Universidade Federal Rural do Rio de Janeiro

Departamento de Silvicultura / Instituto de Florestas

Disciplina: Dendrometria – IF228
Professor: Emanuel José Gomes Araújo

Aula Prática:
Modelagem Hipsométrica e Volumetria

Ministrante: Pedro Vaz da Rocha

Mestrando do Programa de Pós-Graduação em Ciências Ambientais e Florestais

Seropédica-RJ,
2018
Resumo:
A aula consiste em ajustar dois modelos para um determinado povoamento florestal, com objetivo de
estimar as variáveis de interesse para os dados presentes na aba “Dados Estimativa” da planilha de aula
“Exercício Regressão - RH e Volumetria”. Serão ajustados o modelo hipsométrico de Curtis (Equação 1) e o
modelo volumétrico de Schumacher-Hall (Equação 2) para os dados presentes na aba “Dados Ajuste” da
mesma planilha.
1
ln 𝐻𝑖 = 𝛽0 + 𝛽1 + 𝜀𝑖 Equação 1
𝑑𝑎𝑝𝑖
ln 𝑉𝑖 = 𝛽0 + 𝛽1 ln dap𝑖 + 𝛽2 ln Ht𝑖 + 𝜀 𝑖 Equação 2

Para avaliar os ajustes serão utilizados os parâmetros estatísticos: coeficiente de determinação ajustado
(R²aju), o erro padrão da estimativa absoluto e relativo (Syx e Syx%), o valor F calculado e os gráficos de
resíduos e de tendência.
Após a avaliação do ajuste, serão utilizados os coeficientes encontrados pelo modelo hipsométrico de
Curtis para estimar os valores de altura total para os dados da aba “Dados Estimativa”, e através do DAP e da
altura estimada pelo modelo hipsométrico serão estimados os volumes pelo modelo volumétrico de
Schumacher-Hall.

ETAPAS DOS AJUSTES:

1. ABRIR A PLANILHA “EXERCÍCIO REGRESSÃO - RH E VOLUMETRIA” E HABILITAR

AS “FERRAMENTAS DE ANÁLISE”:

Abrir a planilha “Exercício Regressão - RH e Volumetria” e clicar em “ARQUIVO”:

Ir em “Opções”:

Ir em “Suplementos”:
Selecionar “Suplementos do Excel” em “Gerenciar” e depois clicar em “Ir....”:

Irão aparecer os suplementos, bastando selecionar as “Ferramentas de Análise” e depois clicar em “OK”:
Após habilitar o suplemento irá aparecer nas opções “DADOS” a ferramenta “Análise de Dados” no canto
superior direito:

2. AJUSTE DO MODELO HIPSOMÉTRICO DE CURTIS:

Para alguns tipos de modelos são necessários a conversão das variáveis que serão utilizadas, como por
exemplo no modelo de Curtis:
1
ln 𝐻𝑖 = 𝛽0 + 𝛽1 + 𝜀𝑖
𝑑𝑎𝑝𝑖
1
O modelo utiliza como variável dependente o “ln 𝐻𝑖 ” e a independente “𝑑𝑎𝑝 ”, sendo que na planilha só
𝑖
possui os dados de “DAP (cm)” e “HT (m)”.

Assim o como primeiro passo, é necessário criar as colunas de “LnHT” e “1/DAP”:

Para encontrar o valor de “LnHT” utiliza se o comando “=ln(C2)”, sendo que o comando “=ln()” dá como
resposta o logaritmo neperiano do valor que está entre parêntese, e o “C2” é a célula que está o primeiro
valor de altura:

Após escrever a fórmula na célula, é só pressionar o “Enter” no teclado e o aparecerá o valor desejado. Para
obter os valores dos logaritmos neperianos das demais alturas, é necessário clicar no pequeno quadrado no
canto inferior direito da célula e arrasta-lo até o fim da tabela, ou simplesmente dar duplo clique do mouse
nele:
Desta forma se obtém todos os valores de “LnHT”:

Para encontrar o valor de “1/DAP” utiliza se o comando “=1/B2”, sendo que o “B2” é a célula que está o
primeiro valor de DAP:
Se utilizar os mesmos passos feitos para os valores de “LnHT”, para os valores de “1/DAP”, são obtidos os
valores de todas as árvores:

Para realizar a regressão do modelo de Curtis, é necessário utilizar a ferramenta que foi habilitada no início
da aula. Seleciona “DADOS” e precisa clicar em “Análise de Dados”:
Seleciona a opção “Regressão” e depois clica em “OK”:

O intervalo Y de entrada é para a variável dependente, para o modelo de Curtis são os valores de “LnHT”,
para selecionar os valores basta clicar no quadrado vermelho:
Após o passo anterior, abrirá a janela “Regressão” para selecionar os valores desejados. Para fazer a seleção
basta clicar no quadrado no canto inferior direto da janela, e selecionar os valores de “LnHT”. Para facilitar
basta clicar no primeiro valor de “LnHT” e apertar simultaneamente as teclas “Ctrl”+”Shift”+ “seta para
baixo” e finalizar apertando a tecla “Enter”:

De forma semelhante serão selecionados os valores do “Intervalo X de entrada”:

Para o intervalo X de entrada serão selecionados os valores de “1/DAP”, de forma semelhante ao intervalo Y
de entrada:

Após a seleção dos dois intervalos, basta selecionar a forma de saída dos dados da regressão, nesse caso será
uma nova planilha com nome “Regressão Curtis” e depois preciona-se “OK”:
Quando executado a regressão, aparecem alguns parâmetros estatísticos que servirão para a avaliação, como
o coeficiente de determinação ajustado (R-quadrado ajustado) e o valor F. Também são resultados os
coeficientes da regressão, que serão utilizados para estimar os valores de altura. Os valores de 𝛽0 e 𝛽1 , são
os coeficientes da “Interseção” e da “Variável X 1”, respectivamente.

Para encontrar os valores estimados de altura, é necessário copiar os coeficientes encontrados pela regressão
e criar uma coluna para os valores que serão estimados para o logaritimo neperiano da altura.
Para encontrar o valor estimado do logaritmo neperiano da altura é necessário montar a equação:
1
ln 𝐻𝑖 = 𝛽0 + 𝛽1
𝑑𝑎𝑝𝑖
Em que 𝛽0 e 𝛽1 são as células G3 e G4, porém quando são fixadas (utilizando a tecla F4 ao selecionar a
célula) apresentam o símbolo “$” entre as letras. A variável “1/DAP” está representada pela célula “I2”,
gerando a equação:
Ln HT(est) = $G$3 + I2 ∗ $G$4

Quando arrastando estes valores para todas as árvores, é obtido o seguinte resultado:
Utiliza-se o comando “=exp(J2)” para encontrar a altura estimada pelo modelo de Curtis, seguindo a
seguinte lógica:
eln 𝐻𝑇𝑒𝑠𝑡 = 𝐻𝑇𝑒𝑠𝑡

Sendo que J2 é o primeiro valor estimado do logaritmo neperiano da altura:

Quando arrastando estes valores para todas as árvores, é obtido o seguinte resultado:
Para analisar os erros são geradas duas colunas, um referente ao erro absoluto (Erro A) e outra relacionada
ao erro relativo (Erro %). O erro absoluto é calculado pela diferença entre a altura estimada e a observada:

O erro relativo é calculado pela divisão do erro absoluto pela altura observada, depois multiplicado por 100
para encontrar o valor em porcentagem:
Através dos valores do erro relativo é possível montar o gráfico de resíduos, selecionando todos os erros
relativos, clicando em “INSERIR”, e depois “Gráfico de Dispersão”:

Através do passo anterior é gerado o seguinte gráfico:

Para obter o Erro padrão da estimativa (Syx) é necessário criar uma coluna do para elevar o erro absoluto ao
quadrado:

Após calcular todos os erros ao quadrado, faz o somatório de todos os valores para encontrar a soma dos
quadrados do resíduo (SQer):
O grau de liberdade é equivalente ao número de indivíduos (117) subtraído pelo número de variáveis
independentes (1) menos 1:

O quadrado médio do resíduo é a divisão da soma dos quadrados do resíduo pelo grau de liberdade:
O erro padrão da estimativa Syx é a raiz quadrada do quadrado médio do resíduo:

Para calcular o erro padrão da estimativa em porcentagem é necessário calcular a média dos valores
observados:
Dividindo o erro padrão da estimativa pelo média das alturas observados, encontra-se o valor em
porcentagem:

Para construir o gráfico de tendência, clica em “INSERIR”, depois em “Gráfico de Dispersão”:

Aparecerá uma tela em branco que seria a área do gráfico, com o mouse irá clicar com o botão direito sobre
a tela, e irá em “Selecionar Dados..”:

Irá aparecer essa janela “Selecionar Fonte de Dados”, para adicionar os valores basta clicar em “Adicionar”:
Os “Valores de X da série” serão todos os valores de “DAP (cm)” observados, e os “Valores de Y da série”
serão todos os valores de “HT (m)”observados, basta clicar nos quadrados, selecioná-los e apertar em “OK”:

Desta forma, será gerado o gráfico de tendência:

Após este processo, para adicionar a linha dos valores estimados sobre o gráfico, basta clicar com o botão
direito do mouse sobre o gráfico, ir em “Selecionar Dados” novamente :

Somente irá selecionar os “Valores de Y da séries”, selecionando os valores de “HT(est)”, e os “Valores de

X da série” novamente os valores de “DAP (cm), depois clicar em “OK”:

Desta forma gerando um gráfico semelhante a esse, em que os pontos em laranja representam as alturas
estimadas, e os pontos em azul com os valores de altura observados, ambos com relação ao DAP:
 3. AVALIAÇÃO DO AJUSTE DO MODELO HIPSOMÉTRICO

O modelo apresentou os seguintes parâmetros estatísticos e os gráficos:

4. AJUSTE DO MODELO VOLUMÉTRICO DE SCHUMACHER-HALL:

Após ajustar o modelo de Curtis, será ajustado o modelo Schumacher-Hall que de forma semelhante é
necessário a conversão das variáveis que serão utilizadas:

ln 𝑉𝑖 = 𝛽0 + 𝛽1 ln dap𝑖 + 𝛽2 ln Ht 𝑖 + 𝜀 𝑖

Dessa forma, o primeiro passo é utilizar o logaritmo neperiano nas variáveis volume (V), DAP e altura
(HT):
Para converter o valor da variável volume para “LnV”, utilizando o comando “=ln(D2)”, sendo D2 o primeiro
valor da variável volume. Após este procedimento, basta arrastar o domando para todos os volumes:
Da mesma forma serão calculados os valores de “LnDAP” e “LnHT”, sendo que “B2” é o primeiro valor de
DAP e “C2” o primeiro valor de HT:
O próximo processo será a utilização das ferramentas de análise de dados para ajustar a regressão.
Selecionando a opção “DADOS” e posteriormente em “Análise de Dados”:

Aparecerá a janela de “Análise de dados”, e será selecionado a ferramenta de análise “Regressão”, depois
clica em “OK”:
A janela de “Regressão” irá aparecer para selecionar os valores que serão ajustados. O “Intervalo Y de entrada”
será a variável dependente, que no caso são os valores de “LnV”. Para selecionar basta clicar no quadrado
demarcado, e selecionar todos os valores de “LnV”:

Após a seleção basta clicar no quadrado demarcado novamente ou clicar a tecla “Enter”:
Para o “Intervalo X de entrada”, serão selecionados todos os valores de “LnDAP” e os de “LnHT” ao mesmo
tempo:

Após a seleção, basta clicar no quadrado demarcado ou a tecla “Enter”:

Para finalizar a regressão basta inserir a “Opção de saída”, que no caso será uma “Nova planilha” denominada
“Regressão Schumacher-Hall” e selecionar “OK”:

Alguns dos parâmetros estatísticos que serão utilizados para avaliar o modelo estão presentes no quadro da
regressão, como o coeficiente de determinação ajustado (R-quadrado ajustado) e o valor F. A regressão
também gera os coeficientes que serão utilizados para estimar os valores de “LnV”:
Para estimar o volume, primeiramente será estimado o valor de “LnV” utilizando os coeficientes encontrados
pela regressão. Para isso cria-se uma coluna denominada “LnV(est)”:

Para encontrar o valor estimado do logaritmo neperiano do volume utiliza o modelo de Schumacher-Hall:

ln 𝑉𝑖 = 𝛽0 + 𝛽1 ln dap𝑖 + 𝛽2 ln Ht𝑖

Em que 𝛽0 , 𝛽1 e 𝛽2 são os valores de S3, S4 e S5, respectivamente, sendo que quando são fixadas (utilizando
a tecla F4 ao selecionar a célula) apresentam o símbolo “$” entre as letras. E o valor de LnDAP e LnHT são
respectivamente U2 e V2, gerando a seguinte equação:

LnV(est)=$S$3+$S$4*U2+$S$5*V2
Após montar a equação basta arrastar a célula para todas as árvores do plantio, gerando o seguinte resultado:

Utiliza-se o comando “=exp(W2)” para encontrar o volume estimado pelo modelo de Schumacher-Hall,
seguindo a seguinte lógica:
eln 𝑉𝑒𝑠𝑡 = 𝑉𝑒𝑠𝑡

Sendo que W2 é o primeiro valor estimado do logaritmo neperiano do volume:

Quando a equação é selecionada para todas as árvores, se obtêm o seguinte resultado:

Depois de calcular os valores estimados, serão calculados os erros absoluto (Erro A) e relativo (Erro %), sendo
que o erro absoluto é equivalente ao valor do volume estimado (X2) subtraído pelo observado (D2):
O erro relativo é o valor do erro absoluto (Y2) dividido pelo volume observado (D2), o resultado é
multiplicado por 100 para encontrar em porcentagem:

Para obter o valor da soma dos quadrados do resíduo (SQer), é necessário elevar todos os erros absolutos (Y2)
ao quadrado para depois soma-los:
O grau de liberdade para este modelo é o número total de árvores (117), menos 2 referente ao número de
variáveis independentes, menos 1:
O quadrado médio dos resíduos (QMer) é a divisão da soma dos quadrados do erro (SQer) pelo grau de
liberdade:

O erro padrão da estimativa (Syx) é a raiz quadrada do quadrado médio do erro (QMer), e para encontrar o
erro padrão da estimativa relativo sendo calculado dividindo o Syx pela média dos volumes observados, depois
multiplica por 100 para obter o valor em porcentagem:
De forma a avaliar a regressão, ainda é necessário a confecção dos gráficos de resíduo e de tendência. Para o
gráfico de resíduos basta selecionar os erros relativos (Erro %), clicar em “INSERIR” e “Inserir Gráfico de
Dispersão”:
Gerando o seguinte gráfico:

O gráfico de tendência é gerado selecionando os valores do volume observado e os de DAP observado,

depois clicar em “INSERIR” e “Inserir Gráfico de Dispersão”
Gerando este gráfico:

5. AVALIAÇÃO DO MODELO VOLUMÉTRICO DE SCHUMACHER-HALL:

Os resultados de todos os critérios de avaliação, são estes:

 6. GERAR AS ESTIMATIVAS DE ALTURA E VOLUME PARA OS INDIVÌDUOS DA
PLANILHA “DADOS ESTIMATIVA”

Primeiro é necessário estimar os valores de altura para o povoamento utilizando os coeficientes do modelo
de Curtis. Para a estimativa é preciso converter os valores de DAP, para “1/DAP”:

Pelo modelo de Curtis e com os coeficientes, é estimado o valor do logaritmo neperiano da altura total
(LnHT). Para encontrar a altura, basta utilizar o comando “=exp(LnHT)”:
Através dos valores de DAP e de Altura, pode-se estimar o Volume utilizando os coeficientes encontrados
pela regressão do modelo de Schumacher-Hall e a altura encontrada pelo modelo de Curtis. Para encontrar o
LnV, primeiro tem que converter os valores de DAP e HT para LnDAP e LnHT:
Utilizando o modelo de Schumacher-Hall é possível encontrar o valor do logaritmo neperiano do volume
(LnV):

Após o processo anterior basta utilizar o comando “=exp(LnV)” para encontrar o volume estimado de cada
árvore do povoamento: