Livro Dendrometria e Inventário Florestal PDF

Livro Dendrometria e Inventário Florestal
Carlos Pedro Boechat Soares; Francisco de Paula Neto; Agostinho Lopes de Souza
INVENTÁRIO FLORESTAL
1. Conceitos
A importância da madeira para o homem, como produto direto e de outros bens indiretos,
acentua a necessidade de procedimentos eficientes para quantificar e avaliar os povoamentos
florestais.
Entre as técnicas de estimação da produção florestal, destaca-se o inventário florestal, o qual

pode ser realizado sob diferentes níveis de detalhamento e em diferentes pontos no tempo.
De acordo com Husch et al. (2003), os inventários florestais “são procedimentos para obter
informações sobre quantidades e qualidades dos recursos florestais e de muitas características
das áreas sobre as quais as árvores estão crescendo”.
Embora existam inúmeros procedimentos, um inventário florestal completo pode fornecer

diversas informações, entre elas:
a. Estimativas de área.
b. Descrição da topografia.
c. Mapeamento da propriedade.
d. Descrição de acessos (estradas, rios, ...).
e. Facilidade de transporte de madeira.
f. Estimativas da quantidade e da qualidade de diferentes recursos florestais.
g. Estimativas de crescimento (se o inventário for realizado mais de uma vez).
Informações adicionais sobre fauna, recursos hídricos, entre outras, podem ser coletadas,
quando necessárias. A ênfase sobre determinado elemento no inventário florestal será maior
ou menor, em função dos seus objetivos.
2. Planejamento do inventário florestal
Um passo importante na elaboração de um procedimento de inventário é o desenvolvimento

de um plano de execução compreensível antes do início dos trabalhos, ou seja, de um bom
planejamento das atividades do inventário.
O seguinte checklist, adaptado de Husch et al. (2003), inclui todos, ou quase todos, os itens
que devem ser considerados no planejamento de um inventário florestal por amostragem.
No entanto, cabe salientar que os itens abaixo nem sempre têm a mesma importância ou são
todos necessários nos inventários florestais:
1. Objetivos do inventário
2. Informações iniciais
a. Mapas, fotografias aéreas e levantamentos passados.
b. Indivíduos ou organização do suporte do inventário.
c. Disponibilidade de recursos.
3. Descrição da área
a. Localização.
b. Tamanho (hectares).
c. Facilidade de transporte, acesso e topografia.
d. Características gerais das florestas.
4. Definição do desenho de amostragem
a. Determinação da área coberta por floresta (por meio de imagens, fotos e medições
em campo).
b. Definição da variável de interesse: peso ou volume; e unidades: m3, kg, st, ...
c. Tamanho e forma das unidades amostrais.
d. Método de seleção e distribuição das unidades de amostra.
e. Precisão requerida no inventário (erro admissível).
f. Nível de probabilidade.
g. Tamanho da amostra para satisfazer a precisão requerida (inventário piloto).
h. Tempo e custo para as fases do trabalho de campo (alocação de parcelas,

determinação da área, ...).
5. Procedimentos para o trabalho de campo
a. Equipes de trabalho (número de equipes e de pessoas por equipe).
b. Suporte logístico e de transporte.
c. Procedimento de locação e marcação das unidades amostrais.
d. Procedimentos para obtenção das informações quantitativas (DAP, altura, ...) e

qualitativas.
e. Instrumentos e equipamentos.
f. Planilhas e fichas para anotação dos dados e informações.

g. Controle de qualidade (verificação de erros).
h. Fatores de conversão dos dados (CAP para DAP, ...).
6. Compilação e procedimentos de cálculo
a. Conversão das variáveis de campo para expressões de quantidades desejáveis

(equações, fatores).
b. Cálculo do erro de amostragem.
c. Métodos a serem utilizados (programas, computadores).
7. Relatório final
a. Formato.
b. Pessoal responsável pela preparação.
c. Método de reprodução (xerox, impressora).
d. Número de cópias.
e. Distribuição.
f. Informações requeridas no relatório final.
f.1. Tabelas e gráficos.
f.2. Mapas e mosaicos.
f.3. Relatório descritivo (narrativo).
g. Estimativa de tempo para o preparo.
8. Manutenção
a. Estocagem dos dados.
b. Planos para a atualização do inventário.
9. Tempo e custo total (mapeamento, trabalho de campo, compilação, relatório final e

estocagem dos dados).
3. Tipos de inventário florestal
Existem vários tipos de inventário, os quais são normalmente definidos pelo seu objetivo.
Entre os mais comuns, citam-se:
a) Inventário pré-corte: realizado antes da exploração, com alta intensidade amostral.
b) Inventário florestal convencional: realizado para obtenção do estoque de volume de

madeira.
c) Inventário florestal contínuo: realizado com o objetivo de verificar as mudanças ocorridas

em uma floresta, em determinado período de tempo.
d) Inventário para planos de manejo: realizado com alto grau de detalhamento, chegando
às estimativas por classe de diâmetro, por espécie.
e) Inventário de sobrevivência: realizado após o plantio, com o objetivo de verificar o

porcentual de falhas/sobrevivência das mudas no campo.
A literatura apresenta-se, ainda, muito diversificada quanto à classificação dos inventários. De

forma genérica, os inventários florestais também podem ser assim classificados:
a. Quanto à forma de coleta de dados
a.1) Enumeração ou censo: todos os indivíduos são observados e medidos. Nos

inventários (completos ou 100%), obtêm-se os verdadeiros valores dos parâmetros da
população.
a.2) Amostragem: constituem a maioria dos inventários realizados em todo o mundo.

Nesses inventários, observa-se parte da população, obtendo estimativas dos seus
parâmetros. A amostragem permite obter estimativas precisas e exatas de diferentes
parâmetros populacionais em menor tempo e custo, caso a floresta possua extensa
área.
b. Quanto à abordagem da população no tempo
b.1) Inventários temporários: é realizado apenas uma vez. A estrutura da amostragem

é abandonada. Ex.: inventário pré-corte.
b.2) Inventários contínuos: este é realizado várias vezes. Nesse caso, a estrutura da
amostragem é materializada de forma mais duradoura, para poder medir novamente
os mesmos elementos (árvores) ao longo do tempo.
c. Quanto ao detalhamento
c.1) Inventário exploratório: a coleta de dados, neste caso, é mínima, uma vez que o
inventário é realizado para avaliar a cobertura florestal (tipos) e a extensão das áreas.
c.2) Inventário de reconhecimento: o principal objetivo desse inventário é determinar

a composição florística e o potencial madeireiro da floresta, sem o controle da
precisão.
c.3) Inventário detalhado: as informações são obtidas com precisão até o nível de
classe diamétrica.
Livro Dendrometria e Inventário Florestal
CENSO OU INVENTÁRIO 100%
1. Preliminares
A literatura sobre inventário florestal descreve o censo ou inventário 100% como sendo
apropriado para pequenas áreas florestadas ou áreas com pequeno número de indivíduos,
uma vez que a medição de muitos indivíduos (árvores) constitui atividade com grande
dispêndio de tempo e com um custo muito elevado.
Mesmo sendo realizado em pequena floresta, o censo pode acarretar erros na coleta de
dados. Isso se deve ao fato de que, normalmente, as florestas, sejam elas plantadas ou
naturais, possuem grande número de árvores por unidade de área. Assim, embora o censo
ou inventário 100% não possua erro de amostragem, devido à medição de toda a população,
podem ocorrer erros de não-amostragem, os quais são de difícil detecção.
No entanto, houve uma mudança com relação à aplicação do censo ou inventário 100%, ou
seja, de que ele deveria ser realizado em função do tamanho da área da floresta ou da
densidade do número de árvores. A partir da publicação da Instrução Normativa nº 4, de 4
de março de 2002, pelo Ministério do Meio Ambiente (MMA), o inventário 100% com
mapeamento das árvores é uma operação obrigatória nos planos de manejo equatorial,
independentemente da área da floresta.
Essa Instrução Normativa se fez necessária considerando: a necessidade de ajustar os

procedimentos relativos às atividades de Manejo Florestal Sustentável de Uso Múltiplo na
Amazônia Legal; a necessidade de aperfeiçoar os instrumentos legais disponíveis, de forma a
valorizar a vocação eminentemente florestal da região amazônica; e a necessidade de
estimular modelos de uso apropriado do potencial natural da Floresta Amazônica, de forma
a incrementar o desenvolvimento sustentável da região.
A realização do censo ou inventário 100% de acordo com a Instrução Normativa n o 4, de

março de 2002, possibilita o planejamento de todas as atividade relacionadas à proteção,
preservação e conservação de árvores e de comunidades florestais, além de facilitar a
fiscalização e autuação pelos órgão responsáveis.
Os dados obtidos do inventário 100%, juntamente com o mapeamento das árvores, em

coordenadas UTM, integrados e proces-sados em um Sistema de Informações Geográficas
(SIG), geram mapas com a localização das árvores, a infra-estrutura e o acesso à área, respec-
tivamente. O uso desta tecnologia permite maior controle sobre as infor-mações, de forma a
apoiar decisões de intervenções futuras na floresta.
2. Metodologias de inventário 100%
Freitas (2001) utilizou uma metodologia que consistiu na divisão da área destinada ao manejo
florestal em talhões, sendo estes subdivididos em setores de inventário de 40 m de largura e
comprimento variável, conforme forma do talhão.
De acordo com esse autor, antes do início da coleta dos dados, picadas são abertas na floresta
eqüidistantes 40 m uma das outras. A cada 30 metros, ao longo de cada picada, são
colocados piquetes com aproximadamente 1,20 m de altura para servir de referência às
medições das coordenadas de localização (x, y) das árvores, cujos DAPs se apresentam
superiores ou iguais a um diâmetro mínimo de inclusão (por exemplo: DAP ≥ 20 cm).
A forma de obtenção dos dados e de caminhamento em cada setor de inventário se deu da

seguinte forma: um anotador (líder), munido de um equipamento digital de medição
denominado Vertex, caminhava na picada aberta, e três pessoas faziam a varredura dentro
do setor a ser inventariado, a fim de encontrar árvores com DAPssuperiores ou iguais ao
diâmetro mínimo de inclusão. A coordenada y de cada árvore mapeada correspondia à
distância percorrida ao longo da picada e a coordenada x, à distância do líder até a árvore.
Ao término da varredura do setor de inventário, iniciava-se o inventário do próximo setor, e

assim sucessivamente até completar o inventário de cada talhão.
Como exemplos de outras metodologias para a realização do inventário 100%, têm-se as

relatadas nos parágrafos subseqüentes.
Fupef (1983) utilizou uma metodologia que consistiu no caminhamento dentro de faixas
(setores) de floresta de 50 m por 1.000 m, em um inventário de prospecção. Sete pessoas
auxiliavam as tarefas de medição do DAP, altura, identificação, planejamento e determinação
da localização das árvores por meio de varredura das faixas. O rendimento da operação ficou
entre 10 e 15 hectares por dia.
Amaral et al. (1998) recomendaram que a largura das faixas (setores) no inventário de
prospecção não fosse superior a 50 m. Neste trabalho, o censo foi realizado com uma equipe
de quatro pessoas: dois ajudantes, um identificador e um anotador. Os ajudantes percorriam
as bordas da faixa (setores) de inventário, procurando árvores passíveis de serem mapeadas,
enquanto o identificador e o anotador se deslocavam pelo centro da faixa. Quando uma
árvore era identificada, eles mediam a distância no sentido do eixo central da faixa e a
distância até a árvore, gerando, assim, as coordenadas (x, y) para o mapeamento das árvores.
No sistema Celos de Manejo, adotado nas florestas do Suriname (BODEGON e GRAAF, 1994),
as subunidades, chamadas de setor de prospecção, apresentavam dimensões de 40 m por
250 m (1 ha). Os membros da equipe de campo (cinco pessoas) posicionavam-se
eqüidistantes 10 m uns dos outros, e, ao sinal do líder, a equipe se locomovia no sentido do
maior comprimento (250 m), fazendo uma varredura no setor. Quando uma árvore comercial
era identificada, a equipe parava, e os dados da árvore eram informados ao líder, que também
anotava a distância percorrida em um eixo x e a distância até o ajudante (eixo y). Essa
operação se repetia até que todas as árvores do setor fossem mapeadas e medidas.
Terminado um setor, a equipe de campo começava outro setor, e assim sucessivamente até
a realização do mapeamento das árvores comerciais na floresta. Uma equipe bem treinada
podia realizar a varredura em uma área entre 20 e 25 hectares em um dia.
TEORIA DE AMOSTRAGEM
1. Conceitos básicos
De acordo com a teoria de amostragem, alguns conceitos são fundamentais para o perfeito
entendimento deste assunto, entre eles:
a) População: é um universo dentro do senso estatístico que contempla duas

pressuposições básicas, a saber (LOETSCH; HALLER, 1964):
1) Os indivíduos de uma população são da mesma natureza.
2) Os indivíduos de uma população diferem entre si, de acordo com uma feição,
atributo típico ou característica denominada variável.
Em termos florestais, a primeira condição pode ser facilmente exemplificada ao se definir o

tipo de floresta a ser inventariada, plantada ou natural. Para a segunda condição, como a
floresta é composta por um conjunto de árvores, estas possuem características (feições), as
quais serão contempladas pelo inventário propriamente dito, por exemplo: diâmetros à altura
do peito (DAP), altura, área basal, volume, incremento, idade etc.
A população, numa consideração teórica, sobre a qual a teoria da amostragem se baseia,

pode apresentar tamanho finito ou infinito. Quando finito, o último elemento da população
é conhecido.
b) Amostra: trata-se de uma porção de dada população que é examinada, permitindo, a

partir daí, que se façam inferências sobre a população em questão (SHIVER; BORDERS,
1996).
c) Unidades de amostra: consistem nas unidades em que serão realizadas as avaliações

quantitativas e qualitativas sobre as feições de uma população. Em se tratando de
inventários florestais, existem populações que são marcadamente heterogêneas em sua
composição e, por isso, o processo de seleção das unidades de amostra se torna atividade
de suma importância no processo como um todo (LOETSCH; HALLER, 1964).
d) Quadro de amostra: é uma lista com todas as unidades de amostra que compõem a
população.
e) Parâmetro ou característica de uma população: é um valor ou constante que é obtido

para dada variável de interesse, se todas as unidades de amostra de uma população forem
mensuradas (SHIVER; BORDERS, 1996). Consiste do principal objetivo de qualquer processo
amostral a estimativa de um ou mais parâmetros de uma população. O valor estimado de
um parâmetro é sempre referido como uma estimativa, cujo valor deve ser o mais próximo
do verdadeiro valor de um parâmetro populacional (LOETSCH; HALLER, 1964; HUSCH et
al., 2003; SHIVER; BORDERS, 1996).
f) Estimadores: nada mais são do que fórmulas matemáticas usadas no intuito de

condensar as informações obtidas através da amostragem, em um único número, a
estimativa.
g) Precisão: define o poder de um estimador ou, em outras palavras, o quão próximo o

estimador consegue estar do verdadeiro valor de um parâmetro de uma população. A
precisão de uma estimativa depende, dentre outros fatores, da variabilidade da população,
do tamanho da amostra e do delineamento de amostragem empregado no inventário
florestal.
h) Exatidão: refere-se ao grau de aproximação de uma estimativa em relação ao parâmetro

da população.
Em um inventário florestal, como em qualquer procedimento de amostragem, primeiramente

deve-se buscar a exatidão de uma estimativa. Porém, normalmente as pessoas se preocupam
com a obtenção da precisão, simplesmente porque isso é fácil de obter. A exatidão será
conseguida quando se realizar um inventário visando ao máximo de precisão requerida e
eliminar, ou reduzir a um mínimo, o efeito de tendências “bias”.
i) Erro de amostragem: trata-se do erro que se incorre por se avaliar apenas parte da
população.
Segundo Shiver e Borders (1996), três fatores aumentam a probabilidade de ocorrência do

erro de amostragem: o tamanho da amostra, a variabilidade das unidades de amostra dentro
da população e o método de seleção das unidades de amostra. É notório que amostras
maiores, selecionadas sem tendência, propiciam estimativas com menor porcentagem de
erro. Se todas as unidades de amostra que compõem uma população fossem amostradas
(inventário 100%), o erro de amostragem seria igual a zero.
j) Erros de não-amostragem: são aqueles que não são advindos do processo de

amostragem. Segundo Husch et al. (2003), os erros de não-amostragem podem contribuir
significativamente para o erro da estimativa de um inventário, podendo ser, inclusive, maior
que o erro de amostragem. Precauções devem ser tomadas para minimizar a ocorrência
desses tipos de erros, pois, uma vez que ocorram, são difíceis de detectar e eliminar;
podem ocorrer tanto para o inventário total ou 100% quanto para inventários por
amostragem.
Os erros de não-amostragem podem ocorrer de várias maneiras, mas principalmente devido

a equívocos na alocação das unidades de amostra, nas tomadas de dados (medições de
árvores) ou no registro dos dados ou das observações, emprego de métodos falhos na
compilação e erros no processamento dos dados (cálculos, uso de estimadores tendenciosos,
falhas nos softwares utilizados etc.).
Os erros de não-amostragem podem ser classificados em dois tipos gerais, dependendo da

forma de como eles surgem (excluindo os erros grosseiros ocasionais devido a descuidos ou
desatenção):
1) Erros de medição, de ocorrência casual.
2) Erros consistentes, causando tendência “bias”.
Se os erros de medição ocorrerem casualmente, é esperado que a sua média se aproxime de

zero. Se a média dos erros é diferente de zero, a tendência é introduzida, causando erros
sistemáticos nas estimativas ou “bias”.
Todos os inventários florestais estão sujeitos a erros de amostragem e de não-amostragem.

Juntos, eles perfazem o erro total da estimativa. O erro total é a diferença entre a estimativa
de uma amostra e o valor verdadeiro da população. Se não existirem erros de não-
amostragem, o erro total é equivalente ao erro de amostragem.
2. A estatística na teoria da amostragem
2.1. Variância, desvio-padrão e coeficiente de variação
Em um povoamento florestal, os diâmetros das árvores usualmente apresentam alguma

variação. Igualmente se comportam as alturas, os volumes etc. Alguns diâmetros são maiores
que a sua média aritmética, uns são menores e outros têm valores bem próximos da média.
Evidentemente, o conhecimento sobre a dispersão dos valores dos diâmetros é importante.
Não é difícil de se compreender que serão necessárias mais observações para se obter uma
boa estimativa da média dos diâmetros e das outras características de um povoamento em
que os diâmetros variam de 5 a 25 cm, por exemplo. A medida de dispersão (variação) mais
comumente empregada para expressar essa dispersão dos dados, em relação à média, é
a variância. Uma grande variância indica maior dispersão; uma variância pequena significa
pouca dispersão. A variância da população é estimada pela variância da amostra. O desvio-
padrão, o qual expressa quanto os valores observados individuais se dispersam em torno da
sua média, é dado simplesmente pela raiz quadrada da variância. O coeficiente de variação
é a expressão porcentual do desvio-padrão, em relação à média.
A variância de uma amostra, composta por n unidades de amostra, considerando uma

variável aleatória contínua Y~N (µ,s2), é dada por:
em que: S2 = variância estimada; Yi = valor da característica de interesse na i-ésima unidade

de amostra; = média aritmética estimada; e n = número de unidades de amostra.
A fórmula computacional simplificada da variância da amostra é:
O desvio-padrão (S), por sua vez, é dado por:
O coeficiente de variação (CV) é:

2.1.1. Exemplo
Para melhor entendimento dos cálculos das medidas de dispersão: variância, desvio-padrão
e coeficiente de variação, considere o exemplo hipotético do Quadro 3.1, em que os dados
representam os volumes de cinco parcelas tomadas ao acaso em três florestas.
Quadro 3.1 - Volumes, em m3 por parcela, obtidos em três florestas
Embora as três florestas tenham uma mesma produção volumétrica média, podendo indicar
uma igualdade entre elas, é evidente que essas florestas são totalmente diferentes entre si.
As diferenças entre os volumes individuais observados evidenciam maior ou menor variação
entre eles, conforme as estimativas das medidas de dispersão dos volumes em relação às
médias apresentadas no Quadro 3.2.
Quadro 3.2 - Estatísticas obtidas nos três tipos florestais
Na floresta I, os valores das medidas de variação são zero, pois os volumes são iguais em
todas as parcelas medidas.
Na floresta II, as medidas de dispersão: variância, desvio-padrão e coeficiente de variação são:

Na floresta III, empregando as mesmas expressões, têm-se:
A variância, como medida de variabilidade entre as unidades de amostra, está relacionada

muitas vezes ao tamanho da média dessas unidades. Assim, valores observados superiores
tendem a dar maiores variâncias. Por exemplo, a variância das alturas das árvores seria maior
que a das alturas de uma população de estudantes. O coeficiente de variação, por sua vez,
deixa a expressão de variabilidade em uma base relativa. Assim, a população das alturas das
árvores pode ter um desvio-padrão de 1,45 m, enquanto o desvio-padrão da população de
estudantes pode ser de 0,18 m. Em unidades absolutas, as alturas das árvores variam mais
que as dos estudantes. Porém, se a média das alturas das árvores for 13,2 m e a das alturas
dos estudantes 1,65 m, as duas populações terão variabilidade relativamente semelhante, com
um coeficiente de variação de 11%.
A variância também depende da unidade de medida empregada. Se as alturas dos estudantes

tivessem sido medidas em centímetros, o desvio-padrão seria 100 vezes maior, isto é, 0,18 x
100 = 18 cm. Entretanto, o coeficiente de variação seria o mesmo, independentemente da
unidade de medida usada na mensuração da característica altura. Em qualquer caso, o
coeficiente de variação seria igual a 11%.
2.2. Erro-padrão e erro de amostragem
Igualmente às unidades de amostra individuais numa população, as estimativas da amostra

são sujeitas à variação. É óbvio que o volume médio estimado de uma amostra de 15 unidades
não será o mesmo obtido de outra de igual tamanho. As estimativas médias diferem entre si
porque são observadas em amostras diferentes, embora de mesmo tamanho. As estimativas
médias, portanto, dispersam em torno de uma média geral.
Na seção anterior, discutiram-se a variância, o desvio-padrão e o coeficiente de variação

como medidas de dispersão dos dados em torno da média. Essas medidas também podem
ser empregadas para expressar a variação entre as estimativas médias, no cálculo da variância
da média e do erro-padrão da média. Aliás, o termo erro-padrão da média é normalmente
denominado erro-padrão.
O erro-padrão é um desvio-padrão entre as estimativas médias, em vez de ser entre as

unidades de amostra individuais. De fato, se várias estimativas médias fossem obtidas de
repetidas amostragens de uma população, a variância da média e o erro-padrão dessas
estimativas poderiam ser computados pelas equações dadas anteriormente para a variância
e o desvio-padrão. Entretanto, a amostragem repetida não é necessária no inventário
florestal. A variância da média e o erro-padrão podem ser obtidos de um único conjunto de
unidades de amostra. O cálculo dessas medidas de variabilidade de uma estimativa média
depende do método de amostragem, do tamanho da amostra e da variabilidade entre as
unidades de amostra.
Uma estimativa média quase não possui valor se não houver indicação de sua confiabilidade.
Em termos gerais, o erro-padrão é a medida que expressa o grau de confiabilidade de uma
estimativa média.
Conhecido o erro-padrão, é possível estabelecer os limites que definem o grau de

aproximação esperado para o parâmetro que estiver sendo estimado. Esses são chamados
de limites de confiança. Em grandes amostras, pode-se, grosseiramente, estabelecer que os
verdadeiros valores dos parâmetros estarão a um erro-padrão do valor estimado, a menos
que tenha ocorrido uma chance em três na amostragem (33,33%). Para um valor médio do
diâmetro igual a 26,5 cm, com um erro-padrão de 2,5 cm, pode-se dizer que a média
verdadeira da população se encontra dentro dos limites de 24,0 a 29,0 cm. Assim, esses
valores são chamados de limites de confiança, em uma probabilidade de 67%.
Ampliando os limites para outros níveis de probabilidade, pode-se ter mais confiabilidade na
inclusão do parâmetro da população. Na estimativa da média de mais ou menos dois erros-
padrão, têm-se os limites de confiança para o parâmetro, a menos que uma chance em 20
ocorra (5%), ou seja, definem-se os limites de confiança para uma probabilidade de 95%.
Semelhantemente, os limites de confiança para a probabilidade de 99% são definidos
considerando-se mais ou menos 2,6 erros-padrão. Esse intervalo de confiança conterá o
verdadeiro valor do parâmetro da população, a menos que uma chance em 100 ocorra.
Deve-se enfatizar que esse método de computar os limites de confiança fornecerá válidas
aproximações somente em grandes amostras; em geral, uma amostra grande é composta de
pelo menos 30 observações. Entretanto, os limites de confiança podem se tornar mais amplos
em dado nível de probabilidade, multiplicando-se o erro-padrão pelo valor de “t”, encontrado
na tabela de distribuição de Student.
O erro-padrão da média, ou simplesmente erro-padrão, para uma população infinita é

calculado pela seguinte expressão:
Utilizando o exemplo anterior, nas florestas II e III os erros-padrão são, respectivamente:
* Floresta II
* Floresta III
Os erros-padrão expressos em porcentagem das respectivas médias, nas duas florestas são:
* Floresta II
* Floresta III
Tais erros-padrão, portanto, multiplicados pelos valores de “t”, em determinado nível de

probabilidade, expressam o erro de amostragem, tanto em unidades absolutas ( ) ou em
porcentagem da média estimada, dado por:
Assim, nas florestas II e III, os erros de amostragem, considerando um nível de probabilidade

de 95% e valor de t = 2,776, para quatro graus de liberdade, são, respectivamente:
* Floresta II
* Floresta III
2.3. Fator de correção para populações finitas
Seja N o número total de unidades de amostra que compõem uma população e que uma
amostra de tamanho ntenha sido selecionada nessa população. Então, a fração de
amostragem, ou intensidade de amostragem, é n/N. Assim, o erro de amostragem se deve à
parte não incluída no inventário, ou seja, à fração 1-n/N (VAN LAAR; AKÇA, 2007). No caso
de um inventário 100%, essa fração será zero, pois n = N.
O valor, ou fração 1-n/N, é denominado “fator de correção para populações finitas”. Esse
valor é incluído na expressão do erro-padrão da média ( ) para se obter uma estimativa
apropriada do erro-padrão.
O erro-padrão da média para uma população finita é, portanto, calculado pela seguinte
expressão:
2.4. Intervalo de confiança (IC) e a estimativa mínima confiável (EMC)
As estimativas dos inventários florestais podem ser expressas num intervalo, com uma
probabilidade associada, denominado Intervalo de Confiança (IC). Como se sabe, o intervalo
de confiança, que é delimitado pelos limites de confiança, descreve os limites dentro dos quais
se espera encontrar o verdadeiro valor do parâmetro da população, a um dado nível de
probabilidade. Os limites superior e inferior do intervalo de confiança para a média ( ) são
expressos pelo correspondente erro de amostragem. Assim, o intervalo de confiança para
determinada estimativa média é dado por:
O valor de “t”, para um nível de probabilidade selecionado, é obtido da tabela de distribuição

de Student, usando-se n-1 graus de liberdade, em que n é o tamanho da amostra.
No exemplo anterior, os intervalos de confiança da média estimada nas florestas II e III seriam,
respectivamente:
* Floresta II
* Floresta III
Como não existe volume negativo (20 - 24,568 m3), o limite inferior do intervalo de confiança
na floresta III é igual a zero.
A estimativa da quantidade de madeira obtida em um inventário, em vez de ser expressa pela

média e seu intervalo de confiança, pode o ser também pela Estimativa Mínima Confiável
(EMC), que expressa a quantidade mínima de madeira que se esperava encontrar, associada
a um nível de probabilidade.
No cálculo da EMC, é necessário conhecer a média e o seu erro-padrão, sendo a expressão
da EMC dada por:
Observe que essa expressão se parece com aquela que expressa o limite inferior do intervalo
de confiança (IC). Porém, o valor de “t”, para um nível de probabilidade definido, é obtido
somente pelo lado negativo da distribuição simétrica dos valores (teste unilateral). Usando
uma tabela de “t”, o valor apropriado seria obtido na coluna correspondente a duas vezes o
nível de probabilidade requerido. Assim, o valor de “t”, considerando um nível de
probabilidade de 95% (α = 5%), será lido sobre a coluna de indicação de 0,10 (10%),
reconhecendo-se os graus de liberdade apropriados.
No exemplo anterior, as estimativas mínimas confiáveis, da média estimada nas florestas II e

III, considerando-se t = 2,132, para α = 10% e quatro graus de liberdade, seriam,
respectivamente:
* Floresta II
* Floresta III
3. Delineamento de amostragem
De acordo com Husch et al. (2003), um delineamento de amostragem, para atingir os

objetivos de qualquer inventário florestal, é determinado:
1) Pelo tipo de unidade de amostra.
2) Pelo tamanho, forma e alocação da unidade de amostra escolhida (quando o

inventário utiliza unidades de amostra de área fixa).
3) Pelo número de unidades de amostra a ser empregado.
4) Pela forma de seleção e distribuição das parcelas sobre a floresta.
5) Pelos procedimentos adotados de medição das árvores nas unidades selecionadas

e análise dos dados resultantes.
Diante disso, o profissional envolvido em um inventário florestal dispõe de ampla gama de

possibilidades para conduzir essa atividade, pela variedade de especificações em cada um
dos elementos mencionados anteriormente, para se conseguir o grau de precisão desejado,
a um custo especificado.
É importante ter a consciência de que não existe um único delineamento de amostragem de

aplicação universal. Um delineamento de amostragem é o produto final de uma série de
considerações.
Os principais fatores que influenciam o delineamento ou o planejamento de um inventário
florestal são:
a) Os objetivos do inventário.
b) Os recursos disponíveis.
c) As condições topográficas e a acessibilidade à área.
d) A tipologia florestal e a sua variabilidade.
e) A precisão requerida em torno da média.
3.1. Tipos, formas, tamanhos e alocação das unidades de amostra
Um dos objetivos centrais da mensuração florestal, segundo Prodan et al. (1997), é a obtenção
do valor total de algum atributo relacionado às árvores que compõem a floresta (área basal,
volume etc.). Como, as vezes, é impossível realizar o censo ou inventário 100%, os inventários
florestais são feitos por amostragem, sendo as árvores selecionadas individualmente ou em
grupos, denominados “unidades de amostra,” para a obtenção de estimativas dos atributos
da floresta.
As unidades de amostra, unidades básicas onde são executadas as medições de características

quantitativas e qualitativas da população, podem possuir área fixa (parcelas ou faixas) ou área
variável, no caso da amostragem por pontos; ser constituídas por linhas de amostragem; ou,
ainda, ser a própria árvore, no caso dos procedimentos envolvendo árvores-modelo (figuras
a seguir).
As parcelas de área fixa podem se assemelhar a diferentes figuras geométricas, entre elas:
Fonte: Loetsch e Haller (1964), Loestch et al. (1973), Prodan (1968), Shiver e Borders (1996) e
Malleux (1982).
A respeito da forma dessas unidades de amostra, a literatura descreve aspectos que devem
ser observados.
a) Os centros das unidades de amostra circulares podem ser facilmente marcados.
b) Os limites de uma unidade de amostra circular não são facilmente determinados, ao

contrário das unidades quadradas ou retangulares.
c) Em terrenos com declividade acentuada, devem-se utilizar preferencialmente parcelas
retangulares, de forma que o seu maior eixo fique orientado no sentido da declividade.
d) As parcelas retangulares têm grande porcentagem de bordadura, efeito esse que é

mínimo em parcela circular. Isso aumenta a possibilidade de se incorrer em erros de não
amostragem, pela inclusão ou omissão incorreta de indivíduos na borda de parcelas
quadradas ou retangulares.
e) Parcelas que apresentam mais de 50 m de comprimento são comumente definidas

na literatura como transectos ou faixas. Tais unidades de amostra permitem delimitar, com
facilidade, a variabilidade do ambiente que será estudado. São freqüentemente utilizados
quando há hipótese de haver diferenças ou variações na quantidade de um parâmetro de
acordo com um gradiente ambiental, normalmente associado à topografia.
Quanto ao tamanho da unidade de amostra, não há informações acerca de qual seria o

melhor tamanho.
De acordo com Schreuder et al. (1993), a unidade de amostra deve ter um tamanho tal que
seja suficiente para incluir um número representativo de árvores, porém pequeno o suficiente
para que a relação entre o tempo de estabelecimento versus tempo de trabalho na coleta de
dados dessa unidade não seja alta em demasia, o que oneraria os custos desse inventário.
Ainda de acordo com Schreuder et al. (1993), quando são utilizadas parcelas muito grandes
no inventário florestal, um pequeno número de unidades de amostra é utilizado para
obtenção das estimativas. Isso pode acarretar problema de ordem estatística, pois reduz
consideravelmente os graus de liberdade para cálculo das estatísticas como variância, desvio-
padrão, erro-padrão, entre outras.
Assim, não há um tamanho ótimo de unidade de amostra, haja vista, que este depende do
grau de agrupamento das árvores (densidade), do custo do processo de amostragem e da
precisão das estimativas. Na verdade, existe um intervalo limitado de tamanhos, no qual a
eficiência da amostragem é máxima, tanto em termos de precisão quanto de custo.
Para ilustrar essa observação, na literatura os tamanhos das unidades de amostra mais
utilizados em alguns países são: 100 a 500 m2, Alemanha; 800 a 1.000 m2, Canadá; 800 m2,
Estados Unidos; 1.000 m2, Finlândia; 400 m2, Inglaterra; e 500 a 2.000 m2, Japão. No Brasil,
inúmeros inventários utilizam parcelas circulares ou retangulares entre 300 e 600 m2, em
florestas plantadas; e parcelas retangulares entre 1.000 e 2.500 m2, em florestas naturais.
Cabe destacar que em povoamentos que são desbastados, ou seja, que sofreram retiradas
de madeira ao longo da sua rotação, as parcelas devem possuir um tamanho que, ao final da
rotação, garanta um número razoável de árvores para obtenção de estimativas precisas do
estoque de madeira Campos e Leite (2009). Em alguns trabalhos envolvendo desbaste em
plantações de eucalipto no Brasil, as parcelas utilizadas estão em torno de 1.000 a 2.000 m2 de
área.
Quanto à alocação das unidades de amostra, alguns cuidados devem ser tomados:
1) Em plantios, por exemplo, a alocação das unidades de amostra de área fixa deve
obedecer às linhas de plantio, para que as unidades representem a área útil de cada planta.
O seguinte exemplo ilustra essa situação.
Considerando um espaçamento de 3 x 3 m entre plantas, a área útil de cada planta será de
9 m2. Se forem utilizadas árvores como limites da unidade de amostra, conforme a figura a
seguir, ter-se-iam nove árvores em uma parcela de 36 m2 de área, representando uma área
útil por planta de 4 m2. Para representar a área útil de 9 m2, a unidade de amostra deveria ter
sido locada entre as linhas de plantio.
2. Em terrenos com declividade maior do que 10o, a área da unidade de amostra deve ser
corrigida, de forma que fique no mesmo plano de referência (horizontal) dos mapas
utilizados para a definição do desenho da amostragem. A correção da área da unidade de
amostra é feita pela seguinte expressão:
em que: Ar = área reduzida ou área projetada no plano horizontal, em m2; a = menor lado
da parcela, em m; b = maior lado da unidade de amostra, em m; e = ângulo de inclinação
do terreno, em graus.
3.2. Tamanho da amostra
O tamanho de uma amostra é dependente do objetivo do inventário; dos recursos

disponíveis; da precisão requerida, dada pelo erro admissível em torno da média, em
determinado nível de probabilidade; da variabilidade da característica a ser medida; e do
método de seleção e distribuição das unidades de amostra.
Segundo Campos e Leite (2009), há dois critérios para se definir o tamanho de uma amostra
em um inventário florestal, sendo eles:
1) Em função de determinada porcentagem da área da população a ser amostrada. Nesse

caso, não há como estabelecer a precisão da amostragem com antecipação, e o erro do
inventário só será conhecido após a sua conclusão. Por exemplo, algumas empresas do
setor florestal definem uma intensidade de 1:5 para um inventário pré-corte. Isso quer
dizer que, a cada 5 ha, uma unidade de amostra de tamanho conhecido será lançada e
medida no campo. Considerando que uma floresta tenha 100 ha e a unidade de amostra
possua 1.000 m2, serão lançadas 20 parcelas, correspondendo a uma área total de
amostragem igual a 2,0 ha, ou 2,0% da área da floresta. A experiência adquirida pelo
profissional e o conhecimento prévio dessa área são fundamentais para decidir quanto à
utilização de um percentual de amostragem da população.
2) Em razão de um erro de amostragem estabelecido antecipa-damente, segundo
determinado nível de probabilidade. Esse critério de estabelecimento do tamanho da
amostra é definido como método ótimo de amostragem, devido ao fato de que o número
de unidades de amostra a ser medido será compatível com um erro máximo
preestabelecido.
De acordo com esse critério, a expressão que determina o número de unidades de amostras
necessário para atingir determinado nível de precisão, a dado nível de probabilidade, é dada
por:
Para populações infinitas:
Populações finitas:
em que: n = tamanho da amostra; E = precisão requerida ou erro admissível em torno da

média, em termos absolutos; S2 = variância da característica analisada nas unidades de
amostra; t = valor tabelado da estatística “t” de Student, a dado nível de significância (a) e n-
1 graus de liberdade; e N = número total de unidades de amostra na população.
No caso de a precisão requerida ser estabelecida em termos porcentuais (E%), as expressões

anteriores ficam assim redefinidas:
Para populações infinitas:
Para populações finitas:
Uma vez definidos o tipo de unidade da amostra e o tamanho da unidade a ser empregada
na amostragem (no caso de unidades de área fixa); conhecida a área da população e definida
a precisão requerida, em valores absolutos ou em porcentagem, torna-se necessária a
obtenção de uma estimativa da variabilidade da característica de interesse na população
(S ou CV) para determinar o tamanho da amostra. Às vezes, tal estimativa pode ser obtida de
levantamentos passados. Porém, quase sempre é obtida em uma amostragem preliminar,
através de um inventário-piloto.
A precisão requerida (E) é arbitrariamente escolhida. O valor da estimativa t depende do nível
de probabilidade escolhido e dos graus de liberdade. Para uma correta definição do valor
de t, os graus de liberdade deveriam ser o número de unidades de amostra que se procura.
No entanto, como se conhece apenas o tamanho da amostra preliminar, esse valor é utilizado
para definir o valor de t em uma primeira aproximação do tamanho da amostra. Essa primeira
aproximação é, então, utilizada para corrigir os graus de liberdade do valor de t e,
conseqüentemente, definir finalmente o tamanho da amostra.
3.2.1. Exemplo – Precisão requerida em termos absolutos
Para ilustrar o procedimento de cálculo do tamanho da amostra, suponha que em um

inventário-piloto foram utilizadas 10 parcelas de 800 m2 cada, distribuídas casualmente numa
população de eucalipto de 250 ha e cujos volumes das parcelas estão apresentados a seguir.
Suponha, também, que a precisão requerida (E) seja igual a ± 3 m3 e o nível de probabilidade
igual a 95%.
Com base nos dados acima, podem-se calcular as seguintes estatísticas:
a) Média estimada
b) Variância da amostra
c) Desvio-padrão
d) Coeficiente de variação
e) Tamanho da amostra
De posse das informações anteriores e da estimativa da variância populacional (S2), o

tamanho da amostra (n) pode ser calculado de acordo com o procedimento que se segue:
Uma vez que a área de cada unidade de amostra é de 0,08 ha, na população cabem 3.125
unidades de amostra (N). Sendo o valor tabelado de t em um nível de probabilidade igual a
95% e 9 graus de liberdade, igual a 2,262, a primeira aproximação do tamanho da amostra
será:
n = 29 parcelas
Recalculando para t(5%; 28 gl) igual a 2,048, tem-se que o tamanho da amostra será:
n = 24 parcelas
Conclusão: Para garantir a precisão requerida de ± 3 m3 são necessárias 24 parcelas. Posto

que 10 parcelas já foram medidas no inventário-piloto, basta sortear e medir mais 14 parcelas
para completar a amostra.
Dividindo 24 por 3.125, encontra-se a intensidade da amostra necessária para o atendimento

da precisão requerida, no nível de probabilidade estabelecido. Nesse exemplo, ter-se-ia uma
intensidade igual a 0,00768 ou 0,768% de N.
3.2.2. Exemplo – Precisão requerida em porcentagem
Conhecendo-se a precisão requerida em termos absolutos e a média aritmética da variável

de interesse, pode-se obter a precisão requerida em termos porcentuais, através da seguinte
expressão:
Do exemplo anterior, uma precisão de ± 3 m3, corresponde a:
Considerando uma precisão requerida de ± 13,486%, a 95% de probabilidade, e utilizando os

dados do exemplo anterior, a primeira aproximação para o tamanho da amostra será:
n = 29 parcelas
Recalculando para t(5%, 28 gl) = 2,048, tem-se que o tamanho da amostra será:
n = 24 parcelas
Verifica-se com esse resultado que, independentemente da expressão do erro (absoluto ou

relativo), 24 unidades de amostra seriam necessárias para satisfazer a precisão requerida, no
nível de 95% de probabilidade.
3.2.3. Exemplo – Alterando a precisão requerida
Alterando a precisão requerida de ± 13,486% para ± 20%, ou seja, diminuindo a precisão do

inventário e mantendo o nível de probabilidade de 95%, a primeira aproximação para o
tamanho da amostra será:
n = 14 parcelas
Recalculando para t(5%, 13 gl) = 2,160, tem-se que o tamanho da amostra será:
n = 12 parcelas
Nesse caso, diminuindo-se a precisão do inventário através do aumento do erro admissível

(E%), em vez de 24 parcelas seriam necessárias apenas 12, ou seja, seria preciso lançar e medir
apenas mais duas parcelas no campo.
3.2.4. Exemplo – Alterando o nível de probabilidade
Alterando o nível de probabilidade de 95% para 90%, ou seja, diminuindo a precisão do

inventário e mantendo a precisão requerida em ±20%, a primeira aproximação para o
tamanho da amostra será:
* t(10%; 9 gl) = 1,833
n = 9 parcelas
Recalculando para t(10%; 8 gl) = 1,860, tem-se que o tamanho da amostra será:
n = 9 parcelas
Nesse caso, diminuindo-se o nível de probabilidade e mantendo-se a precisão requerida de

±20%, em vez de 12 parcelas seriam necessárias apenas nove. Assim, as 10 unidades de
amostra utilizadas no inventário-piloto seriam suficientes para atender à precisão requerida
no nível de probabilidade especificado.
3.2.5. Transformando unidades
Na estimativa do tamanho da amostra (n), deve-se conhecer o efeito da escala de conversão

dos valores unitários, na estimativa da variância de população (S2). O mau uso da conversão
dos volumes por unidade de área e o desconhecimento da variabilidade dos volumes entre
as parcelas de diferentes áreas podem produzir estimativas tendenciosas dos parâmetros da
população.
Para ilustrar o emprego das escalas de conversão, seja um inventário utilizando parcelas de
1.000 m2 de área (1/10 do hectare), cuja variância (S2) entre os volumes das parcelas foi igual
a 45,33(m3)2. Se a precisão requerida fosse expressa em m3 por hectare, seria necessário
converter a especificação da precisão, colocando-a na mesma unidade do desvio-padrão (S),
ou converter a variância (S2) de forma que ambas, a variância e a precisão requerida, fiquem
na mesma escala de valores ou numa mesma base comparativa. Para converter a precisão
requerida, nesse exemplo basta dividi-la por 10 e manter a variância inalterada. O mesmo
resultado pode ser obtido deixando a precisão especificada sem alteração e colocando a
variância na base comparativa de 1 ha. Lembre-se de que, se Y é uma variável com desvio-
padrão, , o desvio-padrão da variável Z = KY será ; logo, a variância
Nesse exemplo, se os volumes por parcela são 10 vezes menores que as estimativas por
hectare, eles devem ser multiplicados por 10, para serem convertidos em hectare. Ou, para
se colocar a variância estimada na base de 1 ha, basta multiplicá-la por 100. A constante de
conversão K é dada pela razão entre a área de 1 ha e a área da unidade de amostra,
considerando-se o exemplo anterior
O tamanho da unidade de amostra tem efeito adicional na variabilidade da população. É

esperado que a variabilidade entre os volumes medidos em parcelas de menores tamanhos
seja maior do que a obtida com o emprego de maiores parcelas, numa mesma escala de
medição. A relação entre o tamanho da parcela e a variância da população muda de uma
população para outra. Em populações muito homogêneas e uniformes quanto à distribuição
da variável de interesse, alterações nas áreas das parcelas têm pouco efeito sobre a variância.
Em populações cujas distribuições de freqüência e de ocorrência são heterogêneas ou
desuniformes, a relação entre o tamanho da parcela e a variância dependerá da capacidade
de representação do tamanho da parcela, principalmente quanto às alterações naturais de
aglomeração de árvores e de espécies e quanto à existência de clareiras, mais comuns em
populações de baixa densidade. As maiores parcelas tendem a representar uma variância
menor. A utilização de grandes parcelas, comparativamente às parcelas de menores áreas, é
feita para que nelas sejam captadas todas as alterações naturais da população, de forma que
a variabilidade entre as parcelas seja menor.
Essa mudança da variância em relação ao tamanho da parcela pode ser aproximada,

considerando-se a seguinte relação: se parcelas de tamanho , apresentam variância
, então nas parcelas de tamanho , mantendo a mesma escala de medição, a variância

, será mais ou menos igual a: .
Por exemplo, se a variância entre os volumes por unidade de amostra de

800 m2 fosse , a variância entre os volumes por unidade de amostra de
2
2.000 m seria, aproximadamente, igual a: .Assim, o valor
corrigido da variância pode ser empregado no cálculo do tamanho da amostra, conforme
exemplificado anteriormente.
3.3. Seleção e distribuição das unidades de amostra
O terceiro componente de um delineamento de amostragem consiste basicamente em como

as unidades de amostra serão selecionadas e distribuídas em campo, no caso de um
inventário florestal. Os métodos de seleção e distribuição de unidades de amostra podem ser
classificados em dois grandes grupos; os probabilísticos e os não-probabilísticos.
Na amostragem probabilística, a probabilidade de seleção de qualquer unidade de amostra

é conhecida. Ela é maior que zero e pode ser a mesma em todas as unidades, em todos os
momentos da seleção da unidade, ou variar com o progresso da amostragem.
Freqüentemente, nos trabalhos de inventário florestal as probabilidades não são conhecidas,
mas assumidas serem iguais em todas as unidades de amostra.
Na amostragem não-probabilística, as unidades que constituem a amostra não são

selecionadas pelas leis da chance, mas pelo julgamento pessoal ou sistematicamente.
Como exemplo de métodos de seleção e distribuição probabilísticos, tem-se:
1. Amostragem com igual probabilidade de seleção das unidades de amostra
1.1. Amostragem casual simples
1.2. Amostragem casual estratificada
1.3. Amostragem multiestágio
1.4. Amostragem multifase
2. Amostragem com probabilidade variável
2.1. Amostragem por listagem
2.2. Amostragem com probabilidade proporcional à predição – 3P
2.3. Amostragem proporcional ao tamanho – PPS
Como exemplo de procedimentos não-probabilísticos, tem-se:
1. Amostragem seletiva
2. Amostragem sistemática
AMOSTRAGEM CASUAL SIMPLES
A amostragem casual simples é o método básico de seleção probabilística em que, na seleção

de uma amostra composta de n unidades de amostra, todas as possíveis combinações das
n unidades teriam as mesmas chances de ser selecionadas. Os outros procedimentos de
seleção são modificações deste, elaborados com a finalidade de se conseguir maior economia
e, ou, precisão. O fato de se dar a todas as possíveis combinações de nunidades uma igual
chance de pertencer a uma amostra de tamanho n, embora seja difícil de se visualizar, é fácil
de ser conseguido. Para isso, é apenas necessária a certeza de que, em qualquer estágio da
amostragem, a seleção de determinada unidade não seja influenciada pelas outras que já
tenham sido selecionadas, ou seja, de que as unidades de amostra sejam selecionadas
independentemente uma das outras e livres de escolhas deliberadas.
Um inventário florestal por amostragem normalmente requer o uso de um mapa da

população para que se possa elaborar uma estrutura de parcelas para seleção casual, da qual
se retirará a amostra.
Uma das maneiras de se fazer a seleção de uma amostra sem influências estranhas ou
restrição na casualização, após serem atribuídos números a todas as n possíveis unidades que
compõem a população, é utilizar a tabela de números casuais, constante em livros de
estatística. Outra maneira, muito comum, é ter os números correspondentes às unidades de
amostras escritos em pequenos discos de papelão ou em pedaços de papel, os quais, depois
de colocados num saco e bem misturados, são retirados ou sorteados, um número de cada
vez, independentemente, e sem imposição de nenhuma condição no processo casual de
seleção. Tal procedimento pode ser utilizado desde que o número total de unidades de
amostra não seja um valor muito grande.
As unidades de amostra podem ser selecionadas com ou sem reposição. Numa seleção com
reposição, cada unidade aparece na amostra várias vezes, tantas quantas ela for selecionada,
e a população, nesse caso, pode ser considerada infinita. Na amostragem sem reposição, uma
unidade aparecerá na amostra somente uma única vez. A maioria dos inventários florestais é
feita sem reposição das unidades. Em caso de grandes populações finitas, os cálculos das
médias e os erros-padrão podem ser feitos à semelhança dos realizados de uma população
infinita, desde que o fator de correção, 1 – n/N, se aproxime de 1. Quando são utilizados
pontos de amostragem, a população é considerada infinita, e a seleção das unidades de
amostra pode ser conduzida com reposição.
Em um inventário florestal, a amostragem casual produz uma estimativa não-tendenciosa da

média da população e fornece informações necessárias para avaliar o erro de amostragem,
porém apresenta as seguintes desvantagens:
a) Há exigência de se idealizar um sistema de seleção casual das unidades de amostra. No

caso de florestas grandes, isso pode ser dispendioso.
b) Há dificuldades de se locar no campo, com posicionamentos dispersos, unidades de

amostra selecionadas em áreas extensas e de difícil acesso.
c) O tempo gasto de caminhamento entre as unidades de amostra torna a amostragem

dispendiosa e improdutiva em certos casos.
d) Há possibilidade de uma distribuição desuniforme das unidades de amostra, resultando

em uma amostragem irregular e, possivelmente, não representativa da população.
2. Análise de uma amostragem casual simples
Considere uma floresta com 46,8 ha de área que, para efeito didático, foi inventariada 100%
e dividida em 156 parcelas (13 colunas x 12 fileiras) de 0,3 ha cada, conforme Figura 4.1. A
população de volumes, em m3 por parcela, é representada pelos números constantes nas
unidades de amostra nessa figura. Os resultados deste inventário 100% são:
Figura 4.1 - Volume, em m3 por unidade de amostra de 0,3 ha, obtido pelo inventário 100%
de uma floresta dividida em 156 unidades de amostra.
2.1. Inventário-piloto
Com o objetivo de estimar o volume total da população e admitindo-se uma precisão

requerida de 20% e um nível de probabilidade de 95%, realizou-se uma amostragem-
piloto de tamanho n = 10, cujas unidades foram selecionadas aleatoriamente na população
da Figura 4.1, cujos resultados se encontram no Quadro 4.1.
Quadro 4.1 - Volume das 10 parcelas de 3.000 m2, sorteadas ao acaso

2.1.1. Cálculo do tamanho da amostra
Como a precisão requerida foi estabelecida em porcentagem e a população é finita, o

tamanho da amostra é calculado pela seguinte fórmula:
Assim, considerando os dados do Quadro 4.1, podem-se, então, obter as seguintes

estatísticas:
De posse do coeficiente de variação calculado, do valor de t = 2,262, para nove graus de
liberdade, no nível de 95% de probabilidade, uma primeira aproximação do tamanho da
amostra a ser utilizado no inventário florestal definitivo será:
n = 30 parcelas.
Como esse valor de n foi obtido com base em um número de graus de liberdade
normalmente pequeno, deve-se recalcular o valor de n, tomando como base o valor tabelado
de t = 2,045, a 29 graus de liberdade (n-1) e 95% de probabilidade. Assim,
n = 25 parcelas
Logo, são necessárias 25 parcelas de 0,3 ha para garantir a precisão de 20%, no nível de
95% de probabilidade. Como foram lançadas inicialmente 10 parcelas, serão necessárias mais
15 para completar a amostra.
Devido ao fato de o valor da variância estimada da população indicar alta variabilidade dos
dados em torno da média, a intensidade de amostragem foi alta nesse caso (0,1602 ou 16%).
2.2. Inventário definitivo

Uma vez determinado o tamanho da amostra no inventário-piloto, foram lançadas mais 15
parcelas e medidos os respectivos volumes por unidade de amostra, obtendo-se os dados
apresentados no Quadro 4.2.
Quadro 4.2 - Volume das 25 parcelas de 3.000 m2, sorteadas ao acaso
Com as 25 parcelas, no inventário definitivo as seguintes estatísticas foram calculadas:
a) Média estimada
c) Desvio-padrão
e) Erro-padrão da média
f) Estimativa do volume total da população
g) Erro de amostragem
O erro de amostragem absoluto a 95% de probabilidade, considerando-se o valor tabelado

de t = 2,064 a 24 graus de liberdade, é:
Esse erro, expresso em porcentagem da média, é igual a:
h) Intervalo de confiança
O intervalo de confiança (IC) para a média verdadeira da população ( ), a 95% de

probabilidade, é:
O intervalo de confiança para a produtividade média por hectare da população é:
O intervalo de confiança para o volume total da população, a 95% de probabilidade, é:

2.3. Considerações sobre a precisão do inventário
Os parâmetros da população inventariada 100%, conforme apresentados anteriormente no

item 2, foram:
Pelos resultados do inventário, no qual se empregou uma amostra inteiramente casual

composta de 25 parcelas de 0,3 ha cada, para garantir uma precisão requerida de 20 %
nível de probabilidade de 95%, as seguintes estatísticas foram obtidas:
Considerando os intervalos de confiança obtidos no inventário por amostragem, verifica-se

que os parâmetros populacionais do inventário 100% encontram-se, respectivamente, entre
os limites superior e inferior desses intervalos.
O nível de probabilidade de 95% indica que é esperado que 5% do número total de amostras
possíveis de serem selecionadas nessa mesma floresta terão tanto o erro de estimação
(exatidão) quanto a média da população fora dos respectivos limites de confiança.
Para exemplificar esta probabilidade de ocorrência, foram feitos 20 inventários

independentes, com 25 unidades de amostra cada, inteiramente casuais, considerando-se um
nível de 95% de probabilidade. Por se tratar de probabilidade, é possível que, em nenhuma
das 20 estimativas, ou mesmo em mais de uma, aconteça de se observarem o erro de
estimação ou exatidão e a média da população fora dos limites dos intervalos de confiança
estabelecidos. Os resultados das 20 amostragens são apresentados no Quadro 4.3, e os
respectivos erros-padrão das médias ( ), erros de amostragens ( ) e erros de estimação
( ) são representados graficamente na Figura 4.2.
Pela observação dos resultados do Quadro 4.3 e do comportamento dos elementos da Figura
4.2, verifica-se que somente a amostra número 9 apresentou erro de estimação e média
verdadeira da população fora dos respectivos limites de confiança. Verifica-se, também, que
os erros de amostragem absolutos dos 20 inventários variaram de ±4,59 m3 a ±9,59 m3 e em
porcentuais (E%) de ± 14,0 a ±22,6%, não correspondendo necessariamente às mesmas
amostras. Observa-se que o inventário mais exato foi o de número 4 e o menos exato, o de
número 9. Pode-se notar, pela análise das colunas da exatidão e da precisão (Quadro 4.3),
que os inventários mais precisos não são, necessariamente, os mais exatos e que, de maneira
geral, os mais exatos, na maior parte das vezes, são os de melhores precisões.
Quadro 4.3 - Resultados de 20 inventários independentes, com n=25 unidades de amostra

cada, tomadas ao acaso
Figura 4.2 - Representação gráfica dos erros-padrão das médias e erros de amostragem e de
estimação, com 20 amostras de 25 unidades cada.
AMOSTRAGEM CASUAL ESTRATIFICADA
A distribuição e alocação de unidades de amostra de forma casual sobre uma área que será
inventariada somente será eficiente se a área for homogênea quanto à distribuição da variável
de interesse.
Se a área não for homogênea, haja vista a presença de povoamentos com diferentes idades,
espécies, espaçamentos e topografias, entre outras fontes de variação, a amostragem estrati-
ficada será um esquema de amostragem mais eficiente (SHIVER; BORDERS, 1996).
A Amostragem Casual Estratificada consiste na divisão da população em sub-populações

mais homogêneas em termos de distribuição da característica de interesse,
denominadas estrato, dentro dos quais se realiza a distribuição das unidades de amostra de
forma casual (aleatória).
Em termos de inventário florestal, a amostragem estratificada será mais eficiente, se a

variabilidade dentro de cada estrato for menor que aquela considerando a população toda.
Para melhor compreender o princípio de estratificação de uma população, considere o

seguinte exemplo, em que a população é composta de 10 unidades (árvores), sendo
observados os valores da característica (altura, em m), como se segue:
A média da população (m) é igual a 22 m e a variância populacional é = 19,0 (m)2.

Se dada amostra com três árvores fosse selecionada casualmente da população citada acima,
o erro-padrão da média estimada da população (sendo a média estimada da população )
seria:
Se a população fosse dividida em três estratos homogêneos – um estrato consistindo das

duas primeiras árvores, o segundo consistindo das três árvores seguintes e o último estrato
composto das cinco últimas árvores –, a estimativa da média da população, selecionando-se
apenas uma unidade casual em cada estrato, seria uma média ponderada, tendo como peso
ou fator de ponderamento o número total de unidades em cada estrato (2, 3 e 5,
respectivamente), representando o tamanho de cada estrato. Assim, pode-se verificar,
facilmente, que a média estimada, nesse caso, será idêntica à da população (m), porém o
erro-padrão da média estimada ( ) será zero, porque as unidades dentro dos estratos
apresentam valores iguais, e, conseqüentemente, variância igual a zero.
Embora o exemplo apresentado seja um caso extremo, ele serve para fortalecer o que foi
relatado antes sobre o princípio da estratificação. Ao dividir uma população em estratos
homogêneos, pode-se aumentar a precisão do inventário.
Como vantagens da amostragem estratificada, em relação à amostragem casual simples,

pode-se citar:
a) A obtenção de estimativas da produção por estrato e para a população.
b) Para um mesmo tamanho da amostra, a amostragem estratificada propicia estimativas

mais precisas (menor erro de amostragem).
c) Para uma mesma precisão requerida, tem-se um menor tamanho da amostra, na

amostragem estratificada, resultando em menor custo na coleta dos dados.
Como desvantagens potenciais da amostragem estratificada, tem-se:
a) A unidade de amostra deve pertencer somente a um único estrato. Em situações em

que o estrato é bem definido, em plantios, por exemplo, isso é fácil de ser verificado,
porém no caso de florestas naturais pode não ser tão fácil.
b) Há a necessidade de conhecer a área do estrato. Em alguns levantamentos já é difícil

conhecer a área total da floresta, ainda mais a área do estrato. O desenvolvimento de
tecnologias de obtenção de dados especiais tem facilitado a obtenção de áreas florestadas
com certa precisão.
2. Critérios de estratificação
A estratificação é determinada pela subdivisão da floresta em estratos com base em alguns

critérios, como: características topográficas, tipos florestais, espécies ou clones, espaçamento,
volume, altura, idade, classe de sítio etc. Se possível, a estratificação deve ser baseada na
mesma característica que será estimada pelo procedimento de amostragem. Assim, se o
volume por unidade de área é o parâmetro a ser estimado, é desejável estratificar a floresta
com base nas classes de volume. No entanto, conveniências administrativas também devem
servir de base para efeito da estratificação. Muitas vezes, dependendo do objetivo do
inventário, regiões geográficas compactas são preferidas para constituir o estrato.
Uma forma arbitrária de estratificação, freqüentemente usada em grandes áreas florestais

onde existe pouca base para algum tipo de subdivisão natural e, às vezes, empregada em
inventários de florestas nativas, principalmente onde não existem mapas ou fotografias aéreas
disponíveis ou quando a fotointerpretação revela pouca base para uma estratificação, é a
divisão da floresta em blocos quadrados ou retangulares de tamanhos conhecidos e
uniformes. Esses blocos resultantes podem não ser homogêneos, porém é evidente que
existirá maior homogeneidade dentro dos menores blocos do que nos maiores, ou do que
em toda a população florestal.
No caso específico de florestas naturais tropicais, nas quais a população é composta por
diferentes espécies, árvores com diferentes idades, distribuídas sobre as mais diversas
condições de locais (solo, topografia, exposição ao sol etc.), a estratificação torna-se mais
complexa, tendo em vista que, além dessas características, outras, a exemplo da área basal,
volume e número de árvores por hectare, devem ser consideradas em conjunto. Nesses casos,
há a necessidade de utilizar técnicas de análise multivariada para a estratificação da floresta
(SOUZA, 1989).
3. Estimadores populacionais da amostragem casual estratificada
Os estimadores populacionais, considerando-se uma amostra-gem casual estratificada, são

assim definidos:
a) Número total de unidades de amostra na população:
em que: M = número total de estratos; e Nj = número total de unidades de amostra em cada

j-ésimo estrato, j = 1, 2, ..., M.
b) Número de unidades de amostra lançadas em todos os estratos:
em que: nj = número de unidade de amostra lançada em cada j-ésimo estrato.
c) Média estimada da variável Y em cada j-ésimo estrato:
em que: Yij = quantidade da variável Y na i-ésima unidade de amostra, do j-ésimo estrato.

