MENSURAÇÃO FLORESTAL
CLASSIFICAÇÃO DA CAPACIDADE
PRODUTIVA
O crescimento e a produção de um povoamento florestal
dependem da idade, da capacidade produtiva, do grau
de utilização do potencial produtivo do lugar e de
tratamentos silviculturais.
Qualidade do local ou capacidade produtiva: o
potencial p/ produção de madeira (ou de outro produto)
de determinado lugar, para determinada espécie ou
clone. Pode ser expressa de modo empírico em alta,
média e baixa, ou por meio de algum índice quantitativo,
como o índice de local.
Índice de local: altura dominante média do povoamento
em uma idade específica (idade-índice).
Os métodos de avaliar a capacidade produtiva podem
ser definidos em três categorias: avaliação da qualidade
do lugar pela vegetação indicadora; avaliação por
fatores climáticos, edáficos, fisiográficos e bióticos; e
avaliação por meio da relação altura dominante e idade
(método direto). Para a maioria das espécies, áreas de
grande capacida-de produtiva são também aquelas cujo
crescimento em altura é elevado, pode-se inferir que
existe correlação significativa entre a altura dos
indivíduos dominantes do povoamento e a capacidade
produtiva do lugar.
Curvas de índices de local
Constitui um método prático e consistente de avaliação
da qualidade do local, pois todos os fatores ambientais
são refletidos de modo interativo no crescimento em
altura, a qual também está relacionada com o volume.
Soma-se a isso a vantagem de a altura das árvores
mais altas quase não ser afetada pela competição.
Outra vantagem é o fato de a classificação ser feita por
uma expressão numérica, em lugar de uma descrição
qualitativa. Como desvantagem pode-se citar a não
aplicação em áreas sem árvores as espécie a ser
cultivada e, também, em áreas com espécies folhosas
nativas, pelo desconhecimento da idade.
Curvas de índice de local são construídas a partir de
equações de índices de local e utilizadas p/ classificar,
de modo quantitativo, a capacidade produtiva do lugar.
Essas equações são derivadas de relações funcionais
envolvendo a variável dependente altura dominante
média (Hd) e a variável independente idade (I). Vários
modelos podem ser usados, sendo comuns os exponen-
ciais e os sigmoidais. Cada curva representa um índice
de local, o qual corresponde à altura média das árvores
dominantes numa idade de referência (idade-índice: Ii).
A idade de referencia (Ii) é escolhida arbitrariamente,
mas, em geral, deve ser próxima da idade técnica de
colheita. Os dados utilizados para ajuste do modelo de
crescimento em altura dominante devem abranger
idades que vão desde uma idade jovem, após o
estabelecimento do povoamento (cerca de 2 anos de
idade p/ eucalipto), até uma idade próxima daquela em
que ocorre o máximo incremento médio anual em
volume. Isso garante consistência entre a curva guia
estimada e a verdadeira tendência de crescimento em
altura dominante ao longo do ciclo de corte.
> índices de local estão relacionados a uma produção >.
Curvas de índice de local podem ser construídas
utilizando dados de alturas dominantes e idades obtidos
a partir de parcelas temporárias; alturas dominantes e
idades, oriundos de uma rede de parcelas permanentes;
alturas dominantes e idades a partir de análise completa
do tronco.
CLASSIFICAÇÃO DA CAPACIDADE
PRODUTIVA
Quando possível, a primeira alternativa deve ser
evitada já q resulta em classificação eficiente somente
com a aceitação da hipótese de que todos os índices de
local estejam representados em todas as classes de
idade da população. Se essa hipótese ou pressuposição
não for verdade, a classificação pode ser tendenciosa.
Uma alternativa eficiente consiste no uso de parcelas
permanentes, em geral oriundas de uma rede de
parcelas de inventários florestais contínuos, onde
árvores dominantes são marcadas e remedidas por
alguns anos. É importante garantir que todas as classes
de produtividade estejam representadas na amostra de
parcelas permanentes, o que, não necessariamente,
implica o emprego de todas as parcelas permanentes.
Dados oriundos de análise de tronco também são
eficientes e se equiparam aos dados de parcelas
permanentes, podendo ser coletados num tempo mais
curto. No entanto, nem sempre é possível identificar
com precisão os anéis de crescimento em espécies
folhosas, ficando a técnica restrita a espécies de
coníferas e algumas folhosas.
Árvores medidas para avaliação da qualidade de local
devem ser livres de supressão (efeito de dominância) e
danos; são aquelas cuja copa se situa no dossel
superior, recebendo luz direta. São sadias, livres de
doença, com copa e fuste bem definidos, sem
bifurcação e tortuosidade, com DAP e alturas
dominantes maiores que os das árvores circunvizinhas.
É importante, ao classificar a capacidade produtiva de
locais, seguir um mesmo critério para construção e
aplicação das curvas.
Tipos de curvas de índice de local
A representação da capacidade produtiva por meio de
índices de local pode ser feita por um feixe de curvas ou
tabela, que são organizados a partir de uma equação de
regressão. Dependendo do método de análise utilizado
e da procedência dos dados, as curvas de índices de
local geradas podem ser dos tipos anamórficas ou
polimórficas.
Curvas anamórficas são aquelas em que a tendência do
crescimento em altura é a mesma para todos os locais,
ou seja, a distância entre as curvas é a mesma. Inflexão
comum e constante, variando o ponto de interseção;
ponto de inflexão ocorre na mesma idade em todos os
locais. As curvas polimórficas não apresentam uma
mesma tendência de incremento em altura para todos
os locais.
Método da curva-guia
Selecionar-se um modelo de regressão envolvendo as
variáveis altura dominante (Hd) e idade (I). Como
exemplo, forma linearizada do modelo de Schumacher,
cujas variáveis foram definidas:
1
Ln ( Hd )   0  1    
I
A equação resultante representa a curva de índices de
local médio, denominada curva-guia, que mostra a
estimativa de crescimento médio ao longo do tempo.
A partir da equação da curva-guia, uma equação de
índices de local é obtida ao observar a condição de que,
quando a idade (I) do povoamento for igual à idade-
índice (Ii), a altura dominante é igual ao índice de local.
Hd = S ↔ I = Ii, então:
1  Uma maneira de demonstrar sua aplicação consiste em
Ln( S )   0   1    
 Ii 
CLASSIFICAÇÃO DA CAPACIDADE
PRODUTIVA
Essa expressão é utilizada para construir as curvas, ou
tabela, de índices de local. Atribuindo-se valores para S
compatíveis com a variação da altura dominante na
idade-índice e variando a idade (I), são geradas as
curvas de índices de local.
Sendo o objetivo definir o índice de local para qualquer
altura dominante e idade, e para evitar interpolação na
tabela ou gráfico de índices de local, utiliza-se:
 1   1 
Ln( S )  Ln( Hd )  1     
 I   I i 
Ao utilizar uma rede de parcelas permanentes para
obter o índice de local e mapear classes de
produtividade de talhões, é recomendável usar as
médias dos índices de local determinados nas duas ou
três últimas medições das parcelas, a fim de garantir
mais consistência aos resultados.
Tabelas de limites de alturas dominantes: consiste no
emprego de uma tabela contendo os limites de alturas
dominantes para cada índice de local ou classe de
capacidade produtiva. Uma classe de capacidade
produtiva engloba dois ou mais índices de local, sendo
usada algumas vezes para propósito de estratificação.
Para acessar a classe ou índice de local é necessário
conhecer a altura dominante média do lugar, além da
idade atual do povoamento.
Classificação utilizando índices de local definidos
preliminarmente
Por este método, além da idade e da altura dominante,
é necessário dispor de uma informação preliminar sobre
o índice de local de cada parcela permanente. Então
duas situações podem ocorrer: parcelas com medição
em uma idade coincidente com a idade-índice escolhida
e parcelas onde não há esta coincidência. No primeiro
caso, o índice de local preliminar é igual à altura
dominante observada na idade-índice. No segundo
caso, os índices de local são determinados por meio de
equações de regressão obtidas para cada parcela.
Quando o número de medições por parcela for inferior a
três, o índice preliminar é obtido por interpolação ou
extrapolação. Dois modelos usuais para obter índices
preliminares são o modelo de Schumacher e o modelo
de Richards. Seguindo este procedimento, estarão
disponibilizadas as variáveis idade (I), altura dominante
(Hd) e índice de local preliminar (S) para cada uma das
parcelas. O passo seguinte consiste em ajustar um
modelo para construir as curvas de índice de local, isto
é, Hd = f(I, S). Supondo que o modelo escolhido seja o
de Richards, então, ao incluir no mesmo a variável S,
resulta em:
Hd   0 S (1  e 1I )  2 .
A equação resultante é agora utilizada para construção
de curvas ou tabelas de índices de local. Cabe lembrar
que esta expressão já contém, implicitamente, a idade-
índice escolhida.
Método da equação das diferenças
Neste método, conforme Clutter et al. (1983), são
empregados somente dados provenientes de parcelas
permanentes ou de análise de tronco, podendo resultar
curvas anamórficas ou polimórficas, constituindo em
uma vantagem em relação ao método da curva-guia.
empregar o modelo: LnHd = β0 + β1I-1 + ε.

CLASSIFICAÇÃO DA CAPACIDADE
PRODUTIVA
Inicialmente, utilizando pares consecutivos de idade e
altura dominante, determinam-se as ≠s sucessivas,
LnHd2 – LnHd1 e 1/I2 – 1/I1, em que 1 refere-se à
medição atual e 2 refere-se à medição imediatamente
posterior. Em seguida, ajusta-se o modelo Y = β1X + ε,
em que Y = LnHd2 – LnHd1 e X = 1/I2 – 1/I1, resultando
na expressão:
Fazendo I1 igual à idade-índice resulta em Hd1 igual ao
índice de local, podendo ser escrito que:
Ou ainda:
Construção de curvas de índices de local pelo
método de Hammer
Neste método, conforme Hammer (1981), o parâmetro
β0 do modelo escolhido para estimar a altura dominante
é substituído por uma equação, de forma que as curvas
de índices de local passem por alturas pré-fixadas
coincidentes c/ índices de local definidos. Considerando
ter sido escolhida a função monomolecular:
, passos principais do método:
• ajustar a função obtendo as estimativas de β0 e β1;
• fixar índices de local, compatíveis com a variação de
altura dominante na idade-índice escolhida;
• substituir esses índices na equação inicial no lugar da
variável Hd e a idade-índice no lugar da variável I e
obter β0 para cada índice de local, isto é,
• com os pares de dados obtidos no passo anterior
(β0,S) ajustar a regressão linear simples β0 = α0 + α1S +
ε e substituir a equação resultante na equação inicial
obtendo a expressão:
Esta expressão é utilizada para construir curvas ou
tabelas de índices de local. Este método constitui uma
variação do método da curva-guia.
Método da predição de parâmetros
Dados para o emprego do método da predição de
parâmetros são os oriundos de parcelas permanentes
ou análise completa de tronco. Os passos essenciais na
implementação do método são:
• ajustar um modelo relacionando altura dominante e
idade para cada parcela permanente;
• substituir a idade-índice em cada uma das regressões
e encontrar o índice de local para cada parcela;
• relacionar cada parâmetro estimado com os índices de
local, por regressão linear ou não-linear;
• substituir as equações obtidas conforme item anterior
no modelo inicial, obtendo a expressão a ser utilizada
para construção das curvas.
Comparação de índices de local com ≠ idades-índice
Ao compara índices de local de lugares diferentes, mas
entre curvas com um mesmo padrão d tendência, deve-
se assegurar de q as idades-índices sejam as mesmas,
porque um índice de local baseado numa certa idade-
índice não pode ser comparado com outro que foi
determinado para outra idade-índice. No entanto, uma
tabela de índices de local pode ser modificada para uma
nova idade-índice a partir de alterações na equação de
índice de local.
 1 1
Ln( Si 2 )  Ln( Si )  ˆ1   
 Ii 2 Ii 
Sendo Ii2 a nova idade-índice.
MENSURAÇÃO FLORESTAL
CLASSIFICAÇÃO DA CAPACIDADE
PRODUTIVA
No Brasil, os termos regional, região e fazenda, dentre
outros, são utilizados como referência a áreas contendo
muitos povoamentos florestais. Dentro desses povoa-
mentos existem as menores unidades de manejo que
são os talhões (ou quadras), onde são instaladas as
parcelas permanentes. Essas parcelas permanentes,
medidas periodicamente, constituem a base de dados
para monitoramento do crescimento, incluindo a avalia-
ção da capacidade produtiva.
A estratificação dos reflorestamentos em unidades de
manejo pode ser feita via capacidade produtiva do lugar,
e, ou, qualquer característica edáfica ou climática. A
estratificação em classes de capacidade produtiva é
feita usualmente por meio de curvas de índices de local.
Causas que refletem diferenciação de formas entre
feixes de curvas podem ser diversas, sobressaindo: a
idade-índice considerada, que mesmo empregando um
mesmo conjunto de dados, curvas preparadas com
idades-índice diferentes têm formas desiguais; o tipo de
habitat ou eco-região, principalmente devido ao efeito
dos horizontes do solo; a composição dos dados que
originam as curvas, que não deve estar desbalanceada
quanto à freqüência dos índices de local encontrados; a
presença de diferentes materiais genéticos.
CRESCIMENTO, PRODUÇÃO E
MORTALIDADE
Os três principais elementos do manejo de florestas
equiâneas são: classificação de terras (quanto à locali-
zação, tamanho das árvores, estoques de crescimento e
de colheita, espécies, solos, topografia e outros),
prescrição de tratamentos silviculturais (preparo do solo,
espaçamento, desbaste, método de colheita entre
outros) e predição (ou projeção) do crescimento e da
produção (descrição numérica de quanto de madeira é
esperado nos cortes parciais e final). Para gerenciar
florestas é necessário compreender os processos de
crescimento e de produção, uma vez que o manejo tem
que ser decidido em grande parte pela prognose de
produções futuras a partir de informações correntes.
O primeiro elemento inclui ainda o mapeamento da
floresta em classes de capacidade produtiva. O terceiro
elemento diz respeito a crescimento, produção e
mortalidade.
De maior interesse em mensuração florestal é o enfoque
quantitativo do crescimento e da produção, mais do que
o biológico. O crescimento é o processo caracterizado
por mudanças na forma e tamanho do tronco, com a
adição contínua de novas camadas de lenho ao longo
de todo o material lenhoso existente. A produção
expressa a quantidade total do volume, ou outra
variável, acumulada num determinado tempo.
Componentes do crescimento
a) Mortalidade (M): volume ou número de árvores
existentes inicialmente e q morreram num determinado
período. As árvores mortas na maioria das vezes
geralmente não são utilizadas. Em plantações com
desbastes periódicos geralmente não ocorre
mortalidade. Sua medição é feita a partir de parcelas
permanentes, onde cada árvore pode ser localizada
devido às medições periódicas.
b) Ingresso ou Ingrowth (In): árvores medidas numa
idade qualquer e que não foram medidas numa idade
anterior por não terem alcançado um diâmetro mínimo
predeterminado. É expresso em volume, área basal ou
freqüência por hectare e também só pode ser medido a
partir de medições periódicas em parcelas permanentes.
Ao calcular a produção numa idade qualquer, o ingresso
já estará incluído naturalmente, caso ocorra.
c) Corte (C): volume ou número de árvores vivas
colhidas num determinado período (desbastes).
d) Produção corrente (Y1): crescimento remanescente
acumulado até a idade atual.
CRESCIMENTO, PRODUÇÃO E
MORTALIDADE
e) Produção futura (Y2): crescimento remanescente
acumulado até uma idade futura.
Tipos de crescimento
a) Incremento corrente anual (ICA): valor do aumento da
produção no período de um ano. Geralmente expresso
por hectare, como todos os outros tipos de crescimento.
b) Incremento médio anual (IMA): produção até a idade
particular dividida por essa idade, ou seja, a taxa média
do aumento da produção desde a implantação até uma
idade particular.
c) Incremento periódico (IP): ≠ de produção entre duas
idades quaisquer.
d) Incremento periódico anual (IPA): ≠ de produção
entre duas idades dividida pelo período, em anos.
Em plantações de eucalipto, caracterizadas por rápido
crescimento, é comum expressar-se em incrementos
mensais, em vez de anuais.
Gb = V2 – V1 + M + C (crescimento bruto entre as idades
I1 e I2, incluindo o ingresso).
Gb = V2 – V1 + M + C – In (crescimento bruto entre as
idades I1 e I2, excluindo o ingresso).
Gl = V2 – V1 + M + C (crescimento líquido entre as
idades I1 e I2, incluindo o ingresso).
Gl = V2 – V1 + M + C – In (crescimento líquido entre as
idades I1 e I2, excluindo o ingresso).
Esses tipos de crescimento são do tipo crescimento
periódico.
Produção líquida (Yl): produção ocorrida num período,
incluindo as colheitas parciais (C), se houver, porém
excluindo a mortalidade.
Produção bruta (Yb): produção ocorrida num período,
incluindo as colheitas parciais por desbastes e também
a mortalidade. Sua grandeza serve, até certo ponto, p/
avaliar a capacidade máxima de produção de um local
sob definido regime de manejo.
Yl = Vi + C e Yb = Vi + M + C.
A produção é obtida ao somar os incrementos anuais
até a idade de interesse. A produção de um povoamento
pode ser expressa por uma equação de produção e,
matematicamente, o crescimento é obtido ao derivar
essa equação de produção. IMA = Y/I; ICA = dY/dI.
A idade em que IMA = ICA é denominada idade de
máxima produtividade ou idade técnica de corte.
O máximo IMA é alcançado no ponto onde as duas
curvas se encontram. Esse ponto define a taxa máxima
de incremento da produção q uma determinada espécie
pode alcançar num local particular. A forma dessas
curvas varia com a espécie e com o espaçamento inicial
de plantio. Na produção máxima, o ICA é zero.
O decréscimo da curva de produção do máximo implica
em decrepitude do povoamento florestal, ocorrendo
mortalidade mais acentuada de árvores, causada
principalmente por competição.
O ponto de inflexão da curva de produção coincide com
o máximo ICA e o ponto de tangente de uma reta,
partindo da origem, que indica a idade técnica de corte.

CRESCIMENTO, PRODUÇÃO E
MORTALIDADE
A idade em que se verifica a interseção entre as duas
curvas de incremento é definida como a ideal para o
corte raso, quando se considera apenas a maior
eficiência na produção em volume; esta é definida como
rotação técnica com base na produtividade média.
No entanto, ela não corresponde, necessariamente, à
rotação técnica definida com base em considerações de
ordem econômica, uma vez que, para essa rotação, são
considerados outros fatores como o valor da produção e
a taxa de juros.
A tendência de como a taxa de incremento corrente
(dY/dI) está modificando com uma mudança unitária da
idade é explicada pela segunda derivada da função
original, isto é, d2Y/dI2. Essa curva, denominada
aceleração, cai para zero no ponto de inflexão da curva
de produção.
Crescimento de povoamentos inequiâneos
Semelhante a um povoamento equiâneo, em que um
estoque de árvores remanescentes permanece após o
desbaste, em povoamento inequiâneo, as árvores
remanescentes são referidas como estoque de
crescimento. Nesse povoamento existem árvores em
diferentes idades, não conhecidas, em que o primeiro
corte de desbaste pode ocorrer a qualquer tempo, não
havendo vínculo com a idade das árvores.
Esse início de intervenção é o começo do primeiro ciclo
de corte, cujo intervalo de tempo até o próximo corte
pode variar com o tipo de manejo. O volume remanes-
cente cresce por um número de anos, e uma nova
intervenção é feita, removendo árvores comerciais e não
comerciais (cortes de ordem sanitária e liberação de
árvores), garantindo uma nova regeneração e o cresci-
mento de árvores jovens residuais.
Modelos de crescimento e produção
Em estatística, a expressão modelo é uma relação
funcional a ser ajustada a dados de uma amostra. Por
exemplo, Yi = β0 + β1X1i + εi é denominada modelo linear
simples. Já a expressão Y^=β^0 + β^1X1, em que, β^0 e
β^1 são estimadores dos parâmetros β0 e β1, é
denominada equação.
Um modelo de crescimento e produção pode ser repre-
sentado por um ou + modelos estatísticos; uma ou mais
equações; uma ou + tabelas ou gráficos; ou um conjunto
de equações, tabelas e gráficos.
De acordo com o nível de resolução podem ser:
a) Modelos em nível de povoamento: não explicam
diretamente a variação do tamanho das árvores dentro
do povoamento;
b) Modelos de distribuição por classes de diâmetro;
c) Modelo em nível de árvores individuais.
Os modelos (a) e (b) são aplicados a partir de dados de
inventários florestais ou de parcelas permanentes
estabelecidas para gerar dados para a modelagem de
crescimento e produção.
Nos modelos (c) as árvores são atualizadas para uma
idade definida e, então, são agregadas por área. Com
ajuste difícil, pois exigem dados bastante específicos
sobre cada árvore.
Mortalidade
O estudo da mortalidade serve para predizer o número
de árvores sobreviventes por hectare, informação que
muitas vezes é input de modelos de crescimento e pro-
dução. O conhecimento da taxa de mortalidade permite
ao manejador avaliar o potencial da floresta e decidir por
alguma estratégia de manejo. Com o aumento da idade
do povoamento florestal, a competição e também a taxa
de mortalidade se elevam. O processo de competição é
iniciado a partir da sobreposição de zonas de influência
de duas ou mais árvores (área na qual uma árvore
obtém luz, água e nutrientes). Essa mortalidade é
definida como do tipo regular, sendo de causas não
catastróficas. Além da competição, os fatores genéticos
e a senescência são causas de mortalidade regular.
MENSURAÇÃO FLORESTAL
CRESCIMENTO, PRODUÇÃO E
MORTALIDADE
A mortalidade do tipo irregular, causada por fatores
exógenos, conhecidos como fatores catastróficos, que
são decorrentes de causas não-intrínsecas às árvores,
como pragas, incêndios e danos mecânicos, causas
sujeitas a ocorrer esporadicamente no tempo e no
espaço (difícil de prever e mensurar).
Não se deve confundir mortalidade de árvores (M) com
falha de plantio, isto é, morte das mudas após uma
regeneração ou plantio de um povoamento. Enquanto a
quantificação do primeiro refere-se à área de inventário
florestal e mensuração, o segundo está relacionado à
área de técnicas silviculturais.
Em plantações de eucalipto, a primeira medição do IFC
geralmente ocorre entre 24 e 36 meses. Nessa ocasião
as árvores não encontradas são consideradas como
falha de plantio (ou de brotação). A partir da primeira
medição, a % de falhas não mais modifica. Nos anos
subseqüentes poderá ocorrer apenas morte de árvores.
MODELOS DE CRESCIMENTO E
PRODUÇÃO EM NÍVEL DE POVOAMENTO
Não explicam diretamente a variação do tamanho das
árvores dentro do povoamento. Estimam o crescimento
e, ou, produção a partir de atributos do povoamento,
como idade, área basal e índice de local. Têm como
melhor representantes os modelos de densidade
variável (incluem a variável densidade como uma parte
dinâmica do sistema de equações, sendo úteis quando
o output pretendido é o volume por unidade de área, em
espacial para povoamentos submetidos a desbaste,
envolve relações do tipo V = f(I1, I2, S, B1, B2), além dos
modelos (ou tabelas de produção) dos tipos empírico
(são estatísticos, não envolve projeção da densidade,
obtidos por relações do tipo V = f(I, S, B); dão
informação de um povoamento sob condições
específicas de manejo, não permitindo qualquer
variação no tratamento, exceto aquele já contido nos
dados do ajuste do modelo) e normal (em povoamentos
completamente estocados ou normais).
Os modelos de densidade variável estimam a produção
para diferentes níveis de área basal remanescente. Eles
têm como características: estima a taxa de crescimento
dentro do sistema de equações; representa melhor as
relações causa versus efeito entre densidade e a
produção; emprega conceitos d derivação e integração.
Relações funcionais dos modelos
Modelos em nível de povoamento se diferem em relação
às variáveis independentes. Sendo Y a variável depen-
dente, eles podem ser subdivididos em:
a) Y = f(I)
b) Y = f(I, S)
c) Y = f(I, S, B ou q)
Principais modelos em nível de povoamento:
a) Modelo de Schumacher
1
 0  1  
Y e I

b) Modelo de Clutter
LnY2   0  1   2 S   3 LnB2  Ln
I
2
I   I   I 
LnB2  LnB1  1    0 1  1   1 1  1 S  Ln
 2
I  I 2   I 2 
c) Modelo de Buckman
Y   0  1 ( BHd )  
1
LnICAB  0  1S   2  3 B1  
I
ICAB = incremento corrente anual em área basal.
ε = erro aleatório.
A escolha de uma das relações funcionais depende do
tipo de informação pretendida, do nível de detalhamento
necessário e das características do povoamento e do
tipo de dados disponíveis.
MODELOS DE CRESCIMENTO E
PRODUÇÃO EM NÍVEL DE POVOAMENTO
a) Y = f(I): aplicação limitada e não devem ser utilizados
em áreas extensas e heterogêneas. Pode ser usado em
povoamentos homogêneos (s/ variações significativas
de densidade e capacidade produtiva).
b) Y = f(I, S): resultam em estimativas mais consistentes
permitindo avaliar o efeito da capacidade produtiva.
Idades técnicas de colheita diferentes são obtidas para
cada índice ou classe de local. Não garante consistência
na definição da idade de colheita.
c) Y = (I, S, q, B ou N): com a densidade expressa em
área basal, ou pelo diâmetro médio, ou pela freqüência,
resultam em informações mais detalhadas. O
crescimento, a produção e a idade técnica de colheita
são diferenciados por índice de local e densidade inicial.
Essas relações funcionais permitem modelar o
crescimento e a produção em plantações submetidas a
desbaste. A consideração das três variáveis não garante
consistência quanto aos seus efeitos. É necessário que
o conjunto de relações funcionais seja compatível e
consistente.
O modelo de Clutter é o mais difundido no Brasil. A pro-
dução é expressa em função das idades atual e futura
(I1 e I2), do índice de local na idade atual (S1) e das
densidades atual e futura (B1 e B2).
Este modelo é do tipo povoamento total (a variável
estimada é o volume por unidade de área), densidade
variável (permite estimar a produção nos diferentes
níveis de área basal inicial), compatível (a equação de
crescimento quando integrada fornece a equação de
produção, e a derivada desta resulta na equação de
crescimento), explícito (produção em volume é calcu-
lada diretamente) e consistente (as estimativas podem
ser obtidas projetando-se a área basal ano a ano, ou
diretamente de um para qualquer outro ano, e porque ao
estimar a produção para uma mesma idade resulta em
valores idênticos àqueles observados).
Ajuste e uso do modelo de Clutter:
# Dependendo dos dados o termo (1 – I1/I2)S1 pode ser
substituído por (1 – I1/I2)LnB1 ou por (1 – I1/I2)(LnB1)2 ou
mesmo ser eliminado. A eliminação ocorrerá quando o
efeito da capacidade produtiva sobre a área basal não
for significativo, ou for inconsistente.
# Inconsistência: α1 negativo. Neste caso, S1 pode ser
substituído por LnB1 ou (LnB1)2, desde que haja contri-
buição estatística.
# β2 deve ser negativo para que haja consistência nas
estimativas.
# Se I2 – I1 for constante em todo o banco de dados, o
ajuste do modelo torna-se impossível pelo método de
mínimos quadrados em dois ou três estágios.
Obter a idade técnica de colheita a partir de uma
equação de produção
Idade técnica de colheita: IM é máximo e igual à IC.
a) Deduzir a expressão do IM dividindo a produção pela
idade, e derivar essa expressão em relação à idade. Ao
igualar essa derivada a zero e isolar a idade, resulta na
ITC.
b) Igualar as expressões de IM e IC (primeira derivada
da equação de produção) e isolar a idade (ITC).
c) Estimar a produção em idades seqüenciais, obter os
respectivos IM e identificar a idade onde ocorre a inver-
são de sinal na relação IMi – IMi-1, i = idade.
MODELOS DE DISTRIBUIÇÃO
DIAMÉTRICA
Estimam o número de árvores por hectare por classe de
diâmetro nas idades presente e futura. O emprego, a
partir daí, de uma equação de volume, de taper ou de
razão volumétrica, permite estimar a produção por
classe, sendo significativos para situações em que há
interesse em multiprodutos da madeira. A principal
característica é o emprego de uma função densidade de
probabilidade, sendo comum o uso da função Weibull.

MODELOS DE DISTRIBUIÇÃO
DIAMÉTRICA
O ajustamento destes modelos exige estimação de
parâmetros de alguma função de probabilidade. Para
estimar as produções futuras, é preciso estimar valores
futuros de altura dominante e número de árvores por
hectare.
As funções densidade de probabilidade mais usadas
são: Weibull, Sb Johnson, Gama e função beta,
destacando-se a primeira no campo florestal.
Função Weibull
Permite moldar diferentes tendências de distribuição,
desde uma exponencial até uma normal. Facilidade de
ajustamento e de correlacionar seus parâmetros com
atributos do povoamento. Sua f.d.p:
 1  X  

  X      
f ( x)    e
   
X = centro de classe de DAP; β = parâmetro de escala;
γ = parâmetro de forma; α = parâmetro de locação,
sendo X ≥ 0; β > 0; γ > 0.
Forma acumulativa:
 X  
  
F(X ) 1 e    em duas ou mais parcelas, definidas por instalações ou
Em que F(X) é a proporção de árvores com DAP ≤ X.
O parâmetro α pode ser interpretado como o diâmetro
mínimo do povoamento ou como o limite inferior da
menor classe de DAP; pode ser prefixado ou estimado
via regressão.
O método mais eficiente para ajustar a função Weibull é
o da máxima verossimilhança. Outras alternativas são o
método dos momentos, o da regressão não-linear, o dos
percentis e o da aproximação linear.
Seqüência p/ ajuste de um MDD
a) Obter dados de parcelas permanentes, de maneira
representativa;
b) Ajustar uma função densidade de probabilidade (fdp)
para cada parcela, em cada medição, utilizando, prefe-
rencialmente, o método da máxima verossimilhança;
c) Obter equações de regressão para estimar os
parâmetros da fdp, utilizando como variáveis indepen-
dentes características do povoamento como idade,
densidade e índice de local;
d) Avaliar e aplicar o modelo.
MDD em estudos de desbastes
Para atingir o objetivo de produzir árvores de maior
porte em menor tempo, uma estratégia usual é regular a
densidade do povoamento, por meio de desbastes. Este
tratamento silvicultural resulta em efeito direto sobre a
taxa de crescimento das árvores.
a) MDD descrito por Chikumbo (1999):
Pi = [(Xi – Xmin) / (Xmax – Xmin)]b
Pi = proporção de árvores removidas na classe de diâ-
metro i (0 ≤ Pi ≤ 1); Xi = centro da classe de diâmetro i;
Xmin = centro da classe de diâmetro mínimo; Xmax =
centro da classe de diâmetro máximo; e b = constante,
sendo b > 0 p/ menores classes e b < 0 p/ as > classes.
1) Estimar a distribuição de diâmetros na idade do
desbaste, a partir de um MDD; 2) Iniciar c/ a menor
classe de diâmetro, removendo a % de árvores
resultante da aplicação da equação acima; 3) repetir o
procedimento ao longo da distribuição diamétrica até
que o no de árvores a ser removido seja alcançado.
b) Metodologia desenvolvida por Guimarães (1995):
Modelo do tipo invariante e projeta a distribuição diamé-
trica a partir de uma distribuição atual observada. Assim,
ao simular o desbaste, obtém-se uma nova distribuição
atual remanescente, que pode então ser projetada para
idades futuras.
MENSURAÇÃO FLORESTAL
DADOS PARA MODELAGEM DE
CRESCIMENTO E PRODUÇÃO
Fonte de dados para (MCP)
a) Parcelas permanentes (PP): fonte de dados + efi-
ciente não requerendo freqüência muito grande. A
eficiência estatística se deve à propriedade de detectar
mudanças ocorridas de maneira exata. No entanto, se
as parcelas permanentes não forem representativas da
população em foco, a estimativa do crescimento pode
ser tendenciosa, embora com alta precisão. Daí a
importância de efetuar testes de aplicação ou validação
dos modelos. As PP podem ser: oriundas de inventário
florestal contínuo (IFC) ou estabelecidas unicamente p/
obter dados de p/ monitorar mudanças na população.
Proporcionam dados consistentes e adequados, concer-
nente às variáveis mortalidade, dinâmica de copa e
dinâmica de povoamento.
No IFC, o crescimento é monitorado pela remedição de
uma de rede de parcelas estabelecidas em diferentes
tipos de povoamentos florestais. Essa rede tem a vanta-
gem de reduzir a variância de uma mesma parcela, em
sucessivas medições.
No segundo caso, a amostragem é constituída de
parcelas permanentes individuais, ou então agrupadas
parcelas experimentais, incluindo testemunha e áreas
de bordadura. Podem também consistir em parcelas
estabelecidas de modo seletivo c/ finalidade específica
de gerar dados para modelagem, independentemente
da aplicação de tratamentos.
b) Parcelas temporárias (PT): são estatisticamente
pouco eficientes para fins de modelagem, por não
detectarem exatamente as mudanças de crescimento,
uma vez que as mesmas parcelas não são medidas em
cada ocasião. Medidas em inventários convencionais ou
para conhecimento de volumes presentes.
c) Delineamentos experimentais (DE): geralmente um
DE é estabelecido com finalidade silvicultural, não aten-
dendo a propósitos da mensuração propriamente dita.
Limitações: a área de parcelas é pequena; algumas
variáveis importantes na modelagem não são medidas,
como a altura dominante; o efeito da variação do índice
de local geralmente é excluído, pois o experimento é
estabelecido em áreas homogêneas; e a freqüência, isto
é, o no de casos geralmente é menor que o desejado na
análise de regressão, pois DE são submetidos a
análises de variância.
d) Análise parcial do tronco (APT): alternativa quando
não há dados de PP, com as limitações: não garantir a
medição da mortalidade; não contabiliza o efeito de
tratamentos artificiais, como o desbaste ou outros
tratamentos; e praticamente só se aplica em coníferas,
uma vez que na maioria das folhosas são encontradas
anormalidades na formação de anéis de crescimento.
Quando a medição dos anéis é feita no DAP, o procedi-
mento é denominado análise parcial do tronco (APT),
sendo chamado de análise completa do tronco (ACP)
quando a medição é feita em diferentes alturas ao longo
do tronco. APT é utilizada no estudo do crescimento em
volume, área basal e diâmetro. ACP é empregada no
estudo do crescimento em altura e no estabelecimento
de curvas de classificação da capacidade produtiva.
Amostragem p/ estudos de crescimento e produção
A qualidade da prognose da produção é função das
propriedades da amostra e das propriedades das
equações de predição. A amostragem deve estar condi-
cionada ao tipo de modelo a ser ajustado e ao objetivo
pretendido.
a) Freqüência: ser adequada p/ análise de regressão;
estimativas mais confiáveis são obtidas com maior
intensidade de amostragem. A precisão do modelo
ajustado vai depender da localização das parcelas e do
número de períodos de medição, no caso de PP.
b) Heterogeneidade das características medidas: devem
ser priorizadas, com maior intensidade de amostragem.
DADOS PARA MODELAGEM DE
CRESCIMENTO E PRODUÇÃO
c) Casualização, sistematização e seletividade:
Uma amostragem inteiramente casualizada sobre toda a
população é ineficiente para construir modelos do tipo
MCP, porque assim, valores médios serão amostrados
mais intensivamente; é eficiente quando se pretende
obter uma simples curva de produção representativa.
Uma alternativa é delimitar partes da população e alocar
as parcelas de modo casual ou sistemático sobre essas
partes. Essa escolha de partes da população a amostrar
para, assim, garantir representatividade da situação
proporcionará melhor estimativa dos coeficientes de
regressão e predição próximo aos dados extremos. A
seleção deliberada de parcelas em um banco de dados
de IFC ou a localização deliberada das parcelas no
campo é um procedimento mais eficiente, que garante
também é uma alternativa q garante representatividade
não somente das condições médias, mas também das
condições extremas. É desejável garantir freqüência
equivalente para cada condição de sítio.
AVALIAÇÃO DE MODELOS DE C E P
O termo bias, traduzido como tendência ou viés, é
definido por erro de não-amostragem, sendo um erro
cometido sistematicamente desde a tomada dos dados
no campo até a aplicação do modelo. Uma fonte de bias
muito comum esta relacionada c/ a seleção da amostra,
quando esta não representa plenamente a população.
Em análise de regressão diz-se que há inconsistência
se as estimativas obtidas não estiverem de acordo com
os parâmetros desta. Erros de tendência afetam a
média, as estimativas de uma regressão, a variância, o
erro-padrão e a probabilidade de discrepância entre
valores observados e estimados.
Precisão: não tem qualquer relação c/ a ocorrência de
tendência ou erro de não-amostragem. O conceito de
precisão de uma estimativa cobre a influencia do erro-
padrão, o qual está relacionado com a variância e com o
número de observações, isto é, refere-se à dispersão
dos elementos em relação à média. Diz respeito direta-
mente ao erro de amostragem.
Exatidão: grau de confiança da estimativa dos parâ-
metros de uma população, isto é, o grau de aproxima-
ção do valor estimado em relação ao verdadeiro valor. A
inexatidão se verifica quando houver erros de tendência
e de amostragem. Causas freqüentes de inexatidão em
análise de regressão são: emprego de método de ajuste
inadequado, erro humano de qualquer ordem e extrapo-
lações além da amplitude dos dados utilizados no ajuste
do modelo.
↓ Erro tendência ↑ Erro tendência
↓Erro amostragem Preciso e exato Preciso e inexato
↑Erro amostragem Impreciso inexato Impreciso e inexato
Na avaliação dos modelos de C e P, os dados de PP
empregados nos testes não deveriam ser os mesmos do
ajustamento e sim utilizar os de outra população de
mesma espécie e estrutura. Uma vez que esses dados
nem sempre estão disponíveis, uma prática comum é
separar em duas partes o conjunto de dados inicial,
sendo uma para construção e outra para avaliação.
Etapas:
a) Examinar o modelo dos pontos de vista da teoria, da
lógica e do realismo biológico;
b) Caracterizar erros quanto a grandeza, natureza dos
resíduos, contribuição dos componentes do modelo para
o erro total. Isso pode ser feito visivelmente (gráficos de
dispersão) ou formalmente, por exemplo, calculando a
média das diferenças absolutas:
 n ˆ 
  Yi  Yi n 
 i 1 
c) Realizar testes estatísticos para erro de viés, precisão
e grau de ajustamento.

AVALIAÇÃO DE MODELOS DE C E P
d) Identificar quais componentes do modelo têm maior
influência na predição.
Ao avaliar um modelo CP do ponto de vista do realismo
biológico, deve-se ter cuidado especial c/ as variáveis
idade, área basal, capacidade produtiva e outras even-
tualmente utilizadas nas relações funcionais. Algumas
tendência esperadas são: < idade de corte c/ aumento
da área basal inicial para uma mesma capacidade pro-
dutiva; > IC com a redução da área basal; > taxas de
crescimento em área basal e em volume em idades
mais jovens; tendência de estagnação da área basal e
do volume após atingir as respectivas idades de máximo
IMA.
Estatísticas para avaliar a precisão de um modelo
a)Coeficiente de determinação(R2): indica a proporção
da soma de quadrados total que é explica pela
regressão, sendo uma medida do grau de ajustamento
da regressão aos dados. Quando empregado para com-
parar modelos, é condição q as variáveis dependentes
tenham uma mesma unidade. Esta estatística tem mag-
nitude entre 0 e 1, significando que, quando o coeficien-
te for igual a 1, todas as observações coincidirão com a
curva da regressão e a SQ de resíduos é zero o que
seria a situação ideal.
 Y  Yˆ 
n 2
SQ Re gressão SQ Re síduo i i
R 
2
1  i 1
 Y  Y 
n
SQTotal SQTotal 2
i 1
i i
A razão entre as estimativa de variância residual e total,
(QMres/QMtot) é denominada coeficiente de determinação
corrigido.
b) Erro-padrão residual: mede a ∆ das observações
quanto à curva de regressão. Define o intervalo da
dispersão das observações em relação à curva,
segundo uma probabilidade preestabelecida (α), o que é
diferente do limite de confiança da regressão. Este
intervalo é definido como:
 S yxt . Erro padrão residual: S yx  QM Re s
c) Coeficiente de variação (CV): erro-padrão em % da
média: CV  100S Y . Permite comparar modelos.
yx
Para o caso da variável dependente transformada, o CV
deve ser calculado com a variável na unidade original. O
CV tem a vantagem de proporcionar uma informação
relativa independente da grandeza da variável depen-
dente.
Há outras características para interpretar o grau de
ajustamento de um modelo, mas a eficácia de qualquer
uma delas na avaliação de um modelo fica comprome-
tida s/ uma verificação do comportamento dos desvios
em relação à curva de regressão. Isso porque erros de
tendência podem estar ocorrendo em alguma amplitude
de classe de uma ou mais variáveis independentes sem
ser detectados pelas estatísticas que medem a
precisão, o que é verificado pela análise gráfica de resí-
duos, além de outros aspectos.
Análise gráfica de resíduos
Os desvios ou resíduos são expressos em %:
 Yˆ  Y 
d %  100 i i 
 Yi 
MENSURAÇÃO FLORESTAL
AVALIAÇÃO DE MODELOS DE C E P
a) Subestimação para valores pequenos de X e possível
presença de outliers (dados discrepantes);
b) Há tendência em toda a amplitude, começando por
subestimação e passando p/ superestimação, indicando
que os erros são correlacionados e, em conseqüência,
há necessidade de mudança de método de ajuste do
modelo;
c) Ocorre heterocedasticidade, isto é, a variância não é
homogênea, o que desacredita os limites de confiança
das estimativas, tendo como solução a troca de modelo
ou transformação da variável dependente para logaritmo
ou a justaposição de modelos, ou, ainda, ponderação de
variáveis. O efeito da ponderação é forçar um melhor
ajustamento daquela parte da curva onde ocorre maior
dispersão;
d) indica estimativas de baixa precisão para qualquer
valor de X;
e) indica um ajuste ideal;
f) indica que o modelo usado foi inadequado para os
dados.
Em modelagem do C e P, uma alternativa é a
interpretação individual da distribuição dos resíduos p/
cada variável independente do modelo, representadas,
quase sempre, pelo índice de local, pela área basal e
pela idade do povoamento, ou então para os próprios
valores observados de Y (produção).
Outras interpretações gráficas
(a) num sistema de coordenadas são plotados os valo-
res estimados contra os observados, ao longo de uma
linha partindo da origem e formando um ângulo de 45º.
Nesse caso, é verificado como as estimativas do mode-
lo, a partir de observações independentes (ou não), se
distribuem ao longo da linha de inclinação de 45º.
(b) as observações foram agrupadas em classes de
resíduos, sendo elaborado um histograma. Permite
avaliar a precisão e, o mesmo tempo, verificar se a
pressuposição de normalidade é atendida. Quanto mais
fechada, em torno de zero estiver a distribuição, melhor
o ajuste do modelo.
DESBASTES
Desbaste é a remoção de uma proporção de árvores
num povoamento florestal, a fim de conseguir mais
espaço de crescimento para as árvores remanescentes,
aumentando a produção de madeira utilizável durante o
ciclo de corte do povoamento, além de garantir a produ-
ção contínua de madeira.
Justificação do desbaste
O suprimento de madeira de florestas nativas tem se
tornado cada vez mais restrito, tanto pela escassez na-
tural como por imperativo de legislação. Com isso, surge
a estratégia de manejar plantações p/ a produção de
árvores de maior porte, permitindo um suprimento
regular de madeira para diversos usos. As práticas de
manejo mais diretamente relacionadas com a produção
de árvores de maior porte são o desbaste e a definição
do espaçamento inicial. Alguns benefícios do desbaste
são: redução do tempo para produzir árvores de grande
diâmetro e de tronco uniforme; maior rendimento volu-
métrico no processamento da madeira, ao produzir
troncos de qualidade desejada quanto à forma, sani-
dade e aspecto da madeira.
DESBASTES
Tendência geral da relação entre no de árvores rema-
nescentes, volume/ unidade de área e volume individual.
O crescimento da floresta plantada é afetado fortemente
por dois fatores:
 Capacidade produtiva do lugar;
 Composição do povoamento florestal: espécie ou clo-
ne, número de árvores por unidade de área e seu
porte, distribuição espacial das árvores.
A grandeza do diâmetro pode ser controlada pelo
espaçamento inicial e também por meio de desbastes,
havendo no mínimo de árvores/ unidade de área, abaixo
do qual ocorrerá nenhum efeito sobre o crescimento do
diâmetro.
Efeito do desbaste na produção
A maior ou menor produção de um povoamento pode
ser determinada pela definição, no tempo certo, do
melhor espaço para as árvores crescerem. Quando a
meta é produzir árvores para serraria, além da definição
do espaçamento inicial, é preciso desbastar.
Para cada espécie e capacidade produtiva deve haver
um espaço ótimo entre as árvores, bem como um
adequado regime de desbastes que proporcione taxas
de crescimento ideais.
Relação entre as produções de um povoamento
desbastado e de um povoamento não desbastado.
Valores das ordenadas iguais a (a) e (b) equivalem à
produção retirada em cortes de desbastes, enquanto (c)
representa o corte final do povoamento remanescente.
A produção bruta em povoamento não desbastado é
aproximadamente igual à produção residual mais os
desbastes, ou ainda, a produção bruta é igual à líquida,
uma vez que a mortalidade de árvores é praticamente
zero. Ao incluir mortalidade e cortes intermediários
(desbastes), pode-se encontrar uma tendência de a
produção bruta ser igual à produção liquida mais a
mortalidade.
Os desbastes não afetam significativamente a produção
bruta, exceto quando a densidade é reduzida muito se-
veramente, tornando o lugar subutilizado, e também
raramente resultam em aumento da produção bruta em
volume. Assim, a decisão sobre a prática de manejo
deve ser baseada em considerações econômicas,
levando-se em conta a produção de árvores de maior
valor individual.
 MENSURAÇÃO FLORESTAL
DESBASTES INVENTÁRIO FLORESTAL INVENTÁRIO FLORESTAL

Inventário florestal trata de informações quantitativas e Mudanças de qualidade do lugar, efeito do número de
qualitativas que se deve obter a cerca de um povoamen- fustes por cepa após o corte, dentre outros, poderão ser
to florestal. Na sua execução são envolvidas diferentes monitorados e explicados.
áreas de atividade, desde a cartografia da área às Resultados do inventário
técnicas de medição, amostragem e computação. Os resultados devem incluir estimativas qualitativas e
Inventário florestal convencional: parcelas tempo- quantitativas, inclusive por classe de diâmetro. O tipo de
rárias, estimar a produção na época de medição. gráfico depende dos objetivos do usuário e de sua
Inventário florestal contínuo (IFC): parcelas perma- habilidade em traduzir em gráficos as suas expectativas
Representação da produção bruta, líquida e remanes- nentes, estimar mudanças tanto na produção como em de divulgação de resultados ou de inferência. A seqüên-
área florestal, entre outras características; importante cia de apresentação dos resultados pode ser, por exem-
cente em um povoamento desbastado quando ocorre a
mortalidade. fonte de dados em estudos de crescimento e produção. plo, a seguinte:
A razão que justifica as parcelas permanentes é o fato 1. Resumo incluindo informações gerais sobre o inven-
A implementação do desbaste depende do: de ser possível parear uma medição posterior com uma tário e resultados principais (no máximo três páginas);
anterior, sabendo-se que quando < o intervalo entre 2. Resumo dos resultados por região, espécie ou clone,
 Objetivo do manejo;
 Espaçamento inicial; medições, > as vantagens das parcelas permanentes. método de regeneração e classe de declividade etc., na
A coleta de dados é responsável pela maior parte dos forma de tabelas e gráficos;
 Qualidade do local e topografia;
custos de um inventário florestal, estando diretamente 3. Resultados por estrato, incluindo-se a análise estatís-
 Mão-de-obra e equipamentos;
ligada à escolha do método ou ao delineamento de tica da amostragem, na forma de tabelas e gráficos;
 Mercado para diferentes produtos da madeira.
amostragem. Um IF consiste em 3 fases: mapeamento 4. Resultados por talhão (ou quadra), incluindo estimati-
A freqüência e época de desbastes (ciclo) exige estudos
da área, amostragem e análise de dados; por análise vas por classe de diâmetro;
de mensuração baseados em parcelas permanentes,
compreende-se o cálculo de estimativas de parâmetros 5. Tendências de crescimento por projeto, espécie ou
visto que, sem um controle efetivo do estoque de cresci-
e análise de decisões em manejo. clone, classe de declividade e método de regeneração,
mento, corre-se o risco de provocar uma subutilização
Métodos de amostragem na forma de tabelas e gráficos;
do potencial produtivo do lugar.
Os métodos de amostragem são baseados quase sem- 6. Quando possível, projeção ponderada do volume por
Considerações:
pre no principio da amostragem casual. No entanto, em projeto, espécie ou clone, classe de declividade e meto-
 A época do primeiro desbaste depende muito do
circunstâncias em que o seu emprego torna-se difícil ou do de regeneração;
estoque inicial e do mercado.
oneroso, alguma forma de amostragem sistemática é 7. Análise crítica dos resultados do inventário e expecta-
 A idade em que um povoamento alcança a idade de
usada. tivas futuras;
corte depende do diâmetro médio atingido pelas
a) amostragem casual simples: toda unidade de amostra 8. Resumo dos resultados por projeto, espécie ou clone,
árvores.
ou parcela possui a mesma probabilidade de ser método de regeneração e classe de declividade;
 O tempo para produzir árvores de grande diâmetro e
amostrada na população. Isso proporciona estimativas 9. Resultados quantitativos por parcela. Nestas saídas
tronco uniforme é reduzido.
não tendenciosas dos parâmetros da população, isto é, não devem faltar as variáveis: idade, espaçamento,
 Maior diâmetro das árvores e localização estratégica
o valor médio das estimativas de todas as amostras altura dominante, área basal, diâmetro médio, número
dos povoamentos reduzem os custos de exploração
possíveis de tamanho n é igual ao verdadeiro valor do de árvores, percentagem de árvores mortas e volumes
e transporte.
parâmetro da população. Tem a vantagem da simpli- quantificados;
 O tipo e a intensidade de desbastes sucessivos
cidade de realização no campo e de computação dos 10. Distribuições diamétricas e hipsométricas por
podem variar em um mesmo povoamento.
dados, embora o custo total da localização e medição parcela, incluindo informações sobre a forma e escala
 O desbaste evita a perda de árvores que eventual-
das parcelas possa ser alto, se comparado à localização das distribuições. Sugere-se incluir as estimativas dos
mente morreriam por competição.
sistemática de parcelas. parâmetros da função Weibull obtidas para cada
Controle de desbastes
b) amostragem sistemática: as u.a. são selecionadas parcela.
Por intensidade de desbaste entende-se a produção
seguindo-se um esquema predefinido de sistematiza- 11. No caso de IFC, uma interpretação (gráfico ou tabe-
removida em cada intervenção. As seguintes alternati-
ção, cobrindo toda a população. Um misto de casuali- la) do crescimento entre medições sucessivas deve ser
vas podem ser usadas para expressar a intensidade:
zação e sistematização ocorre quando a locação das incluída no relatório.
 Com base no número de árvores;
u.a. é casualizada dentro de determinados intervalos (k)
 Com base na área basal;
por toda a população. Para que haja confiabilidade nos Coleta de dados de campo (IFC):
 Com base no volume.
estimadores dessa amostragem, a população deve ser 1. local do inventário: fazendas; projetos;
O primeiro não é recomendado, uma vez que o
isenta de qualquer tendência regular na distribuição dos 2. procedimentos de amostragem: intensidade de amos-
resultado depende do tipo de desbaste, isto é, seletivo
seus elementos componentes. A amostragem sistemáti- tragem: 1:10, 1:5, ...; quais talhões ? Alocação das
ou sistemático. O controle via área basal pode ser feito
ca de uma população homogênea, quanto à distribuição parcelas aleatória ou sistemática; mapas c/ localização
a partir de uma área basal fixa a ser deixada após o
de seus indivíduos, resulta estimadores tão confiáveis das parcelas; rotas de caminhamento;
desbaste, ou em função da área basal existente na
quanto na amostragem casualizada. Portanto, sempre 3. equipe de coleta de dados: número de pessoas por
ocasião do desbaste (deve ser preferida, pois o corte
que for possível, a homogeneização das características equipe (3 pessoas); número de equipes; definição das
ocorrerá de acordo com o potencial do povoamento, ou
deve ser procurada com uma estratificação. A aplicação atribuições;
melhor, de acordo com a estrutura do povoamento em
dessa amostragem em IF ocorre principalmente em 4. materiais e equipamentos: veículos de transporte
cada local ou talhão). O controle via redução do volume
virtude da rapidez da localização das u.a. em grandes para as equipes de campo; materiais para a limpeza da
segue o mesmo princípio da área basal. O sucesso do
áreas, com conseqüente diminuição de custos. área (foice, facão,...); motosserra e equipamentos de
controle de intensidade de corte depende muito de um
c) amostragem estratificada: a população é subdividida manutenção; combustível; EPI’s; tinta p/ marcação das
completo levantamento do estoque a ser manejado.
e, subpopulações ou estratos. Permite informar separa- árvores e pincel; estacas de madeira; garrafa térmica
Tipos de desbaste
damente por estrato, além da população total. Com a com água; kit de primeiros socorros; mapas e croquis
Seletivo: as árvores são removidas, ou não, de acordo
estratificação ocorrerá < erro do que em qualquer outro das áreas; coletor de dados ou pranchetas de anotação;
com a qualidade, envolve quase sempre, a remoção
método de amostragem para um mesmo n. Isso é fichas de campo; trena; fita diamétrica ou suta; giz
inicial de árvores suprimidas e dominadas, causando
conseqüência da diminuição da variação entre u.a. num branco; hipsômetro; materiais para anotação e medição
abertura do dossel, o que favorece o desenvolvimento
mesmo estrato quanto à variação entre u.a. de estratos (lápis, caneta, borracha, régua).
das árvores melhores, uniformizando o povoamento.
diferentes. A distribuição das parcelas nos estratos pode 5. estabelecimento das parcelas: dimensões das parce-
Sistemático: as árvores são removidas de acordo com
ser feita de modo casual ou sistemático. Essa amostra- las; marcação de pontos de referência na estrada;
um sistema predeterminado, não permitindo considera-
gem envolve duas fases principais: a delimitação dos marcação das árvores limites das parcelas; marcação
ções da qualidade. O sistema mais comum consiste na
estratos no mapa ou croquis e a determinação do no de das árvores dominantes;
remoção de uma fileira, em intervalos definidos, segun-
u.a. cabíveis em cada estrato. 6. medição da circunferência (diâmetro) e altura das
do a intensidade. É usualmente mais barato e fácil de
Justificativas para a manutenção de uma mesma locali- árvores: especificação do diâmetro limite de medição;
realizar, porém pode resultar em remoção de árvores
zação da rede de PP sob alto fuste e talhadia são: cuidados de campo para minimizar os erros; distância
tecnicamente adequadas e manutenção de árvores tec-
a) evita erros de não-amostragem, ao comparar dados entre o observador e a árvore; número de árvores cujas
nicamente inadequadas.
de crescimento entre os dois regimes de corte. alturas serão medidas nas parcelas; seqüência de
Misto: exemplo: remoção sistemática de uma a cada
b) garante dados sem tendenciosidade que explicam caminhamento no campo;
sete fileiras e desbaste seletivo nas demais fileiras.
mudanças na produção entre os dois regimes de corte, 7. Classificação das árvores: Avaliação qualitativa para
Vantagens: < custo facilitando a mecanização (sist.) e
uma vez que fatores influentes como mortalidade,... verificar a necessidade de manejar a floresta.
possibilita a retirada de indivíduos inferiores (seletivo).