no número de
árvores
2. Crescimento periódico da Área

Basal
3. Mortalidade (número de árvores)
4. Ingrowth (número de árvores)
5. Mortalidade (área basal)
6. Ingrowth (área basal)
418
7. Crescimento das árvores

sobreviventes em área basal
em que:
O número de árvores no povoamento é definido pelo número de árvores

proveniente do inventário (N t) e as mudanças estimadas pelas funções (1), (3) e
(4).
Nt+1 = Nt +
Nt+1 = Nt + - ou
Número de Número de Ingrowth Mortalidade

árvores no fim árvores ou
do período iniciais recrutamento
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
Gt = área basal das árvores sobreviventes maior que o diâmetro

mínimo (Dmin) de medição no período de tempo t
GIt = área basal das árvores que sofreram recrutamento
Gsob = crescimento em área basal das árvores sobreviventes no período
de tempo t
GMt = área basal das árvores mortas no período de tempo t
X = variável casual no intervalo (0,1).
A obtenção deste modelo depende de um sistema de parcelas
permanentes com as informações das taxas de crescimento, do número de
árvores e área basal e os recrutamentos e mortalidade em número de árvores e
em área basal. Não se leva em conta que a mortalidade em termos absoluto
ocorre em maior grau nas menores classes de diâmetro, assim como o
crescimento em área basal em termos absoluto é maior para as maiores árvores.
No entanto, este tipo de modelo possibilita inferir genericamente sobre a
dinâmica de uma floresta nativa sem distúrbios, elemento este, útil no
estabelecimento de uma proposta de manejo.
10.2 MODELOS POR CLASSE DIAMÉTRICA PARA FLORESTA

NATIVA
O uso de projeção das tabelas do povoamento devem estar

condicionadas a algumas perguntas. Será que árvores que a 20 anos atrás tinham
30 cm de dap e cresciam a uma taxa de 0,8 cm/ano, continuam mantendo esta
taxa? Se não mantém, qual a nova taxa de crescimento e a partir de que
momento esta sofre alterações. Outras dúvidas podem existir. Por exemplo, se
hoje existem árvores com 30 cm, crescendo a uma taxa de 0,6 cm/ano, isto quer
dizer que daqui 10 ou 15 anos, quando a floresta pode ter outra estrutura, devido
420
a causas naturais ou intervenções provocadas pelo homem, que árvores com 30

cm continuarão a crescer à taxa de 0,6 cm/ano?
Apesar destas e de outras dúvidas que possam existir, uma série de

métodos para projeção da estrutura da floresta serão considerados. Para todos
eles é fundamental considerar as diferentes formas dos diâmetros se distribuírem
por classe diamétrica, assim como, a estimativa de seu crescimento/classe.
Outros fatos que merecem atenção são que a prognose da tabela do povoamento
é viabilizada a partir da taxa de crescimento presente em diâmetro; e que
aspectos como mortalidade e corte/colheita devem ser considerados
separadamente da projeção do crescimento.
10.2.1. Métodos de Projeção das Tabelas do Povoamento
a) Uso do incremento diamétrico médio tendo como base o centro da

classe de diâmetro
Uma suposição simples é que as árvores concentram-se no centro da

classe de diâmetro e crescem a uma taxa média para a classe.
Este método negligencia dois fatos básicos: um primeiro é que as

árvores não se concentram em torno do centro da classe de diâmetro,
distribuindo-se dentro desta. Um segundo fato é que as árvores aí distribuídas
crescem a taxas diferentes mesmo que sejam de mesma espécie. No entanto é
comum a ocorrência de várias espécies dentro de uma mesma classe de
diâmetro.
Neste método se for utilizada amplitude de classe de 5 cm, então árvores

ou espécies que crescem menos que 2,5 cm não tem creditado qualquer
421
crescimento, permanecendo na mesma classe de diâmetro. Entretanto, árvores

crescendo acima desta taxa (de 2,5 até 7,4 cm) mudam apenas uma classe de
diâmetro.
b) Uso do incremento diamétrico médio reconhecendo dispersão dentro

da classe de diâmetro
Este método pode ser utilizado mesmo quando a distribuição dos

diâmetros não é conhecida na classe de diâmetro, assumindo-se que esta é
uniforme. Dentro desta suposição a proporção de árvores que avançam no lado
direito da classe podem ser definidas como a razão de movimento.
m= . 100
onde:
m : razão de movimento
IPD : incremento periódico do DAP
D : intervalo da classe de diâmetro

Assim, considerando um incremento de 2,3 cm e um intervalo de classe
com amplitude de 2 cm, então a razão de movimento é 115%.
m= . 100 = 115%
422
Neste caso os dois dígitos à direita (15) expressam o percentuall de

árvores que avançam uma classe de diâmetro em relação ao terceiro dígito
contado também a partir da direita (1). No exemplo 15% das árvores movem-se
2 classes de diâmetro e as 85% restante movem-se uma classe de diâmetro.
Assim nenhuma árvore permanecerá na classe original.
Num outro exemplo considerando-se um incremento de 0,8 cm e um

intervalo de classe com amplitude de 2 cm. A razão de movimentação é m =
40%. Assim, 40% das árvores ou espécies movem-se 1 classe de diâmetro e 60%
permanecem na classe de diâmetro original.
Aplicação: A quantificação do incremento periódico, mortalidade, recrutamento

e freqüência das árvores para uma amplitude diamétrica de 5 cm é
exemplificada na Tabela 10.2.
TABELA 10.2. Obtenção do incremento periódico, mortalidade e

recrutamento
Númer Espécie Classe DAP DAP IPD Mort Recr
o de de 1º IN 2º IN as u-
árvore DAP V V tame
(*) n-to
49 Siparuna guianensis 5 - 5,1 - 3(***
10 )
33 Copaifera 5 - 6,0 - 3
langsdorffii 10
45 Maprounea 5 - 6,2 - 3
guianensis 10
31 Casearia arborea 5 5,0 5,7 0,7
10
3 Tapirira obtusa 5 5,5 6,4 0,9
10
7 Copaifera 5 6,0 - - 2(**)
langsdorffii 10
423
11 Copaifera 5 6,0 6,7 0,7

langsdorffii 10
10
23 Styrax pohlii 5 6,9 8,9 2,0
10
22 Styrax pohlii 5 8,2 12,7 4,5
10
10
4 Rollinia laurifolia 10 10,5 13,7 3,2
15
25 Styrax pohlii 10 11,0 11,4 0,4
15
16 Ocotea corymbosa 10 12,7 13,1 0,3
15
20
30 Copaifera 15 18,1 18,5 0,4
langsdorffii 20
12 Xylopia brasiliensis 15 19,7 23,9 4,2
20
1 Piptadenia 20 23,0 - - 2
gonoacantha 25
25
. . . . . . . .
. . . . . . . .
. . . . . . . .
n n n n n n n n
* DAP: Diâmetro tomado à 1,30 metros de altura
** Código utilizado para as árvores mortas
*** Código utilizado para os recrutamentos
O incremento periódico é obtido através da expressão:
IPD =
onde:
424
IPD = incremento periódico em diâmetro

= DAP da iésima árvore na 1ª medição
= DAP da iésima árvore na 2ª medição
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.
Na Tabela 10.3 é apresentada a prognose da estrutura diamétrica, para

uma floresta semidecídua montana em Lavras-MG, medida em 1987 e remedida
em 1992. Utilizou-se para tal o método da razão de movimentação, seguindo a
forma já descrita de como encontrar o incremento periódico em diâmetro, a
mortalidade, o recrutamento e a freqüência.
425
TABELA 10.3. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92.
Classes Nº de IPMD Razão de % de Árvores % de Árvores Nº de Nº de Nº de Pop.

de Árvo (cm) Moviment movimentando-se movimentando-se Árvores Árvor Recru Resid.
Diâmet res ação nas Classes de nas Classes de após a es ta- em
ro Diâmetro Diâmetro Movimenta Mort ment 1997
ção as o
0 1 2 0 1 2
05 659,1 1,004 20,09 79,91 20,09 0,00 526,7 132,4 0,000 526,710 111,3 202,1 617,5
10 27 10 17 10 83 83
10 214,8 1,396 27,92 72,08 27,92 0,00 154,8 59,99 0,000 287,302 16,86 0,000 270,4
15 81 85 6 5 37
15 110,7 1,356 27,12 72,88 27,12 0,00 80,69 30,02 0,000 140,687 7,143 0,000 133,5
20 14 0 4 44
20 67,06 1,549 30,98 69,02 30,98 0,00 46,29 20,77 0,000 76,313 2,579 0,000 73,73
25 3 0 4 4
25 41,27 1,734 34,67 65,33 34,67 0,00 26,96 14,31 0,000 47,734 2,579 0,000 45,15
30 0 0 0 5
30 18,65 2,031 40,26 59,74 40,26 0,00 11,14 7,508 0,000 25,452 2,183 0,000 23,27
35 1 3 0
35 10,31 2,323 46,46 53,54 46,46 0,00 5,524 4,794 0,000 13,032 0,397 0,000 12,63
40 7 5
426
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.
Classes Nº de Nº de Árvores Nº de Nº de Nº de Pop. Nº de Árvores

de Árvores movimentando-se nas árvores Árvores Recrutam Resid. em movimentando-se nas
Diâmet Classes de Diâmetro após a ento 2002 Classes de Diâmetro
ro Mo-
0 1 2 vimentaç Mortas 0 1 2
ão
05 617,583 493,51 124,07 0,000 493,513 111,310 202,183 584,386 466,98 117,40 0,000
10 3 1 4 1
10 270,437 194,92 75,507 0,000 319,000 16,865 0,000 302,135 217,77 84,358 0,000
15 9 7
15 133,544 97,329 36,215 0,000 172,836 7,143 0,000 165,694 120,76 44,933 0,000
20 0
20 73,734 50,894 22,840 0,000 87,109 2,579 0,000 84,529 58,345 26,184 0,000
25
25 45,155 29,498 15,657 0,000 52,338 2,579 0,000 49,759 32,506 17,253 0,000
30
30 23,270 13,902 9,367 0,000 29,559 2,183 0,000 27,376 16,356 11,020 0,000
35
35 12,635 6,765 5,870 0,000 16,132 0,397 0,000 15,735 8,424 7,311 0,000
40
428
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
Classes Nº de Nº de Árvores Nº de Nº de Nº de Pop. Nº de Árvores

de Árvores movimentando-se nas árvores Árvores Recrutam Resid. em movimentando-se nas
Diâmet Classes de Diâmetro após a ento 2002 Classes de Diâmetro
ro Mo-
0 1 2 vimentaç Mortas 0 1 2
ão
05 466,984 111,31 202,18 557,85 445,785 112,072 0,000 445,785 111,3 202,2 536,65
10 0 3 7 8
10 335,178 16,865 0,000 318,31 229,438 88,875 0,000 341,510 16,9 0,00 324,64
15 3 5
15 205,118 7,143 0,000 197,97 144,288 53,667 0,000 233,163 7,1 0,00 226,02
20 5 0
20 103,279 2,579 0,000 100,69 69,506 31,193 0,000 123,194 2,6 0,00 120,61
25 9 4
25 58,690 2,579 0,000 56,111 36,655 19,455 0,000 67,848 2,6 0,00 65,269
30
30 33,609 2,183 0,000 31,426 18,776 12,651 0,000 38,231 2,2 0,00 36,048
35
35 19,445 0,397 0,000 19,048 10,198 8,850 0,000 22,849 0,4 0,00 22,452
40
430
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
c) Incremento diamétrico variável sobre o diâmetro atual
Neste caso assume-se que as árvores crescem à taxas diferentes dentro

de cada classe de diâmetro assim como são distribuídas de forma irregular
dentro da classe. Então uma árvore da espécie W localizada na classe de 10 a 12
cm pode ter hoje um diâmetro de 11,5 cm e crescer nos próximos 5 anos 0,4 cm,
permanecendo nesta classe após este período. Já uma outra árvore da espécie Z
com DAP igual a 10,1 cm pode crescer nos próximos 5 anos o equivalente a 2,5
cm, mudando de classe diamétrica.
Na Tabela 10.4 é ilustrado a quantificação do incremento periódico,

mortalidade e recrutamento para uma parcela medida em 1987 e remedida em
1992.
A árvore n° 14 (Tapirira obtusa) tinha inicialmente 9,5 cm de DAP e

cresceu 6,1 cm durante um período de 5 anos. Conseqüentemente moveu 2
classes de diâmetro, fato que pode ser observado na Figura 10.1.
O movimento de árvores pode ser determinado através da contagem do

número de pontos em cada diagonal de classe diamétrica. Estes números podem
facilmente ser convertidos para porcentagem de movimento.
Na Tabela 10.5 é ilustrado, para a classe 5 10 cm, a porcentagem de

movimento.
432
TABELA 10.4. Exemplificação do método de Wahlenberg.
Númer Espécies Classe DAP DAP IPD Morta Recru

o da de 1º 2º s -
árvore DAP INV INV tamen
(*) -to
49 Siparuna guianensis 5 - 5,1 - 3
10 (***)
33 Copaifera langsdorffii 5 - 6,0 - 3
10
45 Maprounea 5 - 6,2 - 3
guianensis 10
10
10
7 Copaifera langsdorffii 5 6,0 - - 2 (**)
10
11 Copaifera langsdorffii 5 6,0 6,7 0,7
10
10
10
22 Styrax pohlii 5 8,2 12,7 4,5
10
10
15
25 Styrax pohlii 10 11,0 11,4 0,4
15
15
433

20
30 Copaifera langsdorffii 15 18,1 18,5 0,4
20
20
1 Piptadenia 20 23,0 - - 2
gonoacantha 25
25
. . . . .
. . . . .
. . . . .
n n n n n
* DAP: Diâmetro tomado à 1,30 metros de altura

** Código utilizado para as árvores mortas
*** Código utilizado para os recrutamentos
A árvore n0 14 (Tapirira obtusa) tinha inicialmente 9,5 cm de DAP e

cresceu 6,1 cm durante um período de 5 anos. Conseqüentemente moveu 2
classes de diâmetro, fato que pode ser observado na Figura 10.1.
O movimento de árvores pode ser determinado através da contagem do

número de pontos em cada diagonal de classe diamétrica. Estes números podem
facilmente ser convertidos para porcentagem de movimento.
434
Na Tabela 10.5 é ilustrado, para classe 5 10 cm, a porcentagem de

movimento.
FIGURA 10.1. Ilustra movimentação de árvores entre 2 inventários.
TABELA 10.5. Porcentagem de movimentos para a classe de 5 10 cm.
Número das Nº de árvores em

Classe de classes nas quais cada classe de Porcentagem de
diâmetro após 5 ocorreu diâmetro após 5 movimento
anos movimento de anos
árvores, a partir
de 5 10 cm
5 10 0 5 71,4
10 15 1 1 14,3
15 20 2 1 14,3
435
Total 7 100,00
Estas porcentagens são então aplicadas na classe diamétrica de 5 10

cm, este mesmo procedimento é realizado para as demais classes. Depois que
calculadas todas as porcentagens, a evolução da estrutura da floresta é do mesmo
modo que a razão de movimentação. descrita no item b. Assim como o método
da razão de movimentação, a mortalidade e o recrutamento são considerados
separadamente - ou através de estimativas, como Scolforo et al. (1996);
Scolforo, Pulz, Mello (1997) e Silva (1989), ou diretamente da base de dados - o
que será considerado neste estudo uma vez que tanto a mortalidade como o
recrutamento, apresentaram comportamento estável.
Aplicação: Na Tabela 10.6 é apresentada a prognose da estrutura diamétrica,

para uma floresta semidecídua montana em Lavras-MG, medida em
1987 e remedida em 1992. Utilizou-se para tal o incremento
diamétrico variável descrito por Wahlenberg, o qual é similar ao
método da razão de movimentação, após a preparação dos dados.
Na Tabela 10.4 foi ilustrado este fato:
436
TABELA 10.6. Prognose da estrutura da floresta para o ano de 2012, baseando-se no período de 1987-92.
ClassNº de % de Árvores Nº de Árvores Nº de Nº de Nº de Pop. Nº de Árvores

es deÁrvor movimentando-se movimentando-se árvores árvore Recrut Resid. movimentando-se
es nas classes de nas classes de após a s a- em nas classes de
diâmetro diâmetro diâmetro
Diâm 0 1 2 0 1 2 Movime Morta mento 1997 0 1 2
etro ntação s
05 659,1 12,70 0,36 573,0 83,73 2,381 573,016 111,31 202,18 663,88 577,1 84,33 2,398
27 86,94 16 0 0 3 9 56 5
10
10 214,8 23,27 0,09 164,6 50,00 0,198 248,413 231,54 177,4 53,87 0,214
81 76,64 83 0 16,865 0,000 8 56 8
15
15 110,7 21,68 0,36 86,31 24,00 0,397 138,690 131,54 102,5 28,52 0,471
14 77,96 0 8 7,143 0,000 8 51 6
20
20 26,63 0,00 49,20 17,85 0,000 73,413 18,86 0,000
67,06 73,37 6 7 2,579 0,000 70,833 51,97 1
25 3 2
25 22,60 0,00 31,94 9,325 0,000 50,198 10,76 0,000
41,27 77,40 4 2,579 0,000 47,619 36,85 0
30 0 9
437
30 31,91 0,00 12,69 5,952 0,000 22,024 0,000

18,65 68,09 8 2,183 0,000 19,841 13,50 6,332
35 1 9
35 42,31 0,00 4,365 0,000 11,905 4,869 0,000
10,31 57,69 5,952 0,397 0,000 11,508 6,639
40 7
40 27,78 0,00 1,984 0,000 9,524 2,315 0,000
7,143 72,22 5,159 1,190 0,000 8,333 6,019
45
45 53,85 0,00 1,389 0,000 3,175 0,397 1,496 0,000
2,579 46,15 1,190 0,000 2,778 1,282
50
50 75,00 0,00 0,595 0,000 1,587 0,198 1,042 0,000
0,794 25,00 0,198 0,000 1,389 0,347
55
55 57,14 0,00 0,794 0,000 1,190 0,000 0,680 0,000
1,389 42,86 0,595 0,000 1,190 0,510
60
60 33,33 0,00 0,198 0,000 1,190 0,000 0,000 0,397 0,000
0,595 66,67 0,397 1,190 0,794
65
65 100,0 0,00 0,00 0,000 0,000 0,397 0,000 0,000 0,000
438
70 0,198 0 0,198 0,000 0,397 0,397

70 100,0 0,00 0,00 0,000 0,000 0,198 0,198 0,000 0,000 0,000
0,198 0 0,198 0,000 0,000
75
75 100,0 0,00 0,00 0,000 0,000 0,198 0,000 0,000 0,000 0,000
0,198 0 0,198 0,198 0,198
80
Continua...
439
ClassNº de Nº de Nº de Pop. Nº de Árvores Nº de Nº de Nº de

es deÁrvores Árvores Recruta Resid. movimentando-se nas Classes Árvores Árvores Recruta-
após a - de Diâmetro após a
Diâm Moviment Mortas Mento em 2002 0 1 2 Moviment Mortas mento
etro ação ação
05 577,156 111,310 202,183 668,029 580,755 84,861 2,413 580,755 111,310 202,183
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
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
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
Classes Pop. Resid. Nº de Árvores movimentando-se nas Nº de Nº de Nº de Pop. Resid.

de em 2007 classes de Diâmetro Árvores Árvores Recrutame em 2012
após a Mortas nto
Diâmetro 0 1 2 Moviment
ação
05 10 671,628 583,883 85,318 2,426 583,883 111,310 202,183 674,756
10 15 255,704 195,969 59,499 0,236 281,287 16,865 0,000 264,422
15 20 170,510 132,924 36,974 0,611 194,849 7,143 0,000 187,706
20 25 87,867 64,470 23,396 0,000 101,681 2,579 0,000 99,101
25 30 60,267 46,649 13,618 0,000 70,656 2,579 0,000 68,077
30 35 24,969 17,000 7,969 0,000 30,618 2,183 0,000 28,436
35 40 13,907 8,023 5,884 0,000 15,992 0,397 0,000 15,595
40 45 11,133 8,040 3,092 0,000 13,924 1,190 0,000 12,733
45 50 3,774 1,742 2,032 0,000 4,834 0,397 0,000 4,437
50 1,936 0,484 1,452 0,000 2,516 0,198 0,000 2,318
55
443
55 60 1,898 0,814 1,085 0,000 2,266 0,000 0,000 2,266

60 65 1,869 1,246 0,623 0,000 2,331 0,000 0,000 2,331
65 70 1,285 1,285 0,000 0,000 1,908 0,000 0,000 1,908
70 75 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
75 80 0,198 0,198 0,000 0,000 0,198 0,000 0,000 0,198
444
Usando esta lógica, aliada as informações de incremento por espécie, ou

por grupo ecológico, pode-se obter uma maior acuracidade ao efetuar prognose
da estrutura diamétrica.
d) O Modelo de Produção através da Matriz de Transição
Dentre os modelos por classe de diâmetro, a cadeia de Markov ou matriz

de transição é um importante instrumento para viabilizar a prognose da produção
em florestas nativas. A prognose a partir deste método é feita através da
estimativa da probabilidade de transição dos diâmetros entre classes diamétricas,
ou seja, projetá-los para o futuro, a partir da matriz de probabilidade de
transição. As probabilidades da matriz de transição em um determinado período
de medição são obtidas pela razão das mudanças ocorridas numa classe
diamétrica, tais como: árvores que mudaram de classe, árvores mortas e árvores
que permaneceram na classe, pelo número de árvores existentes na classe
diamétrica, em questão, no início do período de crescimento.
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
Um segundo ponto básico é que a projeção da estrutura da floresta

depende somente do estado atual, não sofrendo efeito de qualquer característica
passada da floresta. Esta característica ou propriedade do modelo considerado é
definida como propriedade Markoviana.
Matriz de transição e a prognose
A probabilidade de transição de cada período de projeção é obtida da

matriz G, como representada a seguir:
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
ai =
bi =
ci =
em que:
t = início do período de crescimento considerado
t = intervalo de tempo entre o início e o fim do período de crescimento

considerado
Seja para ai, bi, ci, a condição é que a árvore continue viva e não seja
colhida no intervalo de tempo considerado.
Deve-se considerar que em qualquer vegetação ocorrem mortalidade de

árvores (mi), assim como ingresso (li) ou recrutamento, principalmente nas
menores classes diamétricas. A probalidade de ocorrência de mortalidade será
obtida como:
mi =
447
O recrutamento é quantificado por ocasião da remedição. A modelagem

do recrutamento e da mortalidade deve ser realizada para fins de prognose da
estrutura diamétrica da floresta. Entretanto, a dinâmica da floresta nativa deve
ser observada cuidadosamente. Num período de medição ocorre maior
mortalidade que recrutamento. Com a abertura de espaços na floresta ocorre
num período posterior um maior recrutamento até que o acréscimo na área basal
seja tal, que com a maior competição ocorra novamente uma maior mortalidade,
e assim sucessivamente. Identificar estes períodos e a intensidade média das
taxas de recrutamento é um enorme problema, que depende basicamente do
tempo de medição. Na ausência desta informação pode-se utilizar o
recrutamento e a mortalidade identificados num período de medição para efetuar
a prognose.
Aplicação do Procedimento
A projeção da estrutura da floresta pode ser obtida como se segue:
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
lit = ingresso
A forma matricial da expressão 1 é:
= +
Deve-se destacar que se for efetuada a projeção da estrutura da floresta

para 2 períodos de tempo, então a expressão (1) evolui para a forma:
Y2 . t = G2 . Y0 + G Ii1 + Ii2
Generalizando então a expressão (1) ela assume a forma:
(2)
em que:
n = n períodos de prognose
449
Y, t, G, Yo, i = já definidos anteriormente
Na Tabela 10.7 é ilustrado como obter o incremento periódico em

diâmetro, o recrutamento e a mortalidade das árvores contidas em uma unidade
amostral lançada em floresta semidecídua montana, em Macaia-MG. Esta
unidade amostral e as outras que também compõem a amostra foram medidas
em 1990 e remedidas em 1995.
Na Tabela 10.8 é mostrada a progressão de todas as árvores por classe

de diâmetro, para o período de 1990-1995.
Com o auxílio da Tabela 10.8 foi obtida a matriz G de probabilidade

inicial, cujos elementos são mostrados na Tabela 10.9 e assim interpretados: a
probabilidade que uma árvore da classe de diâmetro 5 a 10 cm permaneça na
mesma classe após 5 anos é de 0,7438 (573,0/770,4); a probabilidade que uma
árvore desta mesma classe, cresça até a próxima classe (10 a 15 cm) em 5 anos é
0,1086 (83,7/770,4); a probabilidade que uma árvore da classe 5 a 10 cm cresça
até a classe 15 a 20 cm em 5 anos é 0,0031 (2,4/770,4); a probabilidade de uma
árvore desta classe morrer em 5 anos é 0,1446 (111,4/770,4).
450
TABELA 10.7. Obtenção do incremento periódico, mortalidade e recrutamento

(*)
Númer Espécie Classe DAP DAP IPD Mort Re-

o da de 1º 2º as cruta-
árvore DAP(*) INV INV mento
49 Siparuna guianensis 5 - 5,1 - 2
10
33 Copaifera 5 - 6,0 - 2
langsdorffii 10
45 Maprounea 5 - 6,2 - 2
guianensis 10
10
10
7 Copaifera 5 6,0 - - 1
langsdorffii 10
11 Copaifera 5 6,0 6,7 0,7
langsdorffii 10
10
10
22 Styrax pohlii 5 8,2 12,7 4,5
10
10
15
25 Styrax pohlii 10 11,0 11,4 0,4
15
15
451

20
30 Copaifera 15 18,1 18,5 0,4
langsdorffii 20
20
1 Piptadenia 25 28,0 - - 1
gonoacantha 30
25
25
. . . . . . . .
. . . . . . . .
. . . . . . . .
n n n n n n n n
* Dados de uma parcela com 2 medições.

** DAP : Diâmetro tomado à 1,30 metros de altura.
2 : Árvores recrutadas no 20 inventário
452
TABELA 10.8. Progressão de todas as árvores do povoamento, por classe de

diâmetro, no período de 1990-1995
Centro 0 1 2 Mortali- Total Recruta-

da classe Classe Classe Classes dade mento
diamétri
ca
7,5 573,0 83,7 2,4 111,3 770,4 202,2
12,5 164,7 50,0 0,2 16,9 231,7 0,0
17,5 86,3 24,0 0,4 7,1 117,9 0,0
22,5 49,2 17,9 0,0 2,6 69,6 0,0
27,5 31,9 9,3 0,0 2,6 43,8 0,0
32,5 12,7 6,0 0,0 2,2 20,8 0,0
37,5 6,0 4,4 0,0 0,4 10,7 0,0
42,5 5,2 2,0 0,0 1,2 8,3 0,0
47,5 1,2 1,4 0,0 0,4 3,0 0,0
52,5 0,2 0,6 0,0 0,2 1,0 0,0
57,5 0,6 0,8 0,0 0,0 1,4 0,0
62,5 0,4 0,2 0,0 0,0 0,6 0,0
67,5 0,2 0,0 0,0 0,0 0,2 0,0
72,5 0,2 0,0 0,0 0,2 0,4 0,0
77,5 0,2 0,0 0,0 0,0 0,2 0,0
Os vetores colunas que expressam a freqüência na classe diamétrica (Y)

e o recrutamento de árvores (lit) também são representados na Tabela 10.9.
453
TABELA 10.9. Matriz inicial de probabilidade de transição, freqüência e recrutamento por classe de
diâmetro para o período 1987-92
Classes Freqü Recru

de 7,5 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5 72,5 77,5 ência -
diâmetr YR tamen
o to
IR
7,5 0,74 770,4 202,0
38
12,5 0,10 0,71 231,7 0
86 06
17,5 0,00 0,21 0,73 117,9 0
31 58 23
22,5 0,00 0,20 0,70 69,6 0
09 37 66
27,5 0,00 0,25 0,72 43,8 0
34 64 85
32,5 0,21 0,60 20,8 0
27 95
37,5 0,28 0,55 10,7 0
57 56
42,5 0,40 0,61 8,3 0
454
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.
TABELA 10.10. Prognose da estrutura diamétrica - período 10 anos.
Classe de G2Yo G . l1 l2 Prognose

diâmetro
7,5 426,1853 150,2476 202 778,4329
12,5 238,8087 21,9574 0 260,7661
17,5 156,9524 0,6262 0 157,5786
22,5 80,3199 0 0 80,3199
27,5 55,8330 0 0 55,8330
32,5 24,0684 0 0 24,0684
37,5 12,8905 0 0 12,8905
42,5 10,7216 0 0 10,7216
47,5 3,5315 0 0 3,5315
52,5 1,8021 0 0 1,8021
57,5 1,4744 0 0 1,4744
62,5 1,4858 0 0 1,4858
67,5 0,7999 0 0 0,7999
72,5 0,1000 0 0 0,1000
77,5 0,2000 0 0 0,2000
Estado estável ou de equilíbrio da floresta
418
Anexo II
Este estado indica que independentemente do número de prognoses que

sejam efetuadas, o número de árvores da floresta permanece constante nas várias
classes diamétricas.
Este estado pode ser identificado quando:
Yt + t = Yt = Y* e li = li* em que: Y* = (lØ - G)-1 . li
sendo:
IØ = matriz identidade de mesma ordem que a matriz de transição (G)
G = matriz de probabilidade de transição
( )-1 = matriz inversa
I = vetor que contém os ingressos
Y* = expressa estado de equilíbrio da estrutura da floresta

(se a igualdade das operações for constatada)
Identificado este estado pode-se inferir que a floresta está em clímax.

Vale ressaltar que mesmo neste estado, mortalidade e recrutamento continuam a
ocorrer sem que no entanto a floresta sofra mudanças drásticas em sua estrutura.
Estados absorventes
A característica básica deste estado é quando a probabilidade de

transição de uma classe diamétrica para outra é igual a zero. A probabilidade das
árvores permanecerem na mesma classe diamétrica, é igual a 1, ou seja, somente
a definição de i" é que será possível de ser aplicada já que não ocorre a
419
Anexo II
passagem de árvores para a iésima classe + 1 ou + 2, conforme representado

pelas probabilidades bi e ci.
Desta maneira as prognoses das freqüências das classes de diâmetro

anteriores não podem ultrapassar a classe que apresenta estado absorvente. Há
então um acréscimo de árvores continuamente nesta classe. Este acréscimo será
mais intenso a medida em que mais prognoses forem efetuadas, já que as árvores
não mais saem desta classe.
A ocorrência deste estado absorvente, compromete as prognoses das

freqüências da floresta e impedem também que o estado de equilíbrio seja
detectado.
d) Modelo de Adams e Ek (1974)
Será considerado o modelo de Ek (1974) adaptado por Adams e Ek

(1974). Utilizando dados provenientes de parcelas permanentes estes autores
desenvolveram um modelo que considera 3 fatores fundamentais: o
recrutamento (Ingrowth), a passagem do diâmetro de uma classe diamétrica para
outra (Upgrowth) e a mortalidade.
Recrutamento : foi usado o modelo
I= (3)
Para i = 1, 2, ..., k
420
Anexo II
Passagem : foi usado o modelo
Ui = ( ni ) (S) (di ) exp (4)
Para i = 1, 2, ..., k
Mortalidade : foi usado o modelo
m= ni (5)
Para i =1,2,..., k
onde:
S = medida do índice de sítio
d1, d2, ..., dk = valor central da classe de DAP
n1, n2, ..., nk = número de árvores na iésima classe de diâmetro

b1, b2, ..., bk = área basal na iésima classe de diâmetro
Estes autores utilizaram então equações para caracterizar o número de

árvores no tempo t em cada classe de diâmetro no fim do período t o qual teve
início no tempo ( t - 1).
Para a menor classe de diâmetro:
n1 (t) = n1 (t -1) + I - 1 - U1
421
Anexo II
Para todas as demais classes de diâmetro:
n1 (t) = n1 (t -1) + Ui - 1 - i - U1
Parai = 1,2,..., k
Para a nova maior classe de diâmetro:
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
Para os modelos apresentarem estimativas satisfatórias é fundamental a

percepção de que colheitas no final de um período, implicam em mudanças no
crescimento das plantas remanescentes e nas que sofrerão recrutamento no
próximo período de crescimento. Assim, se estiver sendo prevista qualquer
intervenção na população, considerações devem ser feitas no modelo gerado,
incorporando este impacto.
10.3. DISTRIBUIÇÃO EXPONENCIAL
Esta é uma distribuição muito utilizada na área florestal, gerando

modelos matemáticos como o de Meyer tipo 1 e 2 e utilizados por Campos et al
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.
A função densidade de probabilidade é:
f(x) =
Para
x 0; b > 0
Sua forma é mostrada na Figura 10.2.
FIGURA 10.2 - Forma da Distribuição Exponencial
423
Anexo II
Por integração da fdp obteve-se a função de distribuição, apresentada a

seguir.
F(x) = 1 - e
Utilizando os métodos dos momentos pode-se obter a média ( ) e a

variância ( 2).
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
Meyer (1933) propôs o ajuste desta distribuição através de regressão.
Definindo a = 1/ e b = - 1/ , y = f(x) então a distribuição exponencial

se resume a forma não linear.
Yi = a
em que:
y = número de árvores na iésima classe de diâmetro
x = valor central da iésima classe de diâmetro
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
As primeiras investigações sobre distribuições decrescentes foram

realizadas pelo engenheiro francês F de Liocurt. Ele identificou que o número de
troncos entre classes de diâmetro apresentava uma razão constante que foi
denominada quociente de de Liocurt.
Se de fato este é o comportamento de um conjunto de dados que se

referem a uma floresta natural, então ele pode ser representado por uma série
geométrica tal que:
Ni = q N2 = q2 N3 = . . . qn - 1 Nn
Representando em papel semi-logarítmo o número de árvores em

relação ao valor central da classe de diâmetro, ele terá estrutura como a descrita
se o comportamento for similar ao mostrado na Figura 10.3.
427
Anexo II
FIGURA 10.3. Comportamento do número de tronco de uma floresta que

decresce numa progressão geométrica
Fonte: Loestch, Zohrer e Haller (1973)
Em 1933 Meyer introduziu o termo floresta balanceada para expressar o

comportamento descrito por de Liocurt, ou seja, o número de tronco decresce
numa progressão geométrica. No entanto este comportamento é mais exceção do
que uma regra, para expressar o que acontece com a freqüência/classe de
diâmetro em florestas multiâneas.
428
Anexo II
Conforme observado em Loetsch, Zohrer e Haller (1973) o

comportamento do número de árvores em relação a classe de diâmetro, quando
representado em papel semi-logarítmo, pode seguir qualquer um dos padrões
apresentados na Figura 10.4. Investigações em muitas florestas tropicais
mostraram que as distribuições tipo I e II são mais freqüentes que a tipo III.
FIGURA 10.4. Ilustra as distribuições do número de árvores em relação a classe

de diâmetro, representado em papel semi-logarítmo
Em função dos tipos de distribuições apresentados para representar
florestas naturais, Meyer (1933) propôs 2 modelos para expressar, o
comportamento tipo I e o tipo II. respectivamente.
Modelo Tipo I:
429
Anexo II
yi = bo e + ei
Modelo Tipo II:
Y1 = bo e + ei
em que:
yi = número de árvores por classe de diâmetro

xi = valor central da classe de diâmetro
bis = parâmetros a serem estimados pela regressão
ei = erro de estimativa
b) Modelo potencial de Mervart
yi = b0xi-b1
onde:
yi = número de árvores na classe de diâmetro i
É muito rígido mas às vezes pode ser ajustado com sucesso como na
Nigéria.
c) Modelo de Pierlot
430
Anexo II
É um modelo hiperbólico em que se procura prender o ajuste da

distribuição ao 10 conjunto de dados numa tentativa de ajustar os demais.
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
ADAMS, D.M. e EK, A.R. Optimizing the management of Uneven - Aged

Forest Stands. Canadian Journal of Forest Research. V.4, p.274-287.
1974.
ALDER, D. A distance independente tree model for exotic conifer plantations in

East Africa. Forest Science, Washington, v.25, n.1, p.59-71, Mar. 1979.
ALDER, D. Forest volume estimation and yield prediction. Volume 2: Yield

prediction. FAO Forestry Paper 22/2. FAO. Rome. 194p. 1980.
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.).
AMATEIS, R.L.; BURKHART, H.E.; KNOEBEL. B.R.; SPRINTZ, P.T. Yields

and size class distributions for unthinned loblolly pine plantations on
cutover site-prepared lands. Virginia: Division of Forestry and wildlife
Resource, Virgínia Polytech Institute and State University, 1984. 69p.
(Publication FWS-2-84).
ASSMANN, B. The principles of forest yield study. Oxford: Pergaman Press,

1970. 506p.
AVILA, O.B. e BURKHART, H.E. Modeling survival of loblolly pne trees in

thinned and unthinned plantations. Canadian Journal of Forest Research.
V.22, p.1878-1882. 1992.
432
Anexo II
AZEVEDO, C.P. Predição da distribuição diamétrica de povoamento

florestais inequianos pelo emprego da matriz de transição. Viçosa: UFV,
1993. 118p. (Dissertação - Mestrado em Engenharia Florestal).
AZEVEDO, C.P.; SOUZA, A.L.; JESUS, R.M. Um modelo de matriz de

transição para prognose do crescimento de um povoamento natural
remanescente não manejado de mata Atlântica. Revista Árvore, Viçosa,
v.19, n.2, p.187-199, abr./jun. 1995.
BAILEY, R.L.; DELL, T.R. Quantilying diameters distribuitions with the

Weibull function. Forest Science, v.19, n.2, p.27-104, june 1973.
BAILEY, R.L. e BURGAN, T.M. Fertilized midrotation - aged slash pine

plantations - stand structure and yield projection models. South. J. Appl.
For. v.13, n.2, p.13-17. 1989.
BAILEY, R.L. Individual tree growth derived from diameter distribution

models. Forest Science, Washington, v.26, n.4, p.626-632, Dec. 1980.
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.
BAILEY, R.L.; BORDERS, B.E.; WARE, K.D. e JONES Jr., E. P. A.

compatible model relating Slash Pine plantation survival to density age, site
index and type and intensity of thinning. Forest Science, v.31, n.1, p.180-
189, mar. 1985.
433
Anexo II
BAILEY, R.L.; ABERNETH, N.C.; JONES, E.P. Diameters distribution models

for repeatedly thinned slash pine plantations. In: Biennal Southern
Silvicultural Research Conference, 1981. Proceedings... USDA. Forest
Service, 1981. p.115-126 (General Technical Report, 50-34).
BAILEY, R.L.; CLUTLER, J.L. Base-age invariant polimorphic site curves.

Forest Science, v.20, n.2, p.155-159, June 1974.
BAILEY, R.L.; GRIDER, RHENEY, J.W.; PIENNAR, L.V. Stand structure

and yields for site - prepared loblolly pine plantations in the Piedmont
and upper coasted plain of Alabama, Georgia, and south Carolina.
Georgia: College of Agricultural Experimental Stations the University of
Georgia, 1985b. 118p. (Research Bulletin, 328).
BAILEY, R.L.; PIENNAR, L.V.; SHIVER, B.D.; RHENEY, J.W. Stand

structure and yield of site-prepared slash pine plantation. Georgia: The
University of Georgia College of Agriculture Experiment Station, 1982.
(Bulletin, 291).
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
Atlanta, 1984. Proceedings... New Odeans: USDA Forest Service, 1985.

p.460-465 (General Technìcal Report, SO-54).
BELLA, I.E. A New Competition Model for Individual Trees. Forest Science.
Washington, v.17, p,364-372, 1971.
BERTALANFFY, L. VON. Quantitative laws in metabolism and growth,

Quart. Plo. Biol., v.32, n.3, p.217-231, 1957.
BIGING, G.S. e DOBBERTIN, M. A comparison of distance - dependent

competition measures for height and basal area growth of individual conifer
trees. Forest Science, v.38, n.3, p.695-720. 1992.
BINKLEY, C.S. Is sucession in hardwood forests a stationary Markoy process?

Forest Science, Washington, v.26, n.4, p.566-570, Dec. 1980.
BLISS, D.M.; REINKER, K.A. A lognormal approach to diameter distribution

in even aged stands. Forest Science, Washington, v.10, n.3, p.350-360, Sept.
1964.
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.
BORDERS, B.E. e PATTERSON, E.D. Projecting stand tables: A comparison

of the Weibull distribution method, a percentile - based projection method,
and basal area growth method. Forest Science, v.36, n.2, p.413-424. 1990.
435
Anexo II
BORDERS, B.E., SOUTER, R.A., BAILEY, R.L. e WARE, K.D. Percentile -

Based distributions characterize forest stand table. Forest Science, v.33, n.2,
p.570-576. 1987.
BRAVO, C.A. e WINTER, S. A growth and yield parameter recorvery

model for Pinus cooperii in northerm Mexico. Conference on
Multiresource Management of Ponderosa pine Forest held November 14-16.
in Flagstaff, Arizona. p.42-47. 1989.
BRICKELL, J.E. Site index curves for Engelman spruce in the Northern
Central Rocky Mountains. Ogden: Forest Service, 1966. 43p. (Research
Note INT, 42).
BRICKELL, J.E. A method for constructing site index curves from

measurements of tree age and heigth, its application to Inland Douglas
fir. Ogden: Forest Service, 1968. 23p. (Research Paper INT, 47).
BROOKS, J.R.; BORDERS, B.E. e BAILEY, R.L. Predicting diameter

distributions for site - prepared loblolly and slash pine plantations. South J.
Appl. For., v.16, n.3, p.130-133. 1992.
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.
BUCHMAN, R.G.; SHIFLEY, R. Essential for forecasting mortality trends

and changes. In: International Conference Renewable Resource Juventories
for Monitoring Changes and Trends, Coralis, Oregon State University, 1983.
p.15-19.
BUCKMAN, R.E. Growth and yield of red pine in Minesota. Technical

Bulletin. United States Department Agriculture, Washington, n.1272, p.1-
50, 1962.
BUONGIORNO, J.; MICHIE, B.R. A matrix model of uneven-aged forest

management. Forest Science, Washington, v.26, n.4, p.609-625, Dec, 1980.
BURGER, D. Tópicos de manejo florestal - ordenamento florestal. Curitiba,

1976. Universidade Federal do Paraná. Curso de Engenharia Florestal.
BURK, T.E. e BURKHART, H.E. Diameter distributions and yields of

natural stands of lobolly pine. Virginia, 1984. 46p. (Publ. FWS, 1).
BURK, T.E.; NEWBERRY, J.D. A simple algorithm for moment - based

recovery of Weibull distribution parameters. Forest Science, v.30, n.2,
p.329-332, june 1984.
BURKHART, H.E. Data collection and modeling approaches for forest

crowth and yiel prediction. In: Predicting Forest Crowth and Yietd: Current
issues, future prospects. Seatle: University Washington, 1987. p.3-16.
437
Anexo II
BURKHART, H.E.; CAO, Q.V. e WARE, K.D. A comparation of growth and

yieid prediction models for loblolly pine. School of Forestry and Wildlife
Resources. Vìrginia, 1981. 59p. (Publ. FWS, 2).
BURKHART, H.E. Estimating growth and mortality. Virginia: Virginia

Potytechnic Institute and State University, 1974. 15p. (Mimeógrafo).
BURKHART, H.E., FARRAR, K.D., AMATEIS, R.L. e DANIELS, R.F.

Simulation of individual tree growth and stand development in loblolly pine
plantations on cutover, site-prepared areas publication N. FWS 1-87-46p.
Virginia Polytechnic Institute. 1987.
BURKHART, H.E.; PARKER, R.C. e ODERWALD, R.G. Yields for natural

stands of loblolly pine. Virginia, 1972. 63p. (Publ. FWS, 2).
BURKHART, H.E.; PARKER, R.C.; STRUB, M.R. e ODERWALD, R.G.

Yields of old-field IobIoIly pine plantations. Virginia, 1972. 51p. (Publ.
FWS, 3).
BURKHART, H.E. e STRUB, M.R. A model for simulation af planted

loblolly pine stands. In: Growth models for tree and stand simulation. (J.
Fries Ed.) Royal College of Forestry, Stockholm, Sweden, p.128-135. 1974.
CAMPOS, J.C.C. Análise de crescimento e produção em plantações

desbastadas. Revista Árvore, Viçosa, v.2, n.4, p.157-t69, jul./dez. 1980.
438
Anexo II
CAMPOS, J.C.C.; RIBEIRO, J.C. e COUTO, L.C. Emprego da distribuição

diamétrica na determinação da intensidade de corte em matas naturais
submetidas ao sistema de seleção. Revista Árvore, v.7, n.2, p.111-122, 1983.
CAMPOS, J.C.C.; TURNBULL, K.J. Um sistema para estimar a produção por

classe de diâmetro e sua aplicação na interpretação do efeito de desbaste.
Revista Árvore, Viçosa, v.5, n.1, p.1-16, 1981.
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).
CHAPMAN, D.G. Statistical problems in dynamics of exploited fishering

populations. In: SYMPOSIUM ON MATHEMATICAL STATISTICS AND
PROBABILITY, 4, Berkely, 1960. Proceedings... Berkely, 1960, p.153-168.
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.
CLUTTER. J.L. e BENNETT. F.A. Diameter distributions in old-field slash

pine plantations. General Forestry Resource Council, n.13, p.9, 1965.
CLUTTER, J.L.; FORSTON, J.C.; PIENNAR, L.V.; BRISTER, G.H.; BAILEY,

R.L. Timber management; a quantitative approach. New York: John Wiley &
Sons, 1983. 333p.
439
Anexo II
CLUTTER, J.L.; HARMS, R.W.L.; BRISTER, G.H.; RHENEY, J.W. Stand

structure and yields of site - prepared loblolly pine plantations in the cower
coasted plain of the Carolina, Georgia, and North Florida. Asville: USDA.
Forest Service, 1984. n.1-173, 1984. (SE General Technicol Report, 27).
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 .
COUTO, H.T.Z. Distribuição de diâmetros em plantações de Pinus caribaea

Morelet var. caribaea. ESALQ, Piracicaba, 1980. 79p. (Tese de Livre
Docência).
COUTO, H.T.Z.; BASTOS, N.L.M.; LACERDA, J.S. Comparação de dois

modelos de prognose de madeira de Eucalyptus para alto fuste e talhadia.
IPEF, Piracicaba, n.41/42, p.27-35, 1989.
CURTIS, R.O. A study of gross yield in Douglas fir. Washington: University

of Washington, 1965. (Ph.D. Thesis).
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.
DANIELS, R.F. e BURKHART, H.E. Simulation of individual tree growth and

stand development in managed loblolly pine plantations. Virginia, 1975. 69p.
(Publ. FWS, 5).
DANIELS, R.F.; BURKHART, H.E.; SPITLE, G.D.; SOMERS, G.L. Methods

for modeling individual tree growth and stand development in seeded
Loblolly pine stands. Virginia, 1979. (Publ. FWS, 1).
DAVIS, K.P. Forest management: regulation and valuation. New York:

McGraw-Hill, 1966. 519p.
DAVIS, L.S. e JOHNSON, K.N. Forest management.. 3 ed. New York,

McGraw-Hill, 1987. 790p.
De LIOCURT, F. De'Lam. Referencia em Meyer, 1952. 1898.
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.
ENERCONSULT ENGENHARIA LTDA. Estudo de viabilidade da fitomassa

e potencial madeireiro da Usina Hidrelétrica de Irapé. Relatório Final.
Belo Horizonte, 1993. 250p.
441
Anexo II
ENRIGHT, N.; OGDEN, J. Apllication of transition matrix models in forest

dynamics: Araucaria in Papua New Guinea and Nothofagus in New Zealand.
Australian Journal of Ecology, v.4, p.3-23. 1979.
FINGER, C.A.G. Distribuição de diâmetros em Acacia mearnsii de Wild, em

diferentes povoamentos e idades. Universidade Federal do Paraná, 1982,
124p. (Dissertação de Mestrado).
FREITAS, J.V.; HIGUCHI, N. Projeções da distribuição diamétrica de uma

floresta tropical úmida de terra firme pela cadeia de Markov. In:
CONGRESSO FLORESTAL BRASILEIRO, 7; CONGRESSO
FLORESTAL PANAMERICANO, 1, Curitiba, 1993. Anais... Curitiba:
SBS/SBEF 1993. p.545-548.
GADOW, K.V. Fitting distributions in Pinus patula siands. South African

Forestry Journal. Pretoria, n.126, p.17-26, 1983.
GERRAD, D.J. Competition quotient: a new measure of the competition

affecting individual forest trees. Mich, State Univ. Agric. Exp. Sta., Res.
Bull. n.20, 32p. 1969.
GLADE, J.E. Prognose de volume por classes diamétricas para Eucalyptus

grandis Hill Ex-Maiden. Curitiba: UFPR, 1986. 94p. (Dissertação -
Mestrado em Manejo Florestal).
GOELZ, J.C.G.; BURK, T.E. Development of a well-behaved site index

equations Jack Pine in north central Ontario. Canadá. Journal Forestry
Research. Canadá. v.22, p.776-784, 1992.
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.
GRAAF, N.R.de. A silvicultural system for natural regeneration of tropical

rain forest in Suriname. Wageningen: Agricultural University, 1986, 250p.
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.
HAFLEY, W.L.; SCHREUDER, H.T. Statistical distribution for fitting

diameters and data in even-aged stands. Canadian Journal Research,
Ottawa, v.7, p.481-487. 1977.
HAMILTON, D.A. e EDWARDS, B.M. Modeling the probability of

individual tree mortality, USDA Forest Service Research Paper INT. 185.
1976.
HARRISON, T.P.; MlCHIE, B.R. A Generalized approach to tye use of matrix

growth models. Forest Science, Bethesda, v.31, n.4, p.850-856, Dec. 1985.
HASSLER, C.C.; DISNEY, R.L.; SINCLAIR, S.A. A discrete state, continous

parameter Markov process approach to timber harvesting systems analysis.
Forest Science, Bethesda, v.34, n.2, p276-291, June 1988.
443
Anexo II
HEGYl, F. A simulation model for managing Jack Pine stands, ín Growth

Models for tree and Stand Simulation IUFRO, Proceedings of Working
Party. S.4.01-4: 74-90. 1974.
HERRlCK, A.M. A simple formula tor making diameter predictions. Journal of

Forestry, Washington, v.36, n.1, p.74-75. Jan. 1938.
HEUVELDOP, J.; NEUMANN, M. Structure and functions of a rainforest in the

international Amazon ecosystem project: preliminary data on growth rates
and natural regeneration from a pilot study. Turriatba. v.33, p.25-38, 1983.
HIGUCHI, N. Short-term growth of an undisturbed tropical moist forest in

the brazilian Amazon. Michigan: Michigan State University. 1987. 129p.
(Thesis - PhD).
HUSCH, B.; MILLER, C.I.; BEERS, T.W. Forest mensuration. New Yotk.
McGraw-Hill, 1982, 397p.
HUTCHINSON, I.D. Improvement thinning in natural tropical forests: aspects

and institutionalization. In: MERGEN, F.; VICENT, J.R. (eds). Natural
Management of Tropical Moist Forests. Silvicultural and Management
Prospects of Sustained Utilization. New Haven: Yale University, School of
Forestry and Environmental Studies, p.113-133. 1987.
444
Anexo II
HYINK, D.M. Diameter distribution approaches to growth and yield modeling.

In: BROWN, K.M.; CLARKE, F.R., (eds). Forecasting forest stand
dynamics. Ontario: Lakehead Univ., 1980. p.138-163.
JOHNSON, N.L. Systems of frequency curves generated by methods of

translation. Biometrika, Grean Britain, v.36, p.149-176. 1949.
JOHNSON, N.L.; KITCHEN, J.O. Some notes on tables to facilitate fitting SB

curves. Biometrika, Grean Britain, v.58, n.1, p.223-226, jan, 1971.
JOHNSON, N.L.; KOTZ. Continous univariate distributions. Boston:

Houghton Millin, 1970, v.2, p.112.
JOHNSON, S.E.; FERGUSON, I.S.; RONG-WEI, L. Evaluation of a stochastic

diameter growth model for moutain Ash. Forest Science, Bethesda, v.37,
n.6, p.1671-1681, 1991.
JONKERS, W.B.J. Vegetation structure logging damage and silviculture in a

tropical rain forest in Suriname. Wageningen: Agricultural University,
1987. 172p.
JONKERS, W.J.B. Options for silviculture and managment of the mixed

dipterocarp forest of Sarawak. FAO report. Working Paper 11 . 1988.
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.
KEISTER, T.D. A measure of the intraspecific competition experienced by an

individual tree in a planted stand. La. State Univ. Sta. Bull. 447, 109p. 1971.
445
Anexo II
KEISTER, I.D. Predicting individual tree mortality in simulation southem pine

plantations. Forest Science, v.18, n.3, p.213-217, 1972.
KNOEBELL, B.C.; BURKHART, H.E. A bivariate distribution approach to

modeling forest diameter distributions at two points in time. Biometrics,
v.47, p.241-253. 1991.
KNOEBELL, B.C.; BURKHART, H.E. e BECK, D.E. A growth and yield

model fos thinned stands of yellow-poplar. Forest Science, 1-62, june 1968.
(Monograph, 27).
KRAJIGEK, J.E.; BRINKMAN, K.A.; GINGRICH, S.F. Crown Competition - a

Measure of Density. Forest Science, Washington, v.7, p.7:35-42, 1961.
LEE, Y.L. Predicting mortality for even-aged stands of lodgepole pine. The
Forestry Chronicle, Ottawa, v.47, n.1, p.29-32, 1971.
LEITE, H.G. Ajuste de um modelo de estimação de freqüência de produção

por classe de diâmetro, para povoamento de Eucalyptus saligna Smith.
Viçosa: UFV, 1990. 81p. (Dissertação - Mestrado em Ciência Florestal).
LEITE, H.G.; CAMPOS, J.C.C.; REGAZZI, A.J.; COUTO, L. Um modelo para

estimar a produção de madeira para celulose e energia derivado da função
Weibull. Revista Árvore, Viçosa, v.14, n.2, p.102-118, 1990.
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. Diameter - Distribution yield - Prediction system for unthinned

loblolly and slash pine plantations on non - old - fields in East Texas. South.
J. Appl. For., v.12, n.4, p.239-242. 1988.
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.
LESLIE, P.H. On the use of matrices in certain population mathematics.

Biometrika, London, v.33, n.3, p.183-212, Nov. 1945.
LESLIE, P.H. Some further notes on the use of matrices in populatbn

mathematics. Biometrika, London, v.35, n.3/4, p.214-245, Dec. 1948.
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.
LOETSCH, F.; ZÖHRER, F. e HALLER, K.E. Forest Inventory. Munchen,

BLV. 1964. v.l, 436p.
LOETSCH, F.; ZÖHRER, F. e HALLER, K.E. Forest Inventory. Munchen,

BLV. 1973. V.2. 479p.
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.
MAcKINNEY, A.L.; CHAIKEN, L.E. Volume, yield, and growth of loblolly

pine in the Mid-Atlantic Coastal Region. USDA Forest Service Technical
Note, Washington, n.33, p.1-30, 1939.
MAcKINNEY, A.L.; SCHUMACHER, F.X.; CHAIKEN, L.E. Construction of

yield tables for non normal Loblolly Pine stands. Journal of Agricultural
Research. Washington, v.54, n.7, p.531-545, Abr. 1937.
448
Anexo II
MAESTRI, R. Estimativa de produção presente e futura de volume de

madeira e peso de casca para povoamento de Acácia-Negra (Acacia
meanrsii). Curitiba: Universidade Federal do Paraná, 1992. 102p.
Dissertação - Mestrado em Manejo Florestal).
MAGE, D.T. An explicit solution for SB parameter using four percentile points.
Technometrics, v.22, n.2, p.247-251. 1980.
MAGNUSSEN, S. A continuous-time Markov chain for eariy selections. Forest

Science, Bethesda, v.39, n.4, p.845-850, Nov. 1993.
MAITRE, H.F. Silvicultural inierventions and their effects on forest dynamics

and production in some Ivory Coast rain forests. In: WHITMORE, T.C.;
GOMEZ POMPA, A.; HADLEY, M.J. (eds). Rain Forest Regeneration
and Management. Paris: Parthenon Publishing, Unesco, 1987.
MALDONADO, H.R.; BAILEY, R.L.; BORDERS, B.E. Some implications of

the algebraic diference approach for developing growth models. IUFRO.
Mineapolis, MN, august 24-28, 1987.
MANDERS, P.T. A transition matrix model of the population dynamics of the

clanwillian cedar (widdringtonia cedarbergensis) in natural stands subject to
fire. Forest Ecology and Management, Amsterdan, v.20, p.171-186, 1987.
MARIN, R. Distribuzioni diametriche e utilizzo della funzione. Beta. Monti e

Boschi. N.5, p.51-56, 1987.
449
Anexo II
MARQUES, C.P. e BENTO, J.S. Application of a system of adjacent

percentiles to characterize diameter distributions. Publication FWS-1-89,
Virginia Polytechnic Institute. p.154-158. 1989.
MATNEY, T.G., LEDBETTER, J.R. e SULLIVAN, A.D. Diameter distribut¡on

yield systems for unthinned cutover site-prepared slash pine plantations in
Southern Mississipi. South. J. Appl. For., v.11, n.1, p.32-36. 1987.
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.
McGEE, C.E.; DELLA-BIANCA, L. Diameter distributions in naturaf

yellow-poplar stands. [s.1.]: USFS, 1967. 7p. (Research paper-SE 25).
McTAGUE, J.P. Programa computacional para ajuste da função Weibull.

Flagstall. 1988 (não publicado).
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).
MENDOZA, G.A.; SETYARSO, A. Transition matrix forest growth model for

evaluating alternative harvesting schemes in Indonesia. Forest Ecology and
Management, Amsterdam, v.15, p.219-228. 1986.
MERVART, J. Appendix to the paper on growth and mortality rates in the

natural high forest of western Nigeria. Nigerian Forestry Information
Bulletin, n.28, p.1-30, 1974.
450
Anexo II
MEYER, W.H. Aproach of abnormally stocked stands of Douglas fir to normal

conditions. Journal Forestry, v.31. p.400-406, 1933.
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.
MICHIE, B.R.; BUONGIORNO, J. Estimation of a matrix model of forest

growth from re-measured permanent plots. Forest Ecology and
Management, Amsterdan, v.18, p.127-135, 1984.
MICHIE, B.R.; McCANDLESS, F.D. A matrix model of oak-hickory stand

management and valuing forest land. Forest Science, Bethesda, v.32, n.3,
p.759-768, Sept. 1986.
MILLER, T.B. Growth and yield of a logged-over mixed dipterocarp forest in

East Kalimantan. Malaysian Forester, Selangor, v.44, p.419-424, 1981.
MIRANDA, R.C. Análise da mortalidade regular, em função de

características dendrométricas, de grupos de árvores semelhantes de
Eucalipto. Viçosa: Universidade Federal de Viçosa, 1990. 86p. (Dissertação
- Mestrado em Ciência Florestal).
MONNESS, E.N. Diameter distributions and height curves in even - aged -

stands of Pinus silvestris. L. Reports of the Norwegian Forest Research
Institute. 43p. 1982.
451
Anexo II
MOSER, J.W. Dynamics of an Uneven - Aged Forest Stand. Forest Science.

V.18, p.184-191. 1972.
MOWRER, H.T. ASPNORM: A normal diameter distribution growth and yield

model for Aspen in the central Rocky Mountains. Forest Service. Research
Paper RM-264. 10p. 1986.
MUNKO, D.D. Growth modeling for fast-growing plantations. In: IUFRO,

Symposium on site and productivity of fast growing plantations Pretoria
and Pietermaritzburg, South Africa, 1974, 333-44.
MURPHY, P.A. e FARRAR, R.M. Basal-area projectíon equations for thinned

natural even-aged forest stands. Canadian Journal Foren Research,
Ottawa, 18:827-832. 1987.
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.
NELSON, T.C. Diameter distribution and growth of loblolly pine. Forest

Scìence, v.10, n.1, p.105-114, mar, 1964.
NEPAL, S.K. e SOMERS, G.L. A generalized approach to stand table

projection. Forest Science, v.38, n.1 , p.120-133. 1992.
NEWBERRY, J.D. e BURK, T.E. An integrated approach to individual tree

volume distribution and stem profile modeling. Canadian Journal of Forest
Research. v.15, p.555-560. 1985.
452
Anexo II
NEWNHAN, R.M. The development of a stand model for Douglas - fir.

Unpublished Ph.D. Thesis, Univ. of Britsh Columbia, 201 p. 1964.
OSAFO, E.D. The development of silvicultural techniques applied to natural

forests in Ghana. Technical Note Forest Products Research Institute
Ghana, n.13, p.1-18, 1970.
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. Quantitative theory of forest growth. Washington:

University of Washington, 1965. (PhD Thesis).
PIENAAR, L.V.; TURNBULL, K.V. The Chapman - Richard generalization of

Von Vertalanffy s growth for basal area growth and yield in even aged
stands. Forest Science. Washington, v.19, n.1, p.2-22, Mar. 1973.
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.
RAWAT, A.S.; FRANZ, F. Detailed non-linear assymptotic regression studies

on tree and stand growth, with particular reference to forest yield research in
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.
REINEKE, L.H. Perfecting a Stand Density Index for Even-aged Forests.

Journal of Agricultural Research, Washington, v.46, p.627-638, 1933.
RENNOLS, K.; PEACE, A. Flow models of mortality and yield for unthinned,
florest stands. Forestry, Oxford, v.59, n.1, p.47-58, 1986.
REYNOLDS, J.R. M.R., FURKE, T.E. e HUANG, W. Goadness - of - tests and

model selections procedures for diameter distribution models. Forest
Science, v.34, p.373-379. 1988.
RICHARDS, F.J. A flexible growth function for empirical use. Journal of

Experimental Botany, London, v.10, n.29, p.290-300, 1959.
ROBERTS, M.R.; HRUSK, A.J. Predicting diameter distributions: a test of the

stationary Markov model. Canadian Journal of Forest Research, Ontario,
v.16, p.130-135, 1986.
SANQUETA, C.R.; ANGELO, H.; BRENA, D.A.; MENDES, J.B. Predição da

distribuição diamétrica, mortalidade e recrutamento de floresta natural com
matriz Markoviana de potência. Revista Floresta, Curitiba, v.2q, n.1/2, p.23-
26, jul. 1996a.
SANQUETA, C.R.; ANGELO, H.; BRENA, D.A.; MENDES, J.B. Matriz de

transição para simulação da dinâmica de florestas naturais sob diferentes
intensidades de corte. Revista Ciência Florestal, Santa Maria, v.6, n.1, p.65-
78, nov. 1996b.
454
Anexo II
SANOUETA, C.R. Predição da sobrevivência em reflorestamentos de Pinus

elliotii Engelm. Curitiba: UFPR, 1990. 81p. (Dissertação Mestrado em
Engenharia Florestal).
SCHMIDT, R. and WEAVER, P.L. Tree diameter increment in the subtropical

moist life zone of Puerto Rico. Turrialba, Turrialba, v.31, p.216-263, 1981.
SCHREUDER, H.T.; HAFLEY, W.L. A usefull bivariate distribution for

describing stand structure of tree heights and diameters. Biometrics, Releig,
v.33, n.3, p.471-488, Sept. 1977.
SCOLFORO, J.R.S. Crescimento florestal 2. Mensuração florestal 6. Lavras:

ESAL/FAEPE, 243p. 1995.
SCOLFORO, J.R.S. Curvas de índice de sítio para Pinus caribaea var.

hondurensis. IPEF, Piracicaba, v.45, p.40-47, 1992.
SCOLFORO, J.R.S.; FRANCO, E.J.; THIERCH, A. Curvas de índice de sítio

provenientes de um modelo polimórfico pelo método da diferença algébrica
para Eucalyptus camaldulensis. Viçosa. Revista Árvore. 25p. 1977.
SCOLFORO, J.R.S., MACHADO, S.A. Curvas de índice de sítio para

plantações de Pinus elliottii nos Estados do Paraná e Santa Catarina. Revista
Floresta, Curitiba, v.18, n.1/2, p.140-158, jun./dez. 1988.
SCOLFORO, J.R.S., MACHADO, S.A. Curvas de índice de sítio para

plantações de Pinus taeda nos Estados do Paraná e Santa Catarina. Revista
Floresta, Curitiba, v.18, n.1/2, p.159-168, jun./dez. 1988.
455
Anexo II
SCOLFORO, J.R.S.; MELO, J.M.M. Crescimento, produção e a distribuição

diamétrica montana. Revista CERNE. Lavras, 1994 (submetido).
SCOLFORO, J.R.S. Mensuração florestal 4: Classificação de sítios florestais.

Lavras: ESAUFAEPE, 1993. 138p.
SCOLFORO, J.R.S. Modelagem do crescimento e da produção de florestas

plantadas e nativas. Lavras, ESAL/FAEPE. 441p. 1998.
SCOLFORO, J.R.S. Modelos para expressar o crescimento e a - produção

florestal: Parte 1. Lavras, ESAL/FAEPE. 188p. 1994.
SCOLFORO, J.R.S. O sistema Pisapro. Lavras: UFLA/FAEPE, 1997. 99p.
SCOLFORO, J.R.S.; PULZ, F.A.; MELLO, J.M.; OLIVEIRA FILHO, A.T.

Modelo de produção para floresta nativa como base para manejo sustentado.
Cerne, Lavras, v.2, n.1, p.112-137, 1996.
SCOLFORO, J.R.S. Sistema integrado para predição e análise presete e

futura do crescimento e produção, com otimização remuneração de
capitais, para Pinus caribaea var. hondurensis. Curitiba: UFPR, 1990.
290p. (Tese-Doutorado em Manejo Florestal).
SCOLFORO, J.R.S. O conceito de floresta balanceada de Meyer como opção

para intervenção em cerrado senso stricto. In: Anais VII Congresso
Florestal Brasileiro e I Congresso Florestal Latinoamericano. Curitiba.
V.3, p.399-403, 1992.
456
Anexo II
SCOLFORO, J.R.S. Um modelo de crescimento e produção para Pinus caribaea

var. hondurensis sujeito a desbastes. Revista Árvore, Viçosa, v.16, n.2,
p.144-156, 1992.
SCOLFORO, J.R.S.; FIGUEIREDO FILHO, A.F. Biometria Florestal:

medição e volumetria de árvores florestais. Lavras, ESAL/FAEPE. 310p.
1998.
SELANDER, J. Survival model for Pinus sylvestris seedlings at pisk from by

lobiees abietis. Scand J. For. Res. v.8, n.1, p.66-7. 1993.
SHIVER, B.p. Sample size estimating Weibull function parameters for slash
plantation diameter distribution. PURC. Tech. Report 1985-4. 21 p.
SILVA, J.A.A.; BAILEY, R.L. Predicting diameter distribution in fertilized

slash pine plantatioins with the Weibull distribuition. ACTA Forestalia
Brasiliensis, Curitiba, v.2, n.1, p.46-62, 1987.
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).
SILVA, J.N.M.; LOPES, J.do C.A. Inventano norescai connnuo em florestas

tropicais: a metodologia utilizada pela Embrapa-Cpatu na Amazônia
brasileira. 1984. 36p. (Documentos, 33).
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.
SOLOMON, D.S.; HOSMER, R.A.; HAYSLETT, Jr., H.T. A two-stage matrix

model for predicting growth of forest stands in the northeast. Canadian
Journal of Forest Research, Ontario, v.16, p.521-528, 1986.
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.
STRUB, M.R.; FEDUCCIA, D.P.; BALDWIN, JR., V.C. A diameter

distribution method useful in compatible growth and yield modeling of
thinned stands. Proceedings First Southern Silviculture Research, p.127-
130,1981.
SULLIVAN, A.D. e CLUTTER, J.L. A simultaneous growth and yield model

for loblolly pine. Forest Science, v.18, n.1, p.76-86, mar. 1972.
SWINDEL, B.F., SMITH, H.D.; GROSENBAUCH, L.R. Fitting diameter

distributions with a Hand-held, programuable calculator. Canadian Journal
Forest Research. Gainesville. V.3, n.3, p.325-334. 1987.
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.
THAM, A. Estimative and test frequency dìstributions with the Johnson SB

function from stand parameters in young mixed stands atter different
thinning treatments. In: Anais IUFRO Forest Growth Modelling and
Prediction Conference Minneopolis, MN, v.1, p.255-262. 1980.
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.
TOMÉ, M. e BURKHART, H.E. Distance - Oependent competition measures

for predicting growth of individual trees. Forest Science, v.35, n.3, p.816-
831.1989.
TURNBULL, K.V. Population dynamics in mixed forest stands. A system of

mathematical models of mixed stand growth and structure. Washington,
University of Washington, 1963. 186p. (Ph.D. Thesis).
USHER, M.B. A matrix model for forest management. Biometrics, Tucson,

v.25, n.2, p.309-315, June 1969.
VALENTINE, H.T.; FURNIVAL, G.M, Projections with Ingrowth by Markov

chains. Forest Science, Bethesda, v.35, n.t, p,245-250, Mar. 1989.
459
Anexo II
VANCLAY, J.K. Compatible deterministic and stochastic predictions by

probabilistic modeling of individual trees. Forest Science, v.37, n.6, p.1656-
1663. 1991.
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.
VANCLAY, J.K. Modelling forest growth and yield: applications tomixed

tropical forests. Copenhagen: CAB Intemational, 1994. 312p.
VEILLON, J.P. EI crecimiento de algunos bosques naturales de Venezuela en

relacion con parametros del medio ambiente. Revista Forestal Venezoelana,
Mérida, v.29, p.122, 1985.
WEAVER, P.L. Tree growth in several tropical forests of Puerto Rico.

Research Paper Southern Forest Experiment Station SO-152. 1979. 15p.
WHEELER, R.E. Ouantile estimators of Johnson curve parameters. Biometrika,

v.67, n.3, p.725-728. 1980.
ZHOU, B.; McTAGUE, J.P. Comparison and evaluotion of fve methods of

estimation of the Johnson System parameters. Canadian Journal Forest
Research. v.26, p.928-935. 1996.
460
Anexo II
ANEXO I
MODELOS PARA ESTIMAR O DIÂMETRO MÍNIMO, NÚMERO DE

ÁRVORES, O ÍNDICE DE SÍTIO, A ÁREA BASAL E A VARIÂNCIA
DOS DIÂMETROS
461
Anexo II
Modelos que expressam a variância dos diâmetros

MODELOS FORMA DE AJUSTE
Knoebell et al. ln
Burk e ln
Burkhart
Cao et al. ln
Scolforo ln
Scolforo ln
Cunha Neto et (S2d)0,5 = 0 + 1 ln (Hd/N2) + 2 ln (I) + 3 ln (G . N) +

2
al. 4 (DM) + 5 (I . Hd . G) + ei
Cunha et al. (S2d)0,5 = + 1 ln (Hd/N) +

0 2 ln (I) + 3 ln (G . N) +
3
4 (DM) + ei
Maestri et al. ln (S2d) = 0 + 1 ln (N/G) + 2 Hd-1 + 2 Hd-1 + 3 I2 + ln ei
Maestri et al. ln (S2d) = 0 + 1 Hd + 2 ln (N) + 3 ln (I) + ln ei

Em que:
Dg = diâmetro médio quadrático (cm)

= média aritmética dos diâmetros (cm)
S2d = variância dos diâmetros (cm2)
Sd = desvio padrão dos diâmetros (cm)
N = número de árvores
462
Anexo II
I = idade de anos
G = área basal (m2)
DM = diâmetro mínimo (cm)
463
Anexo II
Modelos testados para estimar o diâmetro mínimo

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
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
Burkhart e ln(DM) = 0 + 1I + 2(Hd/I) + 3 (N) + In ei

Sprinz
Amateis et al. DM = 0 + 1 Hd + 2 (Hd/I) + ei
-1
Lenhart DM = 0 + 1 ln (I)+ 2 ln (N) + 3 (Hd) + ei
Lenhart e Clutter DM = 0 + 1I + 2 Hd + 3 N-1 + ei
Burkhart e DM = 0 + 1 Hd + 2 (Hd . N-1) + ei

Daniels
Em que:
DM = menor diâmetro da unidade de amostra

G = área basal (m2) por ha
N = número de árvores por ha
H = altura média das árvores dominantes (100 árvores de maior diâmetro
por ha)
0, 1,... 6 = coeficientes de regressão a serem estimados
464
Anexo II
I = idade
ln = logaritmo natural
D20 = diâmetro referente ao percentil 20
Dg = diâmetro médio quadrático
465
Anexo II
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
Piennar e Shiver In (N2) = In (N1) - 1 + In ei
Clutter N2 = N1 . exp [( 0 + 2 S) (I2 - I1)] + ei
Clutter (1984) N2 = ( +( 0 + 2 (S-1) . + ei
I2 I1
Silva N2 = N1 exp [ 2 ( 1 - 1 )] + ei
Derivação da N2 = N1 exp [ - ((I2 - I1)/ 1) + ei

Função de Weibull
Beverton N2 = N1 ( +
1 2N1 + ei
Em que:
N2, N1 = número de árvores por ha nas idades I2 e I1, respectivamente

Exp = exponencial
is = coeficientes de regressão a serem estimados
466
Anexo II
Modelos testados para expressar a capacidade produtiva dos diferentes

locais em função da idade, pelo método da diferença algébrica

Schumacher Hd2 = Hd1 exp + ei
Monomolecular
Hd2 = Hd1 + ei
Clutter ln (Hd2) =
+ 2 exp + ln ei
Bailey com três

parâmetros Hd2 = Hd1 + ei
Bailey com quatro

parâmetros
Hd2 = Hd1 + ei
Richards
Hd2 = Hd1 + ei
Em que:
Hd = altura dominante (altura média das 100 árvores de maior

diâmetro por hectare)
Hd1, Hd2 = altura dominante nas idades I1 e I2 respectivamente

exp = exponencial
467
Anexo II
is = coeficientes da regressão (a serem estimados)

I = idade em meses
Modelos testados para expressar a capacidade produtiva dos diferentes
locais em função da idade
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
9 ln(Hd) = 0 + 1 ln ( I ) + 2[ln ( I )]2 + In ei

2
10 ln(Hd) = 0 + 1 (1/I) + 2 (1/I) + In ei
2 3
11 ln(Hd) = 0 + 1 (1/I) + 2(1/I) + 3(1/I) + ln ei
Em que:
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
468
Anexo II
Modelos testados para expressar a área basal

FORMA DE AJUSTE
ln (G) = 0 + 1 (1/I) + 2S + 3 ln (N) + In ei
ln (G) = 0 + 1 (1/I) + 2S + 3 ln (1/N) + In ei
ln (G) = 0 + 1 ln(N) + 2( I)+ 3 (1/I) + 4 (1/S) + In ei
ln (G) = 0 + 1 ln(1/I) + 2 ln(N) + 3 ln (S) + 4 (N . 1/I) + In ei
ln (G) = 0 + 1 (1/I) + 2 (Hd/I) + 3 Hd + 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:

I = idade
469
Anexo II
ANEXO II
TABELAS
470
Anexo II
ANEXO 2.1 Apresenta valores de Gama ( )

x (x) x (x) x (x)
1,00 1,00000 1,40 0,88726 1,80 0,93138
1,01 0,99432 1,41 0,88676 1,81 0,93407
1,02 0,98884 1,42 0,88635 1,82 0,93684
1,03 0,98354 1,43 0,88603 1,83 0,93969
1,04 0,97843 1,44 0,88580 1,84 0,94261
1,05 0,97350 1,45 0,88566 1,85 0,94561
1,06 0,96874 1,46 0,88560 1,86 0,94868
1,07 0,96415 1,47 0,88563 1,87 0,95184
1,08 0,95972 1,48 0,88574 1,88 0,95507
1,09 0,95545 1,49 0,88594 1,89 0,95837
1,10 0,95135 1,50 0,88622 1,90 0,96176
1,11 0,94739 1,51 0,88659 1,91 0,96523
1,12 0,94359 1,52 0,88703 1,92 0,96877
1,13 0,93993 1,53 0,88756 1,93 0,97239
1,14 0,93641 1,54 0,88817 1,94 0,97609
1,15 0,93304 1,55 0,88886 1,95 0,97988
1,16 0,92980 1,56 0,88963 1,96 0,98374
1,17 0,92669 1,57 0,89048 1,97 0,98768
1,18 0,92372 1,58 0,89141 1,98 0,99170
1,19 0,92088 1,59 0,89242 1,99 0,99581
1,20 0,91816 1,60 0,89351 2,00 1,00000
1,21 0,91557 1,61 0,89468
1,22 0,91310 1,62 0,89592
1,23 0,91075 1,63 0,89724
1,24 0,90852 1,64 0,89864
1,25 0,90640 1,65 0,90011
1,26 0,90439 1,66 0,90166
1,27 0,90250 1,67 0,90329
1,28 0,90071 1,68 0,90500
1,29 0,89904 1,69 0,90678
1,30 0,89747 1,70 0,90863
1,31 0,89600 1,71 0,91057
1,32 0,89464 1,72 0,91258
1,33 0,89337 1,73 0,91466
1,34 0,89221 1,74 0,91682
1,35 0,89115 1,75 0,91906
1,36 0,89018 1,76 0,92137
471
Anexo II
1,37 0,88931 1,77 0,92376

1,38 0,88853 1,78 0,92622
1,39 0,88785 1,79 0,92876
ANEXO 2.2. Áreas de uma distribuição normal padrão
Cada casa na tabela dá a proporção sob a curva inteira entre z = 0 e um valor

positivo de z. As áreas para os valores de z negativos são obtidos por simetria.
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,000 0,004 0,008 0,012 0,016 0,019 0,023 0,027 0,031 0,035
0 0 0 0 0 9 9 9 9 9
0,1 0,039 0,043 0,047 0,051 0,055 0,059 0,063 0,067 0,071 0,075
8 8 8 7 7 6 6 5 4 3
0,2 0,079 0,083 0,087 0,091 0,094 0,098 0,102 0,106 0,110 0,114
3 2 1 0 8 7 6 4 3 1
0,3 0,117 0,121 0,125 0,129 0,133 0,136 0,140 0,144 0,148 0,151
9 7 5 3 1 8 6 3 0 7
0,4 0,155 0,159 0,162 0,166 0,170 0,173 0,177 0,180 0,184 0,187
4 1 8 4 0 6 2 8 4 9
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
ANEXO 2.3. Limite da distribuição de X2.
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
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
100,4 104,2
2 2
80 60,39 64,28 71,14 79,33 88,13 96,58 101,8 106,6 112,3 116,3
8 3 3 2
90 69,13 73,29 80,62 89,33 98,64 107,5 113,1 118,1 124,1 128,3
6 4 4 2 0
100 77,93 82,36 90,13 99,33 109,1 118,5 124,3 129,5 135,8 140,1
4 0 4 6 1 7
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
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
ANEXO 2.4. Limites da distribuição t - Continuação

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
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
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
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
n 0,20 0,10 0,05 0,02 0,01

1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,778 0,842 0,900 0,929
3 0,565 0,636 0,708 0,784 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,668
6 0,410 0,468 0,519 0,577 0,617

7 0,381 0,436 0,483 0,538 0,576
8 0,358 0,410 0,454 0,506 0,542
9 0,338 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,489
11 0,308 0,352 0,391 0,437 0,468

12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392

17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,278 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,258 0,287 0,321 0,344

22 0,221 0,253 0,261 0,314 0,377
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,285 0,316
26 0,204 0,233 0,259 0,290 0,311

27 0,200 0,229 0,254 0,264 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
479
Anexo II
30 0,190 0,218 0,242 0,270 0,290

Continua...
480
Anexo II

amostra. Continuação
Pe (D d) = e Pe [D+ (D-) d1] = /2
n 0,20 0,10 0,05 0,02 0,01

31 0,187 0,214 0,236 0,266 0,285
32 0,184 0,211 0,234 0,262 0,281
33 0,182 0,208 0,231 0,258 0,277
34 0,179 0,205 0,227 0,254 0,273
35 0,176 0,202 0,224 0,251 0,269
36 0,174 0,199 0,221 0,247 0,265

37 0,172 0,196 0,218 0,244 0,262
38 0,170 0,194 0,215 0,241 0,258
39 0,166 0,191 0,213 0,238 0,255
40 0,165 0,189 0,210 0,235 0,252
41 0,163 0,187 0,208 0,232 0,249

42 0,162 0,185 0,206 0,229 0,246
43 0,160 0,183 0,203 0,227 0,243
44 0,158 0,180 0,200 0,224 0,241
45 0,156 0,178 0,198 0,222 0,238
46 0,154 0,177 0,196 0,219 0,235

47 0,153 0,175 0,194 0,217 0,233
48 0,151 0,173 0,192 0,215 0,231
49 0,150 0,171 0,190 0,213 0,228
50 0,148 0,170 0,188 0,211 0,226
51 0,147 0,168 0,186 0,209 0,224

52 0,146 0,166 0,185 0,207 0,222
53 0,144 0,165 0,183 0,205 0,220
54 0,143 0,163 0,181 0,209 0,218
55 0,142 0,162 0,180 0,201 0,216
56 0,140 0,160 0,178 0,199 0,214

57 0,139 0,159 0,177 0,198 0,212
58 0,138 0,158 0,175 0,196 0,210
59 0,137 0,156 0,174 0,194 0,208
481
Anexo II
60 0,136 0,155 0,172 0,193 0,207

Continua...
482
Anexo II

Pe (D d) = e Pe [D+ (D-) d1] = /2
n 0,20 0,10 0,05 0,02 0,01

61 0,135 0,154 0,171 0,191 0,205
62 0,134 0,153 0,170 0,190 0,203
63 0,133 0,151 0,168 0,188 0,202
64 0,132 0,150 0,167 0,187 0,200
65 0,131 0,149 0,166 0,185 0,199
66 0,130 0,148 0,164 0,184 0,197

67 0,129 0,147 0,163 0,182 0,196
68 0,128 0,146 0,162 0,181 0,194
69 0,127 0,145 0,161 0,180 0,193
70 0,126 0,144 0,160 0,179 0,192
71 0,125 0,143 0,159 0,177 0,190

72 0,124 0,142 0,158 0,176 0,189
73 0,123 0,141 0,156 0,175 0,188
74 0,122 0,140 0,155 0,174 0,186
75 0,122 0,139 0,154 0,173 0,185
76 0,121 0,138 0,153 0,172 0,184

77 0,120 0,137 0,152 0,170 0,183
78 0,119 0,136 0,151 0,169 0,182
79 0,119 0,136 0,150 0,168 0,181
80 0,118 0,135 0,150 0,167 0,179
81 0,117 0,134 0,149 0,166 0,178

82 0,116 0,133 0,148 0,165 0,177
83 0,116 0,132 0,147 0,164 0,176
84 0,115 0,131 0,146 0,163 0,175
85 0,114 0,131 0,145 0,162 0,174
86 0,114 0,130 0,144 0,161 0,173

87 0,113 0,129 0,144 0,160 0,172
88 0,112 0,128 0,143 0,160 0,171
89 0,112 0,128 0,142 0,159 0,170
483
Anexo II
90 0,111 0,127 0,141 0,158 0,169

Continua...
484
Anexo II

Pe (D d) = e Pe [D+ (D-) d1] = /2
n 0,20 0,10 0,05 0,02 0,01

91 0,111 0,126 0,140 0,157 0,168
92 0,110 0,126 0,140 0,156 0,168
93 0,109 0,125 0,139 0,155 0,167
94 0,109 0,124 0,138 0,154 0,166
95 0,108 0,124 0,137 0,154 0,165
96 0,108 0,123 0,137 0,153 0,164

97 0,107 0,122 0,136 0,152 0,163
98 0,107 0,122 0,135 0,151 0,162
99 0,106 0,121 0,135 0,151 0,162
100 0,106 0,121 0,134 0,150 0,161
>100
Esta tabela, para n 100, foi adaptada de:

Dwe, D.B., 1962. Handbook of Statistical Tables. Reading. Massachussets.
Wesley Publishing Co., Inc.
485
Anexo II
ANEXO 2.6. Obtenção de valor de k para a distribuição Beta
(8 - 7,5)1,273 . (33,5 - 8)2,852 = 4248,556617

(9 - 7,5) 1,273 . (33,5 - 9)2,852 = 15348,49671
(10 - 7,5) 1,273 . (33,5 - 10)2,852 = 26113,38515
(11 - 7,5) 1,273 . (33,5 - 11)2,852 = 35401,62212
(12 - 7,5) 1,273 . (33,5 - 12)2,852 = 42820,72516
(13 - 7,5) 1,273 . (33,5 - 13)2,852 = 48261,82221
(14 - 7,5) 1,273 . (33,5 - 14)2,852 = 51762,75877
(15 - 7,5) 1,273 . (33,5 - 15)2,852 = 53447,42145
(16 - 7,5) 1,273 . (33,5 - 16)2,852 = 53492,73549
(17 - 7,5) 1,273 . (33,5 - 17)2,852 = 52108,23444
(18 - 7,5) 1,273 . (33,5 - 18)2,852 = 49522,20583
(19 - 7,5) 1,273 . (33,5 - 19)2,852 = 45971,62899
(20 - 7,5) 1,273 . (33,5 - 20)2,852 = 41694,46008
(21 - 7,5) 1,273 . (33,5 - 21)2,852 = 36923,44755
(22 - 7,5) 1,273 . (33,5 - 22)2,852 = 31880,98328
(23 - 7,5) 1,273 . (33,5 - 23)2,852 = 26774,67036
(24 - 7,5) 1,273 . (33,5 - 24)2,852 = 21793,38962
(25 - 7,5) 1,273 . (33,5 - 25)2,852 = 17103,70558
(26 - 7,5) 1,273 . (33,5 - 26)2,852 = 12846,48557
(27 - 7,5) 1,273 . (33,5 - 27)2,852 = 9133,620302
(28 - 7,5) 1,273 . (33,5 - 28)2,852 = 6044,732068
(29 - 7,5) 1,273 . (33,5 - 29)2,852 = 3623,733482
(30 - 7,5) 1,273 . (33,5 - 30)2,852 = 1875,039444
(31 - 7,5) 1,273 . (33,5 - 31)2,852 = 759,0917884
(32 - 7,5) 1,273 . (33,5 - 32)2,852 = 186,4750345
(33 - 7,5) 1,273 . (33,5 - 33)2,852 = 8,550432878
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
ANEXO 2.1 Apresenta valores de Gama ( ).

x (x) x (x) x (x)
1,00 1,00000 1,40 0,88726 1,80 0,93138
1,01 0,99432 1,41 0,88676 1,81 0,93407
1,02 0,98884 1,42 0,88635 1,82 0,93684
1,03 0,98354 1,43 0,88603 1,83 0,93969
1,04 0,97843 1,44 0,88580 1,84 0,94261
1,05 0,97350 1,45 0,88566 1,85 0,94561
1,06 0,96874 1,46 0,88560 1,86 0,94868
1,07 0,96415 1,47 0,88563 1,87 0,95184
1,08 0,95972 1,48 0,88574 1,88 0,95507
1,09 0,95545 1,49 0,88594 1,89 0,95837
1,10 0,95135 1,50 0,88622 1,90 0,96176
1,11 0,94739 1,51 0,88659 1,91 0,96523
1,12 0,94359 1,52 0,88703 1,92 0,96877
1,13 0,93993 1,53 0,88756 1,93 0,97239
1,14 0,93641 1,54 0,88817 1,94 0,97609
1,15 0,93304 1,55 0,88886 1,95 0,97988
1,16 0,92980 1,56 0,88963 1,96 0,98374
1,17 0,92669 1,57 0,89048 1,97 0,98768
1,18 0,92372 1,58 0,89141 1,98 0,99170
1,19 0,92088 1,59 0,89242 1,99 0,99581
1,20 0,91816 1,60 0,89351 2,00 1,00000
1,21 0,91557 1,61 0,89468
1,22 0,91310 1,62 0,89592
1,23 0,91075 1,63 0,89724
1,24 0,90852 1,64 0,89864
1,25 0,90640 1,65 0,90011
490
1,26 0,90439 1,66 0,90166
1,27 0,90250 1,67 0,90329
1,28 0,90071 1,68 0,90500
1,29 0,89904 1,69 0,90678
1,30 0,89747 1,70 0,90863
1,31 0,89600 1,71 0,91057
1,32 0,89464 1,72 0,91258
1,33 0,89337 1,73 0,91466
1,34 0,89221 1,74 0,91682
1,35 0,89115 1,75 0,91906
1,36 0,89018 1,76 0,92137
1,37 0,88931 1,77 0,92376
1,38 0,88853 1,78 0,92622
1,39 0,88785 1,79 0,92876
ANEXO 2.2. Áreas de uma distribuição normal padrão

Cada casa na tabela dá a proporção sob a curva inteira entre z = 0 e um valor positivo de z. As áreas para os
valores de z negativos são obtidos por simetria.
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
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
ANEXO 2.3. Limite da distribuição de X2.
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
n 0,20 0,10 0,05 0,02 0,01

1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,778 0,842 0,900 0,929
3 0,565 0,636 0,708 0,784 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,668
6 0,410 0,468 0,519 0,577 0,617

7 0,381 0,436 0,483 0,538 0,576
8 0,358 0,410 0,454 0,506 0,542
9 0,338 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,489
11 0,308 0,352 0,391 0,437 0,468

12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392

17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,278 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,258 0,287 0,321 0,344

22 0,221 0,253 0,261 0,314 0,377
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,285 0,316
26 0,204 0,233 0,259 0,290 0,311

27 0,200 0,229 0,254 0,264 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
Continua ...
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
n 0,20 0,10 0,05 0,02 0,01

31 0,187 0,214 0,236 0,266 0,285
32 0,184 0,211 0,234 0,262 0,281
33 0,182 0,208 0,231 0,258 0,277
34 0,179 0,205 0,227 0,254 0,273
35 0,176 0,202 0,224 0,251 0,269
36 0,174 0,199 0,221 0,247 0,265

37 0,172 0,196 0,218 0,244 0,262
38 0,170 0,194 0,215 0,241 0,258
39 0,166 0,191 0,213 0,238 0,255
40 0,165 0,189 0,210 0,235 0,252
41 0,163 0,187 0,208 0,232 0,249

42 0,162 0,185 0,206 0,229 0,246
43 0,160 0,183 0,203 0,227 0,243
44 0,158 0,180 0,200 0,224 0,241
45 0,156 0,178 0,198 0,222 0,238
46 0,154 0,177 0,196 0,219 0,235

47 0,153 0,175 0,194 0,217 0,233
48 0,151 0,173 0,192 0,215 0,231
49 0,150 0,171 0,190 0,213 0,228
50 0,148 0,170 0,188 0,211 0,226
51 0,147 0,168 0,186 0,209 0,224

52 0,146 0,166 0,185 0,207 0,222
53 0,144 0,165 0,183 0,205 0,220
54 0,143 0,163 0,181 0,209 0,218
55 0,142 0,162 0,180 0,201 0,216
56 0,140 0,160 0,178 0,199 0,214

57 0,139 0,159 0,177 0,198 0,212
58 0,138 0,158 0,175 0,196 0,210
59 0,137 0,156 0,174 0,194 0,208
60 0,136 0,155 0,172 0,193 0,207
Continua ...
496
Pe (D d) = e Pe [D+ (D-) d1] = /2
n 0,20 0,10 0,05 0,02 0,01

61 0,135 0,154 0,171 0,191 0,205
62 0,134 0,153 0,170 0,190 0,203
63 0,133 0,151 0,168 0,188 0,202
64 0,132 0,150 0,167 0,187 0,200
65 0,131 0,149 0,166 0,185 0,199
66 0,130 0,148 0,164 0,184 0,197

67 0,129 0,147 0,163 0,182 0,196
68 0,128 0,146 0,162 0,181 0,194
69 0,127 0,145 0,161 0,180 0,193
70 0,126 0,144 0,160 0,179 0,192
71 0,125 0,143 0,159 0,177 0,190

72 0,124 0,142 0,158 0,176 0,189
73 0,123 0,141 0,156 0,175 0,188
74 0,122 0,140 0,155 0,174 0,186
75 0,122 0,139 0,154 0,173 0,185
76 0,121 0,138 0,153 0,172 0,184

77 0,120 0,137 0,152 0,170 0,183
78 0,119 0,136 0,151 0,169 0,182
79 0,119 0,136 0,150 0,168 0,181
80 0,118 0,135 0,150 0,167 0,179
81 0,117 0,134 0,149 0,166 0,178

82 0,116 0,133 0,148 0,165 0,177
83 0,116 0,132 0,147 0,164 0,176
84 0,115 0,131 0,146 0,163 0,175
85 0,114 0,131 0,145 0,162 0,174
86 0,114 0,130 0,144 0,161 0,173

87 0,113 0,129 0,144 0,160 0,172
88 0,112 0,128 0,143 0,160 0,171
89 0,112 0,128 0,142 0,159 0,170
90 0,111 0,127 0,141 0,158 0,169
Continua...
497
Pe (D d) = e Pe [D+ (D-) d1] = /2
n 0,20 0,10 0,05 0,02 0,01

91 0,111 0,126 0,140 0,157 0,168
92 0,110 0,126 0,140 0,156 0,168
93 0,109 0,125 0,139 0,155 0,167
94 0,109 0,124 0,138 0,154 0,166
95 0,108 0,124 0,137 0,154 0,165
96 0,108 0,123 0,137 0,153 0,164

97 0,107 0,122 0,136 0,152 0,163
98 0,107 0,122 0,135 0,151 0,162
99 0,106 0,121 0,135 0,151 0,162
100 0,106 0,121 0,134 0,150 0,161
>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
MODELOS PARA ESTIMAR O DIÂMETRO MÍNIMO, NÚMERO DE ÁRVORES, O ÍNDICE DE

SÍTIO, A ÁREA BASAL E A VARIÂNCIA DOS DIÂMETROS
Modelos que expressam a variância dos diâmetros

Knoebell et al. ln
Burk e Burkhart ln
Cao et al. ln
Scolforo ln
Scolforo ln
Cunha Neto et al. (S2d)0,5 = 0 + 1 ln (Hd/N2) + 2 ln (I) + 3 ln (G . N) +

2
4 (DM) + 5 (I . Hd . G) + ei
Cunha et al. (S2d)0,5 = 0 + 1 ln (Hd/N) + 2 ln (I) + 3 ln (G . N) + 4 (DM)3 + ei
Maestri et al. ln (S2d) = 0 + 1 ln (N/G) + 2 Hd-1 + 2 Hd-1 + 3 I2 + ln ei
Maestri et al. ln (S2d) = 0 + 1 Hd + 2 ln (N) + 3 ln (I) + ln ei

Em que:
Dg = diâmetro médio quadrático (cm)

= média aritmética dos diâmetros (cm)
S2d = variância dos diâmetros (cm2)
Sd = desvio padrão dos diâmetros (cm)
I = idade de anos
G = área basal (m2)
DM = diâmetro mínimo (cm)
499
Modelos testados para estimar o diâmetro mínimo
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
Burkhart e Sprinz ln(DM) = 0 + 1I + 2(Hd/I) + 3 (N) + In ei
Amateis et al. DM = 0 + 1 Hd + 2 (Hd/I) + ei
-1
Lenhart DM = 0 + 1 ln (I)+ 2 ln (N) + 3 (Hd) + ei
Lenhart e Clutter DM = 0 + 1I + 2 Hd + 3 N-1 + ei
Burkhart e Daniels DM = 0 + 1 Hd + 2 (Hd . N-1) + ei

Em que:
DM = menor diâmetro da unidade de amostra

G = área basal (m2) por ha
N = número de árvores por ha
H = altura média das árvores dominantes (100 árvores de maior diâmetro por ha)
0, 1,... 6 = coeficientes de regressão a serem estimados
I = idade
D20 = diâmetro referente ao percentil 20
Dg = diâmetro médio quadrático
500
Modelos que expressam a sobrevivência das árvores
Lenhart N2 = N1 exp [ 1 (I2 - I1) + 2 (ln (I2/I1))] + ei
Clutter e Jones N2 = + ei
Piennar e Shiver In (N2) = In (N1) - 1 + In ei
Clutter N2 = N1 . exp [( +
0 2 S) (I2 - I1)] + ei
Clutter (1984) N2 = ( +( 0 + 2 (S-1) . + ei
I2 I1
Silva N2 = N1 exp [ 2 ( 1 - 1 )] + ei
Derivação da Função de Weibull N2 = N1 exp [ - ((I2 - I1)/ 1) + ei
Beverton N2 = N1 ( +
1 2N1 + ei
Em que:
N2, N1 = número de árvores por ha nas idades I2 e I1, respectivamente

Exp = exponencial
is = coeficientes de regressão a serem estimados
501
MODELOS TESTADOS PARA EXPRESSAR A CAPACIDADE PRODUTIVA DOS DIFERENTES
LOCAIS EM FUNÇÃO DA IDADE, PELO MÉTODO DA DIFERENÇA ALGÉBRICA

Schumacher Hd2 = Hd1 exp + ei
Monomolecular
Hd2 = Hd1 + ei
Clutter ln (Hd2) =
+ 2 exp + ln ei
Bailey com três parâmetros

Hd2 = Hd1 + ei
Bailey com quatro parâmetros
Hd2 = Hd1 + ei
Richards
Hd2 = Hd1 + ei
Em que:
Hd = altura dominante (altura média das 100 árvores de maior diâmetro por hectare)
Hd1, Hd2 = altura dominante nas idades I1 e I2 respectivamente

exp = exponencial
is = coeficientes da regressão (a serem estimados)
I = idade em meses
MODELOS TESTADOS PARA EXPRESSAR A CAPACIDADE PRODUTIVA DOS DIFERENTES

LOCAIS EM FUNÇÃO DA IDADE
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
9 ln(Hd) = 0 + 1 ln ( I ) + 2[ln ( I )]2 + In ei

2
10 ln(Hd) = 0 + 1 (1/I) + 2 (1/I) + In ei
2 3
11 ln(Hd) = 0 + 1 (1/I) + 2(1/I) + 3(1/I) + ln ei
Em que:
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
503
MODELOS TESTADOS PARA EXPRESSAR A ÁREA BASAL
FORMA DE AJUSTE
Ln (G) = 0 + 1 (1/I) + 2S + 3 ln (N) + In ei
Ln (G) = 0 + 1 (1/I) + 2S + 3 ln (1/N) + In ei
Ln (G) = 0 + 1 ln(N) + 2( I)+ 3 (1/I) + 4 (1/S) + In ei
Ln (G) = 0 + 1 ln(1/I) + 2 ln(N) + 3 ln (S) + 4 (N . 1/I) + In ei
Ln (G) = 0 + 1 (1/I) + 2 (Hd/I) + 3 Hd + 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:

I = idade
504

Biometria Florestal

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Biometria Florestal

Enviado por

Direitos autorais:

Formatos disponíveis

BIOMETRIA FLORESTAL

Prof . José Roberto Scolforo

Os primeiros estudos de medição de árvores e povoamentos, da forma

tornado um negócio cada vez mais rentável e competitivo economicamente. Um

mais importante para definição do momento ótimo de desbaste, do corte final,

CRESCIMENTO E PRODUÇÃO FLORESTAL

Neste capítulo será feita inferência de como expressar o crescimento e a

O crescimento de uma árvore ou de um povoamento é o mais importante

Existem diferentes maneiras para expressar o crescimento, podendo-se

Incremento Corrente Anual (ICA)

É o crescimento ocorrido ou a diferença na produção do elemento

Incremento Médio Anual (IMA)

É a razão entre a produção do elemento dendrométrico considerado a

Incremento Periódico (IP)

É o crescimento do elemento dendrométrico considerado durante um

Incremento Periódico Anual (IPA)

É a média do crescimento da árvore ou da população florestal na

Na Tabela 1.1 é mostrada a produção em volume de um povoamento de

TABELA 1.1. Produção em volume e o crescimento de um povoamento de

Idade Volume (m3) ICAv IMAv IPv IPAv

Na Figura 1.1 são representados graficamente a produção, o incremento

Notáveis fatos podem ser mencionados a partir da Figura 1.1. A curva de

crescimento acumulado. Já a curva de incremento médio anual (IMA) atinge seu

FIGURA 1.1. Forma da curva de produção em volume (a) e as curvas de

A idade onde o IMA alcança seu máximo é a idade do máximo

Neste procedimento não são considerados efeitos de custos, taxa de

CRESCIMENTO E PRODUÇÃO DAS VARIÁVEIS

O conhecimento apropriado do comportamento de cada variável

2.1. CRESCIMENTO EM DIÂMETRO

De maneira geral o crescimento em diâmetro depende do:

b) Sítio: A curva de produção em diâmetro será mais inclinada quanto

Quanto mais inclinada a curva de produção mais cedo ocorrerá o

c) Espaçamento: este fator influencia tremendamente o

Na Figura 2.2 a e b, observa-se que espaçamentos maiores entre plantas,

2.2. CRESCIMENTO EM ALTURA

De maneira geral, em uma população florestal o crescimento em altura

b) Sítio: a curva de produção em altura seja a média aritmética seja a

FIGURA 2.3. Curva de produção da média aritmética da altura.

c) Espaçamento: controvérsia existe a respeito da culminação do

Na Figura 2.5 é mostrado este comportamento para Pinus taeda

Já no caso das alturas média das árvores dominantes ilustra-se a

FIGURA 2.5. Comportamento da média aritmética das alturas (m), para

FIGURA 2.6. Comportamento da média da altura das árvores dominantes em 2

2.3. CRESCIMENTO EM ÁREA BASAL E VOLUME

São muito influenciados pela densidade, assim como pelos demais

Nas Figuras 2.7 e 2.8 é apresentada a influência do espaçamento na

FIGURA 2.7. Influência do espaçamento na produção em volume para índice de

FIGURA 2.8. Influência do espaçamento na produção em área basal para

Quando este fato ocorrer em sítio muito produtivo provavelmente é

areias quartzosas do Norte, Nordeste e Noroeste de Minas Gerais, se o máximo

Se porventura o objetivo nestes sítios pouco produtivos for produzir

O comportamento da produção em volume em diferentes índices de sítio

A Figura 2.10 mostra o comportamento da área basal num povoamento

Na Figura 2.11, apresenta-se as curvas de produções, que um

Especificando na Figura 2.11 (a) são apresentadas também as curvas que

FIGURA 2.11. Expressa curva de produção teórica e as curvas de produção

FIGURA 2.11. Continuação.

Espera-se ao final da rotação (longo prazo) que a produção do

No entanto, dentro de um horizonte de tempo de 14 anos, conforme

Na Figura 2.12 apresenta-se a taxa de crescimento líquida em função do

TABELA 2.1. Produção de Eucalyptus grandis em população desbastada e não

Desb. ano 3 ano 4 ano 6 ano 7 Total Volume Volume

FIGURA 2.12. Taxa de crescimento líquida em função do espaçamento.