d) Média estratificada ou média ponderada
tal que:
em que: Pj = proporção do número de unidades de amostra em cada estrato em relação ao

número total de unidades de amostra ou proporção da área total de cada estrato em relação
à área total.
e) Valor total estimado de Y para a população
f) Valor total estimado de Y para cada j-ésimo estrato
g) Variância estimada de Y em cada j-ésimo estrato:
h) Desvio-padrão de Y em cada j-ésimo estrato:
i) Variância estimada da média estratificada:

j) Erro-padrão da média estimada:
4. Estimação do tamanho da amostra e alocação das unidades de amostra
Para estimar o número de unidades de amostra a serem empregadas em um inventário

florestal, cuja população foi estratificada, é necessário ter informações preliminares sobre a
variabilidade dos estratos, seja por meio de um inventário-piloto, seja por outras formas de
avaliações. É necessário, também, definir a precisão requerida e o nível de probabilidade, de
forma semelhante à amostragem casual simples.
O número total de unidades de amostra obtido em toda a população estratificada será, então,
distribuído nos diferentes estratos, de forma casual, pela fixação proporcional ou pela fixação
ótima (método de Neyman). Na fixação proporcional, a distribuição do número total de
unidade de amostra nos diferentes estratos é função da proporção das áreas dos estratos em
relação à área total da população. Na fixação ótima, além da proporção de áreas, a
distribuição é em função da variabilidade do estrato.
4.1. Tamanho da amostra
Na amostragem estratificada, para estimar o tamanho da amostra deve-se levar em
consideração, inclusive, a proporcionalidade de áreas, , de cada j-ésimo estrato em

relação à população.
Uma vez definida a área de uma unidade de amostra ou o fator de área basal, quando se
tratar de uma amostragem com probabilidade proporcional ao tamanho (amostragem PPS),
conhecida a área da população e estabelecidos a precisão requerida e o nível de
probabilidade, torna-se necessário conhecer a variabilidade de cada j-ésimo estrato.
Visando à utilização da fixação proporcional, o tamanho da amostra, considerando-se uma

população finita, é dado por:
Se a população for considerada infinita, n é calculado por:

Se se pretende utilizar o método da fixação ótima, a estimação do tamanho da amostra, para
dada precisão, considerando-se uma população finita, é obtida pela aplicação da seguinte
expressão:
Para uma população infinita, será:
Se a precisão requerida for expressa em porcentagem, é necessário calcular o coeficiente de

variação (CV) para a população estratificada, que, nesse caso, é dado pela expressão:
De posse do coeficiente de variação, o tamanho da amostra, para uma população finita, é

dado por:
Para uma população considerada infinita, é:
Se não quiser calcular o coeficiente de variação, basta transformar a precisão requerida

porcentual para absoluta, através da seguinte expressão:
Essa estimativa de E será empregada nas fórmulas apropriadas para o cálculo de n nas
fixações proporcional ou ótima, as quais utilizam as estimativas das variâncias dos estratos.
4.2. Alocação das unidades de amostra
Como discutido anteriormente, depois de se calcular o tamanho da amostra a ser empregado

num inventário florestal de uma população que foi estratificada, a alocação ou fixação das
parcelas por estrato pode ser feita de duas formas: pela fixação proporcional ou pela fixação
ótima.
4.2.1. Fixação proporcional
Por esse procedimento, o número de unidades de amostra a ser casualmente lançado em

cada j-ésimo estrato é proporcional ao tamanho do estrato. Assim, o tamanho da amostra, n,
é multiplicado pela razão entre a área do j-ésimo estrato e a área total da população, dada
por Pj = Nj/N, para se obter a quantidade de parcelas a ser fixada em cada estrato (nj), ou
seja:
Nesse método, não se consideram o custo da amostragem e as estimativas de variância.

Dessa forma, ele possui uma restrição própria: os grandes estratos sempre irão receber um
número maior de parcelas que os menores, independentemente da maior ou menor
variabilidade do estrato, representada pelos desvios-padrão ou coeficientes de variação entre
os volumes por unidade de amostra. No entanto, esse método pode ser utilizado em uma
amostragem inicial (inventário-piloto), uma vez que a variabilidade dos estratos é
desconhecida.
4.2.2. Fixação ótima (método de Neyman)
Neste método, o número de amostra por estrato (nj) é função do desvio-padrão de cada j-
ésimo estrato ponderado pela proporcionalidade entre as áreas do estrato e da população.
A fixação ótima pode ser feita independentemente da igualdade, ou não, dos custos das
unidades de amostras nos diferentes estratos.
A fixação do número de unidades de amostra, considerando-se custos iguais, em cada j-

ésimo estrato é feita pela aplicação da seguinte fórmula:
Pode-se verificar nestas fórmulas que, comparativamente à fixação proporcional, a

distribuição pelo método de Neyman leva em consideração a variabilidade dada pelos
volumes por unidade de amostra em cada estrato. Assim, esse método pode ser utilizado
após o lançamento das unidades de amostra no inventário-piloto, na complementação da
amostra definitiva.
5. Análise de uma amostragem estratificada
Para efeito da análise da amostragem estratificada, considere o seguinte exemplo. Assim, seja
uma população florestal com 45,0 ha, dividida em três áreas (subáreas), na qual se realizou
um inventário-piloto, distribuindo-se sete unidades de amostra de 0,1 ha de área na subárea
1; oito unidades na subárea 2; e sete unidades na subárea 3, de acordo com o Quadro 5.1.
Quadro 5.1 - Estimativas de volume e respectivas estatísticas das três subáreas
Além dos dados apresentados no Quadro 5.1, considere ainda que as subáreas possuem 14,4
ha, 16,4 ha e 14,2 ha, respectivamente. O nível de probabilidade será igual a 95% e a precisão
requerida, igual a ± 5%.
Com os dados desse exemplo, serão considerados três casos para exemplificar a eficiência da
amostragem estratificada, a saber:
1) A população será tratada como um todo, através da amostragem casual simples.
2) As subáreas serão tratadas de modo independente, através da amostragem casual

simples (inventários independentes em cada subárea).
3) Será considerada a amostragem casual estratificada, pela combinação das estimativas e

das áreas das subáreas, com a locação das unidades de amostra pelo método de fixação
ótima.
1o Caso
a) Média estimada
c) Desvio-padrão
Tamanho da amostra, considerando t(5%; 21 gl) = 2,08 e N = 450
Recalculando para t(5%; 154 gl) » 1,96
Conclusão: Para garantir um erro de ± 5%, a 95% de probabilidade, seriam necessárias 143
parcelas. Nesse caso, seria preciso lançar e medir mais 121 parcelas para a análise do
inventário definitivo.
2o Caso
Utilizando as mesmas estatísticas apresentadas no Caso 1, a mesma precisão requerida e o

mesmo nível de probabilidade, têm-se as seguintes estimativas de cada subárea:
* Subárea 1
a) Média estimada da subárea 1
c) Desvio-padrão
e) Tamanho da amostra, considerando t(5%; 6 gl) = 2,447 e N = 144
Recalculando para t(5%; 78 gl) » 1,994, tem-se:

parcelas. Nesse caso, seria preciso lançar e medir mais 57 parcelas na subárea 1 para a análise
do inventário definitivo.
* Subárea 2
c) Desvio-padrão

* Subárea 3
c) Desvio-padrão

Recalculando para t(5%; 46 gl) = 2,0147, tem-se:

O número total de unidades de amostra, considerando-se as três subáreas, será:
ntotal = 64 + 37 + 45 = 146 parcelas
ou seja, dever-se-ia lançar mais 124 parcelas para o inventário definitivo.
Percebe-se que o inventário independente de cada subárea, através da amostragem casual

simples, não resultou em diminuição do tamanho da amostra, em comparação com o Caso
1. Isto poderia ter ocorrido se a variabilidade dentro de cada subárea fosse menor e maior
entre as subáreas.
Analisando o coeficiente de variação no Caso 1 (36,89%), com os coeficientes de cada

subárea, no Caso 2 verifica-se que estes últimos são menores, indicando que a utilização da
amostragem estratificada pode ser mais eficiente, reduzindo o tamanho da amostra, para
uma mesma precisão requerida e para um mesmo nível de probabilidade.
3o Caso
Considerando agora cada subárea como um estrato, têm-se as seguintes estatísticas da

amostragem casual estratificada:
* Inventário-piloto
a) Média estimada para cada estrato:
b) Média estratificada ( )
c) Variância e desvio-padrão por estrato

d) Tamanho da amostra pela fixação ótima, considerando-se t(5%; 21 gl) = 2,08
Para facilitar o cálculo do tamanho da amostra será necessário transformar a precisão

requerida porcentual em termos absolutos e preencher um quadro auxiliar.
O erro absoluto em torno da média foi assim obtido:
O quadro auxiliar, com as respectivas estimativas, apresenta o seguinte formato:
De posse dos dados do quadro auxiliar, calculou-se o tamanho da amostra:

Nesse caso, para garantir um erro de ± 5%, a 95% de probabilidade, seriam necessárias 57
parcelas.
e) Alocação das parcelas (fixação ótima)
Considerando os três estratos, tem-se:
De acordo com o método de fixação ótima, será necessário lançar e medir mais 7 parcelas
no estrato 1, 12 parcelas no estrato 2 e 16 parcelas no estrato 3. Assim sendo, considere os
dados a seguir (Quadro 5.2) como sendo do inventário definitivo (57 parcelas).
* Inventário definitivo
Quadro 5.2 - Estimativas de volume e respectivas estatísticas dos três estratos

a) Média estimada de cada estrato
b) Média estratificada ( )
c) Variância e desvio-padrão por estrato

d) Variância da média estratificada
Para facilitar o cálculo da variância da média estratificada foi elaborado o seguinte quadro
auxiliar:
e) Erro-padrão da média estratificada
O erro de amostragem absoluto, a 95% de probabilidade, considerando o valor de t(5%, 56

gl) = 2,0, será:
Esse erro, em porcentagem, será:
Posto que a precisão requerida é de ± 5%, o número de unidades de amostra no inventário

definitivo foi suficiente para atender a essa precisão, haja vista que o erro de amostragem foi
de 4,39%.
* Em termos do volume por unidade de amostra
* Para a produtividade média por hectare
* Para o volume total da população
i) Estimativa do volume por estrato
AMOSTRAGEM SISTEMÁTICA
Segundo Loetsch et al. (1973) a amostragem sistemática consiste em selecionar unidades de

amostra a partir de um esquema rígido e preestabelecido de sistematização, com os
propósitos de cobrir a população, em toda a sua extensão, e obter um modelo sistemático
simples e uniforme.
Todos os métodos de seleção sistemática das unidades de amostra não se baseiam na teoria
de amostragem probabilística pelas seguintes razões:
1. Escolhe-se somente uma unidade de amostra ao acaso. As demais não são

independentes (estatisticamente, cada unidade não corresponde a um grau de liberdade).
Assim, a variância da amostra e a da média não podem ser calculadas através dos
estimadores usuais, como os da amostragem casual simples.
2. Escolhida a amostra sistematicamente, todas as outras unidades de amostra que não

a integram têm probabilidade igual a zero de serem eleitas, enquanto as que integram-na
possuem probabilidade 1 de seleção, ou seja, muitas unidades de amostra são, nesse caso,
rejeitadas. Isso se contrapõe ao princípio básico de seleção.
A amostragem sistemática tem a vantagem de economizar tempo na obtenção dos dados

de campo, pois, com ela, tem-se menor tempo de caminhamento entre as unidades de
amostra, pela uniformidade de sua distribuição. Além disso, segundo Husch et al. (2003),
outras razões justificam o uso da amostragem sistemática, entre elas: a redução de custos
ocasionados pelo caminhamento entre as unidades de amostra, a facilidade de seleção das
unidades de amostra e a maior facilidade na alocação das parcelas no campo, por estarem
as unidades de amostra distribuídas uniformemente. Outra vantagem, talvez a maior delas, é
que, com o emprego do método, é possível mapear a população.
2. Amostragem sistemática em faixas
Utilizando-se faixas como unidades de amostra, a distribuição sistemática é acompanhada

primeiro pela divisão da área em N faixas. As unidades são, então, selecionadas em intervalos
de K faixas, de forma a comporem uma amostra de n faixas. O intervalo entre as faixas é dado
pela seguinte expressão:
em que: N = número total de faixas; e n = números de faixas para satisfazer determinada

precisão requerida.
A seleção das n faixas, em um esquema de amostragem sistemática, pode ser conduzida de

duas maneiras:
1. Selecionar aleatoriamente um número entre 1 e N para definir a primeira faixa a ser

selecionada. Unidades de amostra, considerando um intervalo de K faixas, são
selecionadas do lado direito e do lado esquerdo da faixa inicialmente selecionada para
compor uma amostra de n unidades.
2. Selecionar aleatoriamente um número entre 1 e K como sendo o número da faixa inicial.

Todas as faixas subseqüentes serão selecionadas, considerando-se um intervalo de K faixas
para compor uma amostra de nunidades.
Ambos os procedimentos irão produzir o mesmo número de unidades de amostras

distribuídas sistematicamente. O primeiro produzirá estimativa não tendenciosa da média,
enquanto o segundo poderá fornecer um resultado levemente tendencioso se o valor
de N não for múltiplo exato de K (HUSCH et al., 2003).
3. Amostragem sistemática utilizando parcelas de área fixa

Quando são utilizadas unidades de amostra, como parcelas de área fixa, em um esquema de
amostragem sistemática, a amostra deve ser tomada em duas dimensões, isto é, as unidades
de amostra têm de ser escolhidas em intervalo de K unidades em duas direções normais (90o),
considerando linhas e colunas. Para isso, deve-se dividir a população de acordo com o
tamanho das unidades de amostra, em N unidades. (PELLICO NETO e BRENA, 1997).
A seleção das unidades de amostra em um intervalo de K unidades pode ser conduzida de

maneira análoga à descrita para as faixas, considerando-se, contudo, duas dimensões em vez
de uma. A seguir são descritas duas maneiras de distribuir as unidades de amostra
sistematicamente em uma floresta:
1. O primeiro passo é selecionar aleatoriamente um número entre 1 e o número total de

colunas. Em seguida, de forma semelhante, selecionar, aleatoriamente, uma das linhas. Os
dois números indicam a coordenada da primeira unidade de amostra a ser selecionada.
As demais unidades de amostra, conforme comentado anteriormente, são tomadas a
cada K unidades em direções normais.
2. A seleção das unidades de amostra inicia-se em um dos cantos da população. Em

seguida, a seleção das unidades é feita considerando um quadrado de K por K unidades,
de forma que a primeira unidade de amostra seja selecionada entre 1 e K linhas e 1
e K colunas. Todas as unidades subseqüentes serão tomadas levando-se em conta um
intervalo de K unidades em duas direções.
4. O problema estatístico
Conforme exposto, a amostragem sistemática tem como desvantagem fundamental a

impossibilidade de se deduzir um estimador para a variância da média, por meio de uma
única amostra, haja vista que a escolha das unidades amostrais não é um processo
independente.
Para contornar esse problema, pode-se casualizar a primeira unidade de amostra e a partir
dela, seguindo um esquema rígido, selecionar as demais unidades, constituindo, dessa
maneira, uma amostra composta de nunidades. Esta amostra, por sua vez, pode ser
considerada uma das possíveis combinações de n unidades de amostra, em uma
amostragem casual simples. Segundo Campos e Leite (2009), as expressões dessa
amostragem resultam em estimativas livres de tendência, à medida que aumenta a
homogeneidade da população quanto à distribuição dos seus elementos constituintes ou
indivíduos.
Havendo heterogeneidade entre as áreas do povoamento florestal, deve-se proceder,

quando possível, à estratificação com posterior sistematização das unidades de amostra
dentro de cada estrato, sendo a primeira unidade de amostra selecionada ao acaso dentro
do estrato. Dessa forma, utilizam-se as expressões da amostragem casual estratificada para o
cálculo das estimativas populacionais.
Alternativamente à estratificação, pode se utilizar o método das diferenças sucessivas para o

cálculo da variância da média, em situações em que se verifica uma tendência linear
(gradiente de variação) entre os elementos da população. Em casos de incertezas quanto à
homogeneidade da distribuição dos elementos na população, deve-se utilizar esse método
para o cálculo da variância da média, em vez do estimador da variância da média na
amostragem casual simples, uma vez que esse método considera que as unidades de amostra
não são totalmente independentes.
5. Exemplo
Para exemplificar o uso dos estimadores da amostragem casual simples e do estimador da

variância da média pelo método das diferenças sucessivas, considere os dados de um
inventário realizado em uma floresta de eucalipto de 10 ha, em que foram lançadas 18
parcelas de 0,02 ha de área cada, distribuídas sistematicamente. Os volumes das parcelas, nas
três linhas de amostragem, foram:
Para o exemplo em questão, foi considerado o seguinte sentido de caminhamento, indicado

pelas setas:
1º) Caso
Considerando os estimadores da amostragem casual simples, tem-se:
a) Média estimada
c) Desvio-padrão
f) Estimativa da produtividade total para a população
O erro de amostragem em porcentagem, considerando-se um nível de probabilidade igual a

95% e o valor tabelado de t = 2,110, a 17 graus de liberdade, é:
O intervalo de confiança para o volume total da população, a 95% de probabilidade, é:
Analisando a Figura 6.1, observa-se que os volumes das parcelas tendem a aumentar do início
do caminhamento para o final, indicando um gradiente de variação. Caso não seja possível
identificar áreas homogêneas quanto à variável de interesse no campo para estratificar a
floresta, o erro-padrão da média deverá ser obtido através do estimador das diferenças
sucessivas.
O estimador do erro-padrão da média, considerando-se as diferenças sucessivas, é dado por:
em que: n = número de unidades amostradas (igual a 18 neste exemplo); e N = número total

de unidades de amostra (igual a 10/0,02 = 500).
Figura 6.1 - Volumes das parcelas em relação ao sentido de caminhamento.
2º) Caso
Considerando o caminhamento mostrado anteriormente, tem-se que:
Assim,
Considerando-se um nível de probabilidade de 95% e um valor de t para 17 graus de

liberdade igual a 2,110, o erro de amostragem em porcentagem será igual a:
O intervalo de confiança para o total da população será:
AMOSTRAGEM EM MULTIESTÁGIOS
Em situações em que a realização de um inventário florestal está condicionada a restrições

orçamentárias e de tempo para a execução do trabalho, entre outros fatores limitantes,
algumas alternativas podem ser ventiladas para a realização do inventário (SHIVER; BORDERS,
1996):
1. Para atendimento da restrição de tempo, poder-se-iam contratar mais pessoas para

realizar o inventário. Esta alternativa pode encarecer muito o inventário, principalmente
devido à disponibilização de mais equipamentos e aos custos referentes aos encargos
sociais, além de mobilizar uma estrutura logística maior.
2. A floresta poderia ser inventariada com uma baixa intensidade amostral. Nesse caso,
poder-se-ia se ter uma baixa precisão em relação às estimativas do estoque volumétrico,
não atendendo aos objetivos do inventário.
3. Estimativas do volume de madeira de florestas vendidas anteriormente poderiam servir

como base para o cálculo do estoque de madeira da floresta em questão.
Essas alternativas, obviamente, não são as ideais, ou seja, o inventário deveria ser realizado
com uma intensidade amostral tal que: garantisse a precisão das estimativas, fosse viável
economicamente e pudesse ser realizado dentro do prazo de tempo estabelecido.
Uma estratégia de amostragem muito empregada para contornar a situação apresentada

anteriormente é a utilização da amostragem em multiestágios, que é um método de seleção
probabilístico com restrição das unidades de amostra, haja vista que o segundo estágio ficará
restrito dentro do primeiro. Essa estratégia consiste, portanto, na divisão da população em
unidades denominadas primárias, as quais são subdivididas em unidades menores
denominadas secundárias, que também podem ser subdivididas, formando estágios
sucessivos.
Deve-se ressaltar que a amostragem em multiestágios é uma alternativa que deve ser seguida
para fornecer boas estimativas no inventário de áreas extensas ou de difícil acesso quando
não é possível realizar um inventário florestal com uma intensidade amostral adequada para
atender a uma precisão requerida, ou seja, ela deve ser preferencialmente utilizada em
substituição à amostragem com baixa intensidade amostral.
De acordo com Husch et al. (2003), a principal vantagem da amostragem de multiestágio é a

concentração do trabalho de medição nas unidades primárias selecionadas, permitindo
redução no custo, principalmente no caminhamento pela floresta, bem como melhor
supervisão e checagem das atividades de campo.
No caso da amostragem em dois estágios, que é o esquema mais utilizado em inventários

florestais, algumas unidades primárias são selecionadas aleatória ou sistematicamente do
conjunto das N unidades primárias, e, dentro de cada unidade de amostra primária
selecionada, unidades secundárias são selecionadas e medidas, conforme exemplificado na
Figura 7.1.
Figura 7.1 - Exemplo de amostragem em dois estágios com 12 unidades primárias divididas
em 16 secundárias cada, sendo selecionadas, aleatoriamente, quatro unidades primárias e
quatro secundárias dentro das unidades primárias escolhidas.
2. Estimadores da amostragem em dois estágios
Quando as unidades primárias são selecionadas aleatoriamente na população e as

secundárias dentro dessas unidades primárias também são selecionadas aleatoriamente, o
valor médio por unidade secundária, na i-ésima unidade primária ( ), é dado por:
em que: Yij = quantidade da variável Y na j-ésima unidade de amostra da i-ésima unidade

primária; e m = número de unidades secundárias medidas nas unidades primárias
selecionadas.
A variância entre as unidades secundárias na i-ésima unidade primária é dada por:

A estimativa média por unidade secundária na população é obtida através da seguinte
expressão:
em que: n = número de unidades primárias selecionadas no primeiro estágio; e m = número

de unidades secundárias medidas nas unidades primárias selecionadas.
A variância dentro das unidades primárias é obtida através da seguinte expressão:
A variância entre as unidades primárias é dada por:
O número de unidades primárias para atender a uma precisão requerida (E), em certo nível
de probabilidade, será obtido pelas seguintes expressões:
Se o número de unidades primárias selecionadas no inventário-piloto for suficiente para

atender à precisão requerida, em certo nível de probabilidade, devem-se calcular as
estatísticas do inventário definitivo, do contrário, sortear a(s) unidade(s) primária(s) e as
secundárias dentro da(s) unidade(s) para completar a amostra.
A estimativa da variância da média ( ) em uma população finita é dada por:

A variância da média em uma população infinita é dada por:
O erro-padrão da média é dado pela seguinte expressão:
A estimativa para o total da população, por sua vez, é obtida por:
em que: N = número total de unidades primárias na população; e M = número total de

unidades secundárias dentro das unidades primárias.
O erro de amostragem em porcentagem é dado por:
O intervalo de confiança para o total da população será dado por:
Embora os estimadores da amostragem em dois estágios possam parecer complexos e

“grandes”, eles podem ser facilmente conhecidos se forem organizados e calculados passo a
passo, conforme demonstrado nos tópicos subseqüentes.
2.1. Exemplo
Seja uma floresta de 10.000 ha, dividida em unidades primárias de 100 ha cada (N = 100),
sendo essas unidades primárias divididas em unidades secundárias de 1,0 ha (M = 100). Assim,
realizou-se um inventário por amostragem em dois estágios, sendo sorteadas inicialmente 10
unidades primárias (n = 10) e, dentro de cada unidade primária, quatro unidades secundárias
(m = 4), para estimar o volume total da floresta. Para isso, considerou-se um nível de
probabilidade de 95% e uma precisão requerida de ± 10%.
De posse dos dados abaixo, foram obtidas as seguintes estatísticas:

* Inventário-piloto
a) Média estimada por unidade secundária na i-ésima unidade primária sorteada
b) Variância entre as unidades secundárias sorteadas na i-ésima unidade primária sorteada
c) Média estimada por unidade secundária na população

d) Variância dentro das unidades primárias ( ):
e) Variância entre as unidades primárias ( ):
f) Tamanho da amostra
* E = 0,10 . 61,0350 = 6,1035 m3;
* N = 100;
* α = 5%;
* M = 100; e
* t(5%; 9gl) = 2,262.
Para garantir uma precisão requerida de ± 10% em torno da média, a 95% de probabilidade,
são necessárias nove unidades primárias com quatro unidades secundárias cada. Como o
inventário-piloto foi realizado com 10 unidades primárias, não será preciso lançar e medir
mais nenhuma unidade no campo. Nesse caso, deve-se proceder aos cálculos das estatísticas
a) Variância da média
b) Erro-padrão da média
c) Erro de amostragem em porcentagem
t(5%; 39 gl) = 2,02
d) Volume total da população
e) Intervalo de confiança para o volume total da população
ESTIMADOR DE RAZÃO
Nos procedimentos de amostragem descritos e exemplificados até agora, a variável de

interesse era medida em todas as unidades de amostra. No entanto, em algumas situações a
variável de interesse no inventário pode ser de difícil estimação ou ser extremamente cara a
sua obtenção. Nessas situações, torna-se necessário o uso de uma variável auxiliar, de fácil
obtenção e cujo valor total na população seja conhecido, para estimar a variável de interesse.
Esse é o fundamento teórico do estimador de razão.
O estimador de razão, contudo, pode ser perfeitamente aplicado no caso de se utilizarem

parcelas com áreas diferentes no inventário florestal, seja porque foram lançadas no campo
com áreas diferentes (Figura 8.1), seja porque tiveram suas áreas corrigidas em função da
declividade do terreno.
Figura 8.1 - Unidades de amostra (faixas) com áreas diferentes.
Ao serem utilizadas unidades de amostra com áreas diferentes para a estimação do volume
de madeira ou de outras variáveis na floresta, pode-se destacar que a variabilidade entre as
unidades de amostra se deve à variação natural da floresta (intrínseca) e ao tamanho da
unidade de amostra. Para que essa variabilidade seja uma expressão somente da variabilidade
natural da floresta, alguns procedimentos podem ser realizados para contornar esse
problema:
1) Extrapolar as estimativas das menores unidades de amostra para a área referente à maior
unidade. Esta é uma alternativa viável somente se as áreas das unidades de amostra não
diferirem muito entre si, a exemplo de quando as áreas das unidades são corrigidas em
função da declividade do terreno.
2) Extrapolar as estimativas das unidades de amostra com áreas diferentes para uma
unidade de área comum, como o hectare. Esta alternativa implica assumir que, ao
extrapolar as estimativas das unidades de amostra para hectare, o coeficiente de variação
entre as unidades será aproximadamente o mesmo obtido com unidades menores. No
entanto, espera-se que unidades de amostra maiores tenham coeficientes de variação
menores.
3) Aceitar a diferença de área entre as unidades de amostra e utilizar o estimador de razão.

Para ilustrar tal procedimento, bem como descrever os seus estimadores, tem-se o
exemplo a seguir.
2. Exemplo
Da amostra aleatória de 10 faixas (n = 10) tomada em uma floresta composta por 30 faixas (N
= 30), em um estudo de regeneração natural foram obtidas as seguintes estimativas:
*Dados
* Área da floresta = 4.185 m2
* Estatísticas
a) Estimativa da razão populacional ( ):
b) Estimativa do volume total da população ( ):
c) Variância para o total da população [ ]:

d) Intervalo de confiança para o volume total da população
t(5%; 9 gl) = 2,262
e) Erro de amostragem em porcentagem
AMOSTRAGEM EM OCASIÕES SUCESSIVAS
O inventário florestal em ocasiões sucessivas, também denominado Inventário Florestal

Contínuo (IFC), é realizado com o objetivo de analisar as mudanças ocorridas na floresta
durante certo período de tempo. Com isso, pode-se realizar o monitoramento de planos de
manejo em florestas naturais, determinar a idade de colheita técnica e econômica em florestas
plantadas e gerar dados para a modelagem de crescimento e da produção florestal.
O período de tempo entre medições sucessivas depende da taxa de crescimento da floresta

e do custo para a realização do inventário. No Brasil, os inventários contínuos (IFCs) são
realizados anualmente em plantações e a cada dois ou três anos no caso de florestas naturais,
de preferência nas estações mais secas do ano.
2. Procedimentos de amostragem
Entre os procedimentos de amostragem que podem ser utilizados nos inventários florestais
em sucessivas ocasiões, destacam os apresentados nos tópicos subseqüentes.
2.1. Amostragem com repetição total das unidades de amostra
Também denominado Inventário Florestal Contínuo (IFC) propriamente dito, neste

procedimento se utilizam unidades de amostra permanentes, as quais são medidas em todas
as ocasiões. Embora seja o procedimento ideal para avaliar o crescimento, deve-se ressaltar
que as árvores dentro das unidades de amostra devem ser mapeadas e, ou, identificadas
através de plaquetas metálicas, para que a análise do crescimento seja completa. Apenas
marcar o limite da unidade de amostra não é o bastante nesse caso.
A utilização de parcelas permanentes, com controle de árvore a árvore, permite avaliar

alterações na estrutura interna da floresta, através da análise dos seguintes componentes:
Ingresso (I): diz respeito às árvores que atingiram um tamanho mínimo mensurável,
preestabelecido em função do uso da madeira.
Mortalidade (M): diz respeito às árvores que morreram durante um período de tempo.
Corte ou desbaste (C): trata-se de árvores que foram removidas da floresta para um uso
qualquer ou por questão fitossanitária.
Crescimento propriamente dito (ΔY): refere-se à mudança nas dimensões das árvores durante
o período de crescimento.
Esses componentes podem ser expressos em termos do número de árvores, volume, área
basal, entre outros.
Em florestas naturais tropicais, nas quais a dinâmica de crescimento é complexa em função

da sua composição florística e do estágio de sucessão e, ou, degradação, a análise desses
componentes serve de balizamento para as tomadas de decisão e para as atividades a serem
implementadas nos planos de manejo florestal.
A título de exemplo, se em duas ocasiões sucessivas parcelas permanentes forem medidas e

o volume permanecer praticamente constante, isso não quer dizer que as árvores da floresta
não cresceram. Pode ter havido remoção de algumas delas, porém as árvores remanescentes
cresceram, de tal forma que os volumes nas duas ocasiões podem ter sido os mesmos.
Percebe-se que essa análise do crescimento só poderá ser realizada se as árvores estiverem
identificadas em cada ocasião do inventário.
No caso de florestas plantadas, o ingresso (I), por exemplo, tem peso relativamente pequeno
na análise do crescimento. Estudos, no Brasil, têm apontado que, após 24 ou 30 meses, o
número de árvores que ingressam nas medições (normalmente árvores com DAP > 5,0 cm)
é muito pequeno. A mortalidade, por sua vez, tem peso maior, por ser um indicativo do grau
de competição dentro da floresta, da capacidade produtiva do local e de condições
fitossanitárias, indicando ou não a necessidade de intervenções na floresta.
Através de inventários em ocasiões sucessivas, podem-se definir as curvas e expressões do

crescimento em florestas plantadas (Figura 9.1).
Figura 9.1 - Curva de crescimento acumulado ou produção e curvas de incremento corrente
(IC) e incremento médio (IM).
Em que:
* Incremento Corrente (IC): é a diferença entre as dimensões de uma árvore ou uma floresta
tomadas no fim (Y2) e início (Y1) do período de crescimento. O Incremento Corrente Anual
(ICA) é calculado pela seguinte expressão:
* Incremento Médio (IM): é quanto a floresta cresceu em média até uma idade (I) qualquer.
O Incremento Médio Anual (IMA) é calculado por:
* Idade Técnica de Colheita (ITC): idade na qual se deve realizar a colheita da madeira, do
ponto de vista técnico. Ela ocorre no ponto máximo da curva do IMA.
Além das expressões do ICA e do IMA, pode-se calcular o Incremento Periódico Anual (IPA).
Essa expressão de crescimento normalmente é calculada para florestas naturais, em que o
inventário é realizado em períodos de tempo (t) superiores a um ano. O IPA é dado pela
seguinte expressão:
2.1.1. Exemplo 1
Através de medições sucessivas em uma plantação de eucalipto, obteve-se a produtividade

média, em m3/ha, aos 36, 48, 60, 72 e 84 meses de idade. Com as expressões definidas
anteriormente, foram calculados os Incrementos Correntes Anuais e os Incrementos Médios
Anuais e definida a respectiva Idade Técnica de Colheita:
2.1.2. Exemplo 2
Para ilustrar o uso de parcelas permanentes na avaliação do crescimento de uma floresta de

eucalipto em um inventário contínuo, sejam as seguintes estimativas de volume por hectare
de 10 unidades de amostra, selecionadas aleatoriamente e medidas em 1996 e remedidas em
1997:
* Dados
* Área = 90,0 ha * N = 1.500 * α = 5% * E% = ± 10% * Parcelas
= 600 m2
* Primeira ocasião (1996)
a) Média estimada
c) Desvio-padrão
d) Erro-padrão
e) Erro de amostragem em porcentagem => t(5%; 9 gl) = 2,262
O erro de amostragem calculado foi menor do que a precisão requerida. Nesse caso, não
será necessário lançar mais nenhuma unidade no campo. Contudo, cabe ressaltar que, uma
vez que o inventário será realizado em mais de uma ocasião, deve-se ter em mente que a
intensidade amostral na primeira ocasião deverá atender à precisão requerida em outras
ocasiões. Para isso, devem-se lançar mais parcelas do que o indicado na primeira ocasião,
dando margem a um possível aumento do erro de amostragem calculado.
* Segunda ocasião (1997)
a) Média estimada
c) Desvio-padrão
d) Erro-padrão
e) Erro de amostragem em porcentagem => t(5%; 9 gl) = 2,262
* Análise do crescimento em volume no período 1996–1997
a) Crescimento (ou diferença entre as médias)
b) Erro-padrão
sendo:
Assim,
c) Erro de amostragem para o crescimento => t(5%; 18 gl) = 2,101

d) Intervalo de confiança do crescimento
2.2. Amostragem sucessiva independente
Neste procedimento de amostragem são utilizadas parcelas temporárias, as quais são

medidas uma única vez, sendo abandonada toda a estrutura de amostragem para a medição
no período seguinte. Este não é o melhor procedimento para analisar as mudanças na
floresta, uma vez que os indivíduos (árvores) amostrados não são os mesmos em cada
ocasião.
Na análise do crescimento utilizando parcelas temporárias, podem ser empregados os

estimadores da amostragem casual simples em cada ocasião, caso as unidades de amostra
tenham sido selecionadas aleatoriamente, à semelhança da amostragem com parcelas
permanentes no item anterior. No entanto, na análise do crescimento a estimativa do erro-
padrão da diferença média será obtida por:
Esse estimador é semelhante ao do erro-padrão da diferença média na amostragem com

parcelas permanentes. No entanto, como as unidades não são as mesmas nas duas ocasiões,
a co-variância entre elas é zero.
2.2.1. Exemplo
Considerando os dados apresentados no exemplo do item 2.1.2 como de inventários

sucessivos utilizando parcelas temporárias, têm-se as seguintes estatísticas paras as duas
ocasiões:
* Análise do crescimento em volume no período 1996-1997
b) Erro-padrão
Uma vez que a co-variância entre as medidas das duas ocasiões é igual a zero, o erro-padrão
da média aumenta significativamente o seu valor, em comparação com o erro-padrão da
média na amostragem utilizando parcelas permanentes (exemplo do item 2.1.2).
c) Erro de amostragem do crescimento => t(5%; 18 gl) = 2,101
d) Intervalo de confiança do crescimento
2.3. Dupla amostragem
Neste procedimento de amostragem sucessiva, apenas parte das unidades de amostra

medidas em uma primeira ocasião é remedida em uma segunda oportunidade. Assim, a
estimativa da média da população é obtida na segunda ocasião, com o auxílio de regressão
linear.
Esse procedimento pode ser utilizado no caso de restrições orçamentárias em que não é
possível remedir todas as unidades de amostra em uma segunda ocasião ou no caso de áreas
de difícil acesso em que, por qualquer impedimento, podem ser medidas somente algumas
unidades de amostra.
2.3.1. Exemplo
Para ilustrar a utilização deste procedimento em inventários sucessivos, têm-se os dados de

20 unidades de amostra de 0,5 ha cada, selecionadas aleatoriamente e medidas em uma
primeira ocasião, em uma floresta de 100 ha, das quais apenas 12 foram remedidas em uma
segunda ocasião.
* Dados
N = 200, α = 5% e t(5%; 19 gl) = 2,093
* Notações
n1 = número total de unidades de amostra medidas na 1ª ocasião => 20;
u = número de unidades de amostra medidas na 1ª ocasião e que não foram medidas na 2ª

=> 8;
n2 = m = número de unidades de amostra medidas na 1ª ocasião e remedidas na 2ª => 12;
Pu = proporção de unidades de amostra medidas na 1ª ocasião e que não foram medidas na

2ª => 8/20 = 0,4; e
Pm = proporção de unidades de amostra medidas na 1ª ocasião e remedidas na 2ª => 8/12

= 0,6.
* Primeira ocasião
a) Médias estimadas
a.1) das unidades de amostra medidas na 1ª ocasião e que não foram medidas na 2ª (u = 8)
a.2) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m = 12)

a.3) de todas as unidades de amostra medidas na 1ª ocasião (n1 = 20)
b) Variâncias e desvios-padrão estimados
b.1) das unidades de amostra medidas na 1ª ocasião e que não foram medidas na 2ª (u = 8)
b.2) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m = 12)
b.3) de todas as unidades de amostra medidas na 1ª ocasião (n1 = 20)
c) Variância da média
d) Erro-padrão
e) Erro de amostragem em porcentagem
f) Volume total estimado na primeira ocasião
g) Intervalo de confiança para a média e para o volume total

* Segunda ocasião
Com os dados das unidades de amostra medidas na segunda ocasião, obtiveram-se as

seguintes estatísticas:
a) Média estimada
c) Desvio-padrão
d) Estimativa média na segunda ocasião, obtida por regressão
tal que a estimativa do coeficiente angular é dada por:
em que: X e Y = volumes das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª,

respectivamente.
Assim,
Consequentemente,
Esta é uma estimativa da média se todas as 20 unidades de amostra tivessem sido medidas
na segunda ocasião.
e) Variância da média obtida por regressão
sendo:
Desta maneira,
f) Erro-padrão obtido por regressão
g) Volume total estimado na segunda ocasião
h) Erro de amostragem em porcentagem => t(5%; 11 gl) = 2,201
i) Intervalo de confiança para a média e do volume total

* Análise do crescimento
b) Variância
sendo:
Assim,
c) Erro-padrão
d) Crescimento total estimado
e) Erro de amostragem porcentual => t[5%; (n1-1) + (n2-1) = 30 gl] = 2,042
f) Intervalo de confiança para crescimento

2.4. Amostragem com repetição parcial das unidades de amostra
Neste procedimento de amostragem sucessiva, parte das unidades de amostra medidas na

primeira ocasião é remedida em uma segunda e a outra parte se refere a unidades de amostra
novas. Ware e Cunia (1962), citados por Pellico Netto e Brena (1997), apresentaram, de forma
detalhada, a teoria desse procedimento de amostragem aplicada à inventários florestais.
2.4.1. Exemplo
Para ilustrar a utilização deste procedimento na estimação do crescimento florestal em

inventários sucessivos, têm-se os dados de unidades de amostra de 0,5 ha, selecionadas
aleatoriamente e medidas em duas ocasiões, em uma floresta de 100 ha.
* Dados
N = 200, α = 5% e t(5%; 14 gl) = 2,145
* Notações

u = número de unidades de amostra medidas na 1ª ocasião e substituídas na 2ª => 5;
m = número de unidades de amostra medidas na 1ª ocasião e remedidas na 2ª => 10;
n = número de unidades de amostra medidas na 2ª ocasião e que não foram medidas na 1ª

=> 5;
Pu = proporção de unidades de amostra medidas na 1ª ocasião e substituídas na 2ª => 5/15

= 0,33; e
Pm = proporção de unidades de amostra medidas na 1ª ocasião e remedidas na 2ª => 10/15

= 0,67.
* Primeira ocasião
a.1) das unidades de amostra medidas na 1ª ocasião e substituídas na 2ª (u = 5)
a.2) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m1 = 10)
a.3) de todas as unidades de amostra medidas na 1ª ocasião (n 1 = 15)
b.1) das unidades de amostra medidas na 1ª ocasião e substituídas na 2ª (u = 5)
b.2) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m1 = 10)

c) Variância da média
d) Erro-padrão
e) Erro de amostragem, em porcentagem
f) Volume total estimado na primeira ocasião
g) Intervalo de confiança da média e do volume total
* Segunda ocasião
Com os dados das unidades de amostra medidas na segunda ocasião, obtiveram-se as

seguintes estatísticas:
a.1) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m2 = 10)
a.2) das unidades de amostra medidas na 2ª ocasião e que não foram medidas na 1ª (n = 5)
b.1) das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª (m2 = 10)

b.2) das unidades de amostra medidas na 2ª ocasião e que não foram medidas na 1ª (n = 5)
c) Estimativa da média na segunda ocasião ( )
O estimador não tendencioso de é:
sendo:
em que: X e Y = volumes das unidades de amostra medidas na 1ª ocasião e remedidas na 2ª,

respectivamente;
Assim,
Logo,
d) Variância da média ( )
e) Erro-padrão
f) Erro de amostragem em porcentagem
g) Volume total estimado na segunda ocasião
h) Intervalo de confiança da média e do volume total

* Análise do crescimento
a) Crescimento ( )
em que:
Assim,
Logo,
b) Variância da média
Assim,
c) Erro-padrão
d) Crescimento total estimado
e) Erro de amostragem porcentual => t[5%; (n1-1) + (n2-1) = 28 gl] = 2,048
f) Intervalo de confiança para o crescimento
INVENTÁRIO POR BITTERLICH
1. Preliminares
Os inventários florestais são realizados, em sua maioria, utilizando-se parcelas de área fixa.
No entanto, no princípio idealizado pelo engenheiro florestal austríaco Walter Bitterlich, em
1948, as unidades de amostra possuem área variável e a seleção dos indivíduos é efetuada
com probabilidade proporcional à área basal ou ao quadrado do diâmetro e à freqüência do
número de árvores. A amostragem empregando o princípio de Bitterlich também é conhecida
na literatura como método de amostragem proporcional ao tamanho (PPS), bem como a
amostragem por ponto horizontal.
Devido à simplicidade do procedimento para obtenção dos dados, a aplicação desse princípio
pode ser de extrema utilidade, principalmente nas situações em que se necessita de
diagnóstico rápido e preciso do estoque de madeira, entre outras características das florestas,
a um menor custo. Porém, deve-se ressaltar que, para fins de planos de manejo, nos quais
há a necessidade da caracterização da composição de espécies da floresta, este
procedimento deve ser realizado com cautela. Se a floresta possuir diversidade grande de
espécies, estas podem não ser caracterizadas, uma vez que um número menor de árvores é
amostrado em cada ponto, necessitando-se, portanto, de maior intensidade amostral
(FARIAS, 2001).
2. Parcelas de área fixa versus parcelas de áreas variáveis

Kirby (1965), trabalhando em povoamentos de Spruce aspen de várias idades, comparou a
amostragem por ponto horizontal com aquela por parcelas de área fixa, em igual número de
pontos de amostragem, estabelecidos no centro de cada parcela. Segundo esse autor, os
pontos foram estabelecidos em tempo de três a quatro vezes menor que as parcelas. Além
disso, os dois tipos de amostragem forneceram estimativas de área basal estatisticamente
iguais.
Trabalhando com simulações de formas e tamanhos de unidades de amostra e considerando

alguns processos de amostragem para povoamentos de Eucalyptus alba Rewien, Silva (1997)
concluiu que unidades de amostras retangulares foram as mais eficientes. Outras formas de
parcelas e a amostragem utilizando o princípio de Bitterlich, com os fatores de área basal 1,
2, 3 e 4, não atenderam à precisão requerida definida previamente (10%). Todavia, segundo
esse autor, diante do reduzido número de indivíduos observados por ponto, o método torna
o trabalho de operações de coleta de dados mais econômico, sendo viável a ampliação da
intensidade amostral, diminuindo, assim, o erro de amostragem.
Souza (1981) comparou a amostragem utilizando parcelas de área fixa e variável em

povoamento Eucalyptusgrandis de origem híbrida, concluindo que a amostragem por ponto
horizontal (princípio de Bitterlich) foi mais eficiente que a por parcela de área fixa,
considerando-se os tempos totais de medição e de alocação das parcelas, bem como os
tempos de qualificação e medição das árvores selecionadas, com o fator de área basal igual
a 1.
Couto et al. (1990) compararam a amostragem utilizando o princípio de Bitterlich (fatores

iguais a 2, 3 e 4) com o método de parcela de área fixa, na estimação do número de árvores
por hectare em uma área plana e em outra acidentada, em plantios de Eucalyptus saligna.
Concluíram que o método de Bitterlich estimou com precisão o valor médio do número de
árvores por hectare nas diferentes áreas, nos três fatores de área basal estudados. Contudo,
verificaram maior variância entre as estimativas obtidas pelos pontos em relação à variância
entre parcelas de área fixa, o que indica a necessidade do aumento do número de pontos
para se atingir dada precisão requerida.
Moscovich et al. (1999), ao compararem a amostragem utilizando parcelas de área fixa e

variável, em floresta de Araucaria angustifólia, verificaram que o método de Bitterlich foi o
que mais se aproximou do valor real do volume por hectare. No entanto, ele superestimou o
número de árvores por hectare e subestimou a estimativa de área basal também por hectare,
em relação à estimativa obtida pelas parcelas de área fixa.
3. O princípio de Bitterlich
O princípio a que Bitterlich denominou prova de numeração angular baseia-se no seguinte

postulado: “o número de árvores (n) em um povoamento, cujo DAP em um ponto fixo
aparece superior a determinado valor constante (a), é proporcional à sua área basal por
hectare (B)”. Assim, a área basal por hectare em um ponto de amostragem pode ser obtida
multiplicando o número de árvores com DAP superior ou igual à abertura angular (árvores
qualificadas) por um fator de área basal (K).
Além da área basal por hectare, o procedimento de amostragem utilizando o princípio de

Bitterlich pode fornecer outras estimativas populacionais em um ponto de amostragem, por
exemplo o número de árvores e o volume por hectare e a altura e o diâmetro médios. Os
estimadores desses parâmetros são dados por:
Em que: Asi = área seccional da i-ésima árvore qualificada no ponto de amostragem, em

m2; n = número de árvores qualificadas no ponto de amostragem; Vi = volume da i-ésima
árvore qualificada, em m3; DAP = diâmetro da i-ésima árvore qualificada, em cm; K = fator
de área basal, em m2/ha; Ni /ha = número de árvores por hectare que a i-ésima árvore
qualificada representa; e Hi = altura da i-ésima árvore qualificada.
A escolha do fator de área basal (K) dependerá de fatores como:
a) Densidade populacional: em florestas com muitos indivíduos por hectare, a utilização de

fatores menores acarretará grande número de árvores qualificadas. Além disso, há a
possibilidade de haver dificuldade de visualização das árvores mais distantes do observador,
devido à sobreposição de árvores na linha de visada. No entanto, se as árvores estiverem
muito distantes umas das outras, fatores maiores podem qualificar muito poucas árvores, ou
nenhuma, no ponto de amostragem.
b) Declividade do terreno: no local com declividade acentuada, o operador terá dificuldade

de se posicionar corretamente para a qualificação das árvores, bem como para realizar as
medições das árvores qualificadas. Nesses casos, ele pode optar por um fator que agilize a
coleta de dados, porém isso pode implicar a necessidade de lançar um número grande de
pontos de amostragem na floresta.
c) Heterogeneidade do povoamento: tanto do ponto de vista dos tamanhos quanto da

diversidade de espécies. Florestas com uma única espécie e tamanhos (diâmetros) bem
uniformes podem ser amostradas com fatores maiores. Florestas naturais compostas por
várias espécies e com uma amplitude grande de tamanhos devem ser amostradas com fatores
menores.
Outro aspecto importante da amostragem por pontos é a possibilidade de se qualificar uma
árvore mais de uma vez, tendo em vista que não são delimitadas as unidades de amostra no
campo. Para que isso não aconteça, os pontos de amostragem devem estar no mínimo a
uma distância equivalente a duas vezes a distância crítica (R) da árvore de maior diâmetro
possível na floresta mais um Δ (distância) qualquer.
4. Exemplo
Seja uma floresta de 11,0 ha, na qual se realizou um inventário-piloto, através da amostragem
por ponto horizontal (Bitterlich), sendo lançados cinco pontos de amostragem e utilizando
um fator de área basal (K) igual a 1. Assim, têm-se os seguintes dados brutos e processados
por ponto de amostragem:
O volume de cada árvore individual foi obtido pela equação fornecida pelo CETEC (1995):
em que: DAP = diâmetro à altura do peito, em cm; e Ht = altura total, em m.
As estimativas dos parâmetros populacionais, por ponto de amostragem, são mostradas a

seguir:
Prosseguindo a análise do inventário-piloto, obtêm-se as seguintes estatísticas do volume por
hectare:
a) Média estimada
c) Desvio-padrão
e) Tamanho da amostra
Para atender a uma precisão requerida (E) de ± 20%, em um nível de probabilidade igual a
95% a amostra deveria ter o seguinte tamanho:
·t(5%; 4 gl) = 2,776
Recalculando o tamanho da amostra para t(5%; 4 gl) novamente, tem-se que os cinco pontos
de amostragem foram suficientes para garantir uma precisão requerida de ± 20%, a 95% de
probabilidade. Cabe ressaltar que, se fossem necessários mais pontos de amostragem para
garantir a precisão requerida, dever-se-ia completar a amostra para depois efetuar os cálculos
das estatísticas do inventário definitivo.
a) Média estimada
c) Erro-padrão da média
d) Erro de amostragem em porcentagem
· t(5%; 4 gl) = 2,776
e) Estimativa do volume total da população
f) Intervalo de confiança
INVENTÁRIO FLORESTAL PARA PLANOS DE MANEJO
1. Preliminares
Existem Portarias e Instruções Normativas, no Brasil, que orientam a elaboração dos planos
de manejo em diferentes biomas, descrevendo as atividades que devem ser contempladas
para esse fim. Dentro desse contexto, o inventário florestal é um dos itens obrigatórios de
qualquer plano de manejo, pois a partir das suas estimativas podem-se estabelecer o nível de
intervenção na floresta e as medidas para a manutenção da sua produção (produção
sustentável).
Como exemplo, tem-se a Portaria 191, do Instituto Estadual de Florestas (IEF), de 16.09.2005,
que dispõe sobre as normas de controle da intervenção em vegetação nativa e plantada no
Estado de Minas Gerais. Essa portaria estabelece, em seu Anexo II, a partir do subitem 4.2, os
seguintes pontos que o inventário florestal obrigatoriamente deverá conter:
“4.2 - Inventário Florestal: devem ser mensurados os indivíduos com DAP (diâmetro à
altura do peito) maior ou igual a 5,0 cm.
4.2.1 - Relações volumétricas utilizadas.
4.2.1.1 - Definição do método de amostragem utilizado.
4.2.1.2 - Definição da intensidade amostral.
4.2.1.3 - Método de cubagem rigorosa utilizado e apresentação dos dados

obtidos.
4.2.1.4 - Método utilizado para cálculo de estimativas de volume (equação

volumétrica).
4.2.2 - Processo de amostragem.
4.2.2.1 - Descrição e justificativas do processo de amostragem utilizado.
4.2.2.2 - Tamanho e forma das unidades amostrais.
4.2.2.3 - Análise estrutural da floresta contendo: perfil da floresta, dados de

abundância, dominância, freqüência e índice de valor de importância.
4.2.3 - Análise dos dados estatísticos de amostragem.
4.2.3.1 - Estimativa da média volumétrica por unidade amostral/hectare em m3 e

st.
4.2.3.2 - Estimativa do volume total da população em m3 e st.
4.2.3.3 - Variância.
4.2.3.4 - Desvio-padrão.
4.2.3.5 - Volume médio.
4.2.3.6 - Valor de "t" de Student a 90% de probabilidade.
4.2.3.7 - Erro-padrão da média.
4.2.3.8 - Coeficiente de variação.
4.2.3.9 - Limite do erro de amostragem admissível de 10%, no nível de 90% de

probabilidade.
4.2.3.10 - Erro calculado de amostragem.
4.2.3.11 - Intervalos de confiança.
4.2.3.12 - Outros dados pertinentes.
4.2.4 - Relatório final contendo as tabelas de saída para atender aos objetivos do
desmatamento.
4.2.4.1 - Listagem das espécies florestais (nome regional e nome científico).
4.2.4.2 - Número de árvores: por espécie, por classe de diâmetro e por hectare.
4.2.4.3 - Área basal, volume e freqüência: por espécie, por classe diamétrica, por
unidade amostral e por hectare a ser explorado e remanescente.
4.2.4.4 - Relatório final contendo tabela de DAP médio, área basal, altura média,
número de árvores por hectare e volume em m3 e em st por parcela, por hectare e volume
total em m3 e em st.”
Independentemente da legislação que dispõe sobre as normas para a elaboração dos planos
de manejo, o inventário florestal para essa finalidade deverá conter, no mínimo, os seguintes
itens no relatório final:
1. Relações alométricas utilizadas.
2. Procedimentos de amostragem.
3. Listagem das espécies florestais (nome científico).
4. Análise e interpretação dos dados estatísticos de amostragem.
5. Análise estrutural da floresta (perfil e fitossociologia).
6. Número de árvores, volume e área basal: por espécie, classe de diâmetro e hectare.
2. Exemplo
Embora não seja recomendável este tamanho de unidade de amostra em inventários de

florestas naturais, considere, para efeito didático, os dados de seis parcelas de 100 m2 de área
cada (Quadro 11.1), lançadas aleatoriamente em uma floresta de 9,0 ha (N=900), na qual se
mediram o DAP e as alturas totais das árvores com diâmetro acima de 3,0 cm:
Quadro 11.1 - Espécie, diâmetro à altura do peito (DAP) e altura total (Ht) das árvores nas seis
parcelas amostradas
Clique para acessar os dados do Quadro 11.1
2.1. Listagem de espécies
De posse da identificação das espécies florestais dentro das parcelas, elaborou-se a listagem
de espécies (Quadro 11.2).
Quadro 11.2 - Listagem de espécies e número de indivíduos amostrados

2.2. Estatística da amostragem
Com os dados de DAP e alturas totais das árvores individuais e do emprego da seguinte
equação de volume: Vc/c = 0,00007423*DAP1,707348*HT1,16873, as parcelas foram totalizadas,
obtendo-se as seguintes estimativas dos parâmetros número de árvores, diâmetro médio,
área basal, volume total de madeira com casca do fuste e altura média:
Considerando o volume total de madeira com casca, a variável de interesse do inventário e

um nível de probabilidade igual a 95%, têm-se as seguintes estatísticas:
a) Média estimada
c) Desvio-padrão
O erro de amostragem a 95% de probabilidade, considerando-se o valor tabelado de

t = 2,571 para cinco graus de liberdade, é:
Este erro, expresso em porcentagem da média, é igual a:
Tendo em vista o tamanho reduzido das unidades de amostra e a baixa intensidade amostral,
esperava-se que o erro de amostragem calculado fosse grande. Considerando-se uma
precisão requerida de ± 20% em torno da média, o número de unidades da amostra para
atender a essa precisão seria de:
h) Tamanho da amostra considerando t(5%; 5 gl) = 2,571

Para garantir um erro de ± 20%, a 95% de probabilidade, seriam necessárias 52 parcelas, ou

seja, deveriam ser lançadas mais 46 parcelas, haja vista que seis já haviam sido lançadas e
medidas.
i) Intervalo de confiança
Considerando-se as estatísticas das seis parcelas apresentadas anteriormente, o intervalo de

confiança (IC) da média verdadeira da população é:
O intervalo de confiança da produtividade média por hectare da população é:
O intervalo de confiança do volume total da população, a 95% de probabilidade, é:
2.3. Análise estrutural da floresta
2.3.1. Perfil
Através da análise do perfil da floresta, pode-se verificar como a vegetação está distribuída
nos diferentes estratos da floresta: a altura da vegetação, a qualidade dos fustes das árvores,
a presença de cipós e o grau de adensamento do sub-bosque, entre outras informações
(Figura 11.1).
Figura 11.1 - Perfil da floresta.
2.3.2. Análise da estrutura horizontal
As estimativas dos parâmetros da estrutura horizontal são obtidas através das seguintes
expressões (MUELLER-DOMBOIS; ELLENBERG, 1974; MARTINS, 1993):
a) Densidades absoluta e relativa
em que: DAi = densidade absoluta da i-ésima espécie, em número de indivíduos por

hectare; ni = número de indivíduos da i-ésima espécie na amostragem; A = área total
amostrada, em ha; DRi = densidade relativa da i-ésima espécie, em porcentagem; e S =
número de espécies amostradas.
b) Dominâncias absoluta e relativa
em que: DoAi = dominância absoluta da i-ésima espécie, em m2/ha; ABi = área basal
(somatório das áreas seccionais) da i-ésima espécie, em m2, na área amostrada; A = área
amostrada, em ha; e DoRi = dominância relativa da i-ésima espécie, em porcentagem.
c) Freqüências absoluta e relativa

em que: FAi = freqüência absoluta da i-ésima espécie; ui = número de unidades de amostra
em que se encontrou a i-ésima espécie; ut = número total de unidades de amostra medidas;
e FRi = freqüência relativa da i-ésima espécie, em porcentagem.
d) Índice de Valor de Importância (%)
Para o exemplo em questão, as estimativas dos parâmetros da estrutura horizontal são

apresentadas no Quadro 11.3.
Quadro 11.3 - Estimativas dos parâmetros da estrutura horizontal
Uma vez que o Quadro 11.3 é ordenado pelo Índice de Valor de Importância (IVI), algumas
considerações podem ser feitas, analisando-se esse índice:
1. Espécies com baixo IVI possivelmente são espécies com poucos indivíduos, com diâmetros
pequenos, e não ocorrem distribuídos na floresta toda. Caso existam muitas espécies nessa
situação, a exploração florestal deve ter o menor impacto possível, pois essas espécies podem
desaparecer da floresta. Além disso, tratamentos silviculturais deverão ser aplicados para
promover o crescimento e o desenvolvimento dessas árvores.
2. Espécies com IVI alto devem ser observadas com cuidado, uma vez que esse índice é
composto por três parâmetros. Uma espécie que apresente um indivíduo amostrado e com
diâmetro extremamente grande pode possuir IVI alto. No entanto, essa espécie possivelmente
não poderá ser explorada, posto que deverá ser deixada na floresta como matriz.
2.4. Quadros auxiliares
Os quadros auxiliares são de extrema importância, pois podem complementar a análise da

estrutura horizontal. Através da distribuição de parâmetros como número de árvores, área
basal e volume por hectare, por espécie e por classe de diâmetro, é possível identificar, na
floresta, as espécies que serão passíveis de exploração, bem como definir quanto será colhido
e o que ficará na área após a exploração (remanescente).
Considerando-se os dados do exemplo em questão, as árvores foram agrupadas em classes

de 5,0 cm de amplitude, gerando os seguintes quadros auxiliares:
Quadro 11.4 - Número de árvores por hectare, espécie e classe de diâmetro
Quadro 11.5 - Área basal por hectare, espécie e classe de diâmetro

Quadro 11.6 - Volume por hectare, espécie e classe de diâmetro
Em se tratando de uma floresta natural, a expectativa era de que a distribuição do número

de árvores por classe de diâmetro apresentasse a distribuição clássica de J–invertido. Nesse
exemplo, como o diâmetro de inclusão foi de 3,0 cm (bem pequeno) e somente se amostrou
um indivíduo de Anadenanthera macrocarpa na primeira classe de diâmetro, houve pequena
distorção na distribuição diamétrica.

Livro Dendrometria e Inventário Florestal PDF

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

Livro Dendrometria e Inventário Florestal PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Livro Dendrometria e Inventário Florestal

Entre as técnicas de estimação da produção florestal, destaca-se o inventário florestal, o qual

Embora existam inúmeros procedimentos, um inventário florestal completo pode fornecer

d. Descrição de acessos (estradas, rios, ...).

e. Facilidade de transporte de madeira.

f. Estimativas da quantidade e da qualidade de diferentes recursos florestais.

g. Estimativas de crescimento (se o inventário for realizado mais de uma vez).

2. Planejamento do inventário florestal

Um passo importante na elaboração de um procedimento de inventário é o desenvolvimento

a. Mapas, fotografias aéreas e levantamentos passados.

b. Indivíduos ou organização do suporte do inventário.

c. Facilidade de transporte, acesso e topografia.

d. Características gerais das florestas.

4. Definição do desenho de amostragem

c. Tamanho e forma das unidades amostrais.

d. Método de seleção e distribuição das unidades de amostra.

e. Precisão requerida no inventário (erro admissível).

g. Tamanho da amostra para satisfazer a precisão requerida (inventário piloto).

h. Tempo e custo para as fases do trabalho de campo (alocação de parcelas,

5. Procedimentos para o trabalho de campo

a. Equipes de trabalho (número de equipes e de pessoas por equipe).

b. Suporte logístico e de transporte.

c. Procedimento de locação e marcação das unidades amostrais.

d. Procedimentos para obtenção das informações quantitativas (DAP, altura, ...) e

f. Planilhas e fichas para anotação dos dados e informações.

h. Fatores de conversão dos dados (CAP para DAP, ...).

6. Compilação e procedimentos de cálculo

a. Conversão das variáveis de campo para expressões de quantidades desejáveis

b. Cálculo do erro de amostragem.

c. Métodos a serem utilizados (programas, computadores).

b. Pessoal responsável pela preparação.

c. Método de reprodução (xerox, impressora).

f. Informações requeridas no relatório final.

f.1. Tabelas e gráficos.

f.2. Mapas e mosaicos.

f.3. Relatório descritivo (narrativo).

g. Estimativa de tempo para o preparo.

a. Estocagem dos dados.

b. Planos para a atualização do inventário.

9. Tempo e custo total (mapeamento, trabalho de campo, compilação, relatório final e

3. Tipos de inventário florestal

a) Inventário pré-corte: realizado antes da exploração, com alta intensidade amostral.

b) Inventário florestal convencional: realizado para obtenção do estoque de volume de

c) Inventário florestal contínuo: realizado com o objetivo de verificar as mudanças ocorridas

e) Inventário de sobrevivência: realizado após o plantio, com o objetivo de verificar o

A literatura apresenta-se, ainda, muito diversificada quanto à classificação dos inventários. De

a. Quanto à forma de coleta de dados

a.1) Enumeração ou censo: todos os indivíduos são observados e medidos. Nos

a.2) Amostragem: constituem a maioria dos inventários realizados em todo o mundo.

b. Quanto à abordagem da população no tempo

b.1) Inventários temporários: é realizado apenas uma vez. A estrutura da amostragem

c.2) Inventário de reconhecimento: o principal objetivo desse inventário é determinar

Livro Dendrometria e Inventário Florestal

Essa Instrução Normativa se fez necessária considerando: a necessidade de ajustar os

A realização do censo ou inventário 100% de acordo com a Instrução Normativa n o 4, de

Os dados obtidos do inventário 100%, juntamente com o mapeamento das árvores, em

2. Metodologias de inventário 100%

A forma de obtenção dos dados e de caminhamento em cada setor de inventário se deu da

Ao término da varredura do setor de inventário, iniciava-se o inventário do próximo setor, e

Como exemplos de outras metodologias para a realização do inventário 100%, têm-se as

a) População: é um universo dentro do senso estatístico que contempla duas

1) Os indivíduos de uma população são da mesma natureza.

Em termos florestais, a primeira condição pode ser facilmente exemplificada ao se definir o