\ J

(1
( ,
--- " ·i • ..., , 81bl;otoca de Ciências Florest.11s e da Madeira, UFPR

-
I Y"'\-~ •
- ,.....; r"')

,'il •
, l ,'
( _, '

• . . ~ INVENTARIO
\__
(.

- rvJ\:() t
.
Lx 1

•• i-,F--'
. --:- \ ( L 'I
<_; t \ f' ("'- , t 1
~ri
.,
~
j 1
I
(
\), ~ \ \
r
1

•.. ,-"'
• -r.;-,. FLORESTAL
(
(

( l
.. . ~
.--;

.,-~.:~..'•,
( ; • r" : ""!

( ! e=,..:l
( I
...
( >
( ,' . -tl!!'·'-'
(
.T; ;,':'
• · ....:1' SYLVIO PÉLLICO NETTO
(

(/
( j
I

..,•· ,,..:\
_.;' ~

., ,: ,
. , a,:: -
DOÁDI ANTÔNIO BRENA

•-,;. ~-,
(_
(
_( ,
'
.;•-
•-_:,... ~,
t

(
·- (
.... ; :)
~:-,

.,.- ~
1

.( · -:-<"
1

( . e;,..'."!)

(
1
...:~ Editado por Doádi Antôn.io Brena e
( Sylvio Péllico Netto em Curitiba Pr.
(
(

r ,
..•· '
• ..,J,
'-
,..~
~~
Rua Bom Jesus 650 , Juvevê
CEP 80.530-0 I O
(041) 232-9084 e (O 11) 352-1294
Fax(041)352-1294
Inventário Florestal
.1
•i'
1
J
(
(
(

.
Copyright© 1997 por Sylvio Péllico e Doádi Antônio Brena.
Todos os direitos para a língua portuguesa reservados por Syh~o Péllico
• 1·~
Netto e Doádi Antônio Brena. • 1-3 APRESENTAÇÃO (
Nenhuma parte desta publicação poderá ser reproduzida, guardada pelo
;- _::) (
sistema "retrieval" ou transmitida de qualquer modo ou outro meio, seja • r :u1 (
este eletrônico, mecânico, de fotocópia, de gravação, ou outrns , sem
prévia autorização, por escrito. dos editores .
• f -;is,
1 -
O presente trabalho é fruto do esforço dos professores de (
• . r- -à Inventário Florestal das Universidades Federais do Paraná e de Santa
1 (
• r- -a Maria no sentido de oferecer, aos alunos dos Cursos de Engenharia

•- (

..
Florestal e profissionais da área , os conhecimentos básicos indispensáveis
'.- ~ à realização de inventários florestais e
• r·â ~
Seu conteúdo resulta de uma ampla revisão bibliográfica,
acrescida da experiência adquinda em mais de 20 anos de atuação na área
(
(
.,. ~ de inventános florestais
(
• --J,;J Conhecedores da 111existênc1a de literatura específica em
(
• --à português, sobre invenrários florestais , nosso objetivo principal é
contribuir para o preenchimento desta lacuna, facilitando o processo (
C -d ensmo-aprendizagem aos Acadêmicos e a busca de soluções aos problemas
Dados lnternacimaais de Catalogação na Publicação (CIP)

.•-
(
• - ,J vtvenciados cotidianamente pelos profissionais que atuam na área.
(Câmara Brasileira cio Livro, SP, Brasil) (
-,; Este volume enfatiza os métodos e processos de amostragem mais _
utilizados nos inventários florestais realizados no Brasil e no mw1do, tanto (
~
\ Péllico Netto, Sylvio para as florestas nativas como para as plantadas. Ao final de cada método (
• -- !_.J
e processo de amostragem abordado apresenta-se um exemplo aplicativo,
(
lnventá1io Florestal / Sylvio Péllico Netto e Doádi Antômo & .., visando facilitar sua compreensão e a dos seus conteúdos teóricos
Brena. - Curitiba Editorado pelC'5 autores, 1997 (
• -~..t
316 p _., -::, Este livro será complementado, oportw1amente, com um volume
11, onde estarão incluídos alguns tópicos adicionais de importância para a (

1. Inventário Florestal 2. Manejo Florestal 3 _ Biometria

Florestal l. Brena, Doádi Antônio . 11. Título.
.!
& e!.
'." ;:j
realização de 111ventários florestais , especialmente os sistemas de
amostragem desenvolvidos até o momento, relevantes , principalmente,
(

.• '~!.•
(
para as empresas florestais
(
& ~ia
CDD-634 .9 (
Curitiba , 22 de novembro de 1996 .
CDU-634(083 82) (
Sylvio Péllico Netto

., !;.
.. ~-
(
Ir ~• Doádi Antômo Brena
(

~.~ (

(
(
 1 .
• :::- j
e !i-=.J 1
(

(
• ;.: i) li
(
• i ,:J 1

(
e ;, d
.• i:i ::J (
(
• i:~ :J
1

• j:.- d (

(
• i= :d
DEDICATORI A (
• ~d

:r: 1 (
(

: I': (

.
Sylv10 Péllico Netto (
(
• ·'d
A A.na Lúcia. minha esposa, aos meus filho s Marcelo e Thiago, (
-~
• =~1' e aos meus pais M ozart e Geralda (i11 /vlemorimn) (

• :-::1 (

.•-
DEDICO (
• · =~
(
:~
:~ (

..,~
(
•-, .· I!~
·iJ (

~~ (
Doádi Antôrno Brena
(

•1•
I ,~ 1~•
A Tânia. minha esposa . à Aline minha filha e aos meus pais
Máno (in Me111oria111) e Ondina
(
(
(
• ., 1·•
e r-_1 !• DEDlCO
(

•!,,~·
~
-
~ (
~ (

'
•~
•· -•
- . .. (
(
(
(
 ... 1 .,
(
• t"
• i:: ~
111 (
(
• ( ·J
• •= :;J (
1 (
• ·j' :;J
.• .7.,., (

• =-: '?J (
Os mestres ensinam aos discíp11/os, estes se tornam mestres,· os

..,.
• cc ,V ensinamentos se ampliam e se perpet11am: a ciência se consolida; a (
• :: ,d humanidade se beneficia e agradece a De11s por existirem os mestres, (

-:- ~ (

•
..!-~ -~
~.,,
~

--~'li
Sylvio Péllico Netto

Redigi este pensamento para homenagea r meus mestres, aqueles

que me ensmaram com relevo e sapiência o caminho que me permitiu,
orgulhosamente, ser um professor e um pes quisador
(
(
(
(
(
(
•

.,. . ..
e:~

..•·~--
Do secundário :
(
O lga Cerávolo Bueno (
;:~
Francisco Januário Carneiro (

~~ João Marques Vasconcelos (

.. ~--
1
• :!, ',.. Osório Duque Estrada Neto (
1
(
• 1!·..
: ~ Da Universidade: (

..• :~:!.•.
1

Frederik J. van Di ll ewijn - Uf Pr (

• 1 =:;i (
John Sammi - Siracuse University - USA
(
Carol All en Bickford - Siracuse Uni versity - USA

~
-
(
Tiberius Cw1ia - Siracuse University - USA
(
Nils Erik Nilson - Royal College of Forestry - Suécia
•· (

•·
• ?. . ~
Bertil Matem - Royal College of F orestry - Suécia
Micha il Prodan - Albert Ludiwig Universitat - Freiburg -
(
(

• •
Alemanha
(

(
(
(
(
(
Rodrigo Geroni Men~.es Nas~imento SUMÁRIO
Prof. Dr. Mensuração, lnventano e ManeJO Florestal
( Página
(
1. INTRODUÇÃO AOS INVENTÁRIOS FLORESTAIS .. ...... . 1
( 1.1. IMPORTÂNCIA DOS INVENTÁRIOS FLORESTAIS ..... ...... 2
\ 1.2. DEFINIÇÃO DE INVENTÁRIO FLORESTAL .... ....... .. ......... 5
(
1.3. TIPOS DE INVENTÁRIOS FLORÉSTAIS ........... ... ..... ... ....... 6
1.3 .1. Quanto aos objetivos . ... .... ... .. .. ..... .. ....... . ... ... ........... .... .. ...... 6
(
1.3.2. Quanto a abrangência................... ......... ...... ........ ........ ..... .. . 7
( 1.3. 3. Quanto a obtenção dos dados ... ... . .... .. .. .... ................ .. .. .... 8
( 1.3.4. Quanto a abordagem da população no tempo....... ..... ........ . 9
1.3.5. Quanto ao detalhamento dos resultados...... .. .................. ... .. 9
f 1.4. QUESITOS SOBRE O CAPÍTULO 1 ...... .................... .. ... ....... 11

.;.r··--••
r
/ 2. TEORIA DE AMOSTRAGEM ..... ..... .... .. .. ..... ............ ..... ..... . 13
( 2.1. CONCEITOS BÁSICOS ....... .. ... ........ ... ... .. ................ .. .... ..... 14
2. 1. 1. Censo e amostragem .. ... .... ........ .. .. .. ... .. . ... . ................ .. .... ... . 14
·
•
.,., •
•~
\

( ··
r ••
2. 1. 2. População .... .... .... .. .... ..... ... ......... ... .... .. .. .. .. .... ..... .. ........ .....
2.1.3. Amostra... . .. ......... ....... ... .... ... ..... .... .. .... ........ ...... ... ..
J5
16
( 2.1.4. Unidade amostral ...... ............ ......... ......... ... ..... ..... .... .. ......... . 18
( \___, ., -t 2.1.5. Intensidade de amostragem. ......... ... ....................... ... ........ 18

\
•
•·.! -~
2.1.6. Erro de amostragem. .. . ... .............. ...... ............ ... ...... .....
2.1.7. Precisão e acuracidade. ......... .... .... .... ............. .... .... ... .... ....
2.2. CLASSIFICAÇÃO DA AMOSTRAGEM . .. .. .. . .. ... .. . .... .... .... .
21
23
24
.1"·", 2.2.1. Segundo a periodicidade. . .. .. ......... .. .... .. ...... .. .. ..... ...... .. ..... 24
(
<
.1 . l;t 2.2.2. Segundo a estrutura , .:.. .... .. ...... .. .... ....... .... ... .. .... . .... ......... .
2.2.3. Segundo a abordagem da população . .... ........ .. ..... .............
25
26
( •r·l ,. l1) 2.3. QUESITOS SOBRE TEORIA DE AMOSTRAGEM... ........ .... 28

•.• te 1-'.. ctt' 29

.,...
3. MÉTODOS DE AMOSTRAGEM ... ......... ... ... ...... ..
(
3.1. MÉTODO DE ÁREA FIXA. ....... .. .. ....... ..... .. ..... .... .... .. .. .... 29

(
·-It
- "'" 3. 1.1. Introdução .... ... ... . . .. .. ..... . ... .. ...... .. ... .. ....... ..... ..... ..... .......
3.1.2. Tamanho e fonna das unidades amostrais .. . ... ...... . ...... ...
29
29
(
-~'t 3. 1. 3. Estimadores na unidade e por hectare .. . . .... ........ ........ .. .. ... . 41
\
(
(
•• . .- li
-;
3. 1. 4. Vantagens e desvantagens do método de área fixa . ............ 42

(
(
••· _,)
.. ~
 •• r
(
Página • J Página

3.2. MÉTODO DE BIITERLICH 43

• ·~u
•
1

1
,e ,u 4.1. PARÂMEtROS DA POPULAÇÃO POR UNIDADE
(
(
3.2.1. Introdução .. ...... .... 43 AMOSTRAL. ........ . 99 (
• :t ,j 100
3.2.2 . Unidade amostral .. .. .. ... . 45 4 2 . PARÂMETROS DA POPULAÇÃO ESTRATIFICADA ....... ..
• ,,: tJ 101 (
3.2.3 . Conceito de fator de área basal (FAB) 46 4.3. PARÂMETROS DA POPULAÇÃO POR FAIXA .. .. . .. .. .. ... ..
3.2.4. Estimativa do número de árvores por hectare .... .. .... .. 47 • e-d 4.3 . 1. Faixas com igual tamanho . . .. .. .. .. .. ...... .. 101 (
3.2.5. Estimativa do volume por hectare 48 4. 3 .2 . Faixas com tamanhos diferentes .. .. .. . ... .. .. ........ .. 102 (
• =- ·ti
3.2.6 . Fator de correção para árvores marginais ... 49 4.4. PARÂMETROS DA POPULAÇÃO POR UNIDADE
. '. '= "1.J (
3 .2. 7. Independência dos pontos amostrais ... .. .. .. . ... . 56 PRIMÁRIA. ..... .. .. .. . . .. ....... ...... .. .. ....... . 105
•·· ~ -~
..
3.2.8. Altura média de Hirata . 58 (
'1t. AMOSTRAGEM ALEATÓRIA SIMPLES . .. .. . .. .. .. ..... . . 107
3.2.9. Vantagens e desvantagens do método de Bitterlich .. ... .... . 62
• .,!4-,d ( ' (
3.2.10 . Exemplo do método de Bitterlich .
3.2.11. Exemplo da altura média de Rirata ......... .... . .
63
65 ,~--~ '" 5 1. MÉTODOS DE SELEÇÃO .
-o . .
.. . . .. .... .. . . . ..... .... . .
.. ................... ... 109
108
(

•..
i
3.3. MÉTODO DE STRAND . . .... .. .. ... ..... .. .. ..... ...... ... ... 67 .,.. -·~ . . _1\,,, '
;;, 5 . 2 NOTAÇA
.

5 .3. PARÂMETROS E ESTlMATfY AS .

. .. . . . . . . . .
. .

.. .... .. .. .... ..... ........ .. 109

3 .3 .1. Introdução 67 • · . -: -;,J- 109 (
5 .3 . 1. Média aritmética ...
3.3.2. Unidade amostral ... . 67 , ~~ --•••••••· -•-•--···· --· · -··· · · 109 (
5.3 2. Variância . .. ... . . ..... ... ....... ...
3.3.3. Estimador de área basal. 68
, ... 5.3 3 . Desvio padrão .. ..... . . .. .. . . . ... .... .. . .. .. • ••••.. 110

.,
": (
3.3.4. Estimador do número de árvores por hectare ou densidade 71 Variância da n1édia . . . .. . . . . . .. . . . .. . ...... .. ....... .. ... .. ... .. .....••••••· 110
• ,. ~d 5.3.4 .
3.3.5. Volume por hectare 76 (
5.3.5 . Erro padrão . ... ... ... . . .. .. . .. .. . .. • • .. - .... -.. · ·· .... · .. 110
3.3 .6. Vantagens e desvantagens do método de Strand .. ........... . 81 ~~
5.3 .6. Coeficiente de variação . .. .. ... . . .. .. .. ......... - .. ...... .. .. .... ••• • 111 (
3.3.7 . Exemplo do método de Strand .... . ... ........ . 81 ... .. . ..... .... . ........ ...... ... .. 111
• ! ::.1 5.3 .7. Variância da média relativa (
~ -"'4 . MÉTODO DE PRO DAN .. .. .... ...... .. ........ ... .. ..... .. ... 83 5.3.8. Erro de amostragen1 ...... . . . ...... .... ...... .. .. ... ... .... .. . 112
3.4.1. Introdução . 83 • e ~ -.. (
5.3.9. Intervalo de confiança para a média . · .. ... .. .. .. ....... ... . 112
3.4.2. Unidade amostral . 85 • ·· : ~.1 . ..... .. ... .... ....... ... ... ... .. .... . 113 (
.. . 5.3 .10. Total da população. .......

. ~•
3.4.3. Estimador de área basal ...... .. 85 ~~ 5.3 .11. Intervalo de confiança para o total ..... ... .. .. .. .. ...... .. . .. .. .. 113 (
3.4.4. Número de árvores por hectare . . ... ... ... . 85 5.3 12 Estimativa mínima de confiança ... .... .... .. . 113
• t. ~~ (
3.4.5. Volume por hectare . ... ... .... ... .... .. .... . 86 5.3. 13 Estimativas de razões ... . . .. ... .. . . 113
3.4.6. Vantagens e desvantagens do método de Prodan ... .... .. .. .. 86 5.4. INTENSIDADE DE AMOSTRAGEM . . . .. ...... ..... .. .... . l 14 (
3.4.7. Exemplo do método de Prodan ... .... .. ........ ... .. ... ..... ..... ... . 86
•·- ~ ~ 5.4.1 . População fi_nita . . ..... ................. .. .... .. 115 (
3.5. MÉTODO 3-P.
3.5.1 . Notação .
..... ... ..... . ... .. . ..
.. ...... .. .. .. ..
3.5.2. Seqüência da amostragem 3-P.. . ... ........ .
89
90
90
•·· ~
• !'..
• '!!:. ~
5.4.2 . População infinita .
5.4.3 . Ajuste da intensidade de amostragem .... ......... ....... .
.. ..... .. .. .. .. . .. ... .. .... . 116
116
(
(
5.5. FUNÇÃO DE CUSTOS .. . . . .. .. . . ·, .... .. .. .. ... .. . 117
3.5.3. Exemplo do método 3-P . .. .. . ..... ........ ...... ... .. . 94
.!•··'. ?!,.
'! !.
.,~ ~•
5.6. APLICAÇÃO DA AMOSTRAGEM ALEATORIA SIMPLES 118 (
5.7. EXEMPLOS APLICATIVOS ... ...... .. ...... .............. . 119 (
4. PROCESSOS DE A~OSTRAGEM 97

..:~•
5.7.1 . Exemplo I . 119
(
.. '!!:. . .
(
11 iii
: "'
(
• - 11
( t ·· ) • l
(
Página
,,.!• -1 Página
(
s-·'•i
( 5.7 .2. Exemplo 2 ......... . 126 ..,L. i 6.10. DETERMINAÇÃO DO NÚMERO DE ESTRATOS ............. 147
(
(
5.8. EXERCÍCIO PROPOSTO 130
~ -1•:J
f'f ,. ,
6.11. FUNÇÃO DE CUSTOS ...... .................... ...... ......................... 149
6.12. APLICAÇÃO DA AMOSTRAGEM ESTRATIFICADA....... 150
~- AMOSTRAGEM ESTRATTFICADA. 131 6.13. EXEMPLO APLICATIVO . .... ... ...... .... .... .. .. ........ ....... ... 150
( t )r I.. ~, 6. 13. 1. Inventário piloto . . . .. . . . .. . . . .. .. . . .. .. . . .. . . . . . . . . . . . . . . .. .. . . . . . . . . . . . . . . . 150
(
6.1. CRITÉRJOS UTILIZADOS NA ESTRATIFICAÇÃO .
6.2. VANTAGENS E DESVANTAGENS.
132
132
. , l. ft 6.13.2. Intensidade de amostragem.. .. .. .......... .. ..... ... ............ .. .. 152
. ;, 1;;- +t 6. 13.3. Inventário definitivo .............. ............ ......... ................. ....... 155
(

(
6.3. TIPOS DE ESTRATIFICAÇÃO .
6.3.1. Estratificação da variável de interesse ..... ..... .... . .... .. ... .... ..
6.3.2. Estratificação administrativa. .. . ... ............ . .. ...... ... ..
133
133
133
.)f ,. 1, 6.13.4. Análise estatística da amostragem.... .. ....... ...... ..... .... ......... 155
6.14 EXERCÍCIOS PROPOSTOS............ ...... .. ........... ... ...... .. ..... 157
t :: ,~.'.,
(
/
6.3.3. Estratificação tipológica . .... . ... .. 133
6.3.4. Pré-estratificação . . . . . .. .. .. . .... . . .. .... ... ... ... .... . .. . .. .... ..... . 134
6.3 .5. Pós-estratificação . . .. . ...... ........ ... . .. .. . .. .. ... . .... 134
.if ,-,f .. ,.
,.í, .1. AMOSTRAGEM SISTEMÁTICA ................. ................ ... ......
7.1. VANTAGENS DA AMOSTRAGEM SISTEMÁTICA ........ ....
159

159
(
(

(
(
6.4 . NOTAÇÃO.
6.5. PARÂMETROS E ESTIMATIVAS
6.5.1. Média por estrato .
6.5.2. Média estratificada .
. . . . ... . ................ .. .. ..... .. ..... ... 134
.... ... .. ......... .... . ,.. .. .. 135
135
135
•..~
t ;, .. :.
.:.
i r:.
; ...
7 .2. INTERVALO DE AMOSTRAGEM........ ... ..... .. .......... .. ......... .
7 .3 . SELEÇÃO DA PRIMEIRA UNIDADE AMOSTRAL.... ... ......
7.4. O PROBLEMA ESTATÍSTICO........ .. ........... ......... ......... ..... ..
7 .5. AMOSTRAGEM SISTEMÁTICA EM ESTÁGIO ÚNICO ......
160
160
161
163
6.5.3 . Variância por estrato . . ... .. . . ........ .... .. .... .. ..... 136 t~ .,,,l 7 .5.1. Amostragem sistemática em faixas. .. ..... ............. . .............. 163
(

7
6.5.4. Variância estratificada..... ... ..... . ......... .. ... ...
6.5.5. Variância da média estratificada . ..... .... ..... . .
136
136
.,. )1t 11... --l~ · 7.5.2. Amostragem sistemática com parcelas..... .................. ...... ...
7.6 . AMOSTRAGEM SISTEMÁTICA EM DOIS ESTÁGIOS ... ...
166
168
( 6.5.6. Erro padrão . . . . .. . .... .. ..... . . 138 7.7. PARÂMETROS E ESTIMATIVAS ... .............. .. .. ................... . 171

(
6.5.7. Erro de amostragem.
6.5.8. Intervalo de confiança para a média.
6.5.9. Total por estrato e para a população .
.. ..... ... . .. . .. .
..... ... .. .
. .. .......... .. .. ..
138
138
139
.
e:· lilr-•
. ~t"'
~;;,
7. 7. 1. Média .. ..... .................................. ... ..... ....................... .. ........ .
7 .7 .2. Variância da média ..... ....................... ........... ..... ... ......... .... .
7.7.3 . Erro padrão ... .... ......... .... .. ... ........ .. ... ... ..... ........ ...... ........ .
171
172
174
(

(
6.5.10. lntervalo de confiança para o total ............ .............. ..
6.6. CÁLCULO DO NÚMERO DE GRAUS DE LrBERDADE ...
6.7 . INTENSIDADE DE AMOSTRAGEM .
6.7.1. Alocação proporcional . . .. ...... . ...... .. . .
139
139
140
140
.
~

f · ..4
;,. flt
~~
7.7.4. Erro de amostragem ... .. ..... ........ ............... .. ........ .. .......... .... .
7.7.5. lntervalo de confiança.para a média ..... ......... .... .... .. ....... .
7.7 .6. Total estimado ...... ............. .. ................. .... ........... ............... .
7. 7. 7. Intervalo de confiança para o total .......... ............... .... .. ...... .
174
175
175
175

.. ,~-..•
( 6.7.2. Alocação ótima. .... . ... .. ... ... . ... ..... . 140 7 .8. INTENSIDADE DE AMOSTRAGEM ...... .... ....... .. ................ . 175
{ 6.7 .3. Alocação ótima com custos iguais ou de Neyman ... .... 141 .., -ãt 7.9. FUNÇÃO DE CUSTOS ....... .. .. ...... .............. ................... ... . 175
6.8. ANÁLISE DE VARJÂNCIA DA ESTRATIFICAÇÃO . 142 7.10 . APLICAÇÃO DA AMOSTRAGEM SISTEMÁTICA ... ........ . 176
( 7 .11. EXEMPLO APLICATIVO .. .. ... ..... ......... ............... ..... ..... .... . 176
6.9. PRECISÃO DAS AMOSTRAGENS ESTRATIFICADA E
( ALEATÓRIA..... 143 7.11. 1. Intensidade de amostragem ...... ... ..... .. ..... ..... .................... . 176
( 6.9.1. Comparação entre s{ aícar. , -e s?, prap. 1 •••. 144 f , -- • 7.11.2 . Estrutura da sistematização . ..... ... ... ... .... ....... .. .. ... .. .. ... .. . . 176

.,.;•·..· ...
, ",.ºP , e .\''~, ár imu, 145
t , -~ 7. 11. 3. Análise estatística .. . . . . . . . . .. . ...... ...... .... .. .... .. ..... ...... ....... . 177
( 6. 9. 2. Comparação entre Si,
7.12. EXERCÍCIOS PROPOSTOS
~~
180
(
... ~
( IV V
 (
' tJ
Página "-· ,.J Página
I r-=- ~J
8. AMOSTRAGEM EM DOIS ESTÁGIOS .. ..... .... ... .... .. .. ........ 181 1i,-::- ~, 9.2 7. Erro padrão .... ..... ....... ... ......... 208 (
92 .8. Erro de amostragem ............... ... 208
8.1. ORGANIZAÇÃO ESTRUTURAL .. ..... .... ........ ............. . 182 ti.= tJ 209
{
9 2.9. Intervalo de confiança para a média ..... .. ..... .
8.2. VANTAGENS DA AMOSTRAGEM EM DOIS ESTÁGIOS ... 182 tv = ~J 209 (
9 2. 10 . Total estimado .
8.3. NOTAÇÃO .. ..... ... .... ....... ......... ... ........... .. .. .... ..... ... .... . 184
t:,; e t:J 9 .2.11 . Intervalo de confiança para o total . 209 (
8.4. PARÂMETROS E ESTIMATIVAS .... ........... ... .. .. .... .. .. .. .. ..... . 184
c....:::::-- :..,1 9.3. FUNÇÃO DE CUSTOS . 209 (
8.4 .1. Média da população por subunidade ...... .. ... ... ..... ....... .. ... 184
209
9.4 . INTENSIDADE DE Al\,lOSTRAGEM ..
8.4 .2. Média das subunidades por unidade primária ... .. .. .. ...... ... . . 184 t:.~=a,JI (
9.4 .1. Número ótimo de subunidades do conglomerado ....... ... ..... . • 210
8.4 .3. Variância por subunidade . .............. . 184 I,:.•: ~ -' 210 (
9.4 .2 Número de conglomerados . ..
8.4.4 . Variância da média .... .... ... . ··· ··· ········· ····· ····· ······· ······ ···· ······· 186 210
8.4.5. Erro padrão .... ... ..... ............. ...... ..... ... .. .... .. ............ . 186 t: ~._J 9 5. ESTRUTURA DO CONGLOMERADO .
8.4.6 . Erro de amostragem ... .... .... ................. ... ... .. ....... .. .. ... ..... ... . . 186 ~~' ~·~ 9.6. OTIMIZA(' ÃO DA ESTRUTURA DE CONGLOMERADOS
EM AMOSTR AGEM DE FLORESTAS TROPlCAIS ..... ... ... . 211 (
8.4.7. Intervalo de confiança para a média ..... ... .............. . 187 l!.,: :·~ 212 (
9.6.1 . Fonna das subunidades de amostra .
8.4.8. Total da população ... . .. . .... .... .. ... ... ..... .... .. .... 187 212
~ : :··~ 9.6 .2 Tamanho das subunidades de amostra ... (
8.4.9. Intervalo de confiança para o total ... ................. .... . 187
9.6.3. Número de subunidades do conglomerado . ... . . .. 216
8.5 . FUNÇÃO DE CUSTOS.......... ........ .... ... ...... ....... .. .. .. . 187 ~ ~-" 9.6 .4 . Distância entre as subunidades do conglomerado . . ... . 219
(
8.6. rNTENSIDADE DE AMOSTRAGEM .. . .. ...... ....·...... ..... .... ... .
8.6.1. Unidades primárias .. .... ... ..... .. ... ... ..... .... ........... ... ... .... .
187
188
'1t:
i
=·• 9.7. APLICAÇÃO DA AMOSTRAGEM EM CONGLOMERA- (
\,'f: =1..J1
DOS .. ... .. ........ ........ ...... .. ..... .. .. 220 (
8.6.2. Unidades secundárias
8.7. APLICAÇÃO DA AMos°iAAGEivúú~;ioois.EirÁGios ····
189
192 ~1=~
l;i. . :~
9.8. EXEMPLO APLICATIVO . ....... . .. .. ..... ... ... .... .... . ... ... . 221
(
8.8. EXEMPLO APLICATIVO ...... . ........ .... .. ... ... . ........ ..... . 192 1 10 . AMOSTRAGEM SISTEl\lÁTI CA COM MÚLTIPLOS (
8.8. 1. Inventário piloto ... __..... .. .. . . .. ..... . 193 l;r:. . ;.Jf
1
225

-~
INÍCIOS ALEATÓRIOS (
8.8.2. Intensidade de amost ragem .. ....... ....... . . ... ..... ..... . 195
lr•A. !.1' 1
10 1. ORGANIZAÇÃO ESTRUTURAL .. ... 226 (
8.8.3. Inventário definitivo 196
8.8.4 . Análise estatística ... .... .. .. ...... ... ... ... .. 196
l t• i
~--- 1
!~
10.2. NÚMERO DE INÍCIOS ALEATÓRIOS .
10.3 VANTAGENS .. .
227
228
(

228 (
9. AMOSTRAGEM EM CONGLOMERADOS ... ........ ... 201 104. CUSTOS ._ .
li· 1 : ,J 105 ANÁLISE ESTATÍSTICA . 231 (
9.1. NOT ~ÇÃO . . .. ... .. ... .. ..... .. .... . 201 1i~. , -~ lO 6. EXEMPLO APLICATIVO . 231
9.2 . PARAMETROS E ESTIMATIVAS ... .. .... .. .... .... ......... .. (
202 231
te. : . ~ I O 6. 1. Organização estrutural _
9.2. 1. Média da população por subunidade .. ..... ........... .... .... .... ... . 202 231 (
~ "e . . .
10.6.2. Análise estatística .
9.2.2 . Média das subunidades por conglomerado .. ....... ... ... .. . 202 (
9.2.3. Variância da população por subunidade ........ .. .... ... . 202 ti-~ ~ 11. AMOSTRAGEM EM MÚLTIPLAS OCASIÕES .. .......... .. ... 235 (
9.2.4 . Coeficiente de correlação intraconglomerados . 204 ~
9.2.5 . Variância da média .. :-: ....... ... .. 205 'lf.-;:"'! !.~
11. 1. AMOSTRAGENS INDEPENDENTES . 235 (
9.2.6 . Variância da média relativa .... .. ... .. . .. .... ... ........... . 207
ti ~ !! ~
(

•-----·- -• ....
VI vii (
 (

(
I
(
...
,, .
,.'" •
.
(
Página .'
(
(
11 1. 1. Parâmetros e estimadores .
11 1. 1. 1. Primeira ocasião .
237
238
,,. ,. ,
I"
. . ,•. •, REFERÊNCIAS BIBLIOGRÁFICAS
Página

305
(

,... . 'l
11 1.1.2. Segunda ocasião. 239 APÊNDICE 313
( I 1. 1. 1. 3. Mudança ou crescimento . 241 fí'
( 11 .1.2. Exemplo aplicativo . 244
( 11 2 AMOSTRAGEM COM REPETIÇÃO TOTAL. 249 F• -1}
11 2.1 Parâmetros e estimativas .... 251 -_ ,
(
(
11.2. 1. 1. Primeira e segunda ocasiões .... ... .... .. .. .. ......... ... .. ..... ...... .
11.2.12 . Mudança ou crescimento ........ .. ....... ....... ... .. ... .. .... ..... .. ..
251
252
,~
C·
:- ,a
,... -•
r ,. ,
( 11.2.2. Exemplo aplicativo ........ ............... .... .. .. .. .... .... ... .. .. .... ....... . 254

(
(
11.3. AMOSTRAGEM DUPLA . ... ............ .......... .... .. ... ........ .
11.3.1. Parâmetros e estimadores ................. ..... ...... .......... ..
11 .3 .1. 1. Primeira ocasião ................. .. .... ......... .... .. ... ... .......... ....... .
260
262
262
,..
.,J
-- 1
( 11 .3.1.2 . Segunda ocasião. ....... ...... ..... ...... .......... .. ..... ........... ... 264 ~ ; -...t
( 1 1.3. 13 . Crescimento ou mudança ..... .. .. .. .... .. .... ..... ......... .......... . 268 A
..,, ;-.,. 1
(
11 .3.2 Intensidade de amostragem ... . ... ..... .. ... ...... ... ... 271 ~ · ,.,. ,.
11 .3..]_, Exemplo aplicativo . . 272
( 11.4. AMOSTRAGEM COM REPETIÇÃO PARCIAL .. 281 o· ~ 1
( 11 .4. 1. Vantagens da amostragem com repetição parcial ...... .. .. . .
11.4 .2 Estruturação do processo
282
283
e -"
( () M<- 'l
11 .4 3 Notação 284
e <t- l

.,. ·•
( 11.4.4. Parâmetros e estimativas 285
( 11.4.4.1 . Primeira ocasião . 285 e -- ~
(
11.4.4.2. Segunda ocasião .. 285 e --:1
(
11.4.4.3. Crescimento ou mudança 289 ... ,...
11 .4.5. Proporção ótima da subamostra pem1anente -Pm . 292
( 11.4.6. Exemplo aplicativo . . 292
• 1·-~--
1

(
11.5. INTERVALO DE TEMPO ENTRE MEDIÇÕES

(
(
(
SUCESSIVAS.
11 5 1. Necessidade de infomiações
11.5 .2. Relação custo/beneficio -: ..
11.5.3. Correlação entre as medições .
11 .5 .4. Precisão das estimativas de crescimento .
....... .... . 300
300
301
301
302
·:-~
•

e ;s-..
e .,.
' ;o.1'1
1

( 11 .6. ESTRUTURAÇÃO DE INVENTÁRIOS FLORESTAIS e ~ J'l

( CONTÍNUOS EM POPULAÇÕES COMPLEXAS . 303
• a- 'f)
(
( \ Ili
.• ·"" 7", ix
/

l) c· J
t)-·:J
tJ-·'.j
1
INTRODUÇAO
AOS
INVENTÁRIOS FLORESTAIS
-
1 (

(
(

f;):::- J (
t;\· -J (
1
t ;,:::-· ;J (
t..;-.~ (
NENHUM PAÍS PODE prescindir~ dos recursos oriundos !das
t.: ,~ tJ florestas para seu desenvolvimento econômico e social. Os produtos
e:, := ·.,J florestais são utilizados em atividades diversas desde ás construções civis (
aos adornos de madeira, cobrindo uma variada gama de utilidades
t.. ~-~ indispensáveis ao bem-estar do homem. (

tw '-"'"J Devido ao uso extensivo de madeira , uma considerável área florestal (

~ · :·· ,J é desmatada e utilizada anualmente para ?tender essa demanda . Dessa
t. n·-- ~ forma , um grande número de negócios está sendo efetivado para (
l: : ·-;J exploração das reservas florestais ainda remanescentes, tudo isso
(
objetivando atender ao suprimento de madeira exigida atualmente pelo
t: · --~1

1 . ,-
mercado consumidor.
l; : ~:,j
1 No Brasil existem as mais diversas condições florestais, variando-se
t,,1~:..1 desde a floresta tropical amazônica até as florestas temperadas de
1 (
t.r - ~ araucária no sul do país, constituindo-se assim preocupação constante aos
(
órgãos planejadores, um virtual conhecimento da situação florestal em
4:J,; ~J cada uma das regiões geográficas do país.
l: ~J 1

A região Amazônica, possuindo a maior extensão de recursos (

l!·' !' ~ florestais do mw1do, está atualmente em exploração e toda atividade (
t: !~~ florestal naquela região está carecendo de informações básicas, para

! :• (

!. melhor orientar as autoridades govemamentais quanto a sua utilização.

1
lr
t2J'.•1 As regiões das Caatingas e do Cerrado precisam ser consideradas

tt/~•
b j !!qj
como crescentemente produtivas. A expansão de ocupação nacional
necessitará da produtividade oriunda desta vasta região. Uma grande parte
de suas áreas é de vocação florestal e sua utilização, através da
r

(
implantação de reflorestamentos, abrirá nova perspectiva regional Sua (
b ·.•~ã
1 transformação em áreas de maior produtividade criará importantes
b ,,~~ benefícios sociais a essas regiões
1 (
(:!::. ~- ,1. ,.;;l 11 1M, , , , t, ,n ~
(

(
 (
( -
• · 1,_ l
( .-r!. -.,.
( , ~.,.. -1 Introdução aos Inventários Florestais 3
2 Inventário Florestal 1 .
( r ~ --l

(
(
. As regiões Sudeste e Sul do país têm hoje problemas de equilíbrio
, J-- 4
p •L_ l
A ocorrência do extrativismo desordenado e excessivo conduz,
naturalmente, a um rompimento do equilíbrio dos ecossistemas, resultando
ecológico, déficit de matéria-prima para algtms setores industriais, 1 em graves conseqüências ao bem-estar das populaçõe~ pelos inúmeros
( principalmente da Araucaria angustifolia, cujas reservas estão se ,a• ; - ;} desequilíbrios do balanço hídrico, pelo aumento de erosão do solo, pela
escasseando aceleradamente. 1§'· 1- --• degra'dação da fauna e flora silvestres, pela deterioração da produção de
( As florestas que cobrem a Sena do Mar apresentam hoje seu maior
potencial como florestas protetoras_ porém um manejo racional, sem
"" , .,. ~. alimentos, pelos desequilíbrios meteorológicos geradores de seca ou
enchentes, pelas mudanças causadas na paisagem e, até mesmo, pela
,r...~
( Tot ~•
permitir seu corte raso, pode tomá-la produtiva e trazer enormes poluição ambiental, o que em algumas condições extremas podem atingir o
( _.;.)
benefícios às populações habitantes nesta vasta região litorânea da costa nível de irreversibilidade.

(
( atlântica.
Considerando-se a grande importância que essas regiões têm para a
população, o conhecimento dos seus recursos florestais é fundamental para
f!<c -:::. ff
~ ; ;;;,;. ~
- Uma cobertura florestal míníma de aproximadamente 30% da área
total de uma nação, equanimemente distribuída no espaço territorial, deve
ser perenemente conservada, para assegurar o equilíbrio dos ecossistemas
...
( f;t., -•• ,)
a tomada de decisões pelos pequenos proprietários, por empresários, por naturais e garantir o bem-estar físico das populações .
( , ~
industriais, pelos municípios, pelos estados, pelas diversas regiões do país Tal concepção requer a adoção de uma estrutura amadurecida e
( ~ ' 'li'- -'.}
e finalmente pelo poder nacional . capaz de garantir o manejo contínuo e racional dos recursos florestais,
( tfr· ... ~
O dimensionamento de indústrias, o financiamento de recursos e o mantendo o binômio produção e conservação em equilíbrio.
tfíi. <'ó-;')
( planejamento da utilização dos recursos florestais só serão eficientes e Naturalmente, que o avanço tecnológico neste século foi acelerado e
(
lograrão êxito, se forem fundamentados em dados coletados, manipulados tii iil-'° ) gerou uma rápida ascensão da industrialização, dependente dos recursos

-~
e analisados dentro dos padrões técnicos. que possam garantir uma decisão
(
adequada e racional.
• •=~ florestais como matéria-prima, através de um fluxo contínuo e crescente.

( ~ - No Brasil, devido a alta concentração industrial no sul do país, a

Os inventários florestais visam exatamente informar sobre os cobertura florestal vem sofrendo pressão e exploração, tendo já
~ -;,;., ~
( recursos florestais existentes em uma detenninada área. ultrapassado atualmente o limite de equilíbrio na ocupação de seu espaço
~ T. ~
( vital, o que vem resultando em sérios problemas de desequilíbrio ambiental
'! _.. ,.
( 1.1. IMPORTÂNCIA DOS INVENTÁRIOS FLORESTAIS em algumas regiões.
~·~ ~
( Embora a madeira tenha se multiplicado em usos e fins
Toda nação passa historicamente por uma evolução de ocupação de
(
tecnológicos, a reposição da cobertura florestal é a única solução plausível
suas terras e, como tal, a exploração das florestas, visando abrir o espaço

~"~--
para atender a condição de equilíbrio anteriormente salientada .
( para a produção agricola. para a atividade pecuária, para o '-·• •
• 1 •

estabelecimento dos aglomerarlos populacionais e demais fom1as de -;; 1 "!Y

Outro fator de preponderância fundamental no exaurimento dos
( ocupação da terra, se acentuam com o grau de desenvolvimento de um recursos florestais é o aumento populacional de uma região. Já é
( povo. Caracteriza-se, desta fom1a, uma estreita ligação entre a exploração
f'"j~ conhecido tradicionalmente o efeito inversamente proporcional entre o
fr-• aumento da população e as áreas florestais remanescentes . A figura 1.1
( dos recursos florestais e o desenvolvimento da estrutura social de uma
~-• mostra a tendência histórica da relação % de áreas de florestas e o

~
-~1-••
nação, que expressa, naturalmente, o nível de equilíbrio entre a
(
capitalização vital oriunda da exploração dos recursos florestais e o grau aumento da população.
( de fragilidade do ecossistema alterado . Naturalmente, que -o crescente aumento do padrão de vida do povo
'} $.1' 1 ~
 ~--,., 1
4
Inventário Florestal ~-: ~., Introdução aos Inventários Florestais 5

:::}!capapel, •t -.-..1
em maior cons~mo per-capita de produtos oriw1dos da madeira
a construçao de moradias a melhoria do bT, . •1~.I A avaliação de mudanças e do crescimento das florestas constituem
Paralelamente, os valores protef
tomam d .
, . mo , ,ano e outros.
,vos e preservativos das florestas se !1~·~ os instrnmentos fundamentais para o manejo racional dessas, bem como
pem1item ao manejador pbnejar o atingimento do equilíbno entre
(

d 1~a a vez mais acentuados, quanto maior for o nível de tfl -= ·J (

esenvo vimento de um país.
l;;j~ rJ produção e a e\'.p loraçào_ conhecido como manejo em reg1n1e de produção
sustentada . Esta ação tem sido uma grande pteocupação atual no Brasil ,
(

l:/- :.1 pois sabe-se que os recursos florestais são limitados e seu completo (
'1:: ·-:: ..J exaurimento não pode ser atingido , pela geração de onerosos sacrifícios às (
populações causados pelos eustos sociais resultantes do desequilíbiio
• /-: ·t i
..
.-o.-v~•c4 0
IIII LHOUI i ambiental .
, t; ,,- ~
•rou Jo o.t. coa,,.,u,u "'l01tfful Os inventários de pequenas áreas , regionais e nacionais, informam
••oo 1,. e :j
to realidades sobre recursos florestais e são imprescindíveis para bem
10 ~ :~ ~ administrá-los e para planejar sua utilização racion~I (
•o
~ -~- ~ (
'º
'º ~ -!:.~- t.1 1.2. DEFINIÇÃO DE INVENTÁRIO FLORESTAL (

l0 e: '. "~ Definir inventário florestal não é tarefa fácil , dado este englobar
~. ~~ atividades diferenciais em consonância com os objetivos postulados em (
• 1 •
1000
lOOO
.W "! -: ~ cada caso específico . Em alguns inventários o objetivo pode ser apenas (
< 000 1.000
· obter uma estimativa de volume total de uma espécie e, por isso mesmo, o
inventário florestal pode ser considerado como apenas um instrumento
ti :rã infonnativo do volume de madeira existente na floresta . (
Figura 1.1: Relação entre % de A' rea CI:. -•·-.!J
Florestal e aumento da Desde o 111ício deste século, até aproximadamente os anos 70,
População.
~ ·- d usava-se muito no sul do Brasil deno111111ar a "Contagem de Pinheiros"
A escassez dos recursos florestais gera . existentes em uma detenninada área . como smàrnmo de mventario
melhor controle melhor "d . . t ~ , portanto, necessidades de (
. , " m1111s raçao e melhor gestão d florestal .
tanto nativos como plantados. esses recursos, (
Com a evolução da ·tecnologia e da crescente necessidade de
Esta atividade não d , . {
aprofundado conheciment:od era ~er conduzida em bom nível sem um infonnações mais detalhadas sobre as áreas florestais. os inventários
. h os recursos remanescentes O plane•iado tomaram-se mais complexos e passaram a 111fonnar muitos detalhes (
precisa con ecê-los b . _ · ~ r
racionalmen . . em para tomar dec1soes, para utilizá-los mais adicionais , que simplesmente o volume de madeira existente na floresta (
te e, pnncrpalmente, para planejar suas necessidades futuras. Hoje diversificam-se as infom1ações dos diferentes tipos de volume
resultantes do inventário como (
A partir deste consenso toma-se 1 . , .
executados . d. caro que os mventanos devem ser (
, . peno icamente,, para pemiitirem ao a) volume total:
proprietário. ao
emprcsano e ao e~tado acompanharem a dinâmica b) o volum e comerc,al: (
das mudanças que ~ ..: ~
ocorrem em um penodo de tempo considerado. e) os volumes comerciais para fins específicos, ta, s como
eu.
E.!:
-•
-1'
desenrolados. aglomerados e outros .
e
(
(
(
)

,.. ., '•

("r ,_ ~

~ " ,,. ,rt 7

.•
6 inventário Florestal Introdução aos Inventários Florestais
Ew ,;~,if
• 1 .
)
Com a crise de energia já se solicita hoje volume de galhos e de
,,.,. -:::;
poder público na fonnulação de políticas de conservação, d~s~vol'2mento
) 1

biomassa florestal, principalmente nas áreas do Cerrado onde a floresta , ,.. 7• • •

e uso dos recursos florestais, no planejamento e adrrurustraçao das
) tern sido grandemente considerada para fins energéticos Além destas florestas a nível nacional , estadual ou regional, na análise dos impactos
14· -•
) diversificações, infonna-se sobre os volumes por classes de qualidade, por
usos comerciais e para fins mdustriais específicos
p; ,.í. ambientais que seriam causados pela implantação de detenninado
empreendimento, etc.
)
)
)
Considerando-se essas e outras possíveis infonnações preferiu-se
definir inventário florestal de fonna mais genérica, para não se omitir
p;
fl
,:s-..(.l.• No setor privado, esses inventários são realizados para embasar
planos de ação de longo prazo, detenninar a disponibilidade de matéria-
nenhuma abrangência do set1 escopo
)
f'l·
e(. prima para a instalação de uma nova indústria, ampliação das existentes,

)
"Inventário florestal é 11111a atividade que visa obter informações
qualitativas e quantitativas dos recursos florestais existentes em uma
('-
I'=
o(. etc.

) área pré-especificada". 1.3.2. Quanto a abrangência

{f,
- 1 ·- •
) De acordo com o nível de abrangência os inventários florestais
1.3. TIPOS DE INVENTARIOS FLORESTAIS
fr· ~ ~ 1
)
)
~-1 --. podem ser classificados em três tipos : inventário florestal nacional,
inventário florestal regional e inventário de áreas restritas.
Os inventários florestais podem ser classificados em diversos tipos f l• ;- ~
de acordo com seus objetivos , abrangência , fonna de obtenção dos dados ,
abordagem da população no tempo e grau de detalhamento dos seus ~
~~
t·',- ~ ~
1.3.2 . l. Inventário florestal nacional
Os inventários nacionais são inventários extensivos que cobrem
)
)
resultados.

1.3 . 1. Quanto aos objctirns

f'r-, t·
1

i:)
países inteiros, visando fornecer as bases para a definição de políticas
florestais, para a administração florestal do país e para a elaboração de
fl' t ~
)
De acordo com os objetivos os inventános florestais podem ser ,- "' 1 .
planos de desenvolvimento e uso das florestas .

) classificados em dois tipos : in ventários de CLmho tático e inventários de

,. '" 1.3.2.2. Inventário florestal regional

.•
) cunho estratégico ~ -~í\ São inventários re.alizados em grandes áreas, cobrindo regiões
fisiográficas, estados ou região de ocorrência natural de uma espécie'. com
',-,1'º"
1

1 3 1 1. Inventários de cunho t:ítico 0 objetivo de embasar planos estratégicos de desenvolvtmento regional,

) , adoção de medidas visando preservar certas espécies, estudos de
São os inventários realizados para atender demandas técnicas
específicas de uma empresa ou propriedade florestal, tais como o f' 1 cc t} viabilidade de instalação de indústrias madeireiras, programas de
conhecimento da dinânllCZ! da floresta ao longo do tempo, atualização
cadastral , elaboração de planos de maneJo e exploração flornstal, o
ordenamento da produção florestal para garantir o suprimento de matéria-
~'~.I~; .•
p., I ~• colonização e outros usos alternativos do solo

1.3.2.3 . Inventário florestal de áreas restritas

prima de uma indústria . etc.
,J-4, São os mais comuns e constituem a maioria dos inventários
realizados pelas empresas florestais. Em geral de cunho tático, visam
1.31.2 . Inventários de cunho estratégico
,..~I~" deténninar o potencial florestal para utilização imediata ou embasar a
elaboração de planos de manejo.
Os inventários de cunho est ratégico são realizados para instruir o
f'" ~•
,,-, '·" _,
 '1 :::: d
1
~;=.1
1
9
a Inventário Florestal "(:JI Introdução aos Inventários Florestais
l>(--!I
1.3.3. Quanto a obtenção dos dados li j"=":d Numa tabela de produção são apresentadas as estimativas dos
parâmetros dendrométncos das árvores e dos povoamentos de uma
~(-.!# espécie. por sítio e idade. para um dctenrnnado sistema de manejo. Desse
Em função da forma como os dados são coletados, os inventários
fl;-;-::,-~ modo. pode-se avaliar uma floresta a partir da identificação do sítio,
florestais podem ser classificados nos seguintes tipos inventários por
enumeração total ou censo, inventários por amostragem e inventários por 1.il.,,,~ espécie e idade. obtendo-se as 111fo1 mações neccssánas diretamente na
tabela de produção. ~ r,~
1
tabela de produção
~ 1-'~ 1.3.-L Quanto a abordagem da população no tempo
1.3 .3 .1. Enumeração total ou censo
~ ~ '~
Nos inventários do tipo enumeração total ou de 100%. todos os
indivíduos da população são observados e medidos, obtendo-se os valores "'i~-~
ia; ~- .4
Em ftmção da abordagem da população no tempo. os mventários
podem ser classificados em temporá,ios, ou de uma ocasião e contínuos,
reais ou verdadeiros. isto é, os parâmetros da população
Os inventários por censo. devido ao seu alto custo e o tempo
6J, e,. ou de múltiplas ocasiões

necessário à sua realização. só se Justificam nas avaliações de populações t&;· e~ 1 3 -l I Inventários de uma ocasião ou temporários
pequenas, de grande importância econômica, ou em trabalhos de pesquisa
científica cujos resultados exigem exatidão.

1.3.3.2. Amostragem
~
t&í
e:..
~~

~~
. Os mventános temporános ou de uma ocasião são caractenzados
por uma única abordagem da população no tempo Desse modo, a
estrntura de amostragem definida para o mventário é materializada para

Os inventários por amostragem constituem a grande maiona dos 4t_,

~• uma única coleta de dados As unidades amostrais são temporárias e, em
geral_ instaladas pelo simples balizamento dos seus limites. Assim, finda a
inventários florestais realizados em todo o mundo Pelo procedimento de
amostragem observa-se apenas uma parte da população e obtém-se uma ~-- :~

'~
coleta de dados. toda a estrutura de amostragem é abandonada

estimativa dos seus parâmetros, a qual traz consigo um erro de -=-·- J 3 4 2 Inventários de múltiplas ocasiões ou contínuos
amostragem. ~-. -ti
Os inventários contínuos. ou de múltiplas ocasiões, são
6:,... •• caracterizados por vánas abordagens da população no tempo, isto é, o
A amostragem é uma ferramenta utilíssima aos invt.,,i1tános de
grandes ou pequenas populações. especialmente quando os resultados inventáno e repetido penodicamente Para tanto. a estrntura de
4Lt: 1 -•
devem ser obtidos no menor espaço de tempo, pelo menor custo e com a amostragem e matenahzada de modo duradouro. tendo em V1sta as
tr ·-1 4
1
sucessivas coletas de dados As rn11dades amostrais são permanentes e
precisão desejada.
'-"" 1 4 fixadas de maneira a pennitir sua localização e identificação a cada nova
Além disso, o uso da amostragem é imprescindível no estudo das -... :4 ocasião do inventário
populações cujas observações tem caráter destrutivo, tais como teste de
germinação de sementes, ensaios tisico-mecânicos da madeira. etc. et..~ ..
t,.... • 1.3.5. Quanto ao detalhamento dos resultados
1.3.3.3. Tabela de produção
ti..~,.~ Os inventários florestais são reallzados sob diferentes graus de
detalhamento das informações, de acordo com seus objetivos, extensão da
A tabela de produção constitui a base do manejo florestal, pois ~~, ◄
área, informações requeridas, precisão das estimativas, etc., os quais
'--~1
~t.,
expressa o comportamento de uma espécie ao longo do tempo, em um
detem1inado sítio, submetida a um regime de manejo defimdo, desde a ~ podem ser classificados em três tipos pnnc1pais identificados como
implantação até o final da rotação. 4 exploratórios, reconhecimento e detalhados
-.:.• ~
(
( f! ~

(
( 10 Inventário Florestal " ,'
~· ;")
Introdução aos Inventários Florestais 11
(
( 1.3.5.1 Inventários exploratónos
Í''
e-~; ,,. de preservação, lll1idades de manejo e potencial madeireiro da área em
f'fi, estudo
( Este tipo de inventário é aplicado, em gemi, em grandes áreas a
(
nível de estado ou país
Os principais objetivos dos inventários exploratórios são avaliar a
f i!i
11·
,.·•, Ao nível de reconhecimento as fotografias aéreas recomendadas são
as de escala 1 30 000 a 140 000. a fim de facilitar a fotointerpretação e
(
(
cobertura florestal de determinada região, sua localização, extensão e
caracterizar os tipos florestais existentes
f ~·
fi ·•.,, identificação dos detalhes. Atualmente este tipo de inventário utiliza
imagens de satélite.

,,.,
( Como exemplo de inventário a nível de reconhecimento pode-se
A utilização de mapas combinados com fotografias aéreas nas f; '" ~ citar o Projeto Radam-Brasil
( escalas 1 50.000 a 1 60 .000 e imagens de satélite constituem as bases para
t-

~-
( o teconhec1mento da superfície
~ - 13 5 3 Inventários detalhados
( Simultaneamente ao levantamento florestal podem ser efetuadas
descrições gerais sobre o uso atual da terra, mediante a identificação de
f; Os inventários detalhados são os mais .comW1s e, em geral,
(
áreas de cultivo, pastagens, cursos d'água, rede viária, áreas improdutivas, f; ._ ,. realizados em áreas menores, com maior detalhamento das informações e
( controle de precisão
etc. f ,. '~
Os principais objetivos desse tipo de inventário são: avaliar a
f;,.
.,
( !
Neste tipo de inventário a cotet~ de dados de campo é reduzida ao ~
cobertura florestal ; caracterizar os tipos florestais; determinar a
( minimo, porém não elimina totalmente a amostragem. Algumas w1idades f\ .
composição em espécies; detenninar estimativas de volume com controle
( amostrais podem ser concentradas naqueles tipos florestais de maior
interesse ou importância A partir daí pode-se emitir conceitos f\ 1 de precisão, por espécie, classe de diâmetro, tipo florestal , qualidade do
( ' tronco. comprimento de tora. classe de utilização comercial , por unidade
generalizados a respeito da composição da floresta, assim como uma
(
de área. total. etc .
estimativa preliminar dos volumes dos tipos de maior significância .
( Nesse tipo de inventário as fotografias aéreas recomendadas são as
Os resultados deste tipo de in ventário poderão ser usados para o
de escala 1 20.000 a l 25.000.
( preparo de políticas de desenvolvimento florestal_ de conservação e
proteção ambiental, além de possibilitar a definição de áreas que devem Como exemplo de, um inventário detalhado pode-se citar o
(
ser inventariadas mais intensivamente, de acordo com interesses Inventá no Florestal do Pinheiro no Sul do Brasil ( 1978).
( específicos.
( Como exemplo de inventário ex ploratório pode-se citar o Programa 1.4. QUESITOS SOBRE O CAPÍTULO 1
( de Monitoramento da Cobertura Florestal da Amazônia.
a) Por quê inventários florestais são importantes num país como o
(
1 3 5.2. Inventários de reconhedmento Brasil?
(
Em geral este tipo de , inventá,io é aplicado a nível estadual ou b) Qual a situação de informações sobre os recursos florestais nas
( regional. diferentes regiões do país ?
(
Os principais objetivos deste nível de inventário são caracterizar os c) Quais as maiores consequenc1as ambientais causadas pelo
( tipos e formações florestais: determinar a composição em espécies; extrativismo desordenado dos recursos florestais ?
( detenninar estimativas de volume sem controle de precisão; definir áreas
d) Que relação clássica existe entre área de cobertura florestal e

f
 ~ ,= r.l (
12 Inventário Florestal ~ "~ ·i.J ;z..3(o3 (
ti;~[
r- u.
2
. r
(
população em um país e por quê ? ~ ~-~-J TEORIA
6v ~- ~
(
e) Proceder a contagem e medição de todas as arvores de uma
floresta é apropriado para conhecê-la bem •) 6br. i:=- ·tJ
DE
f) Defina in ventário florestal Qs:p- ~ AMOSTRAGEM (

1 (
g) Diferencie inventários de cunho tático e estratégico ~ i:=- :J
1 (
ÍJ.'· t:: ;.J
h) Quais são os objetivos dos inventários florestais nac1ona1s , (
regionais e de áreas restritas ? b r--- ;J
(
i) Como se classificam os mventános florestais quanto a obtenção -.:- !',-- :1 NO MUNDO ATUAL. a maioria das decisões humanas é tomada
a panir da análise ou estudo de uma pane, apenas, do todo que envolve o (
dos dados? (t!!·~- ,J
problema , ou seja, por amostragem . Assim, o mécli'co pode diagnosticar (
j) Como se classificam os inventários florestais quanto a abordagem t: ~.. -~
da população no tempo ?

k) Quais são as principais características dos inventários florestais

"1'·-
41:l~-
!"'
··,J
uma enfermidade analisando algumas gotas de sangue, ou pequena porção
do tecido afetado do doente; os indicadores sócio-econômicos, tais como o
custo de vida , mflação, etc .. são obtidos a partir do levantamento periódico
(
(
exploratórios, de reconhecimento e detalhados ? dos preços de um conJtmto de itens que representam as necessidades (
tu·~ e~ básicas da população, realizado em locais selecionados como
tt·- · j (
representati vos do pais. Do mesmo modo, as chances de um candidato no
b -j pleito eleitoral pode ser prevista e acompanhada através de entrevistas (
realizadas com um pequeno percentual dos eleitores Uma dona de , casa (
\j:: :-J pode Julgar a qualidade de um lote de melancias vendidas na feira ,
(
411 ·- ~~ provando um pequeno pedaço que o feirante lhe oferece, ou pelo so1"(l que
~~, ,;.t emitem ao serem tocadas com o dedo . (

bit~: -i.J Em qualquer dos casos , esp era-se que as gotas de sangue ou (
.,,_ ._,
.. fragmento de tecido, os preços do conjunto de itens, a opinião dos eleitores (
entrevistados e o pedaço de melancia retratem uma imagem fiel da
~ ( ·;I população que representam . (
-=,~ ,.., (
Na indústria, no comércio, na ciência e de modo especial na
9"·~ -:.J Engenharia Florestal, os julgamentos conclusivos e tomada de decisões (
baseadas em conhecimentos e informações obtidos por amostragem são
..-~ i.1 extremamente comuns.
(
~,~~ (
Em muitos casos, a completa enumeração ou censo pode ser
~~~ impossível devido ao caráter destrutivo da análise ou teste. É o que (
r,. !"-~ acontece. por exemplo, no teste de germinação de um lote de sementes, no (
~~- ~ ensaio de resistência à tensão das madeiras a serem utilizadas em uma (
ponte. no teste de resistência à ruptura do papel a ser empregado em um
~ !t=· ,;.J livro, etc (
'9~:,,- .,_. (
(
 (
ir
(
p ~
(
f! . 1&
(
( 14 Inventário Florestal
f!
~
--•• Teoria de Amostragem 15

(
( : Em outras situações, a enwneraçã0 total é infactível. É o caso da
avaliação da qualidade do ar, da qualidade da água que abastece uma
f!"
t!'
"e.• podem ser, inclusive, mais confiáveis que as obtidas através do censo,
pelas seguintes razões : ao se observar uma parte apenas da população
(
(
cidade, da detenninação do peso de peixes existente em um rio, etc. ~
r·
•--~
pode-se dispor de mais tempo e recursos financeiros, para realizar as
medições com maior cuidado, adquirir íristrumentos de melhor qualidade e

(
Como as populações floresta is são geralmente extensas, de difícil
acesso e com freqüênda necessitam ser inventariadas em curto espaço de ,.., ••
utilizar pessoal melhor treinado. Além disso, como os dados da amostra
podem ser coletados e processados em menor tempo, as informaçõE-s
tempo, a rea lização de inventários florestais está intimamente vinculada à
,.1:
(
(
(
teoria de amostragem . É por isto que a maioria dos inventários florestais
executados no mundo inteiro é realizada com · base em procedimentos
estatísticos de amostragem.
E°" o.•
e,..
obtidas podem ser mais oportw1as
A teona de amostragem evoluiu nas últimas décadas, pemlitindo
que a medição de uma parte da população apenas, possibilitasse infenr
11' · sobre o todo com a precisão desejada, a um custo mínimo, em curto
(
(
2.1. tONCEITOS BÁSICOS
fi=·
fr' e. espaço de tempo e com uma probabilidade de confiança fixada

( Os conceitos principais uti lizados na teoria estatística de

·
-
•
f •- 2.1.2. População
(
(
amostragem são os seguintes:

2.1.1. Censo e amostragem

~-
f'i ·
•• A população pode ser definida como um conjw1to de seres\ da
mesma natureza , que ocupam um determinado espaço _em um determinado
tempo .
(
( Censo ou completa enumeração é a abordagem exaustiva ou de
100% dos indivíduos da população. A completa enumeração reproduz
~ '
~
•• S UKHATME et allii ( 1984) conceituam população como um grupo
de tmidades definidas de acordo com os objetivos do levantamento .
( exatamente todas as características da população, ou seja , fornece os seus ~ r -- ~
( parâmetros, valores reais ou verdadeiros . .... 1, .,. E importante identificar a população como um agregado de valores
w1itários, onde a w1idade é o espaço sobre o qual se faz a observação e o
( As populações florestais são geralmente extensas e uma abordagem fr·;··:"t valor. o atributo avaliado nesse espaço .
exaustiva ou de 100% dos seus indivíduos demanda muito tempo e alto ~ •--. :-, LOETSCH & HALLER ( 1973) afinnam que uma população, no
(
custo para sua realização.
f';- ~- ~ sentido estatístico. apresenta duas características essenciais
(
Amostragem, conforme HUSC_!-1, MILLER & BEERS ( 1982),
( consiste em observar uma porção da população (floresta e suas P- -- ~
a) Os indivíduos da população são da mesma natureza
( características) para obter estimativas representativas do todo. O grupo de P -"'-~-. Esta condição é faci lmente demonstrada pelo exemplo de uma
unidades amostrais escolhidas para ::is observações e medições constitui a f"-~ s . :,
floresta que, para propósito de inventário, foi dividida em pequenas
(
(
amostra .
O objetivo da amostrag~m é fazer inferências corretas sobre a
~ '-''' ...
f\ ..:•-~•
w1idades de área. Neste caso. a característica que identifica os indivíduos é
o tamanho tmifom1e das w1idades Por outro lado, a população pode ser
( população, as quais são evidenciadas se a parte selecionada. que é a composta de árvores como indivíduos A identificação, neste caso, é a
(
(
população amostral, constitui-se de uri1a representação verdadeira da
população objeto (LOETSCH & HALLER, 1973 ). """.
@~-' ~
,-~·-..c.:t
árvore ou árvores de certas espécies .

b) Os indivíduos da população diferem com respeito a uma

A amostragem, de um modo geral, proporciona as infonnações
( característica típica, ou atributo chamado variável
desejadas a um custo menor que a enumeração total . Estas infonnações ~ r- ~
(
fifi · •
 '7-1~., r
li' r ~ Teoria de Amostragem 17
Inventário Florestal
16
~:r-~
Árvores, como indivíduos da população, têm um número de lt Í-:., [ POPULAÇÃO]~ (N) =(> PARÂMETROS· (

~-~
características que são importantes do ponto de vista do inventário, sobre
as quais são coletadas as infonnações deseJadas Tais características são o ~ -
I;,- ~,;
diâmetro à altura do peito, os vários tipos de altura, volume, incrementos,
a idade, as espécies, a qualidade da madeira , etc .
1;!: _-,..
ti,:· _.. ,.
1 2 3 4 5 6
G 8 9 10 (

A condição de que os indivíduos da população, estatisticamente, 19 20 (

11 12 13 14 15 16 17 18
diferem somente em uma característica, detennina que populações ,t;- ~-·~ (
compostas de árvores _c omo indivíduos, podem ser consideradas como ~ , c,~ 21 @ 23 24 25 26 27 28 29 30
populações estatisticamente diferentes, as quais são distinguidas pelas ~- ,_,.. 31 32 33 34
~

35- --s&-. -l2 __ (& J9-- 4Q

(

variáveis escolhidas, como espécies , diâmetro, altura do tronco, etc .

~ '"..,. 1--.

Se o tamanho das unidades de área utilizadas para dividir a área

i:!; ~~~ 41 42 43 44 @ 46 41 4S------- '41]-
---
-1à-
--
'"- AMOSTRA
(

florestal varia, obtém-se populações diferentes, as quais são caracterizadas

pelo volume por parcela de 0,04 ha, ou O, 1 ha, ou 0,25 ha, etc. -.::
~ - ~·~
~·• 51 52 53 54 55 56
.--
57 58 59 · ·go (o)
(

~
'
A figura 2. 1 mostra um exemplo de uma população com fonna 61 62 63 I@. 65 66 67 68 69 70 / (
quadrada, composta por (N) W1Ídades amostrais também quadradas , da i!J , =i.•..
qual foi extraída uma amostra de (n) unidades. ~- ~- 71 72 73 74 75 76 77 78 79 l~ . ~
1

ESTIMATfVAS
(

(
~-
...
':e'. .
2.1.3 . Amostra 81 82 83 84 85 86 87 88 89 90 (
4it;· :::.
A amostra pode ser defipida como uma parte da população,
constituída de indivíduos que apresentam características comuns que ~- '.!'. 91 92 @ 94 95 96 97 98 99 N (

(
identificam a população a que pertencem ~-~1!_• (
É necessário garantir que a amostra seJa representativa da ~ t i l': ~

população. Isso significa que, exceto pequenas discrepâncias merentes a ~~!::, ,. UNIDADE =C> CARACTERÍSTICAS {Quantitativas
(

aleatoriedade presente no processo de amostragem, a amostra deve possuJr

v~- '=)• AMOSTRAL Qualitativas
as mesmas características básicas da população, no que se refere à
variável a ser estimada (COSTA NETO, 1Q77) ~•
-~ -~
~ 1~,. Figura 2.1 • Organização estrntural de uma população, amostra e
(
(
No caso de populações homogêneas, o processo de seleção das unidade amostral. (
unidades não exige maiores cuidados Porém, na área florestal depara-se, ~i'~T~• (
a) A seleção deve ser um processo inconsciente
em geral, com populações não homogêneas ou similares e, por isso, o
processo de seleção adquire importância e decide o grau para o qual a
~ 1~
(
amostra é representativa da população Duas condições principais devem ~ ·~ Processo inconsciente, significa independente de influências
' 1.
~!--·
~!~
subjetivas, desejos e preferências próprias do subconsciente Quem se (
ser observadas na seleção de uma amostra ·
1 depara com o problema de selecionar árvores , parcelas, ou talhões (
representativos de uma floresta, conhece a dificuldade de cumprir esta
~. ~!;'!-,. condição.
(

~;-~- 1~~ (
(

(
 (
l , íl Ir'.,;' . r' ,/ -=v (>-'

(
l /, ,,, =t>, ,d -, -I-

( l r , -. ,r ~
18 Teoria de Amostragem 19 .
(
(
b) Indivíduos incowenientes não podem ser substituídos A intensidade de amostragem pode ser detenninada através de dois
(
Esta condição é muitas vezes violada nos levantamentos florestais procedimentos principais: em função da variabilidade da população, do
(
Um exemplo comum é a distribuição das parcelas amostrais restnta as erro de amostragem admitido e da probabilidade de confümça fixados; ou
( partes acessíveis da área amostrada . Outro exemplo. é a medição das em função do tempo e recursos disponiveis para a execução do inventário.
( a'ituras restrita àquelas árvores perfeitamente vis íveis .
~ ~
( Ambas condições· somente podem ser cumpridas, se a seleção for
realizada inteiramente aleatória. O processo pode ser manual ou mecânico,
,.., ~
2. 1.5 . l. Intensidade em função da variância da população, precisão
requerida e confiabilidade fixada
(

(
desde que o princípio de aleatorização seja rigorosamente observado e
qualquer tendenciosidade seja eliminada.
~ ;
·~
.1)
Este é o procedimento normal e desejável em um inventário
florestal. A intensidade de amostragem é uma função da variabilidade do
~ "
volume da floresta, do erro de amostragem máximo adnútido para as

~-.
(

(
O fato de uma estimativa estar livre de tendências, não significa que
seu valor deva ser igual ao do parâmetro corrt>spondente da população.
~ '
•
,a,
estimativas e da probabilidade de confiança fixada para as mesmas .

( Mesmo com um rigoroso método de sel eção, a amostra pod~ não ser uma
~ Nessas condições, o tamanho da amostra pode ser derivado da

(
(
(
descrição exata de toda a população

2. 1.4. Unidade amostral

1
1
~-·•
,._,
~
,_ :!)
expressão da variância da média, que é dada por:

s!.=
·'
s~
n
X
,
(1-f) (2.2)

,.. ~·•,,
A unidade amostral é o espaço físico sobre o qual são observadas e f'i ·-~
( medidas as características quantitativas e qualitativas da população . onde:
( s!X = estimativa da variância da média - precisão;
As w1idades amostrais. em inventários florestais, podem ser f,f
( constituídas por parcelas de área fixa - em geral com fom1a circular, s X2 = estimativa da variância - variabilidade;
quadrada, retangular, ou faixas-. pontos amostrais, ou árvores.
,...f .·· ~ n = número de lU1idades amostradas - tamanho da amostra;
(
" ' :--ti f = fração de amostragem.
f
2.1. 5. Intensidade de amostragem f''- __ ,,
Como o tamanho da _a mostra é detenninado para um nível de
( A intensidade de amostragem ou fração de amostragem, conforme
, , ·. (!)
probabilidade fixado, agrega-se o valor de (t) à expressão, como segue:
CHACKO (1965), é a razão entre o número de wúdades da amostra (n) e fr°' ·s :t
o número total de unidades da população-(N), ou seja.
( ~' --~
( (2 1) f'· ·--:t Isola-se (n) através das seguintes operações:
(
Também, pode ser expressa pela razão entre a área amostrada (a) e "'' -~:t
(
a área total da população (A) As?im, se em uma população de 750 ha for
f-· :-(1
( tomada uma amostra composta por 6 7 w1idades de 0.1 ha. a intensidade de ~ - _"-.
( amostragem percentual resulta : f: --<t
( = (6 7 ) (0,1 ha! /O// ~-- '•-{t
(
(
. 750 ha
r·r~
,- ~
1

e~
 0- - - ::,
. (
20 Inventário Florestal
•• ~- •.jj
':: !li
Teoria de Amostragem 21 (

•• .'-il
' ~
2.1.5 .2. Intensidade em função do tempo e recursos disponíveis
Em muitos inventários florestais, a intensidade de amostragem é
(

(
(iJ ... ~ (
fixada em função do tempo disponível para sua realização, ou pelos
(2.3)
•• .:: ri,
~-tà
recursos financeiros, humanos e materiais existentes .
Nestas condições, a intensidade de amostragem é uma decorrênci"
(
(
Considerando que o erro de amostragem admitido é expresso por
•• · -- ~ da quantidade de trabalho que pode ser realizado em determinado tempo,
ou com os recursos colocados à disposição . Com isso, não é possível fixar (

•• - ~
~
1
·cl~
o erro de amostragem requerido para as estimativas do inventário. O erro
resultante será maior ou menor, dependendo das caracteristicas da floresta.
(

finalmente, tem-se .,_ -ià Segundo HUSCH, MILLER & BEERS ( 1982), se os recursos
(
(
(2.4) •• ·· ·à e .. financeiros forem limitados, a intensidade de amostragem pode ser
(

.,---
calculada através da equação de custos, tomando-se as estimativas dos
to,. -.
custos fi xos e por unídade amostral determinadas no orçamento do (
Comumente, o erro de amostragem admitido no inventário é fixado ": ". , inventário, como segue:
(
a partir de um limite percentual da média estimada, ou sej~ : ':: t;S (2 7) (
-:: fl
onde:
(2 5)
_. ': ~
onde:
e, = custo total do inventário;
(
(
LE =limite do erro de amostragem admitido ~ - ~~
C0 = custos fixos de planejamento, equipamentos, análise, e
x =média estimada - !'. ..j
(
~- elaboração do relatório;

- º'
(
Em geral, o erro de amostragem admitido é fixado simpl esmente ~ - -= à C1 = custo médio por unidade amostral ;
por: n = número de unidades amostradas. r
., ~ \

,:,,,. -, = ( l L',': • X- J-, (2 6) ~

Portanto, o número de unidades que pode ser levantado no (

deixando o valor da probabilidade (t) de Student implícito no limite do

erro, para fixá-lo diretamente na probabilidade de 95% .
~
~ ~ ..
-: ;à
inventário, com os recursos financeiros disponíveis , é dado por:

0
n =---
C, -C
(2 8)
(

.
C1 (
Observa-se na expressão (24} que, para um erro de amostragem ~

~--
~ -

•• .
fixado , a intensidade de amostragem cresce com a variabilidade da Caso existam informações preliminares sobre a média e variância
~'
população e com a probabilidade de confiança ; por outro lado, para uma
dada variabilidade e probabilidade de confiança, a intensidade de
.,'. ~
da floresta em estudo, pode-se estimar a precisão a ser obtida com essa
intensidade de amostragem .
(
amostragem cresce com a redução do erro de amostragem admitido, ou ::':
(
seja, com o aumento da precisão Neste procedimento, a intensidade de 2.1.6. Erro de amostragem (
amostragem é calculada considerando-se que não há nenhuma limitação de -= • O erro de amostragem é dado pela diferença entre a média estimada
<
-e.à
=•
.,
~!
tempo ou recursos para a realização do inventário . na amostra e a média paramétrica da população, ou seja:
~ (
e iJ (

(
 (
(
,.. •
r. 1. .
(
,,. .7- JJ1f
.~.•
( 22 Inventário Florestal Teoria de Amostragem 23
( r' ;. ;f
( &=X -x (2 .9) ••,r como por amostragem.
(
(
onde:
E= erro de amostragem :
X= média paramétrica;
r
r i(
~•. Os erros não-amostrais contribuem significativamente para a
magnitude do erro total do inventário, podendo, inclusive, serem maiores
que os erros de amostragem (HUSCH, MILLER & BEERS, 1972)
(
(
(
x = média estimada na amostra.
Em um inventário florestal ocorrem dois tipos principais de erros,
~
~ f
-.• Com freqüência, a exatidão de um inventário é indicada somente
pela magnitude do erro padrão da média, sem considerar os erros não-
arnostrais, mesmo porque não existe uma fómrnla matemática capaz de
(
(
conhecidos corno erros amostrais e erros não-amostrais. A soma destes
dois tipos de erros detemúna o erro total da estimativa.
P·
f'i~ 'if º'._ ,.º
e
avaliar sua grandeza . A única maneira de se controlar e avaliar a grandeza
dos erros não-amostrais é estabelecer uma supervisão e conferência
(i- efetivas de todas as fases do inventário.
2.1.6.1. Erros amostrais
(
(
Os erros amostrais decorrem do processo de amostragem e são
devidos a parte da população que deixou de ser amostrada. ·
t, .
~ .
· rjf• De qualquer modo, devem ser tomadas as precauções necessárias
para minimizar as possibilidades de ocorrência desses erros, haja vista
(
Considerando-se nulos os erros não-amostrais, _a diferença entre a ,~ ;j
que quando ocorrem, é difícil detectá-los e eliminj-los.
' ~ 1) c)-..er _.., ,· •. K =----
,.., _
=- e-< , ' ,.... f _..,. . , ",·, .
,._."" a...
, · -,> '--~"-"' .
(
(
média estimada (x) e a média real da população(.\") é estimada pelo erro
padrão da média. O erro padrão expressa o tamanho esperado do erro de
('1;;
•• 2.1.7.Precisãoeacuracidade
'---------""
o~,-ct"o.. e- oZ,•e-
A precisão de um inventário florestal, realizado através de
e O ',.?,,ev

(
(
amostragem, em geral, apresentado como uma percentagem da média
estimada e por isto chamado de erro de amostragem percentual
"',..;, .. amostragem, é indicada pelo erro padrão da estimativa, sem considerar a
magnitude dos erros não-amostrais. Refere-se ao tamanho dos desvios da
-~ amostra em relação a média estimada ( .t' ). obtido pela repetição do
(
(
No planejamento de um inventário florestal , uma das decisões
importantes é a precisão desejada para as estimativas. Esta precisão '""
11· procedimento de amostragem.
desejada é, geralmente, expressa pelo erro de amostragem máximo 15'· :., A acuracidade expressa o tamanho dos desvios da estimativa
( admitido, em percentagem . Assim, quanto menor o erro padrão da média, amostral em relação a média paramétrica da população ( .f ), inçluindo os
f';.; ~
( maior a precisão.
,-.. erros não-amostrais. É a acuracidade da estimativa amostral que interessa

( O erro de amostragem de um inventário florestal depende do

tamanho da amostra, da variabilid<!_de das w1idades amostrais e do P· "'"
--~
conhecer no inventário florestal; contudo, em geral, avalia-se apenas a
precisão devido a facilidade de sua obtenção . Assim, deve-se atentar para
(
(
procedimento de amostragem usado

2.1.6.2. Erros não-amostrais

,.
fit
...
~
-'~
a definição de esquemas de amostragem, coleta e análise de dados
apropriados, visando maximizar a precisão e minimizar os desvios
amostrais e erros não-amostrais .
( r- .e ~

(
(
Os erros não-amostrais podem ser originados por inúmeras causas,
tais como, negligência na ma.reação das w1idades amostrais, erros de
medições causadas pelo operador ou instrnmentos, erros de registro das
P-/~•
ft· i ._ ,,
É comum se dizer que em qualquer aplicação de amostragem,
precisão e custo são duas variáveis mtimamente interligadas, e que a
especificação de uma implica automaticamente na detemúnação da outra.
Definindo-se a precisão pode-se calcular a intensidade de amostragem e,
( observações, erros de processamento etc. f h :-dl consequentemente, o custo de sua realização. Tendo-se um orçamento
1
( Esses erros não são relacionados com o processo de amostragem e F ~ . ;\ prévio adnússível pode-se, a partir daí, detenninar a grandeza da
( podem ocorrer tanto nos inventários realizados por enumeração total. f' ; . ~~
( ,.., . tt
 24 Inventário Florestal Teoría de Amostragem 25 (

(
amostragem capaz de ser efetuada . Esta interdependência ficará mais 2.2.2. Segundo a estrutura
claramente entendida na exposição de cada processo de amostragem. A amostragem segundo a estrutura · pode ser classificada em (

A experiência prática mostra, entretanto, que existem padrões aleatória, sistemática e mista. (
assumidos neste particular, ao se aplicar amostragem à inventários (
florestais . A precisão mínima admíssível utilizada tem sido comumente de 2.2.2.1. Amostragem aleatória
(
10% do valor da média do volume, obtido por unidade de área, e a Por amostragem aleatória entende-se aquela cujas unidades
qesejável da ordem de 5% deste valor. amostrais são sorteadas com um critério probabilístico aleatório. A (
amostragem aleatória se divide por sua vez em dois grupos: (
Nos inventários florestais , como em qualquer procedimento de
amostragem, a preocupação maior é com a acuracidade, a qual pode ser
a) Aleatória Irrestrita ou Inteiramente Aleatória
conseguida através do planejamento e execução do inventário para uma
(
precisão desejável, elimínando ou reduzindo ao mínimo os erros não- A amostragem aleatória irrestrita implica que nenhuma restrição é
imposta ao processo de seleção das unidades, ou seja, de uma listagem de (
amostrais.
todas as unidades potenciais (N) em que a população é dividida, procede- (
se ao sorteio das (n) unidades da amostragem. Tal amostragem implica,
2.2. CLASSIFICAÇÃO DA AMOSTRAGEM portanto, existir uma listagem prévia das (N) unidades da população. (

A literatura, quer geral ou aplicada, não apresenta uma (

classificação completa e diversificada sobre aplicação de amostragem em b) Aleatória Restrita
(
uma dada população. Uma pri~eira aproximação desta classificação será Na amostragem aleatória restrita sempre a unidade mínima da
(
apresentada a seguir em três níveis distintos. amostragem é dependente de uma prévia restrição imposta à população a
ser amostrada. Esta restrição geralmente conduz a amostragem a uma (

2.2.1. Segundo a periodicidade estrutura de dois ou mais estágios de seleção das unidades. A restrição se (
caracteriza, exatamente pelos estágios hierárquicos do processo de
Segundo a periodicidade a amostragem se classifica em uma seleção. Exemplos desta estrutura são a seleção da amostragem em dois
(
1

ocasião e múltiplas ocasiões . estágios, seleção estratificada, etc . (

2.2.1. l . Uma ocasião (

2.2.2.2. Amostragem siste_mática
Por uma ocasião entende-se uma só abordagem efetuada na \
Por amostragem sistemática entende-se a seleção de amostras onde
população considerada. Especificamente, no caso de inventário florestal, (
o processo probabilístico caracteriza-se por:
significaria realizá-lo uma única vez numa área. (
a) seleção aleatória da primeira unidade amostral;
2.2. 1.2. Múltiplas ocasiões (
b) a partir da primeira, todas as demais unidades amostrais são
automaticamente selecionadas e sistematicamente distribuídas na (
No caso de múltiplas ocasiões, entende-se múltiplas abordagens da
população. Esta condição se caracteriza pela regularidade, ou pela (
mesma população, efetuadas num período de tempo. A amostragem neste
distribuição igualitária das unidades dentro da população a ser amostrada.
caso é repetitiva ou periódica e' sua realização se faz em espaços regulares
de tempo. Esta repetição periódica da amostragem em uma mesma área é
também conhecida como monitoramento da população.
(
 •• •-y ,,. ,
e ::'. ~
'
;- ,
-~
•·
.)
26 Inventário Florestal f!t ' i ... ,4
.. :_ 1
r, ' .
Teoria de Amostragem 27

.~
tp··i~ :,
'
• G~
2.2 .2.3 . Amostragem mista
,,..... .,._ ·~
Nestas condições a interligação entre ocasiões sucessivas implicará em
usos de técnicas de regressão, correlação e até mesmo de complexos
-.;,- Por amostragem mista entende-se u.,-na seleção amostral envolvendo
'1
~ :?-:, estimadores de precisão.

.~
sempre dois ou mais estágios, onde haja ou estejam presentes as seleções
('
aleatórias e sistemáticas simultaneamente. Geralmente nesta estrutura • •-'~ .:;, Geralmente para uma única abordagem ou uma ocasião, os
. ,t

./
~ 1

., ,,.,t
amostral o primeiro estágio é aleatório :t processos de amostragem se classificam em:

.)~
ft•i 1..,. --:} - Aleatório
2.2.3. Segundo a abordagem da população
p ; =-l a) Aleatório Irrestrito
A amostragem segundo a abordagem da população se classifica em: 1

(':a ,;;..- f Amostragem Inteiramente Aleatória

método, processo e sistema de amostrage";~"r-~ ,..,,,. r r ,.;;;, ,,,,1/ ,. ., . >
b) Aleatório Restrito
e\ ~ ':"· '
2.2.3.1.Mét~ ---:::-"};.,r, -r, ,-/, ~I .... ,.9 ,.
,-~."!'-- , Amostragem Estratificada

•• ~

Por método de amostragem entende-se a abordagem r\eferente a uma'

unidade amostral. A seleção dos indivíduos que participam desta unidade
).\· 1 ,...." .-•. ,~

~~-:,
•

f:i. 'II+ ,:f

1

!
Amostragem em Dois Estágios
Amostragem em Múltiplos Estágios

•• amostral é feita de acordo com um critério probabilístico previamente

definido, o qual estabelece o méto.do de seleção.
..- .. 1

,.. . 1!'-
!
·J
•
- Sistemático
a) Único Estágio

• ••
Existem vários métodos de amostragem, destacando-se entre eles os
seguintes: método de Área Fixa, método de Bitterlich, método de Prodan
(6 árvores), método de Strand e método 3-P de Grosenbaugh.
" ' z- . .

f't,; i=-- ·'J

, ,..... :f
1 . b) Múltiplos Estágios

- Misto

~
,..,·.-•
• 1
a) Amostragem em Grupos ou Conglomerados
O método de Área Fi xa é o mais conhecido e tradicional dos

•• métodos de amostragem. Com o advento da seleção de árvores com o

critério probabilístico proporcional a um tamanho (ppt), surgiram outros 1
·- -~ •
b) Amostragem Sistemática com Múltiplos Inícios Aleatórios

Estes são os mais importantes e conhecídos processos de

•• métopos competitivos ao método de área fixa ~ t · -- ~ amostragem para aplicação em uma ocasião. Há variações de alguns
,..... -- -,1' destes processos apresentados, porém em essência são os mais aplicáveis
: Uma apresentação detalhada destes métodos será efetivamente
aos inventários florestais .
descrita no capítulo que tratará especificamente deste assunto .

•• 2.2.3.2. Processo de amostragem

--- . e ,-, ,.
"'-- -~~
.,....
-c~--OJ
...
"" ...- '3l)
~
~ -- -í-'\)
ir- ~
Os processos para múltiplas ocasiões podem ser agrupados como
segue: .

••
--- 6, _,;
Por processo de amostragem entende-se a abordagem da população a) Amostragens Independentes
referente ao conjunto de unidades amostrais . b) Amostragem com Repetição Total
P- ;... ~ c) Amostragem Dupla

•• Estreitamente vinculado ,aos processos de amostragem está a

periodicidade com que a amostragem será realizada . Se a abordagem se
constituir em uma única ocasião, então os processos são mais específicos e
6...- â:l
~~

p. ,rr- ~
1 • d) Amostragem com Repetição Parcial.
A discussão de cada um destes processos de amostragem será feita

•• diretamente aplicados à população . Se a periodicidade for olhada como

múltiplas ocasiões, ou com abordagens sucessivas da mesma área, então
ft ,,_~,
ft ·•---;jll
oportunamente, quando serão esclarecídos seus princípios, suas vantagens
e desvantagens .

•
os processos poderão ser mais complexos, mais integrados e elaborados .
(L ---- »\
 - 1
(
• ·j=tJ
/yJ'::e.~~ + •·r- ~ r

3
28 Inventário Florestal
(
~ J7 1 r-.-rr .>•".7-- '-·1 -· ~
MÉTODOS
•T~ -~
-
(
2.2 3.3 . Sistema de amostragem
tt ·- (
P or sistema de amostragem entende-se um conjunto de processos 1- ~ DE
(
e/ou métodos de amostragem, geralmente estruturados integradamente ~ \:, c;J AMOSTRAGEM
para aplicação a uma determinada situação ou área previamente '1 ,- ~ (
especificada. ~ !-::..~ (
Estes sistemas geralmente são concebidos para o caso de ~ 1~ ~
monitoramento de uma população onde podem ser integrados três ou mais /
t, '- ~
processos de amostragem, visando auferir da população a ser amostrada,
maior eficiência, maior flexibilidade e menor custo operacional em sua ~ -~ :d MÉTODO DE AMOSTRAGEM significa a abordagem da (
aplicação prática . • ,.JJ
t- população referente a uma única tmidade amostr_aL Esta abordagem da (
~ .:- ~il população pode ser feita através dos métodos de Area Fixa, de Bitterlich, (
2.3. QUESITOS SOBRE TEORIA DE AMOSTRAGEM de Strand . de Prodan, 3-P, entre outros .·
~ ··~ f

a) O que é censo, ou completa enumeração, e amostragem? ~.... :-,~ (

3. 1. MÉTODO DE ÁREA FIXA
b) Quais as características estatísticas essenc1a1s de uma ~ ' :·il (
população? ~ -'' -=~ (
3. 1. 1. Introdução
e) Defina amostra e unidade 'amostral. !t;: ~i:/1 (
lt,,, :. ';.I Neste método de amostragem a seleção dos indivíduos é feita
d) Quais as condições principais a serem observadas na seleção de (
proporcional à área da unidade e, conseqüentemente, à freqüência , dos
uma amostra ? t: ·- :. -J (
mdivíduos que nela ocorrem Este é o mais antigo e conhecido método de
e) Como pode ser determinada a intensidade de amostragem? ít;:,c ':: ,.,, amostragem As variações da fonna e tamanho das unidades amostrais (
f) Conceitue erro de amostragem e diferencie erros amostrais e não- l :·' •J constituem as variáveis flmdamenta1s para avaliação de sua aplicação
(
amostrais. t,, :: ,j pràtica
(
g) Defina prec.isão e exatidão. Í · l.=.J A fixação de uma área, para se obter as mfonnações quantitativ::is e
(
qualitativas dos mdividuos da floresta, continua sendo o método prefendo.
h) Como se classifica a amostragem? l .;- ~ ='J mesmo com o desenvolvimento recente de outros métodos alternativos A
i) Defina amostragem aleatória, sistemática e mista. \:r. i~~
• 1 • •
não exigência de conhec11nentos espec1aiizados para sua implantação no (
j) Qual a diferença entre amostragem aleatória irrestrita e aleatória -.Ji ~:.1 campo e o perfeito controle das infom1ações obtidas pareçem ser os
maiores argumentos para sua preferência
(
restrita? ~/ i ~ ~
+t,;.. .:..~ 3. 1.2. Tamanho e forma das unidades amostrais
k) Qual a diferença conceituai entre método, processo e sistema de (
amostragem? lb- !: ~ 1

1) Que importância tem a utilização de amostragem em inventários .__) ~ ~ A forma e o tamanho das unidades amostrais têm sido decididas
muito mais pela praticidade e operacionalidade de sua localização e (
florestais? l - ·ri demarcação em campo, do que por qua lquer outra argumentação
. , ,, ... (
(
 (
(

( 30 Inventário Florestal r · 1---u,. Métodos de Amostragem 31

r ,.. ~
,., .. $')
( , PEARCE (1935) afirma que não há infonnações acerca do melhor 1 tamanho de unidades amostrais se deve a SMIIB ( 1938), que demonstrou

.,-~
tamanho para unidades amostrais, mas observa que as pequenas r , .i.11}
1 . existir uma relação exponencial negativa entre o tamanho da unidade
( 1
proporcionam economia de tempo, enquanto as maiores proporcionam .,, i-·~1' amostral e o quadrado médio do erro. Esta relação, também conhecida
( redução de mão-de-obra As tmirlades amostrais estreitas e compridas, de como indicador de "Máxima Curvatura", não pennite obter uin ponto de
( maneira geral , são melhores que as quadradas. porém. muitas vezes, as 1
referência analítico para a escolha do tamanho da unidade. Esta relação
,.; & .,
quadradas se sobrepõem àquelas. e a decisão sobre uma ou outra fonna . 1 também é encontrada na literatura, onde se relaciona o coeficiente tle
(
depende do propósito do estudo. variação com o tamanho das unidades, ao invés do quadrado médio do
( erro .
Em vários estudos realizados na Europa, constata-se a preferência
( pelas unidades amostrais circulares, naturalmente porque estas são De acordo com LOETSCH, ZÔHRER & HALLER (1973) a
( pequenas e podem ser facilmente controladas, durante sua instalação e relação entre a variância tomada em dois tamanhos diferentes de unidades
medÍção em campo. Há até mesmo uma sugestão de que se use unidades amostrais, onde o tamanho da segunda unidade é o dobro da primeira,
(
variáveis, concêntricas, combinadas com as variações das classes pode ser expresso como segue:
( diamétricas, resultando maior economia em relação à escolha de unidades , ?

( amostrais de tamanho único, SPURR ( 1971 ). CJ5=2aj(l+p) (3.1)

( Devido à grande variação de tipologias e espécies que ocorrem nas onde:

( florestas naturais do país, as w1idades retangulares têm sido preferidas. 07 = variância da tmidade de tamanho 1;
Unidades com até 250 111 de comprimento tem pennitido detectar a p = coeficiente de correlação entre os volumes das unidades
(
variação de espécies. normalmente ocorrentes em comunidades ou adjacentes;
( unidades gregárias. dentro das diferentes tipologias. O} = variância da unidade de tamanho 2, ou seja, para o dobro
( Na abordagem de unidades amostrais. sobressai o problema de seus do tamanho da unidade 1.
( limites, ou bordaduras . As tmidades circulares ganham eficiência, do Observa-se que, somente quando (p = / ), ou seja , houver correlação
ponto de vista da unidade em si, porque entre todas as fonnas possíveis ,
( absoluta entre os volumes das unidades com tamanho duplicado, em
considerando-se a mesma área. as circulares são as que possuem menor
( relação às wlidades contíguas com metade da área, obter-se-á o quádruplo
perímetro e. consequentemente. minimizam o problema de árvores
da variância e, conseqüentemente, o dobro do desvio padrão dos volumes
( marginais, PRODAN ( 1965)
amostrados .
( A literatura a respeito de fonna e tamanho de tmidades amostrais
No início do experimento, quando as unidades são pequenas, a
( utilizada5 para fins de inventários de florestas plantadas é vasta. podendo-
correlação entre elas é baixa, dado a variabilidade entre elas ser mais alta.
se destacar GOMES (JG57). LOETSCH (1%0). FAO (1%3). CAMPOS
( À medida que cresce o tamanho das unidades, seus volumes tomam-se
( 1970), SPlJRR ( 197 i ). SILVA ( 1974 ). entre outras Na opinião destes
gradualmente mais homogêneos, fazendo com que o coeficiente de
( autores os tamanhos das unidades amostrais variam entre 20 111 2 e 1 000
2 correlação tenda para l .
( m . Como se pode observar, não há uma consistência na decisão sobre o
tamanho dessas unidades e resta. na opinião deles. que este tamanho seja Este incremento gradual da correlação explica porque o coeficiente
( decidido à base de experiência prática e de um confronto entre precisão e de correlação tende a se comportar de forma exponencial negativa, em
( custos. relação ao aumento linear da média do volume, sendo assintótico no limite
onde a correlação atinge o valor igual a 1.
( Do ponto de vista analítico. o primeiro trabalho científico sobre
(
 - 1 -
. \: -~
(

32 Inventário Florestal • i~:Jj 1

Métodos de Amostragem 33 [

•·1· ..; (

Esta afinnação pode ser demonstrada analiticamente como segue: --·~

-1
.
~( -~
' 1 .21
Desenvolvendo-se a soma de quadrados tem-se: r
[
Considere uma população florestal com área (A), que pode ser
• 1-•;;j
cry =-
1
I./( Xu - X 1 ;2 + (X 2; - T2 i + 2 / xli -X1H X2; -X2)J
(
subdividida em (N) unidades de tamanho (a), e em cada unidade (i) se 1·· . M i=l
obtenha seu volume de madeira em pé. Portanto, i = 1,2,- •·, N, ou seja:
Área A - é constituída de (N) unidades de tamanho (a), cujos
-~ t-~
... = ·liJ
AI_
L ( .\li -
-;:
.\ 1 J-
? M_ -
L (). 2; - X 2)
2
? AI _ _
(
(

~ ;-1 +; - 1 + -=-I:[(.\"11 - X 1 )( X 7 - X? )j
volumes são representados por X 1 , X 2 ,. .. , X N vy = ,\f Af .\! i = l _, -
~ ::-~J (

-
Se na mesma população as unidades amostrais forem duplicadas em 4r: ~ Isto mostra que a variância da variável (Y) é igual a duas vezes a
tamanho, tal que sua área seja igual a (2a), então o número de unidades na variância das unidades com a metade da área usada para se obter (Y), mais
(
população será igual a ( M = N I 2) e o volume por unidade variará de
i = 1,2,··• , M, ou seja:
-·--
_, -: .·d
" ' .-- J
duas vezes a covariância das unidades contíguas, ou seja
(
0J = ]if"\' +-=-) .\fr,J( .\"Ji ·- .\"1)(Y2;
-
-
-
X 2 !/ (
Área A - será constituída de (M) unidades de tamanho (2a), cujos .\J i=l
volumes serão representados por Y1 ,Y2 ,. ••, YM. ~ ':. -li (
Como o coeficiente de correlação (p) entre as unidades contíguas é
Para se obter a unidade de tamanho (2a), considere ·adicionalmente
~
=·•
=~
dado por:
(

que Y; = Xli + X 2;, onde ( Xli) corresponde ao volume da unidade de ~ - (

.\f - -
tamanho (a) e (X2 ;) corresponde a uma unidade contigua de mesmo ~ -· '!:il 11"'[,(X1;-X1)( .\ '2; - X2) (
- ;- ]
P-
~ =~
?
tamanho. crx (

A média da unidade de tamanho (2a) pode ser obtida pela ~ - =~ E a covariância dada pelo produto de (p) e ( o-5.-), tem-se: (
expressão: ~ - -::. ~ (
~-· ~~
(
(3.2) ~- !J
A variância das unidades duplicadas (2a) resulta
/
~ !". ,.. (
A variância também pode ser obtida como segue: ? 'J
ay = 2 0:r + 2 01· P.
-,

~ =~ (
2 M - 2
cry =["E,(Y;-Y) } / M
i=l
(3.3) ~- :.-4 Ou colocando-se (2a);) em evidência,
~· :.~ 7
aj·
?
= 201-(J + p)
Substituindo-se (Y;) e (f) pelos respectivos valores das unidades
~· ~
coot:íguas tem-se:
~ ~
•~• !
Isto comprova a afinnativa feita por Loetsch e explica que a
heterogeneidade dos fatores ambientais determinam o desenvolvimento das
2

2
JM
cry =-"L[(Xu+X2;)-(X1+X2)J
M;=J

JM -
- -

-
2

2
•·
~·
!;.
~
árvores, à medida que aumenta a área de referência, incluindo-se aí as
variações de solos, de sítio e, portanto, quanto menor for a unidade
amostral, menor será a variação interna e maior a variação entre as
(
{
cry =-"E,{( Xu-X1)+( X2;-X2)J
M;=J
~- unidades. (
~ =• (

(
(
 (
.,., ~- ".lf
(

( 1
r,r -· '
(
34 Inventário Florestal ftt·-~, Métodos de Amostragem 35
F •-.-•·~
( /

Depreende-se da afirmativa anterior que, em unidades de pequeno e,.: +- é,Í\

( Quadro 3.1: Média, variância e coeficiente de variação do volwne,
tamanho o coeficiente de correlação tende a ser próximo de zero. À medida @ i'i'-• :~ paraMani/kara huberi, em função da área da unidade.
( que aumenta o tamanho das unidades, a correlação tende para a unidade,
fk- ~'" TAMANHO VOLUME
(
( devido a homogeneização dos volumes .

Assim, o coeficiente de variação de unidades duplicadas em

tamanho ( CI 2) pode ser obtido, em função de (3 . 1), corno segue
~----'~
t'Jli.;,;.. 1'
UNIDADE
(m2)
MÉDIO
(mJ)
VARIANCIA
VOLUME
(mJ)
COEF. VAR.
VOLUME
(%)
( 1,038
'1•-.i..- i\ 400 0,230 442,97
2 800 0,420 1,849 325,76
(

(
J

1
cvj = 2a-;r~+pJ _000;2 .-. cvj
4X f
=(~x -100)
. -'1
(
1
+p)
2
(t· -=--~
~ . .::.:~
l.200 0,720 4,113 281,67
1.600 0,910 4,805 240,88
(
CV2 = CI 1.✓ (1: p J ou Cl -',=CV1 - ✓(l+p) (3 .4)
~ , .... -~ 2.000
2.400
1,150
1,400
6,625
8,877
223,81
212,82
( w

~-
)
fl/i,. .;;;:- :,l
(
- 1 2.800 1,670 11,140 199,86
..~· ~
Como pode-se observar, o coeficiente de variação (CV2 ) das 3.200 1,870 12,723 190,74
( ' unidades duplicadas em tamanho depende do fator
f' ....... '.\
- i
3.600 2,110 14,665 181,49

✓ º;p) 4.000 2,370 18,725 182,58

( !

ou ~ ; ir ' ~
r , l 4.400 2.690 25,202 186,62
("--R f""''..\
( ) onde (W) pode ser qualquer valor de aumento do tamanho da wlidade, e do ~,_, ,. , ,
-
.

1
4.800
5.200
3,000
3,400
30,167
32,626
183,08
167,99
( coefi ciente de correlação ( p ) Isto comprova analiticamente o decréscimo 5.600 3,680 35,792 162,57
.4
)
. . .!Ili! ~
. l
não linear do coeficiente de va riação com o aumento do tamanho das 6.000 4,010 38,589 154,91
( \ w1idades amostrais . ,'ir'' ~
. l , 6.400 4,170 39,248 150,23
( 1
PÉLLICO NETTO ( 1968) propôs o ajustamento da seguinte
f :r~•., 6.800 4,450 44,962 150,68
( )
função, para relacionar o coeficiente de variação com o tamanho da far t -:.1 7.200 4,820 48,460 144,42
( J
unidade amostral: (~,-e., 7.600
8.000
5,200
5,490
55,862
59,825
143,73
140,88
( CV=a• Ab f!-,;~ -~ 8.400 5,710 62,133 138,05
(
onde: e.-. Lé., 8 800 5,880 65,892 138,05
( A = área da unidade; f...L,., 9.200
9.600
6,020
6,320
71,500
75,183
140,46
137,20
a, b = coeficientes da função
~-L~ 10.000 6,530 78,881 136,01
( )
QUEIROZ ( 1977) aplicou tal ftmção na floresta tropical , variando
o tamanho das unidades amostrais de 400 m2 a lO 000 m 2, como mostra o
~~ L- ~
~ la. ~
(

( )
1
quadro 3 .1. O ajustamento da ' função para a espécie Manilkara huberi
forneceu os seguintes resultados , confom1e apresentado por QUEIROZ
(1977):
~.,_,;., ou
CV%= 3368 ,857 J .A.-0.352209995
~ -~
(
( \ CV = 33 ,6885 71- A-{)·3520 9995 (3 .5) -~,
~ -'
onde:
A= área da unidade em (m 2 ).

.
( ci;·. -~
 í
• ·· ~;.J
(
Inventário Florestal • • e ~'JI
36 Métodos de Amostragem 37 {
• . i,.J
(
• - ~rjJ
Para se obter o coeficiente de variação diretamente ao quadrado Quadro 3.2 Relação entre unidades contíguas obtida para a espécie (
tem-se • - ,,!J Manilkara huberi
• ··,:J {
( CV/= Jl34 ,9198 -A --O,í O./I 999 TAMANHO VOLUME VARIÂNCI A COEF . DE COEF . DE
• - -z..J UNIDADE MÉDIO VOLUME VARIAÇÃO · CORREL.
Este resultado está apresentado na figura 3 .1.
9r - ,-,
.,
3
(m i (111 3) cnh (%) (p ) (
.::·t.,J 400 0,230 1,038 442,97 (
800 0,420 1,849 323 ,76 0,000
--,.; (
c;v

... •· 1.600 0,910 4,805 240,88 0,299

...
...
.'.
'11· :.J
-- j
3.200
6 .400
1,870
4, 170
12,723
39,248
190,74
150;24
0,324
0,542
(
(

-
•
log (CVl • J,5274826-0,3520999 logA
R1 • o, 9938 -~ (

•••
Eapicie Moçorondubo ~:; FREESE ( 1962) propôs outro indicador para comparar tamanhos (
100

...
Man i lkoro huberi

• ~-, ~,..J de unidades amostrais, incluindo o componente custo, com importante

participação no contexto de avaliação da eficiência das unidades amostrais
(
(

uo
--
~ - '!!..J
de diferentes tamanhos. Nesta proposta pode-se usar a combinação dos
erros amostrais ou dos coeficientes de variação com os respectivos custos (
.. •
- ~;..J de amostragem . (
,
140
o -·J
-, Se o objetivo for comparar vários tamanhos simultaneamente, pode-- {
-::;.J se calcular o inverso dos produtos dos quadrados dos coeficientes de
~ - (
100
variação pelos respectivos custos, e compa rá-los entre si . O tamanho que
Alhol
é;.' -::,J apresentar o maior valor entre os inversos será o mais efi ciente (
0-,1 cu 0,1 o.• 0 ,1 o.- o.r 0.1 0 .1 1.0

4tr · "'t.J (
(3 6)
4t ·. :':' ..J (
Figura 3.1: Relação do coeficiente de vanação com a area das ~ . ~;.J (
Se o objetivo for comparar dois tamanhos quaisquer, a eficiência
unidades amostrais . t.. ~ =~..J relativa entre os dois tamanhos pode ser obtida como segue (
~ ~~ (
~~ , ~ ~
ur = Cx rcT_~ 1:rr n } ;
J ==
(3 .7)
Para facilitar a representação gráfica, as áreas foram plotadas em (
ux er rcr} ) - Tr rcr / )
hectares . O ajustamento apresentou um coeficiente de determinação muito tr 1~~ 1

(
alto - R 2 = 0,993823 , indicando que o modelo é apropriado para o caso.
~ :~~ onde:
Cx . Cy = custos por unidade, tomados nos tamanhos (X) e (Y); (
Tomando-se apenas a~ unidades que representam a duplicação da ti.:-! •'!:J
unidade anterior, e calculando-se os respectivos coeficientes de correlação cv,: ,cv/ = coeficientes de variação obtidos para os tamanhos {
entre unidades contíguas, obtém-se a evidência da demonstração anterior,
t::·~,c'! ~
1

(X) e (Y); {
como mostra o quadro 3 .2. l :'.':':':J Tx , Ty = tempos de medição gastos nos tamanhos (X) e (Y). (
(

(
( Inventário Florestal
•. .,
.,. .,
,,. ;. ti
Métodos de Amostragem 39
(
38 • - 1)

(
Dada a dificuldade em se obter custos, ou mesmo em mantê-los r · ""
tlt - ti
(
(

(
atualizados, pode-se usar os tempos de medição dos diferentes tamanhos,
com aproximadamente os mesmos resultados .
TELLO ( 1980) trabalhou com unidades amostrais circulares,
..,,,.. .,·•,. ffi

,., rt >
u
quadradas e retangulares e computou tais eficiências Os resultados deste
trabalho estão apresentados no quadro 3 .3. --e.,; ~ 8~ ~~~~~~~ ~~ ~~ ~~ !::~~~~
(

(
Observa-se neste quadro que, em todos os casos, a maior eficiência
2
ocorreu com os maiores tamanhos, ou seja 1.000 m .
•·~ ·- ....-.~ ~ ~ ~~ ~~ ~~
MV"lt'- OO V'I
~ !;;~~it~
N\O~-NV"lt-

-
( Apesar deste método apresentar a introdução da variável custo ou

.., ,..,
( tempo na análise, o problema para se definir o tamanho da unidade flãc- ·•
amostral a ser utilizada em uma área florestal qualquer continua ~ -
(
incompleto e sem solução. ~
t ~~- :;-~~$~S- ~~~~ ~~- b~~~
~--NMM-NNM~-NNM~

1PÉLLICO NETTO (1979) considerou que o tamanho da unidade

amostral depende de outros fatores igualmente relevantes para sua
definiyão ou sejam: o tamanho da área a ser inventariada (AJJ , os tempos
,,,
F.º +t
~
ti
~
i--;----+---+----ll
.a·
8
~ ~ ~ ~ ~ ~ \ . 0 00 0\~N\.O-'VO
V"'._ V). ~ ~ \O, 'V.. O .. ~ N ,, 0q 00,., V.., .-.. oo... ft"'l
~~~~ to ~~~r=:oo~~~~~--
~ ; -;1
( de deslocamentos (T1), os tempos de medição (T2), o número de horas a
ser trabalhada por dia, as condições de acesso à área e dentro dela e as ,,.. - :1
(
adversidades de penetração na flo resta ~-'. "" l
Como se pode observar, todas estas variáveis, em maior ou menor .,., -, ,-,
t intensidade, afetam a decisão sobre o ta manho da tmidade amostral a ser ,., · '1
( utilizada. Para tanto, propôs a introdução do conceito de Eficiência por 1

Dia de Trabalho - EDT, como uma tentati va de agrupar todas estas ~ ;:.rl
(
variáveis. Assim, usando-se da lei da fisica que permite calcular ~ -- -i.--~

( velocidade (v), obteve-se os tempos efetivos por atividade executada em ~: 1e-- =,

( campo, ou seJa:
<! "- ~
~
~ O', f'l"'l O\ V ON\.ONM ~ N N O -
(
v = ~
(3 8)
(!"·• ,.-•l zo d ~ \.O V N N ~\O 'V M N - \O ~ rr, N

t
( (!•·P i')
(3 9) o ê" o . . o .. qo.. o~ ~ q q o,. o .. º· º·º· º· º·
t = !!... p..
-Nr""')"!:tirl - N M 'V V) -NM'V~

1
V IP·"~-~
~ " il "'s 8888§ 88888 88888
onde:
e = espaço trabalhado; tf -.· ·l
N VN V 00 O
\O 00
- N ~ \ . 0 00 ~
- \O

-
~
t = tempo. f •.. :1
~ ~ .
~
-a
]i
ã !
Compondo-se os tempos para deslocar entre unidades e para medi- ,,: •. ;l o
~ ·=
u g P'◄

(J'.;,.. ,1
'
( las tem-se:
 40 Inventário Florestal
·r,
._ = d
• · ... tJ Métodos de Amostragem 41
(

Ili~'-'
&J- - ~,
(
ou para tomar as condições mais fa voráveis (
(3 .1 O) ·"e,:'·r""'
= •_J
.· l = 600 ",2 (

Se as condições de medição forem adversas ou haja um número (

onde: l3- =- tJ maior de informações a ser coletado na unidade, como medir as alturas de (
Af = área a ser inventariada; t;. ~- tJ..J todas as árvores, então pode-se considerar que a velocidade de medição
(
n = número de unidades a ser medido; ~ .7 ;;_j seJa mais lenta ; suponha-se 1 000 nl/h e a efetividade da equipe reduzida
nd = número de unidades medidas por dia de trabalho;
A= área da unidade amostral;
v 1 •= velocidade de caminhamento entre unidades ;
•·
i: --~.J
-tJ
..
à medição de 12 unidades por dia de trab alho . Nestas condições , obtém-se
o seguinte resultado (
(

v2 = velocidade de medição das unidades.

•• . ,;J 8( 5.000) - [5//(~fiiH/ ( ! :: I · / )]
= ----~-----
_ ,
1.000 = )./2 m -
(

-
A
( 5.000 )( 12 ) (
Se o objetivo é obter a máxima eficiência por dia de trabalho em '.~ t,J [
campo, ou seja maximizar o trabalho a ser executado no mínimo tempo, !: .-.,

então especificando-se 8 horas efetivas por dia, isto é (EDT = 8), tem-se:

Vr (nd + / J .
• -= ,.J
~ - '.:. .J
Este resultado mantém a mesma condição anterior, ou seja o
tamanho da unidade pode ser aproximado para tomá-lo mais adequado à
aplicação prática.
(

(
8 = _V_~----+ A nd (
VJ V2
(3 11)
•·
• ~-.J
~~ Outras tentati vas para se obter uma solução analítica para o
tamanho de unidades amostrais poderiam ser pesquisadas, porém até o (
Isolando-se (A) tem-se Qu · .: ~ momento não se têm alternativas diferentes das aqui apresentadas. (
(
"
~.,
-: :..1

,~"
3. 1.3 . Estimadores na unidade e por hectare
(3 12) ~ - (
Como a unidade amostral é uma área de tamanho previamente
~
(
especificado, os estimadores são convertidos para hectare, através de um
~ - = .I fator de proporcionalidade,. dado por:
(
E xemplificando-se, suponha que se deseja planejar a amostragem ~ - <:: J (
para uma floresta plantada de 5 .000 ha, onde serão amostradas 150
~ - :::. -..J
F = _i (

,!!~
unidades. Pela experiência prática, sabe-se que uma equipe pode caminhar a
a uma velocidade de 5 km/h entre as unidades e pode medi-las com Q,-~- !:.:.J (
onde:
2
eficiência, a uma velocidade de 2.000 m /h . Uma equipe bem treinada ~:~ (
pode medir 20 unidades por dia. Nestas condições qual deve ser o tamanho A = área de I hectare;
~~ , ~~ a = área da unidade amostral . (
da unidade amostral para se maximizar o trabalho em mínimo tempo total
de medição para os 5.000 ha ? ~i i ~~ Assim, se a unidade amostral for tomada com 500 m
2
, o fator de (
~"- 1~;.J proporcionalidade será : (
A=
8(5.000)- 50.000.000 (20+ /)]
· 15
º 2000= 558 m 2 ~,: r---' F = 10.000 = 20 (
[ ( 5.000)(20)
-~~ r-~ 500 (

(
(
• ,-- ""l
( , , , ,!,o- . . . ,

( '
{
(
42 Inventário Florestal
,t, , . . . . ,
f l 1-fi.• l } Métodos de Amostragem 43

f ) _!ii;-;.-~
3 .1 .3 .1. Número de árvores por hectare 1 c) E o método mais utilizado em inventários florestais,
(
f)-....~ principalmente quando se focaliza o aspecto de inventário contínuo para os
O número de árvores por hectare (N) será obtido pela contagem do
número de árvores dentro da wlidade (m) e multiplicado pelo fator de
. t, ,''! 11-~,.
1
fins de manejo florestal;
( d) As unidades permanentes oferecem, nas remedições, a grande
proporcionalidade (F) fil..,w,;. l)
1
vantagem de manterem alta correlação entre duas ou mais medições
N= mF (313) sucessivas Esta avaliação se obtém pelo cálculo do coeficiente de
(
fl- \fi-i') correlação de Pearson.
!
( 3.1.3.2. Área basal
f i. ''& :." )

•·' "' ".,

As principais desvantagens são as seguintes:
A área basal (G) é obtida pela medida de todos os diâmetros (dap)

. ,.,
(
das árvores ocorrentes na wlidade amostral e convertidos em áreas 1 a) Maior custo na instalação e manutenção dos limites das w1idades
. , ·-~ !')
transversais (g;), somados para as (m) árvores medidas e multiplicado pelo 1
amostrais;
,,_
fator de proporcionalidade (F) b) Geralmente tem-se um número alto de árvores a ser medido nas
1
(
m
, ,. ~~ .'l unidades amostrais em comparação com os demais métodos, dada a
( G = ("E,gi) F
i=I
(314)
... L.,")
-_ 1 ,
necessidade de se escolher um tamanho que permita manter um número
significativo de árvores na wlÍdade permanente até a época da rotação
( ft., Oi• •"')
final.
31.3.3. Volume por hectare
~-L~
.
(

( O volume por hectare U ·) é dado pela soma dos volumes individuais i.r. L,~ 3.2. MÉTODO DE BITTERLICH
(
(v;), referentes as (m) árvores medidas na wlÍdade, e multiplicado pelo
fator de proporcionalidade (F)
~- ~
{ f li t,_,'l 3.2.1. Introdução
m
1. = ( "E, 1·; ) F (3 15) , ~, '" "°l
i=I
f ,:; . ,.., A amostragem de Bitterlich, ou simplesmente amostragem por
Os volumes individuais (v;) podem ser obtidos através de uma pontos foi desenvolvida por ~fTfERLICH ( 1948) e introduzida no Brasil
( (',,. ,.- :•, nos anos 60. Este método tem sido usado em inventários de florestas
equação de volume apropriada, ou pela fóm1Ula tradicional de volume de
uma árvore em pé. f',, .. ,., plantadas pela inovação que ele representa em relação ao método
<
fi,; ,.. ,, , convencional de área fixa.
3.1. 4. Vantagens e desvantagens do método de área fixa O método consiste em contar as árvores, em um giro de 360º, cujos
(

r Entre as vantagens do método de área fixa destacam-se •· _,,

~ '- --' ~
diâmetros à altura do peito (dap) são iguais ou maiores que a abertura
angular equivalente a (2 sen f ),
onde ( 0) é um ângulo fixo, cujo vértice é
a) A obtenção de todos os _estimadores diretamente na wlÍdade
amostral medida, como área basal , distribuição diamétrica, altura das ,.
fi,. "-r'I
-~
o ponto central da unidade amostral. A seleção das árvores é, portanto,
efetuada com probabilidade proporcional à área basal, ou ao quadrado do

{
árvores dominantes, volume, crescimento, mortalidade, etc.:
b) Praticidade e simplicidade no estabelecimento das unidades
amostrais em campo ;
•· ...,
t);.
--tl diâmetro e à freqüência
Uma apresentação sumária do princípio de seleção de árvores num

,..f ,: -1'"1 ponto de Bitterlich po1e ser concebido como segue: a razão do diâmetro de

~
(
 - 1=0-J (
44 Inventário Florestal • ~:,J Métodos de Amostragem 45
... - ,(j

cada árvore pela distância respectiva até o centro do ponto de am~stragem . '. =- ~.J Na figura 3 .2 obtém-se as seguintes relações
é uma constante (K), quando as linhas que demarcam o ânguío de visada IY· - .J Ri = .\"n _\ ·1 · R2 = Yo .\"2. R_, -= XoX_,
(
são tangentes à circw1ferência que define a seção transver3al no diâmetro à 1.,.: -:~.J (
altura do peito desta árvore. Este princípio é elucidado na figura 3 .2. U di 2 d2 2 d3 2 d; 2
= -- = - - = - - = ··· = - -
• ~ =·~J 1·e11 -
. 2 ~ ~ ~ ~
(

li,i =::,,_J (
O d d2 d _, cfi
tt :· ~ sen -= - 1- = --= - - = · ··= - (
2 2 R1 2R2 2R 3 2 R;
I;: --·.J
. (
O c/ d d d; .
2 sen- = - 1 = - 2 = - 3= ·· ·=-= f.:. (316)
t: ·-•::J 2 R1 R2 R3 R;
~ . ::: :I (
Como observado, quando o ângulo (O) é definido , o fator (K) fica
~ '. "' também automaticamente especificado, pennitindo a elaboração de uma (

~ .': :ti tabela prática que pode ser usada , caso não haja um relascópio disponível , (
ti-· '!: ~
ou outro instrumento capaz de pe1mitir a contagem das árvores incluídas
f

.,
no ponto amostral .
~ · ~~ (
Isolando-se o raio (R 1) na expressão (3 . 16) tem-se
I: ·- ~~ (
d
'.: ~ R = _,__ (3 . 17) (
, K
~ · =~ (
Através da relação (3 . 17) pode-se saber se uma árvore está ou não
~ · .! ~
incluída no ponto amostral , basta para tanto medir o diâmetro da árvore (
li .! ~ (d1) e a distância desta ao centro do ponto amostral (R;) As árvores que (

Figura 3.2 : Princípio básico para inclusão das árvores em um ponto

de amostragem.
ii•· ·~ ~
~,
1=.., tiverem a distância (R;) igual ou maior que a razão (d/ K) , estarão
incluídas no ponto; aquelas que não a excederem estarão fora do ponto
(

amostral (

,~,::~
-· a.l (
O método de Bitterlich tem sido recomendado devido sua
funcionalidade prática, relativa ao tempo gasto na amostragem e porque as
~'. 1-.. 3.2. 2. Unidade amostral
(
árvores são amostradas com probabilidade proporcional à área basal e
freqüência , ao invés de somente proporcional à freqüência (BEERS &
MILLER, 1964).
i::~
~ ··.
I!:.~

.!. . .
Para se efetuar a unidade amostral , procede-se fazendo um giro de
360° a partir de um ponto de referência, comparando o (dap) de cada
árvore com o ângulo (O) e decidindo, de acordo com o pnncíp10
(
(
(
Os conceitos e derivações de fórmulas são apresentados por muitos ~- ~ .!~
anterionnente apresentado, quais árvores estão incluídas na amostragem
deste ponto .
autores como GROSENBAUGH (1Q58), HOVIND & RIEK (1961), ~ . . -=J
BEERS & MILLER (1964), KULOW (1965), OHTOMO (1967), _., Observa-se que as árvores marginais, ou seja, aquelas que forem (
AVERY ( 1967) e outros . tangentes ao ângulo de visada , são contadas como meias-árvores e, como (
conseqüência , todas as medidas serão divididas por dois , como area
(
(
(
(
 (
'C' ! ..,
( r . . -,
{
46 Inventário Florestal
,, 1,,, (t
Métodos de Amostragem
,t- !,... ,,
( 47
(
transversal (g;) e volwne (v;) . Na realidade, a consideração das árvores r • i... ~ F. 1R = 2 .500 f.: 2
( 1
marginais como meias-árvores nos métodos de amostragem, e que são ,,.,.!'.., rt. (3.20)
Se o ângulo de visada é definido, toma-se possível calcular (K) e,
selecionadas com probabilidade proporcional a wn tamanho (ppt), não é
r - t· :,
( correta e sim uma aproximação, embora seja utilizada nonnalmente na
prática. .:;•'I conseqüentemente, o (FAB) será obtido para aquele ângulo particular.
Se 0 = 1º 08 '-15" ⇒ F-W l
(

r
O limite do círculo que passa pelo centro da árvore marginal, não a
divide ao meio relativo à sua área transversal , mas abrange uma parte
~-
' "' rr•
~- , ,,, ;';,1
Generalizando-se tal conceito para diferentes fatores, ou ângulos de
visada . pode-se elaborar tabelas isolando-se (R,) na expressão (3.19)

.,
desta. A participação destas árvores na unidade amostral deve ser .......
I corrigida através do Fator de Correção para Árvores Marginais, f1. -, ~ J F.•IR = J2. 500 -5_
apresentado no item 3.2.6. R;
( - ~

----~ ",._
' , R _ 50 d;
r

•" , - .J F -'lB
3.2.3 . Conceito de fator de área basal (FAB) 1
(3.21)
(

(
(
O fator de área basal (FAB) é definido como a área basal em metros
quadrados por hectare, contada para cada árvore incluída em um ponto --lf, ,,
... .,_ "'
Adicionalmente, para valores crescentes de ( 0) tem-se:
0 = 1º 37'15" ⇒ F4B= 2
amostral. Mais especificamente,' o (FAB) é a conversão do número de 0= l º 59'06" ⇒ F>lB = 3
árvores incluídas no ponto amostral para um valor em área basal por ~ : ,;. - "l 0 = 2° 17'32" ⇒ FAB=./
( hectare. Se o (FAB) for igual a 1, cada árvore incluída no ponto amostral ,._ '!ir .,.
equivale a 1 m2/ha. Se o (FAB) for igual a 3, cada árvore contada equivale Diante do exposto, conclui-se que um estimador da área basal neste
(
a 3 m2/ha. Isto advém da seguinte rel ação de proporcionalidade fi - - ·"l método será facilmente obtido como segue:
2 ~ llb'l
1rd S (3 .22)
( f<"""'A. B=--' · - ~ - "'·"i)
4 S; onde:
,, P, a-"l
onde: m = número de árvores incluídas no ponto amostral
fl:· .... .,

-•-,=~~
S = área de I hectare, em m2; Como pode ser observado, se (FAB = 1) for usado, então o número
2
s; = área de uma w1idade amostral , em m , que inclui uma C,- ➔ ,,,
de árvores contadas no ponto amostral fornecerá diretamente o estimador
árvore de diâmetro (d;) de área basal em nàha. Se (FAB = 2), a área basal será dada pelo número
Portanto,
-~
••-=•-~
de árvores contadas multiplicado por (2), e assim por diante.

--•i,~- •~
FA B = 1t d;2 [ l o.oo,oj7 3.2.4. Estimativa do número de árvores por hectare
(3 18)
4 1t Rt ~ · ~ .a j -~

Usando-se a expressão (3 . 18) tem-se

(

( 1 FA B = 2.500 [s..J'
R;
(3 19) l
FA B= 1rd;2 Í /0.000 ]

-~ ~
4 1rR2

--~"-~
1
( '
Substituindo-se (3 . 16) em (3 .19) tem-se
( Observa-se que a segunda parte da expressão é o número de árvores
,:- ~
lf;,: . ·~
 ..., 1 .. ,

~ ;. p t_.J
48 Inventário Florestal 'i r-:JJ
~ , ~
1
Métodos de Amostragem 49

por hectare que cada árvore amostrada representa, ou seja ~-í'~ (

F-IB = g ; .V; (3.23) '1ír-~

'-1 c_..J
1:
onde:
/; = f(d,h)
(
(
onde:
Neste caso será necessário conhecer o fator de forma (/;), o que
~ r-·"
1
g,- = área transversal da i-és,ma arvore medida no ponto (
toma esta situação mais trabalhosa.
amostral ;
Isolando-se (Ni) tem-se
e; í""' Usando-se a expressão (3 .26) onde os volumes se convertem em
(

l; !" "--' estimativas por hectare tem-se: (

V= FAB -
. l
g; (3.24)
~-r:= ~ J:-í = FAB ·V; (3.29)
(
t "--1--: ,.I g;
Se forem somadas estas estimativas, para todas as árvores incluídas
no ponto amostral, encontra-se o estimador do número de árvores por
~~ '="'
\! : !_: ~
Substituindo-se (3 .28) em (3 29) tem-se (

FAB (
hectare naquele ponto, ou seja
t: · 1~-.1
1 l~ =--·g; ·h;·/;

N I ha
1/l
= 1: N; = /<~--1B1:(-)
i=I i=l
1/l

g;
J
(3 25) t- · !: ., g;

Se for utilizado o fator (FAB = 1) então (

~ '. =-;;I (
(3 30)
3.2.5. Estimativa do volume por hectare t: '. -=~
Nestas condições, o volume corrigido por hectare pode ser obtido
l.·· !: ~
(
Tendo-se uma função volumétrica para o povoamento em estudo, apenas pelo produto das alturas pelos respectivos fatores de forma de cada
~ '. :: ~
·pode-se obter o volume para cada árvore incluída no ponto amostral (v) árvore amostrada, como segue: (
Multiplicando-se o volume de cada árvore pelo respectivo número de
árvores por hectare, tem-se o conversor do volume por hectare,
correspondente a cada árvore amostrada .
'-: : ::.J
~ ~., m
I ' ha = l;lí=l:h;·/;
i =l
m

i=I
(3 .3 I)
(
(

" "" 1~~

/ '- = FA B·v - = N --v -
'
g,- J l l (3.26) ~ -r~ 3.2.6. Fator de correção para árvores marginais (
(
~-1-J PÉLLICO NETTO (f 994) apresentou o desenvolvimento teórico do (
O volume por hectare será obtido, somando-se os estimadores
individuais para as (m) árvores incluídas no ponto amostral
~-'.1-.J fator de correção a ser aplicado às árvores marginais, contadas nas
unidades amostrais como meias-árvores, nos métodos de amostragem onde ( .
~ -, ~.J r
as árvores são selecionadas com probabilidade proporcional a um
~ ~ 1~..1
m m V- ~
= 1:J:-í = FA Bl; (_1_)
V I ha
i=l i=l gi

Adicionalmente, pode-se obter o volume individual de cada árvore

(3 27)
tt~, ~
4t:, i ~J
tamanho: Métodos de Bitterlich, Strand, Prodan e dos Quadrantes Muito
embora se saiba que esta condição não é correta e sim uma aproximação,
vem sendo utilizada normalmente na prática. O limite do círculo que passa
(
(
através da fórmula clássica de volumetria, como segue: pelo centro da árvore marginal , não a divide ao meio relativo à sua área (
1
rrd.
~~ r-"'
\\! · r.,
transversal, mas abrange uma parte desta {
v; = --j-·h;·/; (3 28) Corno em todos esses métodos as árvores marginais amostradas são (
:.~t! extrapoladas em sua área transversal, as estimativas de área basal e

(
(
 (

(
(
50 Inventário Florestal
,, r-11 Métodos de Amostragem 51
( ~ . ;'1)
~-, ~~ m,
(

(
volwne por hectare resultam superestimadas. A aplicação do fator de
correção para árvores marginais elimina os erros de extrapolação das
vari áveis estimaàas , quando se considera meias-árvores na amostragem.
,., . . - ~
/3 = ângulo externo formado pelo raio marginal (R) e pela tangente
de visada (PB) ou (PC), denominada de (A);
~ · 1' g = áre.a transversal da árvore;
( f¼ ~nt
3 .2.6. l. Relações matemáticas e trigonométricas
,... g 1 = área transversal parcial circunscrita pelo ângulo (2a);
I
(
Seja considerada _wna árvore marginal com área transversal (g),
distante (R) de um ponto amostral (P), conforme figura 3.3.
,,,
~
-
"
-1 -;~
g2 = área transversal parcial circunscrita pela área marginal com
raio (R) e subtraída da área (g 1 ).
{ -~

p Considerando-se inicialmente as áreas básicas afeitas à árvore

( ='I
marginal :
~ -~

{ f,-; (1 g = 1rr 2 = área transversal da árvore marginal; (3 .32)

( f-1i -- ~ Q = ;r R 2 = área marginal de inclusão no ponto amostral (3.33)

( f!;,; ·- ~
Baseando-se no teorema de Pitágoras tem-se:
( ~ -; --- ~
A2+r2=R2
fv, -~,"

(
(
( ,. """-~
~ -' l
e

(3 .34)

,- ·~il Adicionalmente, usando-se o triângulo (OPB) ou (OPC) tem-se:

~t-~
(
A
( sena=-
R
( A2
p
, ... -!l sen 2 a=-
( 7
w
{ Figura 3.3: Ilustração das relações matemáticas para deteminação fi'·· ( "' 2
fi-- l.- ~
A = R2 sen 2 a (3 .35)
do fator de correção para árvores marginais .
substituindo-se (3 .35) em (3 .34) tem-se:
(
fit- ~~
Nesta figura tem-se fii- li.-nl R 2 sen 2 a = R 2 -r 2
(
r raio da árvore marginal ; ,._ L~ sen 2 a =
R2 -r2
( . 1
R2
R = raio marginal ou distância do ponto amostral (P) ao centro da ~ r~
(
árvore (O); ,.r', ;. ~
1
< (3 .36)
a= ângulo interno fom1ado pela confluência dos raios da árvore (r) f' ,rl.,. ~ R
1
(
e do marginal (R);
fi- ".;'" ~ Tomando-se o arco-seno da função (3 36) tem-se o valor do ângulo
(
P.•·ió- ~
(
 ~' t=·,, (

52 Inventário Florestal . , r---' Métodos de Amostragem 53 r

'1: -~ ,j
•· ~
·-~
(

(a) em graus ou radianos, conforme o interesse, ou seja: (

(340)

-1[JR2-r 2]
(
a º =sen (3 37) (
R ·" ' - : ·..J Se a fw1ção (3 39) for equacionada para o ângulo (a), em radianos,
C,: .:e tJ (
e,; >J.J tem-se:
O ângulo (/J) pode igualmente ser obtido como segue: (
r
~ - : : ~..J (341)
(
sen /J=-

.,
R ~ "-t_f
(
ou, substituindo-se (3 37) em (3 .41) tem-se
e ~ >••tl
(
-f.J (342)
(3.38) (
~ : :!..I
(

"
!!: t i
3.2 .6.2. Obtenção das áreas b) Área K2 (
~ '=t.l
(
As áreas de interesse estão separadas em duas partes, sendo a Para se obter a área (g, ), será necessário considerar o segmento
tt· -=-..1 - 1

primeira a formada pelo segmento circular circunscrito pelo ângulo circular da área de ocupação da árvore, tendo o centro em (P) e raio (R) (
(BOC), denominada de (g 1 ) e a segunda pelo segmento circular ~ =->;,.f
como está apresentado na figura 3 .3. (
complementar, que tem como raio (R) e passa pelo centro da árvore (O),
denominado de (g 2 ), tal que (g 1 + g 2 ) forma a parte da área transversal da
~ -
~----,~-, '!: ~

-,
A área transversal desta ocupação total, denominada de (Q), (

árvore, que está realmente circunscrita no circulo marginal , confonne

mostra a figura 3.3.
~. -"
corresponde ao giro angular de 360º tomado no centro (P). Como a ~rea de
interesse (q) está circunscrita pelo ângulo ( 2/J ), então pode-se estabelecer
(

(
~ ' =- -..1 uma proporcionalidade em relação à área total ocupada (Q), conforme o
a) Árei1 g 1 ~ ;
·~ contido em HUDSON ( 1961 ). (

(
Tomando-se a área transversal da árvore (g), esta corresponde em
seu total a um giro angular de 360° tomado no centro da árvore Como a
área de interesse (g 1 ) está circunscrita pelo ângulo ( 2aº) então pode-se
~

•·· -~,
~~

-~
Se a função for equacionada para o ângulo (/J ), em graus, ten1-se

:.!/J7rR 2 __ /17rR
2
(343)
(

estabelecer uma proporcionalidade em relação à área transversal (g), •

~ - ~.;.J
~~
i/ =
360º 180º
(
(

..,'!:.,
confonne se pode depreender das derivações matemáticas sobre partes de Substituindo-se (338) em (343) tem-se
(
círculos contidas em HUDSON (l 961 ).
Se a fw1ção for equacionada para o ângulo (a), em graus, tem-se:
~
:'!:"
~~ [sen-1(i) ]nRl (
(344)

.,
fà,;: ~~ q= J80° (
2aºg aºg
gl = - - = - - (3 39) (
3600 180º Se a função for equacionada para o ângulo (/J ), em radianos, tem-
Substituindo-se (332) e (3 37) em (3 39) tem-se ~-:.1 se: (

--é"!.
►·
=- -1 (
(

(
(
 (
f" i~·1
,.'1 r·"'
(

(
54 Inventário Florestal ~;,•·~ Métodos de Amostragem 55
~ t·~
(
r. ! ,l& r~

<
(
(345)
r !• ·'1t (3 .52)

Substituindo-se (3 38) em (345) tem-se ~ '...-ll

(
~ l~ se os ângulos forem tomados em radianos .
( (346)
f'., I; ,. "
( 1 3.2.6.3. Fator de correção K
(
Consideran~o, adicionalmente, o triângulo (BOP), com ângulo reto ~ i~ O fator de correção (K) é obtido a pa1tir de uma relação
em (B), do qual Jª se obteve a relação (3 34), tem-se que a área dos dois • · •"2- ~
proporcional. tomada em função da metade da área trans"'.ersal (g). Assim
(
triângulos formados pelo ângulo (2/J) é dada por (7), ou seja L."'
. .;s
(
= 2Ar = ,·Ir • ;L,, ,r ,.-
1
1
-
~1
T
( 2
(347)
, . -~ 2
1;1 + g2
2
K
( Substituindo-se (A) da relação (3 34) em (3 47) tem-se f!r ,,;- ~
~ l.. -4) ou

...~1. ~
(
T=(.JR2 - ,.2),. (348) I
(
(g1+g2) 2 g l + g2 (3.53)

•L-~
1-:. = = 2
Para se obter a área de interesse (g 2 ), basta subtrair a área dos --·'\ ,rr
2 ,rr
( triângulos (7) da área do segmento circular (q), como segue: 2
(
g;; = q- T = [sen-J(!__)] rrR
2
-(J R 2
-r 2 )r (349)
- ~1... -~ Substituindo-se (3 52) em (3 .53), tem-se finalmente o fator de

•~·,t'.)
li;.-" correção a ser usado em qualquer árvore marginal .

.
( R 180'
( quando os ângulos forem tomados em graus, ou
( ;.'~

(3 .50) (3.54)
e, "-"l
.'f
(

( '-·:Jt

.f-ç.
quando os ângulos forem tomados em radianos se os ângulos forem tomados em graus, ou
( f-r .,..t)
Finalmente, a ár~ da árvore circtmscrita no círculo marginal é dada ,_;;;,.
( por
( . .f
(3 .55)
(

.,••
f!r -- i!I
. {}

.
( se os ângulos forem tomados em radianos .
(3 .51) - f-l
{
( se os ângulos forem tomados em graus, ou ~
.(. 3.2.6.4. Aplicação prática

(
(
..,
(R .-
. _r
.,
Supondo-se uma árvore considerada marginal, com diâmetro de
 ·1 - ·!I
(
"i::C',5' 57 (
Inventário Florestal
• !=, ::J Métodos de Amostragem
56 1
~ ,::c- J
1 (
40,0 centímetros e distância do centro desta árvore ao ponto amostral de
~ -·=- ;_rJ
1
(
20 metros. Neste caso, r = 20 cm e R = 2.000 cm . Considerando-se os ~i~ ~
ângulos em graus, o valor de (K) é dado por:
·• r·~
• ·:::•:J
(
(
se11-1[b.ooo:-201)]!.:!.~180º 20 ·)] ~!~~eo~of -(J::.o
~qj_?!_/ +l-se11-1( J.000 oo"- 202)20
[ 2.000
K=-"-------~ - - - - - - - - , - - - - - - - -- - - -
180 º
•'-~
,- (

K
J.1416( 20 ):

= 62./)199 + ./0 000 .757- 39.998 = 0.-1 99010

~-r·~
. .e t.J
r

(
1.256 ,6-1

Como se pode observar, o valor de (K) resultante é muito próximo

de (0,5), porque, neste caso, a árvore está a 20 metros de distância do
•• ~
':~
Pi
o
(

ponto amostral. Se, entretanto, esta árvore estiver a 2 metros do ponto

~ ··\-'
amostral , como é mais comum na prática , o valor de(!( ) é reduzido para :
•· ""--'
4at-
.._J
(
~~ 4!~{!_!!_J +[.,,,,-i( 2!!._) ]J.l~Jó r::oo> - (J::oo -' _ 20 :)::o
2 1

J.: =
[
,., 11 _ 1 ( '{?_1!!!_~~ 20
200
_]
180º
.
, 200
,
/8(1° ·
•
~
:~

Figura 3.4: Inclusão da árvore (Ao) em

três pontos amostrais

K =:
J ,/416 ( 20)°

588 ,2529+ 4.006,7062-3.979,9./97 = 0 . ./ ./

89
~ ~:., ":\~
simultaneamente.
(
1.256 ,64 ~ -:.~ (
Neste caso, o valor de (K) obtido é 2, 16% menor que o valor (0 ,5), ~ ~~ Para se evitar a superposição tem-se r
normalmente considerado para as árvores marginais . Este fator repercute '!: _. P2
igualmente na conversão de estimadores por hectare, como área basal e --- - ~ P1 R; ~
•
R;
•
--- ~,
(
volume.
•· • D (
3.2. 7. Independência dos pontos amostrais

PÉLLICO NETTO ( 1969), trabalhando com este método amostral,

identificou um critério para garantir a independência dos pontos amostrais ,
'-
~-
~-
!f.
-= ~

!!.~ Usando-se a expressão (3 .16) tem-se r

ou seja, determinou como evitar que uma árvore não seja contada . .! !fc . . . d 0
simultaneamente em dois pontos amostrais contíguos Para tanto
;:_ = --'- = 2 sen - (
• -õ !!. . R; 2
considerou dois pontos(~) e (P2 ) e definiu como (D) a distância mínima (
entre eles . ~ !'.!. . d
(
R- =--'-
' K
Conforme se pode observar na figura 3.4, a árvore ( . 10 ) estaria
incluída em três pontos amostrais caso eles foss em tomados nestas
~-

~~ : ..
.::~
Considerando-se (dj) o diâmetro máximo possível de ser encontrado
(

., =~••
~-- no povoamento (dmax) tem-se
condições . (
.
(

(
..-~ ~- -~

(
(
58 Inventário Floresta l ••
t'
:"f
- ;j
Métodos de Amostragem 59

(
(
2R-
'
= 2dmar
K
~
~
..;.,
,c,j
Observa-se na figura (3 .5 A), que o princíp10 do · ponto de
amostragem vertical é a contagem das árvores, cuJas alturas aparecem

(
(
ou
D = 2d 111 cn (3 56)
.,,, ,.
~ maior do que o ângulo critico (JJ).

r
J.:

.-~
~
-·•
i

.,_, -:f•
Na expressão (3 .20) tem-se t-1.40 cc ... 1.aoos
(
'f.:2 = E4.B
(
2500
f\: -_,,·•
•·
(
e

•·. ·.,.•
(
K= JriÃB (3 57)
( 50

( Substituindo-se (3 57) em (3 56) tem-se

... , .
~~

(
(

(
!)=

SeFAB=I
2 d mar
JF_>JR
50
I 00 d mar
= ✓ F,W .
(3 58)
~
e,.
p
,.
"'f

:f
,.;

< Figura 3.5: Procedimento para inclusão de árvores no método de

~--·•
f r;
( 3 59)
(
lJ = 100 """ª
Por exemplo, se em um povoamento avaliado com o fator ( F:-113 = I)
•• Hirata.

(
o diâmetro máximo for de 70 cm, a distância mínima para que nenhuma f ,. _,f
( Usando-se relações trigonométricas obtém-se que:
árvore seJa incluída simultaneamente em dois pontos amostrais é de 70
metros.
~. s7Jf
(
~ . ,:t h
_!_ = tan /J= K (3.60)
( ;j Ri
3.2.8. Altura média de Hirata f: ·-
( onde:
f';. a/f
HIRAT A ( 1955), utilizando um ângulo de VJsada vertica l e h; = altura da árvore amostrada;
( ~ -" TÍt
selecionando as árvores segm1do um c1itério probabilístico proporcional à R; = distância marginal , ou rato que define sua ocupação
(
sua altura, criou uma concepção para se chegar a altura média das árvores espacial .
~ .e
==<•
( amostradas em pontos de Bitterlich. ~ --" -..:j
( Na concepção de Hirata . a abertura de um ângulo ve1tical constante ._,. . . . Isolando-se (R;) tem-se
h
( (/1 ), em um giro de 360" em tomo de um ponto de referencia. produz um f, : ,.-. R; =--
'-
ta11 fJ
(3 .61)

cone invertido, com base (R;) e vértice (P), como mostra a figura 3 .5 .
f ,.
{
(
Nessas condições, são contadas todas as árvores cujo ápice estiver situado
dentro do cone invertido
-=.
1:~ ,.l
Se em um ponto amostral for feita uma contagem das árvores que
aparecem tangentes ou maiores que o ângulo de visada (/3), então (mj)
. I· -
(
f'•·
,,. ~~-•.
(
60
r-
"I; r:' ~
Inventário Florestal Métodos de Amostragem 61

árvores serão contadas.

"r:'
~r:-, (

_ Como a rel_a~o (3 _60) é constante para todas as árvores que "" .,. :~ (3 .69)
(
(

sat1sfaç~m a cond1çao de inclusão na amostragem, então para um raio li - ;J

médio (R;) ter-se-á uma altura média (hJ em cada ponto amostral. i!- -:ri Substituindo-se (3 .69) em (3 68) tem-se (
(
Assim, para a área média (1rR/) conta-se (mi) árvores e em um lf -,.:J
hectare ter-se-á (ni) correspondentes, ou seja (
~ ·-·:I
- .

~-~
---
Ou isolando-se (n;) em (3 62) tem-se
10.000 mi
(3.62)
i,-

"·
~
-
-
7
.
~~
ou

h,,, =
m1 m7
m
m3
- -+ - "- + --- + ' .. + - -···
2
mp
(3 70)
(
n;= -- -1
(3.63) !,_. ~ "fij hj 1zJ
trR.- (
'
Substituindo-se (3.61) em (3.63) tem-se " ~ F : .:. Como se pode observar, a altura média do povoamento é a média
harmônica das alturas médias quadráticas obtidas em cada ponto amostral.

" ··•
-, (
n = l O 000 mi = l O.000 mi ta,/fJ Para se obter as alturas médias em cada ponto amostral , usa-se a
I -2 -7 ~ -t il fórmula (3.65), onde (n;) é obtido pela amostragem de Bitterlich, ou seja
(
h trh*

" !"
Jr- - '- / (
2
lan fJ m, 1
~ :..;J n; = FABI:, (- ) (3 .71) (
? m- i=l gi
n; = l O. 000 tan - / J ~ (3.64) ~ :~ (
trh.2 onde:
1
~ ~iJ i = 1, 2, 3, ... , p pontos amostrais ;
r
Isolando-se a altura média (h;) do ponto amostral (i) tem-se
~
~
:! " m; = número de árvores amostradas no ponto (i). (

~•
!~ (
h; = 100 tan/JJ mi
(3 .65)
Observe que se o ângulo de visada (/J) for igual a 60°3 4' a
;rni
4t< tan/J = f;"r; já se for igual a 68°15' a tan/J = J2;r . Nestes casos a fómmla (
Se (p) pontos amostrais forem tomados na amostragem, então
_,, -·:.8-~
~ - (3.65) se simplifica para:
(
(

(3 .66) -
h; = 100 ~ - '- para 60°34' (3 .72)
~ -~ n 1- (

•
•
(3 67) 4 ou (
A altura média do povoamento pode então ser obtida como segue ~ 2. ~
- = Rm- (
-
h,,, = 100 tan/J ffn
-
Jr li
(3 .68) •• ~• .':!~
h; 100 - '
n;
para 68º]5' (3 .73)

A altura média do povoamento ( h,11 ) pode ser obtida pela expressão

(
(
Considerando-se as expressões (3 64) e (3 67) tem-se 4t:-·~ (3 .70), ou tomando-se o número de árvores por hectare (n) para todos os (
"- . ... (
(
 (
(
.,,.. ,,.. .,re
( ~ - -~

.f... ,·.•
62 Inventário Florestal Métodos de Amostragem 63
( ,i,j
~

.r l•.•
(
pontos, obtido através da expressão (3 .67), como segue c) Com a flexibilidade do uso de diferentes fatores de área basal
(

•• ,.
para um apropriado número de árvores por unidade - recomendável e~
( h,,, = 1ool para 60°34' (3.74) tomo de 20 árvores -, pode-se incrementar o número de wúdades e
( adequar uma melhor distribuição destas no povoamento inventariàdo ·
'
ou d) As estimativas das variáveis podem ser obtidas através de
(

(
(
h,,, =JOoJ 2: · para

Em terreno inclinado usa-se a relação

68º15' (3.75)

.f ·•.,.
r,r '~
aparelhos óticos, mas também através de instrumentos de baixo custo,
como o prisma, a vara de Bitterlich, o visor de Bitterlich e outros.
As desvantagens podem ser resumidas como segue:
(

•~,._·•
~ k

,
.
tan fJ = tan /Ju + tan {]1 a) A existência de sub-bosque abundante pode aumentar os erros de
(

•·
onde: inclusão visual das árvores;
(

,.
/Ju = ângulo superior acima do horizonte do observador; b) Devido a defeitos nos aparelhos visuais, pode ocorrer erros
(
(
{] = ângulo inferior abaixo do horizonte do observador.
1

Deve-se salientar que a soma dos ângulos ( /Ju + {]1 ) não resulta (/J ),
•··
t'h
·•
sistemáticos na inclusão de árvores na unidade, principalmente nos limites
do círculo marginal;
(

(
mas a soma de suas tangentes é constante.
O princípio de Birata pode ser aplicado na prática, através de um
•· -,
~ -~
c) Menor facilidade de se usar esta unidade como unidade
pennanente, dado a mudança dos individuas em diferentes abordagens no .

... ,.,
povoamento. Isto toma difícil a avaliação de sítio, de crescimento, de
( instrumento bastante simples . Ele consiste de uma barra horizontal de ~
mortalidade e outros estimadores importantes para o manejo florestal.

-~
comprimento (MP), cuja barra vertical móvel de comprimento (AB) é
(

(
(
fixada .em (M). Visando-se a partir de (P) sobre (A) e (B) obtém-se, para
diferentes inclinações, ângulos verticais variáveis com soma constante das
tangentes, como mostra a figura 3.5 B. Já que o ângulo de inclinação em
•· ,,._ 3.2. 1O. Exemplo do método de Bitterlich

(
percentagem é igual a (J 00 tan f]), a medição pode ser realizada com
.,, ?'
~ -~,- Em um ponto amostral realizado em um povoamento de Pinus
taeda, utilizando-se o relascópio de espelho com o fator de área basal 2
(

(
qualq4er clinômetro que tenha uma escala em percentagem .
• 1

O método de Hirata constitui uma alternativa importante para a

determinação da altura média do povoamento . A desvantagem do
~
.,. foram contadas 13 árvores e ,tomadas as distâncias radiais de 3 dela~
consideradas duvidosas.

~ 1 Os diâmetros e alturas das árvores amostradas, bem como a síntese

.l•... - •
( procedimento são os erros que podem ocorrer em povoamentos densos, dos resultados obtidos nesse ponto amostral estão apresentados no quadro
( onde o topo das árvores nem sempre é visível . ~ ~
3.4 .
(
(
3.2.9. Va ntagens e desva n tagens do método de Bitterlich """''li°' a) Verificação das árvores duvidosas

<.:;j, ~ inclusão ou exclusão das árvores indefinidas na amostragem, é

(
As principais vantagens do método são as seguintes dete~_nada _pela -~omparação da distância radial medida no campo e a
·-·li distancia radial cnttca, calculada através da equação (3.21), como segue:
( a) Grande utilidade prática e menor tempo gasto na amostragem;
f ;. - ~
( b) Minimização ou eliminação dos erros provenientes da R _ 50 d;

( dema rcação incorreta da superfície das unidades amostrais ;

~ ; ·~ 1
- JFA B
~ .~
<
,, ""'
 ~ - :--~
('

64 Inventário Florestal IJ· .

~
º""
·: ~
Métodos de Amostragem 65

Quadro 3.4: Ponto de Bitterlich levantado em um povoamento de lf ~ti e) Número de árvores por hectare
(
Pinus taeda . ~ "!r,f A equação (3 24) estima o númern de á rvores por hectare que cada (
ÁRV. DAP ALT. DISTÂNCIA Á. BASAL NºÁRV. VOL. w -;:;~ individuo amostr:ldo representa. Assim, tomando-se a p1imeira árvore
r
(m) (cm) (m) Radial Crítica (m 2 /ha) (N/ha) (m 3/ha) CJ: ~~ amostrada, CUJO DAP é 39, 15 cm, tem-se
16,61 F ,l/3 , , 11 (
39,15 24,0 23.797 &;: =~ = - ---

.
\' 1. = - · -
· = /6.6/ arvores 1a
2 34.18 25,0 21.55 24.982 . g; 0 , /20.J (
35,62 ~ : :~.J
3 26,74 24,0 24,664
_,, r

~
-
E a estimativa do número de árvores por hectare, do ponto amostral ,

--- . .
4 35,65 23,0 20,04 22,993 ":

5 20,69 20;0 59,49 21 ,913 é dada por (

6 28,97 23,0 30,35 23,463
7
8
36,92
35,33
24,0
24,0
18,68
20,40
23 ,891
23,969
...tl· =·à
111
V ha = 2: N ; = l6 .61 +2 /.5.J + 35 ,62+ .. · +22.80 = .J05 ,70
i=l (
9 35,97 23,0 10,0 12,72 19,68 22,977 d) Volume por hectare

. !!;..
~a
ei: (
10 37,24 24,0 18,36 23,876
11 36,61 23,0 19,00 22,946 ~ !d A estimativa do volume total com casca, por hectare, foi obtida a (
12 35,33 24,0 20,40 23,969 partir dos volumes individuais de cada árvore incluída no ponto amostral, (
24,0 ~
13 33 ,42 8,6 11 ,82 22.80 24.079 calculados através da equação
14 31,83 23 ,0 25, 13 23,225 r
15 27,06 22,0 34,79 22,706
é: -• v; = 0,0-156 18 363 + 0,00003 76985 cl;- h;
o
(
~
16 33 ,42 23 ,0 7,2 11,82 22, 80 23 , 119
TOTAL 32,0 405 ,70 376,569 ~ - =~ No caso da primeira árvore amostrada tem-se (

- .., J (
~ - :à v; = 0.0-156 18 363 + 0 ,00003 7698:J (3 9, 15)-( 2.J) = l . .J323 7 m

~ - : 1) (
A primeira árvore duvidosa é a de número (9) , a qual apresentou Multiplicando-se o volume de cada árvore pelo respecti vo número
(DAP = 35, 97 cm) e distância radial medida no campo de (1 O, O m) O ._ !A de árvores por hectare, tem-se o volume ( ; ) correspondente a cada árvore (
cálculo de sua distância radial crítica (R1 ) resulta : amostrada , como segue: (
lt· "~
_ (50)(0.359 7 ) _ ,?
72 . F ·lB ,

~
•-=•
J (
R; - ✓2 - -· m -=.. - -~- I; = - - ·V; = .V; ·I'; = (/6,61)(/ . .J323 7 ) =2.J ,79/ 7 m
g; . (
~ -
Como a distância medida é menor que a crítica, essa árvore deve ser E , finalmente, a estimativa do volume por hectare é obtida pelo (
incluída na amostragem . O mesmo resultado foi obtido para as árvores 13
l. ~

~
-.!.
t!.. ~ ~ somatório dos volumes ( ; ), correspondentes a cada árvore incluída no (
e 16, sendo todas incluídas no ponto amostral.
ponto amostral , como segue:
i:~ -• (
b) Área basal por hectare
A estimativa da área basal por hectare é obtida pela equação (3 22),
~~ /' ha = f 1·; = 23,7971+2-l.982/ + · ·• + 23.l/92=3 76.5 752 m 3
(
i =l
como segue:
t. ~ e.d (
~:~ 3.2.11. Exemplo da altura média de Hirata (
t · '- ~ Em um povoamento de Pinus sp . foram levantados I O pontos de (
t- . : d (
(
 .,.. .,....
(

(
(
66 Inventário Florestal
•• .
•• -.•
;;

;.
Métodos de Amostragem 67

( amostragem de Hirata e Bitterlich simultaneamente, utilizando-se um r 157

•·· •,..•
,__
12_ _ _1_5_ _ _l 9_ _ _ _1_9_ = 23 .77 m
( ângulo (J = 60º34' e o FAB = 2, respectivamente. . - -- +- - + - --
2
+· ··+ - -2
( O quadro 3 .5 apresenta os dados obtidos
...... ·•
~
24,562 2./,./rl 23,47 24,00

Ou através da fórmula (3.74), onde a altura média do povoamento é

(

(
Quadro 3.5 Pontos de amostragem de Hirata e Bitterlich
levantados em um povoamento de Pin11s sp . ~• dada por

- /f;
( PONTO
AJvtOSTRAL
NºÁRV
HIRATA
Nº ÁRV/ha
BITTERLICH
ALTURA MÉDIA
POR PONTO
~ ff

~ r
•"11• hm = 100 - = 100 [Hf;57
n
- - = 23.77 m
2.779 .

..,·•- •
(
(li;)
(
(i) (n;) (h;
f"i:
12 199 24,56 3.3. MÉTODO DE STRAND
{
( 2 15 252 24.40

(
3
4
5
19
16
21
345
253
300
23.47
25,I 5
' 26.46
21 ,54
... º".
fi,
,ft
;.
3.3.1. Introdução

STRAND (1958) focaliza neste método, fundamentalmente, o

6 13 280

•· ,.,,
(
(
7
8
14
10
320
220
. 20.92
21.32 -·• ··11
critério probabilístico de seleção dos indivíduos na unidade amostral com
proporcionalidade ao diâmetro, para o cálculo da área basal e do número
(
(
9
10
TOTAL
18
19
157
280
330
2.779
25.35
2.i.00 ""
~
~,-
· de árvores por hectare, e proporcional à altura das árvores, para se obter o
volume e número de árvores por hectare. Sua abordagem é feita em linhas
dentro da floresta e não em pontos de estação como no caso de Bitterlich e
~
( Hirata.

.,.
f!'f' e~
(
Inicialmente, deve-se calcular a altura média ( h;) de cada ponto
e· .
- ~ Sua concepção inovadora se alicerça no fato de que o volume por
( amostral , através da fónnula (3 72) . Tomando-se a primeira árvore do unidade de área pode ser obtido direto por hectare sem necessitar, para
( ponto amostral tem-se
r· tanto, de se estimar área basal e altura das árvores como variáveis

~
r;, = 100 v-;;; para 60°34'
li·
._""!;,'' auxiliares
Seu método para volume usa estimativa por razão, onde a altura das
( . ., ,, árvores são usadas como a medida de tamanho na amostragem (ppt). Para
- mi?
h1 = 100 --- = 14.56 m
í 99
~ i

~ l!-·"l
os estimadores de área basal e densidade, a teoria de Bitterlich é aplicada
( em linha.
~ -

.,...
Conhecidas as alturas médias de cada ponto, a altura média do
povoamento pode ser calculada atr:wés da expressão (3 .70) como segue ~ 3.3.2. Unidade amostral
e Ili
_ó _ A w1idade amostral é constituída de uma linha de comprimento (L),
( hm = tomada dentro do povoamento, sobre a qual enumera-se todas as árvores
~ f
_,_ , do seu lado esquerdo que se qualificam para a amostragem. A amostragem
é realizada em duas etapas: ,
(
f'~- ~\
( fiJ- : \
( li"'
 • 1== ·:;j
68 Inventário Florestal
• r,~
r-~
&;
Métodos de Amostragem 69
(

a) Seleção proporcional ao diâmetro e r·J cada árvore na tmidade amostral é dada por
(
Na primeira etapa, a seleção das árvores a serem medidas é feita • f' '·" R; L
P; = -
A- (3 .77) (
através do método de Bitterlich, observando-se apenas as árvores situadas
à esquerda da linha de comprimento (L), para estimar a área basal e o "r·~
'
•-r· (

.
onde:
número de árvores por hectare. Em cada árvore selecionada, mede-se o
diâmetro à altura do peito. • .°" Ri = raio marginal da árvore incluída na tmidade; (

Vale aqui o mesmo princípio de contagem de meia árvore, para " -

A = área do povoamento
Substituindo-se (3 76) cm (3 77) tem-se
(

(
árvores margmais. • -·- s
--·~ d;L (
b) Seleção proporcional à altura ~ P; = A;: (3 78)
l,: 7 ~
(
Na segunda etapa de amostragem, seleciona-se as árvores a serem
a
medidas, proporcional sua altura, para estimar o volume por hectare. O
procedimento de seleção é o seguinte caminhando-se novamente ao longo
••• -~ ~

": ~
Como se pode observar esta sel eção é proporcional a (d;) e não a
(d/) como no método de Bitterlich. (
(

da linha de comprimento (L), enumera-se todas as árvores situadas à sua

esquerda, cuja distância da árvore à linha seja igual ou menor que a
1)
metade da sua altura total, ou seja, (D ~
••·· ~ iJ
": ~
Se o interesse for estimar a área basal (G), através deste método.
tem-se que (m) árvores da totalidade das (M) árvores da floresta estarão
ocorrendo na w1idade amostral de comprimento (L) e, portanto, a
(

~ ~,,;j expectativa matemática da ocorrência de qualquer árvore é dada pela 1 (

Esta seleção pode ser realizada facilmente, usando-se um distribuição de Bernoulli , onde a variável discreta (X - ocorrência ou não
~ ! ~
clinômetro, como o Suunto por exemplo, para a medição do ângulo da árvore), pode ser classificada como
-~

,.
vertical. Neste caso, a partir da linha (L), inclui-se na amostragem todas ~' (

as árvores, cuja altura for tangente ou exceder o ângulo vertical de visada

de 63°26'06". • -= •
~ -
! ...
X ; = O quando a árvore não é amostrada

.\'; = I quando a árvore é 111cluída na tmidade.

(

3.3.3. Estimador de área basal

t,. Então (
t.. -. ~:1 (
Da mesma forma que no método de Bitterlich será usado o princípio
de inclusão de árvores com um ângulo de visada ( 0 ) . Reportando-se à ~- =~
. .
(
1:, ( rr .\ . } = g - fJ · .= -
g; d; L
.- 1 - (3 79)
expressão (3 .16) tem-se que:
•·.!.· 1!=~• ô/ , , , K (

•~
~
-
0 d d d d; _ (
2sen- = - 1 = - 2 = - 3 = ••• = - = K Se (m) árvores são observadas na linha de comprimento (L) , onde
2 R1 R 2 R3 R; ~~ (111) é um número estocástico, tem-se (
Isolando-se (Rj) tem-se tr (
I

R - =~ (3 .76)
-..~i~• r
I K tt-~ /~d (
Percorrendo-se ao longo da linha de comprimento (L) e incluindo as t -~-1
,-. • Se (A) for tomado como I hectare, tem-se:
a
árvores proporcionais (dj), tem-se que a probabilidade para a inclusão de ~- '-~
..,.: !: ~
(
(
(
(
 (
.. ,.
(

(
(
70
Inventário Florestal .• .,.. ~
íJt
Métodos de Amostragem 71

(
Lg; = e; = área basal por hectare; , . ·.•
~ ·'I ou

.•·• ~.•
(
i=l K= ./FAB
(
(3 .83)
111
-, 50
, 'H -\ ' ; )-"" "' , • dasareas
, t ransver sa1· s
( f~(Lf;; - L,g,•(l) = "g
L, 1•= somatono ;. Substituindo-se (3 .83) em (3.82) tem-se

,.
1=/ 1=/ 1=!
( na w1idade amostral . , J 00 .) FAB 1'C 111
G = - - - - - Ld;
( Um estimador sem. tendência para (G) pode ser obtido como segue:
•·· ·"'' 50 L 4 i=l

(
(
•·,., :í.
,-~
ou

f d;

..r -•. •
-., G= ./FAB 1'C
( 2L i=l

(
(
ou
•·,· e~

,. ,
Usando-se (FAB = 1) e ( L = 51'C), ou seja, (/ = 15,7 m ), conforme
proposto por Strand, tem-se
, AK "' v. (3 80)
( G = - í:~ fie
L i = ld;

(
( I
: Se (L) e (d;) são expressos em metros , (A) tambem o sera em m e a
, , 2

... d~-
ou
equaç.ão (3 80) será expressa como segue
( , ~ 4'
·~ (3.84)
1O 000 K "' d;-
{; = - - - I: - ·-
71'
~ ~~
·-
r. 1=1-l d;
~ f " "~
( onde:
(
ou fl • ·1 d;= diâmetro das árvores incluídas, em centímetros
(
(
- l O. 000 K 1r 111
Ci = - - - - "'i.,c/ 1
/, -J 1=!

, em centímetros · (G) será finalmente obtido em

E xpressan do - Se (d)
(3 81)
•· ,..
t,i;.
-~ L = comprimento da linha, em metros;
G= área basal est.imada, em m2/ha .
= 2 ),
( sua forma operativa
~ ; :19 Se outro fator de área basal for usado, ou seJa, (FAB
(FAB = 4 ), então
( /0 .00() f.... ,T 111 ~- --"9
(
(; = - -- - I,d,
10/1 / . .J i=I
r.~- ..1) ,
G= - - Ld;
./FAB 111

(3.85)
/O i=l
'1· ~
(
(
ou
e- ,__, 3.3.4. Estimador do número de árvores por hectare
-- I 00 f,.,,' ,T ~'. / ( 3 82)
(
(r =: - - -
!. -J
._,l 1
,~ 1
~ - ·-rt Uma das limitações do Método de Strand é a inexistência de um
Tomando-se a exp ressão do Fator de Am.1 Basal (3 20). conforme fl - -~ estimador específico para o número de árvores por hectare, indispensável
(
- - ~~ para uma avaliação quantitativa mais consistente dos povoamentos
(
(
já dcri vado 110 método de Bitterlich. tem-se

/ . IN -:511nf...-'
"'"
f+·,• -~
florestais. Diante da importância desse estimador, notadamente para
estudos de regeneração ,natural em florestas nativas. PÉLLICO NETTO &
fk· ~
.( ,,. '"li
 72 (
Inventário Florestal Métodos de Amostragem 73
(

BRENA ( 1995) desenvolveram os ftmdamentos teóricos de um estimador (

Isolando-se (R;) em (3 87) tem-se
do , número de árvores por hectare, ou densidade, apropriado para 0
Metodo de Strand. (
/( =
h
_....!._ (3 88)
1 f.:1 (
O desenvolvimento matemático desse estimador parte da expressão
(
(316), denvada no Método de Bitterlich para a seleção de árvores Percorrendo-se ao longo da linha (L) e selecionando-se as árvores
proporcional ao diâmetro (d;), onde a partir do ângulo de visada (o) ou regenerações, tem-se que a probabilidade de sua inclusão na unidade (

obtém-se a relação t,igonométrica expressa em (3 76), porém O fator de amostral é dada por (
proporcionalidade, neste caso, é caracterizado por ( ;...·, ), ou seJa
R;L (
Pij = A (3.89)
? _!!._ _ :!_l_ _ d 2
c/ 3 cf; _ .
(
_sen - ---- = ··· = -=1'..i
2 R1 R 1 R3 R; onde:
(
onde se pode isolar ( R; ), obtendo-se A = área do povoamento;
i = 1, 2, ... m - número de árvores;
R=.!:!_;__ j = 1, 2 - metodologia usada. (
1 J.: (3 86)
J
Se a unidade amostral for realizada com seleção das árvores (
onde: proporcional ao diâmetro (d;), então substituindo-se (3 86) em (3 89) tem- (
R; = raw marginal do centro da árvore tomado perpendicular à se
(
linha (L) ; d;L
;.,.·1 = fator de proporcionalidade entre o diâmetro da árvore e Pi! = .,J ;.:,
(3.90) (
1: : f/J (
sua distância à linha (L), constante para cada ângulo (O)
especificado. lt ': . ; Se a unidade amostral for efetivada com seleção das árvores

•
(
~.; proporcional à altura (h; ), então substituindo-se (3 88) em (3.89) tem-se
' Igualmente, se a abordagem for proporcional à altura das árvores (
~..J
••"
conforme visto na figura 3.5, usando-se um ângulo (/J) de visada, obtém~ (3. 91) (
se um fator de proporcionalidade ( J.:1 ) dado por :: j
(
h ': ~ O interesse se coloca na obtenção do estimador de densidade,

.•~
tanf] = -'- = ;.,.·,

•
(3 87) (
l?; - expresso pelo número de árvores por hectare (Nlha). Considere que na
~~
amostragem serão tomadas (m) árvores, que se qualificarão entre as (M) (
onde: =;J existentes no povoamento, na unidade de tamanho (L) e, portanto, a (
h; = altura das árvores; ~~ expectativa matemática da ocorrência de qualquer árvore, ou regeneração
l?; = distância do centro das árvores amostradas à linha (L)
tomada perpendicular a esta;
f.;2 = fator de proporcionalidade entre a altura das árvores e a
.:.:• !J.I
~~
--
é dada pela distribuição de Bernoulli , onde a variável discreta (X -
ocorrência de qualquer árvore ou regeneração) pode ser classificada como:
.\"; = O, quando a árvore ou regeneração não é amostrada;
(
(
(

distância à linha (L), constante para cada ângulo (/J)

especificado .'. -:- :J
~~ .\"; = 1, quando a árvore ou 'regeneração é incluída na unidade
amostral
(
(
~ : =-J
(
•• -: ~
(

(
(
(
(
(
•... i'I
-~
74 Inventário Florestal ~~
,.., ·1' Métodos de Amostragem 75
( ,f-' )
( ,.f ;,I a) Seleção das árvores proporcional ao diâmetro (d;)

·•
Então
(
(
E(X,)=(X; = 0JP;J +(_\"; = !Jpu
,~.~
~
.\
. I
1a = ~ I 0.000
L... - - - - ' -
J-:1 ! 0.000 J-: 111
= - - - - ' - l1: , ( -
J
) (3 .97)

...•·· ·•º"
; 1 d;f, L i=I d;
( · d; L (3 92)
E ( ,\;) = Pil =- -. ·
A f.:.1 Considere adicionalmente que na amostragem de Bitterlich, o valor
(
de ( K 1 ) é melhor usado em fw1ção do Fator de Área Basal - F AB, onde
(
(
quando a amostragem é efetuada através do método de Bitterlich, e
•· "-"
.!
-. 11)
f.:. _ ✓ l·~-W

.•·
(3 93) (3 .98)
I - 50
( fr-= -11 Substituindo-se (3 98) em (3. 97) tem-se
( quando a amostragem _é efetuada através da seleção probabilística e. ~

(
proporcional à altura. . 11) . I 10000../FAB m !
:\ ' 10 = - -- - - I , ( - ) (3.99)
Como pode ser observado, ( r, )é uma razão entre a area de L(50J ,=! d;
e f.-r
.-i
-~
ocupação de cada árvore, dada pelos retângulos ( R; - r ) e a área de 1
( o~ ou
(

(
(
hectare (A) O inverso de ( p; ), ou seja ( _L
P,
) , nada mais é do que o

conversor de número de árvores por hectare, de cada árvore que se

qualifica para a unidade amostral
•.
•·,
fl-1
~
~
. i1)
1
, . 200JFAB "' 1
\ 1 11a= - - - l:,(-}
/, i = I d;

Neste caso, os diâmetros (d;) devem ser tomados em metros .

(3 .100)

Então, ,....,
( "'l
(
(
,11
z:: -
i = IPij
J
=S
111

i = IAi
f
ha == L ·-- = L -
111

1=11?,í.
•· 1
(3 94) f'-r i')
f,
f irz ,,,,
;, b) Seleção das árvores proporcional

.\ .
. I
w= L
111

i=I
10.000 K,
l4 L
-=
/0.000 K,
L
-
à altura (h;)
m
l:,(-}
i =I
J
h;
(3.101)
Se a amostragem for feita com seleção proporcional ao diâmetro
(
(
(d;), substitui-se (3 86) em (3 9ci) e tem-se ... '~
Se a distância (R;) for tomada igual a altura (h; ), então

( (3 95) l' - h; --
--- ·!!) í\.O -
-
-
R;
Í

( C!- - ~
(
~ - -A) e
Se a amostragem for feita com seleção proporcional à altura , então
subst itui-se (3 88) em (3 94) e tem-se
... ·=c.f) 10.000 "' I
( N I ha =- - l:, (-) (3102)
" · ·A) L i=I h;
( (3 96)
~ - . e,~
( Se a distância (R;) for tomada come metade da altura (h; ), então
fi . ,..::,
(
Considerando-s e ( . 1 = I O oon 111 :) obtém-se os estima dores da f .. 1 l) K, = !}_=_h_;- = 2
- R; 0,5 h;
( '
{
densidad e por hecu1rc. como segue
,· ;--·~ e
( ~ - •·'"
 76 Inventário Florestal
.
• -~· -J)

• .i
1
.::-.;
1
~ 77
(
I

•.
Métodos de Amostragem {

20.000 111 J
*, --':.:.- ~
(
= - - "1:, ( -

·-~
N / ha ) (3 .103)
L h;
1 (
i=I
fJ.. :-·~ (3 106)
1 (
3.3.5. Volume por hectare 1 (
6 ;,.:--~
Para se derivar o estimador do volume por hectare, Strand
•• 1
-".JI Como o objetivo é obter o volume a partir do conhecimento de um (
considerou a seguinte razão estimativa
• 1 fator de fomrn médio (/)tem-seque

-.!-!" ~
(
. I III v. . I III y ,\! . 1 : ".I
.\f
} = ( -"1:,.::_ ),\ = ( - "1:,-)"1:,.\; (3104) 4'. : e:: ·!.$
1 • / '' = f'[,(g;h;J (3 .197) (
m i = JX m i = JX i =l
- 1 i=I
(
:• ~
onde: 1 Usando-se a estimativa por razão tem-se (
r = total da variável (y);
m = número de árvores amostradas ;
1
· ,ti /'' = ( - Llll[(g I
_ ,_,_ h)] '[,h,
M (
X = total da variável (x) .
•• =- .d4' · m i=I h; i= I (

Se (}i = g; h;) e ( .\'; = h; ), então os totais podem ser obtidos por

,\f
f = "1:, (g;h;J = soma dos volumes cilíndricos de todas as
.,,
-! ~~
ou
/ '' = f -
l m
I,g; Ih;
.11
(3 108)
{

i =I :J 111 i = l i= I
(
árvores do povoamento .
- · tJ
tt· Como pode-se observar, o problema neste caso é o de como (

.
.\ f
e ~ -J
-· encontrar um estimador sem tendência para ( "E, h;) (
i= I
M
_\' = "1:, h; soma das alturas de todas as arvores do
, =;J (
;~1
Usando-se a linha (L ) como tulÍdade amostral e sel ecionando-s e a s
'-
povoamento.
Lorey propôs o cálculo da altura média do povoamento como segue
~- .,.,
::~
árvores com probabilidade proporcional à altura, em um espaço de
ocupação igual a [(Kh)L] , então a probabilidade de que uma árvore seja
(
(

••· !,,o,.,
~ : ,~
incluída na amostragem é igual
.\!
'[,(g;h;) I f.:.h; JL 111
(3 l 09) (
!/' =-
i =_I _ _
P; = .-1 = .\ f .
AI
(3 105) (
Somando-se esta probabilidade para todas as árvores do
~ --~ (
povoamento tem-se
Como o total (Y) é dado por tr -= ,J (

•
.\ f .\ 1 .\ f
~ I: \,p; J = L. ( .\'; = O-P; ) + I:( .\'; == l· fli J

•~
! '.. (
.1/
1= / i=I i=I (
f = '[,(g;h;)
'! ~
i =I .\! .\ f (

Então, o somatório dos volumes cilíndricos pressupõe a utilização

~- -= ~ 1
. .! .
I. h;
f...L
i=I i=I
'[, 111
- .\/ m (
! '. ( L .\;/J, ) = - -- =---- :e. m (3 1 10)
da altura de Lorey, ou seja : tr: =~ i=I .1
cc - -
.\ I .\ !

•·
(
-i..j
..., ··• (
(
(
( ' ~ 1
·~
(
( '·...
~ ~,1,,1

,;-..~,
78 Inventário Florestal Métodos de Amostragem 79
(

( '
,.,
~ • I~

;.
,\(

(
Isolando-se ( I, h;) na expressão (soma das alturas de todas as ,:-..-
i= I
( árvores do povoamento) tem-se f'--
m .-1
,.<C
(
,-..
Af
(3 111)
(
(
Z:,h = -
i=I l f.:. L

Substituindo-se (3111) em (3108) tem-se ,- ·•

-~

•·••
( m .1
111 - f'·
, ., = / -/ Z:,g; -:-- = volume total estimado do povoamento
( Ili; / f...f, f'-
( Dividindo-se a estimativa do volume do povoamento ( l ·,) pela área
(A) tem-se a estimativà do volume por hectare (í)
~

f', -
-
=•
~~
( hp

(
1-·, / 111 m
(3 112) ~ '- ~
I. == - == ( - I,g; --:--
. 1 . 111 ; 1 f.... !. ~ - -~
(
(
Simplificando-se essa expressão tem-se f,
f;
-."
( 1· =(-
.
I lll ; r ,
I, - d ~
f...'f . ; 1-l 1 .
.
= f - .- Id~
iT

-l f.J
Ili

1= !
o

1
( 3 113)
,,. :~

:,i)
(
(
(
Considerando-se. adiciona lmente, que se a amostragem é tomada
proporcional às alturas e que. a pattir de um ângulo vertica l de visada (O)
se inclua as árvores iguais ou maiores que o ângulo nos seus limites de
~-
~
~"'
-1
Figura 3.6 Amostragem com probabilidade proporcional à altura
das árvores.
fL e~
observação. então tem-se que as seguintes relações podem ser obtidas a

~
.
(
partir da figura 3.6
~ - ~tt tal que
(
f' . :~

e
(
~-f' ;-: .,. então
D='!_
2
ou D= 0.5 h

~-
,-.•
hP
( lan /3 =-!) .....") 1-: = 0.5 ou D=f.:.h
( f?l ..
e e, conseqüentemente. o espaço amostral (E) pode também ser representado
( ~ .: por
h 1
h , h 1, h
Íil/1 a+ !Wl ji =-- ----+-- = - -= Íll/1 {)
( /) /) /) f:' ~ 1 lé' = ( f.:.h )/, = 0.5 hl.
( Se. po11anto. o crit ério p,na inclusão das árvores for estabelecido f' • ~. Isto significa que o espaço amostral tem largura de ocupação igual
( para o esp aço amostral f. • ~-1
(
(
1: == /) !. (",
f' · --.
~-• a metade da altura da árvore que se qualifica para a inclusão na
amostragem, e portanto

\ ,,.. "'
 • r~ (
80 Inventário Florestal •-ru1 Métodos de Amostragem 81
(
• r~ (
h h
P= - = - - = 2 = tan(J (3.114) • r·t:I 1·= ( -
I m
>'d-
,
(3 116)' (
tan a+tan
D 0.5h
• r•8 l O,--;, ,

"• ~
(
ou Se os diàlllctros (d, ) forem nKd1do s em Cl'11timetros. o vo lum e ( J ')
(
~ !!.I resultará diretamente em m 1-1ha. pois (d /()íJ ), para manter o cálculo na
lan a+tan P= tan 63º26'06" =2 (3 115)

Nas condições acima colocadas, ao se caminhar ao longo da linha

(L) amostrando-se as árvores situadas à esquerda desta linha, cuja altura
• .,
~ -
~- ~

~--i.:J
mesma unidad e. res ulta em divisão por I O 000, uma vez que os diâmetros
são usados ao quadrado na fónnula
(
(

seja igual ou maior_ que o dobro de sua distância até a linha, ou cujo -'. . 3.3.6 Vantagens e desvantagens do método de Strand
(

ângulo vertical que contém a árvore seja maior ou igual a 63º26'06",

satisfaz-se as condições expressas em ( 3. 114) e (3 1 15) . ••., -,_j
-~
.--\s prmc1pa1s vantagens são as seguintes
a) Não se comete erros de demarcação de t1nidades amostrais :
(
(
(
Strand sugere que esta inclusão seja feita por duas pessoas , uma . ,iJ
b) .--\presenta fle-.;ibilidade para se reduzir o tamanho da unidade
usando um clinômetro e a outra medindo o diâmetro das árvores incluídas
na unidade amostral. Naturalmente que a inciusão de árvores efetuada com
as somas das tangentes sempre igual a 2 não é muito simples, pois a título
•
~
-.: '4
=~
amostral pela redução sucessiva do fator (f.:) Isto sign ifica aumentar
sucess1vamcnte o ângulo ( 0):
(

(
(
de elucidação, conhecendo-se o ângulo (P) pela visada da· parte infenor da ~ =~ c) 1\iio há necess idade dL' se medir a ltura s para a estimativa de·
árvore, ( a) terá que ser o complemento para que se satisfaça a condição vo lume por hectare: (
~ '! '-:.ÍJ
deque(1a11p+ 1a11a) seja sempre igual a 2.
•• É o método que m1111m1za o tempo de medições em campo pela
(

. .:.
='!ÍII d)
Por exemplo, se (P =5º ), sua tangente será (0,087./8866) e , : d, · facilidade operativa que apresenta. (
portanto, (a) terá que ser igual a ( 62º -10') para que se satisfaça a condição .: -, e) Pode ser usado como urndade perman ente em condições (
acima . Igualmente se (P =25º), ( a) terá que ser igual a ( 56ºX9') e se
~
espec1a 1s . (
(P =35º ), ( a) terá que ser igual a (52° .f3') para que as condições da
amostragem se mantenham equ ival entes. ., !,
~- . ..;
.: ,.j
f) :\presenta potencialidade como método para avaliação de
regeneração natural em florestas nativas. por manter uma mesma base de
abordagem para todos os estratos arbóreos da floresta
(
(
Este procedimento, apesar de causar uma certa dificuldade prática,
somente será avaliado no caso das árvores marginais . Há ainda a ••· .: ..; Entre as desvantagens destacam-se as seguintes :
(

possibilidade de se medir a altura e a distância das árvores duvidosas e

•• .! ., a) Os estimadores de área basal e de densidade são obtidos por

verificar sua real inclusão na unidade .

Usando-se, como no caso da derivação da area

( L = 5 rr = 15. 7 m) e ( f.: = o. 5) como exposto em (3 . 114 ), tem-se
basal, .'.
.'.:. ~~
.! ~
metodologia diversa daquela usada para o volume:
b) No cálculo de volume será necessá ,io conhecer o fator de fonna
médio para as árvores do povoamento .
(
(
(

.:.'.
.! ~
(
t,: -.:•:; 3.3.7. Exemplo do método de Strand
(
ou =-' Em um povoamento de Pinus sp_. aplicou-se o método de Strand

.
(
através do levantamento das árvores selecionadas ao longo de uma linha
- .j

(
(
(
 (

(
\)
(
82 Inventário Florestal -'t Métodos de Amostragem
( ;"t 83
( '~
com L = 15,7 m (5rr) Nesta tmidade amostral, usando-se o FAB = 2, 200,./J~4B m J
( ,a .\ ' ha = ----"I:,(- J
foram selecionados inicialmente indivíduos com proporcionalidade ao ,';Y
L i=t d,
( diâmetro, para o cálculo da área basal e do número de árvores por hectare:
~
posterionnente, foram selecionados indivíduos proporcional à altura, para 200✓2
(
se obter o volume por hectare. Os dados obtidos estão apresentados no ·~ .\
. I
Ta= 157 ( 17.3586) = 312.7232
( ·à)
quadro 3.6.
(

(
Q uadro 3.6 : Aplicação do método de Strand em um povoamento
de Pinus sp
,, . ·'l
,
.\ ha =3 J3 árvores

- Com ~eleção proporcionalª altura ( h;) ~ (K = 2)

2
( ~- -~
.\ : I
. la =
I O 000 K ~ m J
-"I:,(-)
SF LEÇÃO ÁRV.
( ~ º !, i = I h;
'>ROPOR- SELE C. d; h / d; I h;
( C IONAL (m) (cm) ( !11) (m) ( lll) ~ ' 10000 (2)
\. ha = ---'---
15.7
(02-137 J = 3/0-1./.)-8
.
( 33.1 O 3,0211 ffr·

(
DIÀMETIW
2
3
4
5
32, 79
41, 70
38,83
H.06
3,0497
2,3981
2,5753
2,9360
~. ;.,,
ft· .\ ha =31 ! árvores
A estimativa diversa para a seleção proporcional à altura é atribuída
( { ;~; e~ ao uso do Blume-Leiss na mediçfo das alturas, cuja variação resulta wna
6 29,60 3,3784
(
(
6 210.08
33. 10 28,80
17,3586
0,0347 1.095 ,61
f:=.
17; ;
º"'
·' l
pequena diferença no estimador, comparado com o obtido através dos ·
diâmetros .

c) Estimativa do volume por hectare

(
( /\ 1.TlJR/\
2
3
4
5
34.06
28,97
25. 15
30.56
29,00
28,40
28. 1O
28,60
0.0345
0,0352
0,0356
0,0350
1. 160,08
839,26
632,52
933.91
f}..
~ -
f\. _,,,
,.,
""'
1·- (
J n,
J:,d2
. /0 i = I '
(
6 36.61 29,40 0,0340 1340.29 ,..., si) Considerando-se que o fator de forma médio do povoamento é (/ =
( 7 32, 79 28,80 0,0347 1.075 , 18 O, 498) tem-se · .
(

(
7 201,1 O 0,2437 7.076,85
,..
fii- "~
~-, 1. = O. -198 ( I ~ J 7 076. 85 = 352, -13 m 3 ; ha

a) Estimativa da área basal por hectare ~ .; s")

(
Neste caso, a area basal por hectare é estimada pela expressão --~ "°I 3.4. MÉTODO DE PRODAN
(

(
(3 85) como segue: f".i ~ "11
- Jfili111 ✓2 , fi-. ·"I 3.4.1. Introdução
( (i = - ·- , d = - - / :'. I 0.()8 J = ]Y .7 I m- / lrn
/(} ,-;, 1 /{)
ft·~ ·"1
f ,. ..._ . . ~ concepç~o desenvolvida ~or Bitterlich foi consolidada a partir da
b) N Ílmero de árvores por hectare utthzaçao de um angulo fixo, porem pode-se tomá-lo móvel com abertura
(
f: ,; ,.._ (a;), tal que em cada leitura possa estabelecer-se uma relação por hectare.
( - Com s~kçi_q Q_IQporcional ao dic1metrQ (d; )
~ .. ~1\
(
ti
 1,,
1,, ··
1--j
t--· J
1

84 Inventário Florestal ti; r -~ Métodos de Amostragem 85

i
l. .c· ,J
amostragem equivale a leitura (0,5), a segunda (1,5), a terceira (2,5) e
assim sucessivamente. ..,
t; : .,. rj
1
·,:.j
como referencia da Lmidade amostral
A decisão sobre o número de árvores medidas na w1idade amostral ,
(
I'
Ir -·-j teve como base o comportamento do coeficiente de variação, do volume
I r _.,. ,a individual das árvores. em relação ao número de árvores observadas. (

t;· -: ...J Neste estudo. PRODAN ( l 968) verificou que o coeficiente de variação se (

•· ,. -c:i;,j
~..J
tomava estável. a pa11ir da sexta árvore medida Portanto, fixou em 6 o
número de árvores a serem observadas . que é o número ótimo, uma vez
r
r
"'
I;· "!! -J
que minimiza o custo de medição da Lmidade amostral.

3.4.2. Unidade amostral

~ - ~~ (

....•
=~ A tmidade amostral consiste em se medir as seis árvores mais (

!: ~ próximas de um ponto amostral. confonne está mostrado na figura 3. 7. A (

sexta árvore é contada como meia árvore.
~ -= ...J (

•:·
~ - .!: fil
:~ 3.--l.3. Estimador de área basal
r1
Para a obtenção da estimativa da area basal , usa-se a seguinte
~ -: -1 (
relação de proporcionalidade
t:,: !:; (
5 g6
~ ~~ ( r,g +-)
(
i =l t 2
Figura 3.7: Procedimento para inclusão de árvores no método de ~- ::.., 10 .000 - G
Prodan
~ - !',,..J (
~ =-..J (
Nestas condições a relação de inclusão de uma árvore na 1: ! ..., e.
(1 = (3 l 17)
(
amostragem terá como variável a sua distância em relação ao ponto
~ ' =j f
amostral e, portanto, a seleção das árvores se faz com probabilidade ou simplificando-se
proporcional à distância. ~ ~
(
Os métodos de distância têm sido aplicados na prática desde 1835 ~ -~

••
(
por KONfG na Alemanha. Na literatura há um grande número de citações ~ (3 118)
(
destacando-se entre eles COTI AM (1949), KÔHLER ( 1952), ~
THOMPSON (1956), MORJSITA (1957), PRODAN ( 1968) e outros .
A especificação de Método de 6 Árvores foi primeiramente
apresentado por PRODAN ( 1968) em Freiburg - Alemanha. Este método
•
~ -
~~
~r;J
onde:
R6 = raio da sexta árvore medida
(
(
(
considera a medição de 6 árvores e a distância ou raio da sexta árvore ~ -::~ 3.4.4. Número de árvores por hectare

• :::.,A
(
(
(
(
(
•.. ,,,
r·· ."
(
~ u' -~
Métodos de Amostragem 87 .
Inventário Florestal
(
86 r 1
1" í)
( f--r rt Em um povoamento de Pinus taeda de 7,0 ha, situado em Nova
Usando-se o mesmo princípio de proporcionalidade tem-se
(
~-; ·t Prata. RS. foram distribuídos aleatoriamente 19 pontos amostrais cujos

(
(
trRJ
10 000 -
5,5
N r'~"J .iiJ ·• dados são apresentados no quadro 3.7. '
Quadro 3. 7: Dados coletados através do método de Prodan.
N = ( 5.5 )( 10 000) = 55 .000 (3 119) ,...,
;/1t UN ID DIÂMETROS (cm) ªó Ró h G1ha
f-, ~
( nR] m?/,
(
t ( n) d, ,f:, d3 d -1 d5 "ó
22 ,0
( 111)
3.17
(111)
3.28
(111)
14.7
(nl)
65.54
1 2 1.6 32.2 21.5 21.6 I 2.1
..... 1 ; ~ 14,5
22.9 21.6 10.8 16.6 23 ,9 2.73 2,85 59.44
( 3.4.5. V olume por hectare 2 16.2
f'~ \ ,~ 3 20.5 25,2 12. 1 17,5 22.0 22.3 3,08 3.19 14,6 55 ,05
( 27.7 19,9 24,2 24.5 22,9 15.9 3.13 3.21 15.1 72,79
A estimativa do volume por hectare, a partir da volumetria de cada f;, ·:ft 4
5 16.4 15,9 15 .8 26, I 26.1 15.9 2.82 2.90 14,0 67.19
( urna das 6 árvores-amostras é dada por f.L ,;) 6 13, 5 23.2 18,3 21.7 26.l 23.4 3,16 3,28 15,8 57,66
7 20. I 24.8 23.9 21.3 23 ,9 29.3 3,02 3.17 16.1 75 .74
( 1'6
VJ + V, + ·· ·+ --
2 (3 .120) f'H ·fJ 8 22.0 11.5 33.4 18,5 27.4 23.2 3.30 3.42 14,9 66.13
( • / 0. 000 3,08 3 , 19 15 .9 69,99
;rrR 2 fJ; .t'"f 9 26, 1 21.0 19, 7 24.2 22,6 22.0
(
(
6

3.4.~. Vantagens e desva ntagens do método de Prodan

~:,
fír . 'S
" 10
11
12
22 .3
26. 1
16.2
20.4
27.4
27, 7
27, 1
22.6
18,5
15.3
22.0
19.7
24,8
19,7
21.6
19.l
27.1
20.4
3 , 19
3 , 18
3,35
3,29
3,32
3.45
15 .8
16.9
17.0
61 ,88
72,17
5 U4
13 29.9 22.0 22.3 24 .5 18.5 18.5 3,07 3,16 17,1 74.83
(
r· -, 14 20.4 17.2 16.6 24.2 25.5 27.7 3 , 10 3.24 16,6 62 ,09
(
As principais vantagens do método de Prodan são as seguintes
~ 1 ..-:. ,
15
16
20.4
14,6
14,3
21.3
24.2
20.4
18,5
20, I
18,1
17.2
22.9
13.l
2,73
3.20
2,84
3 ,27
15,3
15.3
66.28
43 .69
( a) O método é prático e de fácil operacionalidade no campo: IQ , I 14.J 19.4 2,99 3 ,09 15 .9 57.44
~. . 1) 17 27.4 12.7 22,9
20.7 19,7 29,0 20.7 28 .7 21.3 3.07 3,18 16,4 77,54
b) Dado o tamanho da unidade, é possível levantar vá rias w1idadcs 18
( f .,. .:à 19 12.4 16,2 18.1 11.5 17,5 26.4 2,28 2,41 14.3 65 ,89
no tempo eqwvalente à medição de uma unidade de área fi xa : . 1 ' ,,
( f :,. ~~
c) Com uma rede de pontos distribuída dentro do povoamento pode- Neste q_ua?ro: tem-se os .diâmetros das seis árvores de cada ponto
(
se conseguir uma visão mais abrangente do mesmo :
f •- 'e:) amostral e a d1stanc1a do centro da unidade até a sexta árvore (a 6) .
( f ,. ,~
d) O tempo de medição é o menor de todos os métodos: A pa1tir desses dados, e tomando-se o primeiro ponto amostral
( Í! · -~'l como exemplo, calculou-se as demais infom1ações do seguinte modo:
e) Não ocorrem erros de demarcação de w1idades amostrais
( f .cc ;,~
1 a) Raio da sexta árvore
( Entre as desvantagens destacam-se f; . \ ctl
a) Os estimadores podem gerar tendenciosidades quando as árvores R6 = a6+j d6 = 3.1 7 +j(0.22)=3 ,28m
(
(
estão muito aglutinadas ou muito espa lhadas no povoamento: ~-1 ""{)
f"'.• I~ b) Área basal por hectare
b) Dado o tamanho da unidade ser pequeno não há como obter bons f •.;; I •_ :}
( - ! ..
estimadores para variáveis de manejo florestal. como altura dominante.
( Í -P :}
mortalidade e outras
( f' ,:-. ~

(
3.4.7. Exemplo do método de Prodan r:~ ... r)
l
 1,; ·-:: -·1 (
88 Inventário Florestal e;.-.::.·.., Métodos de Amostragem 89 {
t, -= ·_ ij (
" ::,.. •: !J \ = ( 5,5 )( / {) UUO) = 55 .000 = 1.7 .7 1 árrnrt!s ha (
é;= 232,38[(0,2/6 J + (0,322/ + (0,215J + ···+ (0,2:ol] = 65 ,54 m 2 I ha ~ ! ~- c JJ · ,iiF 31 . 054
6 (
1

e) Número de árvores por hectare

'Ir.í'-- ·•' c) Área basal por hectare l (
t;: 1-- ,..,J (
(5 ,5)(10.000) 55.000 1
N =
nR62
= - - = 1.627 árvores / ha
33 ,799 ~~í'' (
" r ,, 11 11
(
d) Volume por hectare 1:,. ~ ,1 . 65 .54 1 59 . ../4 + 55 .05 + .. · + 65.8')
(, = - - - - - ----------- - -- - = 64 .34 m
2
ha

. -,,
(
.,. r··-
•
ª" 1

-- j
,

d) Diâmetro médio
/9
(
(

Utilizando-se a . equação de volume total com casca elaborada no • -• j

e/ =
g
J.:!..K
7r
(

Inventário dos Reflorestamentos do Rio Grande do Sul, dada por

••
(
e. ::J
log V = -4.28379 + 1,960 I 5 log d+ 0,88853 log h g_ = -G 6./ ,34
=- - = O.0'.) {}"'3 Ili
2
(
c· I \' 1.7 7 1
e, sabendo-se que as alturas das 6 árvores são: h 1 = 14,9 m; h 2 = 16,0;
h3= 14,7; h4 = 15,0; h 5 = 12,5; h 6 = 15,2 , obtém-se os volumes •• -= ·• ·s~ fl
l Ig =
4( 0.0363 )
7r
)7/'
= ( ,_ )/li
(
(
individuais das árvores do ponto amost ral e o volume correspondente por
hectare, como segue:
••• ~-" =· .I
e) Volume médio por hectare

f" =fi -h -]
(
(
V- 0 ,2368 + 0 ,551 7 +0,231 8 +0 ,2382+0,0651+0,1 249
- 33 ,7985 ( /O .OOO) .,_ ~d - , - -
(
1· = ( 64 .34 m- ){ /) .6 m )( 0 .44) ) = 446.65 0 m 3
V = 428 ,57 m 3 I ha

O volume pode ser obtido com maior rapidez e praticidade, através

.'•. ..J
'!,

~·'.J
-.
3.5. MÉTODO 3-P
(

•· (

..,•
da fórmula clássica de volume, usando-se um fator de forma médio para o :: ~

povoamento (neste caso f = 0 ,./45), como segue:

V= G·h ·l = (65,54 m 2 )( 14,7 m)(0 ,./45) = 428 ,73 m 3 / ha

•• ! :J
-= ..I
Segundo HUSCH, NfILLER & BEERS (1982) a listagem prévia
das w1idades a serem amostradas representa um grande empecilho em
muitas aplicações florestais , especialmente aquelas em que as árvores
(

é!::.,J individuais constituem os itens listados (

Os valores médios estimados para todo o povoamento são os
~;.1 (
seguintes: GROSENBAUGH ( 1963 b ). procurando evitar essa listagem
a) Raio médio da sexta árvore ••·· ~:, ~-:.,
prévia, propôs um método de amostragem que utiliza o conceito de
probabilidade proporcional ao tamanho, cujo elemento consid~ado foi a
(
(
- 1 Ir. I
R6 =-k í:.Rt;; =-(3,28+2,85+3,19+ .. ·+2 ,41)=3 , 144 m
/9 •- -~
-·
estimativa imediata do volume da árvore. Grosenbaugh denominou esta
técnica de Amostragem 3-P, que significa "Amostragem com (

.• ·!••
i=I

b) Número médio de árvores por hectare

:: ~ Probabilidade Proporcional a Predição" . l
(
(
(
 (
( ;
•r 1-~~.,1 ·,
1

••
(
(

(
J

)
90 Inventário Florestal

Este método de amostragem tem sido apli cado nas avaliações

destinadas à comercialização de madeira, onde as árvores marcadas para
.,•... ,-..íil
·i-ft
-~
·"íl
Métodos de Amostragem

DlLWORTH & BELL (1971) e HUSCH, MILLER & BEERS

(1982) citam que o método 3-P inclui os seguintes passos principais, na
91.

...•· ·•
( ) venda são avaliadas por uma predição incipiente do volume ou valor, e estimativa do volume total das árvores marcadas na população:
uma subamostra destas árvores é selecionada para medições mais ·,.í• a) Definir o número de árvores (n), cujos volumes serão avaliados
( )
detalhadas rigorosamente. Isto pode ser feito usando a fórmula da amostragem
~~ -tj)C .
( '
( 1
O principio básico do método pode ser facilmente entendido. através
da analogia feita por MESA V AGE ( 1965 b), como segue "Supondo que
r«r
·•
-•
aleatória simples, considerando a população como infinita. Deve-se
observar, no entanto, que na amostragem 3-P, o coeficiente de variação

.-~-~,.(i•.
( 1 se t~ha vinte cartões numerados de I a 20 e considerando-se que uma ~ ! ~- refere-se a dispersão das razões entre os volumes medidos e estimados de
( árvore é definida como árvore-amostra, se o seu volume estimado for igual cada árvore, em relação a razão média. Uma expressão simples que pode
ou maior que o número de um cartão retirado ao acaso, então uma árvore fj, ser utilizada é a seguinte:
(
(
(
com predição 1 tem ap énas uma chance em vinte de ser qualificada como
árvore-amostra, enquanto outra com volume predito de 15 tem qumze
chances em vinte". Assim, a probabilidade de seleção de uma árvore
~

E·
f ~,t
'.- ~
CV = n [n'I:. R
]00 - - ---? -]
n - 1 (I: Rt ·
2
l (3.121)

., .
qualquer é proporcional a sua predição . ft• ~
(
( 3.5 . I. Notaçã o fi' -~
• '\
onde:
n = número de unidades amostrais;

.,
1
1
"~ R = razão (volume medido/estimado).
(
N = número total de árvores marcadas na população : ~ I ,
( Este valor é, em geral, menor que o coeficiente de variação
n = número de árvores observadas na amostragem 3-P; si,f convencional, o que explica a eficiência do método.
(
K = número de chances condicionais para incluir uma árvore fif ê. .
Outra alternativa para determinar a intensidade de amostragem é
(
individual na amostra. É também o volume da maior árvore (x;) usado no ~. 11) usar um indicador grosseiro, como o sugerido por MESAV AGE (1965 b ),

.-,.~
:,1:)
( esquema de amostragem: para grandes vendas de madeira para avaliadores treinados, cerca de 100
(
f\ árvores são suficientes para um erro de amostragem de 1,5%; já para
Z = número de chances incondicionai s para excluir uma árvore da
f). avaliadores inexperientes são necessárias 200 árvores para a mesma
( amostra ;
f'-. ,.~ precisão.
( ne = número de observações esperado na amostra 3-P;
f!, 1 b) Obter uma estimativa rápida do volwne de cada árvore marcada
(
(
(
Yi = volume rigoroso atual de uma árvore individual:
X; = volume estimado de uma árvore individual ;
r-. 4
~ '
.,. na população, cujo volume total é dado por:
'
X= J:.x;
N
(3.122)
N
.\" = I: x;= soma dos volumes estimados das árvores individuais da
f!, 4 i=I
(
(
(
população;
.\'; = volume total das árvores indi viduais, antes da amostragem.
~
t} ·•~•
~~
O volume (xi) de cada árvore, pode ser obtido pela estimativa
ocular direta do avaliador, ou em tabelas de volwne utilizando o diâmetro
e altura estimados.
f ~-'
fi. -oi. c) Atribuir à variável (K}o volume máximo esperado de uma árvore
(

(
3.5.2. Seqüência d a amos tra gem 3-P
r.-
,.
·;f. individual. Assim,
 l,.L i= :J.J
1
(

92 Inventário Florestal • r·,!.:f Métodos de Amostragem 93 (

'-'· f ·'t!I (

J.: = máximo xi (3 123) ~-r·'!:I 1

240
K+Z=-=-=12
xi (
t;. r c·,J ne 20 (
Portanto, (A.1 é o limite superior do conjW1to de inteiros (1 a K), que
I; 1-- ,.J
atua na qualificação de cada árvore-amostra .
d) Ajustar o conjW1to de inteiros, assegurando que se mantenha
próximo ao número de observações esperado na amostra 3-P. O número
~r- ~
., r=,.J
Z=12-K=12-l=ll
GROSENBAUGH (1963 b) apresenta algumas diretrizes que
(
(
(
devem ser observadas:
esperado de árvores-amostras (ne), selecionado do número total de árvores
marcadas na população (N), é dado pela soma dos volumes estimados de
b- r=-tl - (ne.K) deve ser menor que(.\';); (
todas as árvores, dividido por (K + Z) .
t,-.~·..t 1
2 (

.ri-
t: 1
-J - ( ~) deve ser maior que (:e -:); (
11
e
= -
K+Z
(3 .124) 1: t~"' e) Visitar as (N) árvores marcadas no povoamento e, em cada uma
(
t: '" ~ (
onde: delas, proceder do seguinte modo:
ne = número de árvores-amostras esperado;
t: ~.,
(
- Estimar o volume da árvore (x;) e registrar a estimativa;
.Y'; = estimativa do volume total de todas as ~rvores; t: '= ~
(
Z = conjW1to complementar de inteiros superior a (K), que t.o: =~ - Retirar um número aleatório do conjunto de inteiros / a (K + Z) e
(
define as árvores não amostradas e pennite obter o número de árvores- t; '. comparar com o volume estimado;
'= 'ri (
amostras desejado . _ Se O volume estimado for igual ou maior que o número sorteado
l: ": ~
Na amostragem 3-P original, o processo de seleção envolve uma
l!s --~ .~
(x; ~ n; ) , esta é uma árvore-amostra e deve ser medida rigorosamente, (
visita a cada uma das (N) árvores marcadas, estimando seu volume ( e x; ), sendo seu volume atual registrado como (y 1) ;
preparando uma lista dos mesmos, antes de iniciar a seleção das árvores- l, :: ~
- Se o volume estimado for menor que o número sorteado ( x; < ni), (
amostras . Porém, GROSENBAUGH (1963 b) introduziu uma Ili :: ~
modificação no método, pennitindo que as árvores-amostras sejam ~ -• ! .., esta árvore é desprezada e segue-se para a próxima árvore marcada.
selecionadas já na primeira vez que a árvore é visitada. Esta modificação Assim, a probabilidade de uma árvore qualquer ser uma árvore-- (
lt ·. -~ ,~
.
reduz o tempo do trabalho de campo e elimina a necessidade de identificar amostra é dada por: (
a posição das árvores selecionadas no povoamento . l! :. ~
P(x ) = --' -
X· (3.125) (
A população de inteiros é um conjW1to de probabilidade retangular I:· =~ ' K+Z
(
(igual probabilidade) composto de uma progressão aritmética de números, ~ ': ~~ f) Ao final do inventário, o volume total estimado das (N) árvores

~.
com intervalo W1itário, de / a (K + Z). A soma (K + Z) deve exceder o ~~
(
b· marcadas é dado por:
maior (x1)atribuído a qualquer árvore da população. A estimativa do (
volume total (X;) e o volume da maior árvore (K) devem ser antecipados,
t:.· ~.JJ
tJ, (3 .126)
(
a fim de que (K + Z) possa ser calculado e o número mínimo de árvores- ou
amostras desejado seja obtido . t: ~-..J e
l!:- =. ..j (
Desse modo, se ne = 20, .\' 1 = 2-10 m 3 e o volume da maior árvore
J...' = I ni3 . os valores de (K +Z) e (Z) resultam: t,· ~..J onde: (

t; · : ..J (
(
(
 ' I

( .
(

( 1
•,., ~
í")

(
(
) 94 Inventário Florestal ••
r
l
1
1
-~
ti)
Métodos de Amostragem 95
1
f#

.~
( 1 ~
r · li
Como K = 35

,,., ·
~
( I
i=l -~
Z =ll5-35=80
( )
RI == .:'•..I..
X;
'~ b) Sorteio
(
( ) medido.
n = num ero de á rvores-amostras sobre as quais Ü';) foi
li' -~ Sortear um número aleatório entre 1 e 115 inclusive (J a K+Z) para

( ,
(
Resumindo, o volume total é igual a soma dos volumes estimados,
obtidos de cada árvore ma rcada . multiplicado pela razão média do volume
,,. r,., ·.fl
~:t
cada árvore marcada na população.

e) Procedimento no campo
atual e o estimado. obtido das (11) árvores-amostras .
( ,.."' :. ~
I. Visitar cada árvore marcada na população;
A variância de ( t) pode ser estimada através da seguinte expressão : ft"' :~
( 2. Estimar e registrar (X;);
f:,r :,~
(
(
~ f ~ro 3 . Multiplicar (xi) por 100, para torná-lo inteiro, e compará-lo com
o número aleatório sorteado (n;):
(
(3 127) t➔ :rt
- Se (x; < n;) - seguir para a próxima árvore;
ft1 --~
(
(
ou
~,·
,,, -~ - Se ( -~; ; =: n;) - medir e regi strar (y;).

•er ·~"
O quadro 3 .8 mostra o procedimento da amostragem 3-P.
(
-~
( Quadro 3.8: Procedimento de campo do método 3-P .
( 3.5.3. Exemplo do método 3-P
~ ,; -- ~ ÁRVORE VOL. ATUAL VOL. ESTIMADO NÚMERO
( 11 .V i ALEATÓRIO
Estimar o volume total de uma população constituída de 9 árvores ~ ';: ,.~ (mJ)
( marcadas, cujo tamanho da amostra desejada é de 2 árvores , considerando ::!/)
a estimativa do volume total da população - .\\ == 2 .3 m 3 e a estimativa do
fH 0 ,220 0,170 60 - Não
( 1
t_,. ~~ 2 0 ,270 0,220 29 - Não
( )
volume da maior árvore - K = 0 ,35 m 3 . Multiplicando-se esses valores por 3 0 ,370 0,330 16 - Amostrada
100, para tomá-los inteiros, tem-se ~ ; ~~
4 0,320 0 ,280 93 - Não

~-
(
,\:"; = 230 e K = 35 ~ tfi --~ 5 0 ,340 0,300 33 - Não
( I
-=-t?j 6 0,300 0,260 24 - Amostrada
( ,.~ 7 0 ,220 0 , 180 91 - Não
a) Cálculo dos valores de (K +Z) e (Z): ~
8 0,220 0,200 64 - Não
( X tJ. -,~
n =- ,- 9 0,340 0,300 30 - Amostrada
( e K+Z f., 7- 0) TOTAL 2,600 2,240
( ~ ; ~~
( t i, --~ Neste caso, foram determinados os volumes atuais de todas as
( t',l :1
 1
t.,; = ~
96
Inventário Florestal \J : ·,'.;J
~ 1 ·,!.J

4
(
arvores para comparar com o total estimado pelo método 1

~ -~ PROCESSOS (
t; I ~ (
d) Volume total estimado da população
~ 1 _~
DE (

f a.,'
i -~-i ]
;,~X;
[
a 2.2' lr
0.37
Õ.3] + ó16 + o_jõ j1
0.30 0.3./
b
1
1 " ~
1

b j "~
AMOSTRAGEM
(
(

l,t 1 :J (
f =2.2./ (/.J36/305) ~ I"~ (

f = 2,5././Y m 3 t:- ' ~ A ABORDAGEM DA população sobre o conjunto de unidades (

e) Variância do_total estimado "'

~
! iJI
!,JI
amostrais, corno visto na classifi~ção da amostragem, pode ser aleatória,
sistemática ou mista. Dentro destes arranjos estruturais situam-se e>s
(
(
b EI.2-cesso~ de amostragem mais usados em i_nventári ~.fl orestais,, que são
· :JI
f [.r(:i)- tJ
0
(
os seguintes : amostragem aleatória simples, est_ratjfi q da, si~emá_!ica, rlEis
2 1=J X;
~ -' lil estágios, conglomerados e múltiplos inícios aleatórios. (
Sy=-~--~!..._
lt· -!JJ
~
•~•
n(n - 1) Nos Capítulos a seguir serão apresentados detalhadamente os (
~- fundamentos de cada um desses processos de amostragem, com um (
? ?.j 0,3 7
2 _ [ - ·- 0,33 -
-12+ [2, 2./
2 , 5 ./.) 030
7f, - 2 ,5./5
12+ [2 2./ 0,3-1 ~ exemplo aplicativo.
sr - ,-6 ' 0,30 (
3( 3 -1) t?, -~ A aplicação de alguns dos processos de amostragem, será feita

.~· -•
(
sf = 0,000./55 m3 ~ .:JI sobre a população apresentada no quadro 4. I . Essa população representa
(
um povoamento de Pinus sp . com 45,0 ha, enumerada totalmente, através
da divisão em 450 unidades amostrais da forma retangular, com 20 m de (
f) Erro padrão do total estimado

sç = zfsT = ±Jo.000-155 ·• largura por 50 m de comprimento, ou seja I 000 m2 (O, I ha) de superficie.
(

sç = ± 0,02133 m 3
~
~
~
..
-~

.J
Para cada uma das unidad.§s_amQstrais, são apresentadoj os volµmes totais
cÕ~ case-;-,porliecta~e~obtidos na enumeração total.
A população foi estruturada em linhas, numeradas de (1 a 30), e
(
(

colunas, identificadas pelas letras (a) até (o), para facilitar a identificação

.
g) Erro padrão relativo ~ ~~
das unidades. (
S•
~ 4
Sp%=±-4--J00
Além disso, a população foi dividida em 18 unidades primárias (N), (
y lt: contendo cada uma delas 25 unidades secundárias (M), identificadas na
Sp =± 0,838 % ~ -
~ horizontal pelas letras (A, B, C, D, E e F) e na vertical pelos números
lt: _.., romanos (1, II e rrn. Portanto, cada unidade primária possui wna área de (

.
~

•-· •.
::;;j
2,5 ha.
Por outro lado, o povoamento foi plantado em três épocas distintas,
cujas idades podem ser identificadas como segue: a área compreendida
(
\
(
(
;;[l( r \ri ~i:~~l~f .
(
(
98 •..,r. ·•
Inventário Florestal
.,,
Processos de Amostragem 99

(
,.., ·• coluna j) e (21 até a coluna h - unidades escurecidas) tem 9 anos; e a área

·•
Quadro 4.1: População de Pinus sp. com 45 ha, constituída de
unidades de O, 1 ha, cujos volumes estão expressos por hectare. restante tem 12 anos. Com base nestas idades do povoamento, a população
( \01 0,,,,.' t'1 ~ foi dividida em três estratos, os quais são diferenciados no quadro 4.1 pela
( a b e d e' f g h j k I m no
fi:' 1 área escurecida do segundo estrato, chamados de estratos E1, E2 e E3.
p

·•". ,.
80 92 96 94 90 85 73 63 83 101 115 156 87 109 l 11
( l
99 69 102 103 91 1~J
~, 83 128 68 98 86 88 95 97 7-1 A enumeração total da popu_!_aEo .P~~tiu.. d~~ ~ seus
2
(
(
3
4
86 69 85 127
8! 89 122 110
98
80
102 98 l7<l
99 184 81
71 116 98 101
85 114 191 132
88
122
125 110 A
110 156
""' arâmetros~ o~ seji osvalÓres rems, verdadeiros ou paramétricos desta
população. Desse modo, ~ste_s p~r~petros oderão ser 50m ar~dos _c..2!11 as ,
131 115 92 76 136 15 7 9, 80 89 85 126 106 104 144 116 t'J. : estimativas obtidas por div.?rSOj p!f>~Os de .illJl01>tragem, facilitando a

'"' ·•·•
( 5 =
162 100 118 90 116 83 163 95 107 125 145 162 87 225 255 0'1!1Pre_en_são dos procedimentos _e pennitindo verifica! a eficiência do_§
6

.
·~
•.
( 166 164 191 190 165 1c;c; 186 188 156 108 116 177 229 149 127 mesmos.
7 e,-1,:
( 8 185 227 171 239 r&5 114 138 186 232 213 147 125 1,q 170 l'l7 B
('!u; Os parâmetros da população de Pinus sp., apresentados a seguir,
9 216 101 148 151 149 159 158 184 142 180 1,9 126 162 199 156
( foram obtidos através das formulações teóricas apresentadas, com os
e~
(
(
(
~i:i
mm
13
;,,;:i:.::
mi
@m:
i ii
)µfü
iii :;
tzt
;;11: m~1:
í!t JM l®.: 294 @W
:5; g)Q f)t HBt "S?f í® (.
1 ,,.
~
1
1
devidos detalhes, nos capítulos 5 a 10.

4.1. PARÂMETROS DA POPULAÇÃO POR UNIDADE

14 Mfü í~ 11% J$ij t)t ggQ IM l~ @® ílt ;gf iu qp1 2rx füt ~ AMOSTRAL
( 15 Mfü l~t JJ$ 7.iH }ijf mm 11ª JM ui JM( f.~$ zit $9} 24 t . M4
( 16 ZM Z2$. @1 Zll ll9 il? imt 1~~ mw J!# t3<:i 4%f 1í1 219•11~ Os parâmetros da população apresentada no quadro 4.1, por
11 7.Pf: Z~i ~1l Mi @19 J?9 49? 1Jt MM t~t g9p JtZ Wf ~9 z:i~ unidade amostral de O, I ha, são os seguintes: ,...,
(
1s l~ê ?@~ tig iW: g~z JJW •~ •êi} M1 g~~t J#t @M 9QJ $lf ~ít o -
19 m!9: JM g~g JM• 1i? 1114~l %19 J;;;z $4? '*@í#l tw MA Jn
(
( 20 !#.! gn, J#fü 1~ 4ª1 J~9@t1 fHW 4~ tM < M9 M~ @!g '.P~
21 3'.ól MiíJ:tU itK 2$9 141 Zif=í1ij 205 284 213 243 214 339 296
ª~ a) Média
N
I;X;
/
/ ...
( 22 402 241 360 399 278 346 247 279 253 366 248 335 283 249 220 r~ ,~, X= 01__ = 22,550 m 3 I OJ ha \
I '
/
( 23 226 255 229 247 269 J42 267 207 233 317 336 225 287 207 229 E (k . ,,. N
J 1-1 321 224 207 238
( 24 305 255 257 21 O 265 270 337 307 318 228
271 322 218 234 280
('I . .,., ,. b) Variância
,/
25 267 239 298 248 309 279 269 253 261 318 I
(
26 318 306 327 320 255 258 242 228 266 292 309 263 262 379
322~
1R0
r-,, ~- N
I;(X; -X)
- 2
( 27 318 329 248 287 267 273 339 345 272 283 348 221
267 313
307
33 0
262
232 235 F
~ · ,.11, s 2 = i=l = 65,484 (m 3 / 0,1 ha/

,. ,.~
~
,,
28 292 415 287 259 255 266 384 336 363 311 N-1
(
29 255 314 335 331 273 339 351 325 257 301 286 285 283 278 342 @-· ~tt x

( 30 320 377 337 400 370 379 269 224 345 269 368 312 367 358 348 ~ .:
e) Desvio padrão

~.-"~ ..~.
( l li lll ~

(
,(
pelas unidades situadas entre as linhas (1) a (l O até a coluna i) tem 6
anos:a área compreendida pela; unidades situadas entre as linhas ( l O
~ S -
x -
N
I;(X; -X)
i=l
N-1
- 2

s_Y
'
= 8,092 m 3 /0 ,I ha
'( ~ · -:.tt
 • -- =:.,
100
.........
Inventário Florestal
~
•·•--. e,: ~

-~
Processos de Amostragem 101
(
(

d) Coeficiente de variação
\

-
"·J ..,\!;•
M
\_S)
•- : !-.,j
d) Variância entre e dentro dos,, estratos
(

cv = s..:'.:
X
. 10Jp v = 35.89 %
----
e--
.::::r--
<::--
'I

r.--
\.._I.,,
,..___

e-
ri-
Do
rí)
n---
•
IJ
-~
:: ~
•s·2
e -
;? 3

- "- j
f.-y-de:·~-
'L, .,.',, ( .r• ,, - -,-J2
-
e:
- =-=--= -I-U 'J6 r, m 3 .. 0. lha/
(
(

e) Total da população
""-
~- ç; V')
..._. [ .,.
~ -r.J (
(
-:::-
~)
:c'-4
li 1) 11
X = N ._,f = 10.1-17 ,500 m 3 ..;:;-· t,. :-;~ (
~ w
('()
t lD
L1>
fro1.PL,,,,l\-,c)
4.3. PARÂME.TROS DA POPULAÇÃO ESTRATIFICADA "· ~=•J
t,. ' ..\.
(
(
~ ": ~ (
A população estratificada apresenta os seguintes parâmetros
b -: ,,. (
a) Número de unidades, média, variância, desvio padrão e 1,: (

"'~-· '~
:.. ".: ~

coeficiente de variação, por estrato (

Estes parâmetros estão apresentados no quadro 4.3 . .
Quadro 4.3: Parâmetros média, variância, desvie
coeficiente de variação, por estrato.
·drão e .,
b-
-- ~

=à
. 4.4. PARÂMETROS DA POPULAÇÃO POR FAIXA

4.4. 1. Faixas com igual tamanho

(
(
(
NÚMERO DESVIO COEF. DE :,d Considerando-se as 30 W1.idades contíguas de cada coluna da (
~ '

-
ESTRATO UNIDADES MÉDIA VARIÂNCIA PADRÃO VARIAÇÃO população (a até o) como uma faixa , tem-se 15 fai xas de igual tamanho,
CV,, \,:: =;d (
h N,, X 1, sj S1, ou seja, 3,0 ha cada .
c: ;à (
E1 144 13,134 19,373 4,401 33 ,51 Os volumes médios verdadeiros das subunidades por faixa , s4as
E2 ]64 25,241 21,315 4,617 18,29 ~ - ~~ variâncias, o volume total paramétrico de cada faixa, bem como a média, (
E3 142 28,990 23,506 4,848 16,72 ~ ~~ variância, desvio padrão e coeficiente de variação verdadeiros, por faixa , (
são apresentados no quadro 4.4.
~
~· .': .
-~ (

a)Média~ ~
11 ~ '<., ( . (
~ - -::~

~~ ~ / {x; 3
(
b-'- ~ X= !..=1._ = 676,500 m ' 3 ,0 ha
N
c) Variância estratificada ~ , ~~
\ I__,
1 .' ,\~ .,~. b) Variância (
L b • , :: ~ (
s; = I:JV,, sf, = 21,385 3
f (X;-X /
h=l
(m 1
0,1 ha/
\!,~ r=,..
~,r,.,
l!.~: 1:,_
S2
x
= j- J
N- 1
= 3/.1 ,7/0 (m 3 , 3 ,0 hal (

(
(
(

••,, ..,
/

( ·')
.

.• ..,
(
( Inventário Florestal "i) 103.
102 Processos de Amostragem
---,. \, ~~
(
( /~
-:-:
( Quadro 4.4 Parâmetros volume médio e variância das subW1idades
~ i ... Quadro 4.5: População de Pinus sp. modificada.

(
(
e volume total, por faixa.

MÉDIA POR VAR.IÂNCIA POR

SUBUNIDADE
VOLUME POR
FAIXA
f!·
~
"' ·•. . 1 ab
80 -
99 69
e

-
d e fgh j k m u

74
o

~•
FAJXA SUBUNIDADE 2
( · 1
(nYIO,l ha) (m'/0,1 hai (nl> 3 86 69 85 127 98 102 - 88 125 110 A
Nº COLUNA ~ f
( 23 ,280 68,060 698,500 4 81 89 122 110 80 99 184 81 - - 191 132 122 110 156
1 a
( 2 b 22,400 81,540 671,900 f!' ' ·li 5 131 115 92 76 136 157 95 80 89 85 126 106 104 144 1l 6
t ,,
~. ,~i\.• ,trt
3: 22.810 75 ,170 684.200 6 162 100 118 90 116 83 163 95 107 125 145 162 87 225 255
e
( 82,450 675 .900 7 166 164 191 190 165 155 186 188 156 108 116 177 229 149 127
4 d 2-2,530
( e 22.140 60.060 664.300 s 185 227 171 239 185, 114 138 186 232 213 147 125 159 170 197 B
5
69,720 662.000 ~ r 9 216 101 148 151 149 159 158 184 142 180 159 126 162 199 156
( 6 f 22,070
~;-.'• i~~ *™ t,1 i™
(
7
8
g
h
21 ,860
21,950
62,570
60,220
79,390
655,700
658.600
662. 900
f! ..
{!,r e~
(;..
10 189 197 132 137 160 190 165 240 125
t1
12
13ij jU,9. nt .t :rt MJ Mtr t~t '.®$ lM )lQ
WI J1~ :tJ;t JR4 111 @F ;.ç):1~$ t:11 !~ Jit @@ ;M tíl
iiw;m~f:
tiêí Mt •i4il••JJQ J@
tw.
( 9 22 , 100 f ,r
10 23,420 67.900 702.700 13 J~t in J2l JM Jjt uw: tMf IM: aw wn iur tM Jffi\ JJl #& e
(
ll
J
k 22,840 64,800 685.100 f ,i
_,,, 14 @19 @~~ +12 AJQ mm rw nt:Jg~ mm J1g ui iz1 111 tm 11r
(
(
(
12
13
14
1
)11

n
22.230
21 ,880
23,540
56,700
61,470
6 1,620
666 ,800
656,300
706,300
~ ;.
f :~
f 1,
. ... ; ;;;'EE!ltiii!J.lllii5i
@$W @~i1! M% Z§ í~l @$ 1Zª êM M2 Jáij ª1~ tM 11% iM ~t o
(
15 o 23,210 59,140 696,300
f ,,
O-~
18
19 i~g MW ?&} ~~§ ~? )J! J$l ))~ iii JH9 l~ç iP:~ Jgg J}} I
(
(
(
e) Desvio padrão
N
I:!X; -.rJ-
- o
,.~.
(F.,.

..,
·•"-~-
,.
~~
20
21
ªli gJ} Jt➔.fü iijJ ~I J~ 712 1Ji1 IM 7~! J#ij JM J?ij WM 4
lôt Ma 4tf zw li$it ;nm 1lk 11:i 205 284 213 243 214 339 296
22 402 241 360 399 278 346 247 279 253 366 248 335 183 249 229
23 226 255 229 247 269 242 267 207 233 317 336 225 287 207
w

229 E
s,. = ;- / = 17 .7-10111
3
3.0 ha 297 238

-·,., 24 305 255 257 210 265 270 337 307 318 228 314 321 224
( .\ - / f, 25 267 239 298 248 309 279 269 253 261 318 271 322 218 234 280
( cl) Coeficiente de variação ~ - ... · 26 318 306 327 320 255 258 242 228 266 292 309 263 262 379 322
5 ~-
.,.,. 27 318 329 248 287 267 273 3]9 - - 283 348 221 307 262 280
(
CT "' !: ·/00 =-:262% ~

., (. 28 292 415 287 259 255 313 330 232 235 F

(
(
.\'

4.4.2. Faixas com tamanhos diferentes

,~
f i.
·"I
29 255 314 335
30 320 377 337
331
-
278 342

( Para a obtenção rie faixas com tamanhos diferentes, modificou-se a

,,~ _- :;.
-:.~ I n m
(

<
população de Pinus sp do quadro 4 1. a fim de que as colunas (a até o)
tivessem números diferentes de subw1idades de 0. l ha . como mostra o
quadro 4 5
f.
li
..
·:t
A alteração realizada na população de Pinus sp. do quadro 4.1
 (

104 Inventário Florestal

••· Processos de Amostragem 105 (
(

constou, basicamente, da eliminação de subunidades, na ma1ona das

colunas, de modo que elas fh :1 ssem com um número variável entre 22 e
•• ·J
a) Razão média _ >
(
(

•
ly /

30 . , _J :z:: _r,
Esta população modificada permite a aplicação de estimativas de o ~-J
R= i:~ = 22 9 ,568 m 3 ' ha
r ,'
(
(
Ilí
razão, que é a metodologia estatística usada para a análise de amostragem !J i=l
0- (
realizada com unidades de tamanhos diferentes .
ór -! ~ b) Variância da razão (
Ã' O volume de cada fai xa foi obtido pelo somatório dos volumes das
subunidades · respectivas, e a area das faixas
multiplicando-se o número de subunidades por O, I ha .
foi determinada •·
e,
': :.I
'!_;j
(

•
Os parâmetros da população modificada estão apresentados no
quadro 4 .6 .

Quadro 4.6 : Volume médio e variância das subunidades e volume

total , por faixa , para a população de Pinus sp . modificada
-
t:i
':: ~

! :.j
!! . . .

'!,,;J
c) Desvio padrão da razão

l r. .r/ r. r/ r. l :
(
(

(
(
--· -~
!
.
- 2 2 X ; · Y;
ti,;-. SR = sR = _!!__
2
N - 1
1=1_+ i=l
y2 y2
- i-.!_
X. y
= 8,669 m 3
/ ha (
fvIEDlA POR VARIÂNClA POR VOLUME POR 1

t,:,
FAIXA SUBUNIDADE SUBUNIDADE FAIXA~ Y0 ! ..
(

---
N° COLUNA (m 3/0,l ha) (m 3/0, l ha/ (mJ) 1

~ (
1 a 23 ,280 68,060 698 ,500 3,0 d) Coeficiente de variação
-~
2 b 22,852 78,075 662 ,700 2,9 (
3 c 23,729 67,555 664,400 2,8 ~ : -~ CV= S!!. -100=3 ,78% (
X
4 d 22,822 67,832 616,200 2,7 41 (
5
6
7
e
f
g
22,381
21,712
22,079
45,918
55,367
34 ,597
581,900
542,800
529,900
2,6
2,5
2,4
b·
~· ·~ •• 4.2. PARÂMETROS
PRIMARIA
DA POPULAÇÃO POR UNIDADE (
(
8 h 21,678 45 , 147 498,600 2,3 b .! . . .
(
~--
.•!.
9 23 , 114 50,076 508 ,500 2,2 Considerando-se a subdivisão da população do quadro 4.1 em 18
10 J 24,857 52,663 571 ,700 2,3 unidades primárias, com 25 unidades secundárias cada, os parâmetros por (
11 k 23,463 48,998 563,100 2,4 ~ unidade primária são os seguintes : (
12
13
14
1
m
n
22,904
22,042
24,070
47,639
47,819
49,184
572,600
573,100
649,900
2,5
2,6
2,7
...
- -- i ~
•=
4
a) Média, variância e coeficiente de variação por subunidade de
cada unidade primária:
(
í

-~-•
~
15 o 23,229 53,172 650,400 2,8 Os valores paramétricos da média, variância e coeficiente de (
TITTAL 8.884,300 38,7 b~ variação das subunidades de cada unidade primária, estão apresentados no
(
~ quadro 4.2.
(
-~~
'iJO.. 2. '/
," . -- o , 1 h t:.Av ~-
... .
.! ~

(
G_,,q'-1.,;) -- X
 ( .,
i .,
...
\

( "'...
f!'. ·,{·
( )

106 Inventário Florestal

: 11
., 5
( )

( ) r , AMOSTRAGEM
Quadro 4.2: Parâmetros média, variância e coeficiente de variação,
(
por subunidade, e por unidade primária. e-: "~ ALEATÓRIA
( ) ~ ~ii SIMPLES
(
UNIDADE
PRIMÁRIA
MÉDIA
X;
VARIANCIA
s·2
' i
COEF . VARJAÇÃO
cr; ~ -~
(

( )
M;
IA
(m3)
9,652
(m3)2
3,229
(%)
18.62
~ :..

"ij ,.,
_(.
-~
·•.i,- .

1B 16,196 14,653 23,64

(

(
J IC
ID
IE
23,724
26,976
28,064
16,494
17,726
23 ,144
17,12
15,61
17 ,13
"'..~·. .f}
,f}
A AMOSTRAGEM ALEATÓRIA simples é o
fundamental de seleção a partir do qual derivaram todos os demais
processo
( )
IF 31,180 20,023 14,35
IIA 10,160 9,754 30,74 ~ ,; -: ( t procedimentos de amostragem, visando aumentar a precisão das
( ) 1

27,34 estimativas e reduzir os custos do levantamento.

IIB 16,200 19,612
tf •: -r-t
(
( !
IIC
IID
22,480
27,000
9,562
20,038
l'.3,76
16,58 •~ o,'} A amostragem aleatória simples requer que todas as combinações

•·
15,68
p.9s..IDLei.s..de_(_n) unidades amostrais da população tenham igual chance de
IIE 27,768 18,949 ·i l
( 15,32 participar da amostra. A seleção de cada unidade amostral deve ser livre
IIF 30,068 21,211
( · IIIA 11,388 6,714 22 ,75 f, .() . de qualquer escolha e totalmente independente da seleção das demais
unidades da amostra .
(
IIIB 17,344 20,125 25,87 ~ (j
me 24, 128 17,64 1 17,41
f.;, -() Neste processo, a área florestal a ser inventariada é tratada como
( 1 IIID 26,736 25,272 18,80
-(f uma população única. Se forem usadas unidades amostrais de área fi xa, a
IIIE 26,608 18,679 16,24 ~ i
( )
área florestal é considerada como sendo composta daquelas unidades
IIIF 30,228 19,527 14,62
~ ' -") espaciais, cujo total é representado por (N) . Neste caso, alocando-se
(
~ :; d) previamente wna estrutura de (N) unidades n a população, das quais (n)
( b) Variância entre e dentro das unidades primárias
~ ;
,:, unida_de$ serã_o amostradas, o - nÍímero de combinações possíveis de (n)
( 1 unidades amostrais na população é dado por:
tf·; o~
(
~ 'i -.ft JéN_ N! (5 .1)
( / , ~ - n!!N-n)!
SJ = 17 ,415 ( m 3
' O, 1 ha /
f'r-. -d't
( j 'l \ Quando a uniruide for constituída. por um ponto amostral, o número
~ '- -:'t · [total de unidades da população (ljJ__é C()__n_siderado infinito.
( N
Z:,Af(.f; - .f J2 fff' :;. ~
De acordo com HUSCH, MILLER & BEERS (1982) a amostragem
( 1 Afn i =~1- - - -
-~
~ nt r e - i\ -/ ~ :- -~ ~
aleatória irrestrita, em inventários florestais, produz estimativas sem
r ~~- •-{) tendência da população e permite estimar o erro de amostragem, mas
·,:-) apresenta as seguintes desvantagens:

"'·
~-
,(}
. .,..
a) A necessidade de planejar a listagem das unidades, para
selecionar aleatoriamente as parcelas ou pontos amostrais;
~ íi.
,,,.. .'\
 ~-1--!~ (
108 Inventário Florestal ~ l -,~ Amostragem Aleatória Simples 109
(
Q :i.1
(
fj;; =,.J
b) A dificuldade de localizar, no campo, a posição das wudades 5.2. NOTAÇÃO (
amostrais dispersas na população; (f: ~-;J
Na amostragem aleatória simples são definidos os seguintes (
c) O tempo improdutivo gasto no deslocamento entre as unidades da ~ : :· ,,J
símbolos para identificar as variáveis da população: (
amostra; (1: e -,J

d) A possibilidade de uma distribuição irreguiar das unidades ,

resultando uma amostragem irregular da população .
.""' =- ~
~-~
N - número total de wúdades amostrais da população;
n - número de unidades amostradas ;
(
(

.,
O uso da amostragem aleatória, em inventário florestal, exige j - fração de amostragem; (
~ - -~ {:J
fotografias aéreas ·ou um mapa para estabelecer a estrutura de .,. .;J (
~ X - variável de interesse.
amostragem, a partir da qual será obtida a amostra aleatoriamente.

-
(
~.:J
O quadro 4. 1 mostra o caso de uma floresta com formato (
.:.:.i l 5.3. PARÂMETROS E ESTIMATIVAS
retangular, a qual foi subdividida em 450 unidades amostrais de área fixa
_{l (
(N). Após, um número (n) de unidades foi eleito a partir dessa estrutura, ~ -
Os principais parâmetros da população e suas estimativas, obtidas
usando-se um procedimento qualquer de seleção aleatória . (
te .., ti através da amostragem aleatória simples, são os seguintes:
:J (
~
5.1. MÉTODOS DE SELEÇÃO ~~
5.3 .1. Média aritmética
~
:.ti (
A seleção pode ser realizada com ou sem repos1çao . Quando a ~ N
I;X;
amostra for selecionada com reposição, existe a possibilidade de uma \!, . ~ -_ i=I (5 .2) (
X --- parâmetro
mesma unidade participar da amostra mais de uma vez e a população pode
ser considerada infinita .[}'ara grandes populações finitas , o cálculo da
média e erro padrão pode ser feito do mesmo modo que para as
.,.
~- -~
~
N
li
I;X;
(
(

populações infinitas, desde que o fator de correção para população finita ~- _.,, x= i=l
n
estimativa da média da população (5.3) (
( N; / ) aproxime-se da unidade] ? ~ ~ (

A maioria das amostras, utilizando parcelas de área fi xa ou faixas, \,: ~ 5.3.2. Variância (
em inventários florestais, é selecionada sem reposição. Porém, se forem ~ 41 A variância determina o grau de dispersão da variável de interesse (
1 usados pontos amostrais, a população é infinita e a amostra obtida é
~ - ~ em relação a sua média (
equivalente a seleção com reposição.
1,, 4 (
frx;-xi
Conforme SUKHATME et ai. (1984), a amostragem aleatória
simples sem reposição tem duas propriedades importantes : •• 4 8
2=;-1 _ _ __
x N-1
parâmetro (5.4) (

._.
~ ~ (
O a) A probabilidade de selecionar uma unidade específica na r-ésima 2
extração é igual a probabilidade de selecioná-la na primeira extração; \t·. 4 li
I:( X; -x) (
.( 6 s2 = . :. .i=.. :cl_ _ __ estimativa da variância (5.5)
~

.
b) A probabilidade de incluir uma unidade especificada em uma X n-/ (
· amostra de tamanho (n) é (n/N) ~ (
.
()J,' ~ t r,
•••· (
(

(
(
t: l ·fi
( f!' l ,. ~
111
(
110 Inventário Florestal ,r i"' ~ Amostragem Aleatória Simples
(
f!- t ·'l
( ft' ... estimativa tomada em função do
5.3.3. Desvio padrão S,=± 5JnJo -JJ
,r ·41;- ~
1 desvio padrão paramétrie-0 (5.11)

,ri~ ~
(
estimativa tomada em função do
( O desvio padrão é obtido, extraindo-se a raiz quadrada da variância, s, = ± s;- (1 - f) J desvio padrão estimado (5.12)
(
c-0mo segue:
N
, ,. ra- ~ "17
5.3.6. Coeficiente de variação
( L( X; - X/ t!"' j'"~
( sX = i=l parâmetro (5 .6) O e-0eficiente de variação é uma medida de variabilidade relativa,
(
N- l
.,..
' ", 1--. :=t
::, que pennite e-0mparar a va1iância de duas ou mais populações. Relaciona
(
n
L(X; - x/ '4 ,.::., 0
desvio padrão e-0m a média e, em geral, é expresso em percentagem.

( sX = i=l estimativa do desvio padrão (5 7)

••; -~ CV= S-2 -100 parâmetro (5 .13)
{

(
5.3.4. Variância da média ,,;
'-"" --!}
-~
,\ ~
'?
~
-~'1-
. s
X
cv = _; . 100 ..
. .
estimativa
(5 .14)
. ... ofj
ie' e~ \' ~~.e~,
' , ',. , ."' -/
i.. , ),
(
(
A variância da média detemJ.ina a precisão da média estirrn,da

2 - x
s2
N - n) estimativa tomada em fund o
.H-~-
~ e~
1\
5.3.7. Variância da média relativa ~

A variância da média pode ser apresentada em função do coeficiente

( S- - - (--
(
(
X

2
s_
x
11 N

s
2
=_:!... ( -
11
N- n
.N
- )
do parâmetro variância
estimativa tomada em função
da variância estimada
(5 .8)

(5 9)
,~
, ,, e~

·:}
de variação, e expressa em forma relativa

estimativa tomada em função dos

parâmetros (CV) e (.Y) (5. l 5)
{
( onde: -;:, estimativa tomada em função do
N-n
(--) = f ator de correçao
- para popu1açao
~ fi.
ruta. -~ (cv) e (x) estimados (5.16)
( N
(
-1' dado que sx
2 - Z
= (cv-x)
Como (n/N) é a fração de amostragem (j), o fator de e-0rreção para
(
(
população finita pode ser expresso por (1-j). Desse modo a variância da
média pode ser estimada por -,
·it
ou, operando-se algebricamente a média aritmética, tem-se
2 2

"-.',',,
s2 V~ = Sx = (CV) ( 1- f) (5.17)
( s~ = _:!... ( l - f) ·-"?" X X2 n
X n
(
e
r
--·,, v, = s~ = e; ✓
5.3 .5. Erro padrão (5.18)
(
(1 - f)
X .,Jn
,. \ O desvio padrão da média, ou erro padrão,. expressa a precisão da ..J
média amostral na forma linear e na mesma unidade de medida t,,.,.. 1/7 ) J
As expressões ( 5 .17) e ( 5. 18) são e-0nhecidas romo variância da
1., ' ~ à= o, -:;>-, r· t- p-
média relativa e erro padrão relativo, respectivamente .
- ,. .
i,
r
'
,, . ,. . ""
,
1 , '
/ ,

l. ' A ,\
' )
j .,
1
,
é' (,- • '
~

(j J
I,
Jj '\ 'f'r cJ-,, :,,_,,
1 " '
r i ' 11 r r - ,.~•q ..J ,,.
 t ..i- .-.., (

U= ,.j
112 Inventário Florestal l ._t - ,_j Amostragem Aleatória Simples 113 r
l .P · ;..j (
5.3.8. Erro de amostragem l_,l!: ~.J Este intervalo é sempre apresentado para uma probabilidade (P) O (
\.'._L :· r.J valor de (t) é obtido na tabela de Student para a prnbabilidade fixada e
O erro devido ao processo de amostragem pode ser estimado para \,;_,_ .,..J para os graus de liberdade definidos por (11-1) urudades tomadas na
wn nível de probabilidade (1- a), como segue: (
amosira.
~ ,.: ~~

a) Erro absoluto: - E 0 = ± t ·sx (5.19) 't,t ·:;.l 5.3 .10. Total da população (
b) Erro re /ativo: - E r = ±
!•s-
--::!- ·100 (5.20) ~' ~~
Os totais paramétrico e estimado da população são dados por: (
X ~ l cctj
5.3.9. Intervalo de confiança para a média ~ , ~~ , X = "' Xi = ,V X-
~ total da população (5 .26)
i=l (
'-.~- ~ ;__j
O intervalo de confiança determina os limites inferior e superior, X = Nx estimativa do total (5 27) (
"'!. ~
dentro do qual espera-se encontrar, probabilisticamente, o valor ~ !

paramétrico da variável estimada. O intervalo é baseado na distribuição (t)

de Student.
~ t =,• 5.3.11. Intervalo de confiança para o total
(

No intervalo de confiança para o total, a média e o erro padrão são

Sabendo-se que a distribuição (t) é simétrica em relação à média,
expandidos para toda a população, multiplicando-os por (N)
tem-se:
~( ~ti
/C[ .f: - N t s:r ~X~ .f.: + N t s; J = P
x-x
±t=-- (5.21) 'L'-'. -: tf
(5.28) (
s-x =;_:I l s.3.12. Estimativa mínima de confiança
Operando-se esta igualdade, tem-se
± ts:r = x-X (5.22)
lt_ot

l_-.

ui ,::'
=~, ! A estimativa mínima de confiança é dada pelo limite inferior do ;
(

intervalo de confiança, onde o valor de (t) deve ser tomado para o nível de
onde: ~~ ~.J probabilidade especificado (
± t s:r = erro de amostragem absoluto, dado pela diferença lt..,... =.J (5.29) (
EMC = x - .t s.<
entre (x -X). u .•.· :,J (
ou ainda, "~ ;!_ ~
? L5. 3. 13. Estimativas por razões
X= x±t Sx (5.23) ~i ·~ ~ ,{ Considere-se as vanavets (X) e (Y) com as quais pretende-se '
~ == ;;J determinar a razão estimativa, ou seja (
que é conhecido como intervalo de confiança para a média e, comwnente, 1

apresentado como segue: ~ ,12::_ . (

IC[X=x±ts:rJ=P (5.24) v ,: '!!'• razão entre duas variáveis (5.30) (

,. _i l .
ou na fonna expandida, ~ : -:::-;J (
~ :~ ~
IC [ x - t s:r -5. X$ x + t s:r J = P (5.25)
d =;_J (

• l ,_ (
(
 (
1"
(1-1/-?- e
.. 1
(
(
f'• 1 .,
'1f;
114 Inventário Florestal
fi: 1 -~
Amostragem Aleatória Simples 115
( ,,. i -~
( 1
11 f" i ,, média, pelo isolamento de (n ), como foi mostrado no Capítulo Il, e é
( - I: .i:'; t' ·1 ~
r = !_ = i=l determinada para populações finitas ou infinitas. A diferenciação
estimativa da razão (5.31)
(
f ií p , estatística de população finita e infinita é feita pelo valor do fator de
(

f
ji
i=l

A distribuição de (r) é mais complexa que a de (i) porque o

~
~
-..,~ correção (J-j) . Desse modo, se:
( 1 - f) '?. O, 98 ⇒ a população é considera da infinita;
,.:
(
(
numerador e o denominador variam de unidade para unidade amostral.
Deste modo, a distribuição tende a ser assimétrica e, por conseqüência,
(f) é uma estimativa tendenciosa de (R.)
,.•. ·-~

-,~
( J-f) < 0.98 ⇒ a população é considerada.finita.

Quando a população for infinita, o fator de corres:_ão pod~ --S.~!

{ -~ desprezado, mas no . c~so dê pcip_
~[âção firuiã, este·-dêvê ser mantido na
A variância da razão é dada pela expressão
( f:: -~ fórmula e a intensidade d~ ~mostragem e
considerada como ~fuí1çãô de
população finita . ,\- -
{ f : -~
(
(5 32) f' -~ 5.4.1. População finita X
( f: - ~~
Em se tratando de população finita, a intensidade de amostragem
( r- ~ necessária, para o erro de amostragem requerido e a probabilidade de
e sua estimativa pode ser obtida por
1 r ,, confiança fixada, pode ser calculada em função da variância ou do
(
(
s:2 -_ -r - -
r n- 1
-2
i=l
-- +-
[fx/;2
i=l i=l
fy/ 2fX,·Y; J
- - -'-'----
_v2 x· .v
(5.33)
í' ·' t
f.; _,,
coeficiente de variação, usando-se as seguintes fórmulas específicas para
cada caso:
f
(
( A variância da média da razão é estimada pela expressão
2
(, :,
f ' ,,,

, -,·,
a) Em função da variância

(5.37)
2 N -n
sr
S- = - ( - - )
r n N
(5.34) f ,-- .,~
E o erro padrão, pela raiz quadrada da variância da média, ou seja f ' ·"'t (5.38)
f '. rt
s, = (535) ' ""'-•!'J
r·~-~ (5.39)
O intervalo de confiança para a razão estimativa é dado por { .',~c.1")
IC [ r - 1 s, ~ R. ~ r + 1 s, ]= P (5 36) ('';J,_,.,,. ,
f ·,... , , onde:
E -= ( LE -x)
5.4. INTENSIDADE DE AMOSTRAGEM (' .... , -,
LE = limite do erro de amostragem admitido.
A intensidade de amostragem deriva da fórmula da va riância da ~ ~=
' .} A estimativa da variância pode ser obtida através de um inventário
f ·.... ;1
 u -~ (
116
Inventário Florestal u ~ Amostragem Aleatória Simples 117
(
U -~ (
piloto, ou de um inventário anterior realizado na área, ou de um inventáno V -: ~ (
realiz?do em uma população com características similares. ou mesmo arbitrado e o v:ilor de (1) é tomado p:ira (11 - / ) graus de liberdade, é
atraves de estimativas aproximadas . V .ai necessário JJUstar a intensidade calcu!Jda . (
U· ,:J O JJUStc é feito , a pa11ir da piim e1ra aproximação do cálculo da (
b) Em função do coeficiente de variação ti-- ~,., intensidade de amostragem (11 1 ), tomando-se novo valor de (t) para (
A 111tensidade de amostragem pode também ser obtida através do O -:: ~ (11 1 -- 1) graus de liberdade para obter a segunda aproximação (11 2 ); toma- {
coeficiente de variação corno segue: se novo valor de (l) para (11 2 - 1) graus de liberdade e calcula-se a terceira
ti :: ~ (
,V 11 (cv % / aproximação (11s) ; repete-se o procedimento até o valor de (n) toma,r-se
11 == - ------,=---- - - ~ :- ~ (
(540) constante. Esse aJuste da intensidade de amostragem compepsa ,
N ( LE%/ + 11 (cv%/
~ ~~ parcialmente, eventuais deficiências da amostra que gerou as estimativas (
ou ~ -= -~ preliminares da média e variância . (
y .:. ~
(
ti : .. 5.5 . FUNÇÃO DE CUSTOS
(
y _ -~ ~
:\ função de custos na amostragem aleatória simples é expressa pela (
Neste caso, (LE) e o limite erro de amostragem :idmitido, em
~ .: . ,M equação
percentagem . (
~ :~ (5 .43) (
5.4.2. População infinita
ü -~ onde (
~ :.. ~
C0 == custo fixo ;
Neste caso o fator de correção ( 1- f) é desprezado. e as fónnulas (
são simplificadas para
tl- _.,. cn == custo variável.

.-,.•
(
~- O custo fi xo é aquele existente em todo o processo de amostragem e (
a) Em função da variância ~
, , representado pelos custos de administração, planejamento, processamento
,- s~ de dados, análise de resultados , elaboração de relatório, etc (
11 = - ·'-. ~ ~
F1 (5 41) (
~ -~ O custo variável é o custo de levantam ento. formado por dois

b) Em função do coeficiente de variação

~ - _,. componentes básicos (
(
~ -4 (544)
1
t (cv%;1 (
17 . - -- - -
(542) onde:
( L E%/
" · - 44
~ C 1 == custo médio de deslocamento entre Lmidades ;

5.4.3. Ajuste da intensidade de amostragem 0: :~• C 1 == custo médio de medição das unidades .

Consider ando q_ue _

º cálculo da intensidade de amostr:igem paitc de ~!-=•
~!~
O custo de medição pode ser controlado através dos tempos
necessários para a 111stalaçào da u111dade, medição dos diâmetros e
(
(
uma est1rnat1va de vanab1'1dade, cujo número de unidad es que 8 originou é medição das alturas . juntamente com o tempo perdido devido a chuvas e
~-! :• imprevistos
(
1tcl :,. (
(
(
 -
(
,..•
(
(
(
(
118 Inventário Florestal
,,_
r, i-:1
-~
~
Amostragem Aleatória Simples 119

Portanto, a ftmção do custo total pode ser apresentada como segue:

~ ;
·!I entre as unidades e, portanto, diminuem o va lor da razão (R), tomando a
(

(
( ,
~Y•~ - . -- -~
1- c·:!1
r
-- &
. ·.n, (54 5)
I

(5.46)
f:

,.~,.,..
f't· ..
"11

itl
amostragem mais eficiente .
Em geral. as florestas plantadas satisfazem esses requisitos e a
aplicação da amostragem aleatória simples resulta bem sucedida
{ A separação dos custos de amostragem é importante. uma vez que ·ti -----·-----
-3f:_
L t? --
- -
1 o/.

,. ~
;.,...
( através dos mesmos •é possí vel reali zar uma avaliação de eficiência das r,: ~• f- 5.7. EXE MPLOS APLICATIVOS
equip es de campo . A razão de custos ( R = C·1 ( ·: ) permite avaliar esta r,· · ti P:::0s/
( 5. 7.1 . Exemplo 1
eficiência . Assim, quanto maior for (R) , maior é o custo de deslocamento
( p

,.,....
em relação ao custo de medição e. po,tanto. menor a eficiência da
{ lnventa,iar a população de Pinus sp do quadro 4. 1, constituída de
amostragem.
450 pa rcelas de O, 1 ha, através da amostragem aleatória simples,
( f).
A composição de uma funç ão de custos é uma tarefa dificil em admitindo-se um erro de amostragem máximo de 10% da média estimada,
( nosso país . haja vi sta que a atuzi l situação do nosso dese!wol vimento não tl com Q5% de probabilidade de confiança
permite obter equações está veis para os custos (e,) e (( : ) Estes custo s f)
(
dt-'J)end em de muitos fat ores regionais como mão-de-ob r;i loca l. acesso à 5.7 1. 1. Inventário piloto
( fl

·•...
floresta e dentro dela. 111eios de tr'ansporte. etc Um fat or 11L'):'.:1t1,·o para zi Considerando a inexistência de informações préVJas sobre a
f):
( estab ilidade da s fun ções de custo é a infl ação ·população, realizou-se um inventário piloto para obter as estimativas
( Pode-se co111p or equ ações ele rn sto 111:1i s complc,as. 111cd1a11t c zi
f~ básicas necessárias ao cálculo da intensidade de amostragem.
( int rodução de va,i áveis qu e ex pressem a área da floresta 111 vc11tariada. ou fi . :ti Como o núm ero de w1idades do inventário piloto é arbitrado, foram
que separe o custo opern cio11:i l d;i s hora s trabalhada s e não trab alh:idas 110
( f .1 l ~ tomadas aleatoriamente na população de Pinus sp . do quadro 4 . 1, 20
(
c;i rnpo .
~.: i ,. unidades amostrais como mostra o quadro 5 I

( 5. 6. A PLICAÇÃO DA AMOSTRA G EM A L EATORI A S IMP LES f · i ·•

f ..:, ..•
Quadro 5.1 • Amostra tomada para o inventário piloto .
1 ':91' UNIDADE COORD VOLUME UNIDADE COORD. VOLUME
f
(
A amostragem al eatória simples é recomendada para os in ventários f ,;·:.,• (n) (mJ 1 ha) (n) (m' / 1 ha)
de pequenas populações florestais. que apresentam g ra nd e homogeneidade f- ,, ,,. 1 8-e 18,500 11 5-d 7,600
( da variá vel de 111teresse e fácil acess o. 2 18-b 22.800 12 2-d 10,300
f -;; ,. 3 9-g 15 .800 13 12-n 21.100
( As populações pequenas estabelecem. naturalmente. u111a maior
f -v '":W h ....
4 3-k 9,800 14 15-k 26.300
( aproximação das unidades amostrais. o que determina um dcsloc;,m ento 1
5 16-f 23.500 15 22-d 39,900
(,
menor entre as unidades e mai or efi ciência do traba lho de campo . f -iC i ~ 6 23-n 20,700 16 7-o 12,700

(
As populações homogêneas necessitam menor intensidade de ~~ i ~. 7
8
29-m
3-b
28.300
6.900
17
18
1-k
4-n
11.500
11.000
(
amostragem que as het erogenczis. para o mes mo erro de amostragem e f t" i~tt 9 15-j 28. 700 19 10-a 18,900
probabilidade fi xados f . .r,:,~
1 • ., 10 16- 26,400 20 12-e 31,400
(
Popul ações com facil acesso. redu zem o cu sto de deslocam ento f ..-·,.~
(
f ., ·,;-:ft
( r .• .._
 120 Inventário Florestal
\,
fl
~
. .
1 . .

t..:, l _,.
.. ~ 1
.
,.. , t

Amostragem Aieatória Simples' _...,,

,

<---
121
(
(

(
As estimativas obtidas nesse inventário piloto foram as seguintes:
~ 1 -~ E = ( LE -x) = ( O, J · 19,605) = l, 96 l m3 / O, 1 ha
(
a) Volume ~édio ~ 1 -~ a primeira aproximação de (n) resuita (
u 1 ..•
x = 19,605 m 3 I O,Jha = -150( 2:093 ;2 R0~!3 = i57.807,R4 =- 75 _8 =76
u 1
J, .4 111
-150(1,961/+(2 ,093)'"80,053 2.081,17 - -
(

b) Variância (
t.: .•
A primeira aproximação mostra uma grande discrepância entre o (
s; = 80,053 (m 3 I O,lha/ ti .4 número de unidades tornado no inventário piloto e o necessário para a

c) Desvio padrão
te_. 1-• precisão desejada. Essa deficiência do inventário preliminar pode
(

L· j ,. detemúnar uma intensidade de amostragem irreal. A compensação parcial (

s_.=8,9./7m 3 10, lha dessa deficiência é obtida com o ajuste da intensidade de amostragem. (
~' j ·• Assim, tomando-se o novo valor de (t) para 75 graus de liberdade e 95%
(
d) Coeficiente de variação L - Í -• de confiabilidade, recalcula-se (n) obtendo-se a segw1da aproximação da
CV= 45,64% l= '. 1-• intensidade de amostragem.

~ 1".
(
'10,05:75; = l, 990
5.7.1.2. Intensidade de amostragem t.,; , 1.• (
112= -!50(1,990/80,053 = 1-12658,05=697=70
Para o cálculo do número de unidades amostrais e necessano
verificar se a população é finita ou infinita, através da fração de
\.,; 1-• 450(1,961/+(l,990/80,053 2047,50 ' -
(

(
l. 1·• O valor de (t) para 69 graus de liberdade, por interpolação, é
amostragem determinada pelo inventário piloto.
~ :., 1-~ aproximadamente igual ao de 75 graus de liberdade. Desse modo, a (
n 20
1;..
f=-=-=0,044./
N 450
J - f == O, 9556 < O, 98 ⇒ população finita
L:
~ -,
t .-, ,..
·• terceira aproximação resulta igual a segunda, tomando-se constante.
Portanto a intensidade de amostragem ajustada para as exigências do
inventário é de 70 unidades amostrais.
(
(
(
Portanto, a intensidade de amostragem deve ser calculada com uma l,:•c _. O mesmo resultado é obtido quando se calcula a intensidade de
amostragem em função do coeficiente de variação, ou seja:
(
das fórmulas apresentadas para população füúta, em função da variância
ou coeficiente de variação.
L· ,_,. (
N 12 (c,v%)2
n=-------- (
Em função da variância, tem-se: V -• N ( LE%f +t 2 (cv%)2
l,:,-: ~ (
2 2
Nt s onde:
n= X t:-~ ~ (
N E 2 +t 2 sX2 N=450
tJ!. .. t (0,05;19) = 2,093 (
sendo: e..: ~ • CV= 45,64%
N=450 LE = 10%
t(0,05;19) = 2,093 l!~ ~
(
2
s; = 80,053 (m 3
/ O.lha/
tu ~ ... n1 = 450(2,0 93) ( 45,64 J-
?
= 4 106.220 ,30 = 75 9
= 76 (
450(10/+(2,093/(-15,64/ 54.124,93 ' -

... (
(
(
(
(

(
,.. ., .

Inventário Florestal '1 1.. 0. Amostragem Aleatória Simples 123

(
(
122
r r~
r r·qJ Quadro 5.2: Amostra tomada para o inventário definitivo.
= l.990
r . rrJ
( ) Sendo tro.05."S!
VOLUME UNIDADE COORD. VOLUME
r 1·.,.
UNIDADE COORD.
( 1
_ 450( 1,990 J2 ( ./5,6./ J2 = 3712.016,80 =69 7 = 70 (n) (111
3
/0,1 ha) (n) (m 3 /0, 1 ha)
n, - , , , , -
( ) - ./50(]0j~+(i.990)-(./5.6./)- 53.248.93 ri-, .~ 8-e 18,500 36 19-f 32,700
2 18-b 22,800 37 4-h 8,100
{)
Como t ro.os. 69; =l .990 r r~ 3 9-g 15,800 38 20-j 29,200
( ) 9,800 39 23-d 24,700
~ (t 4 3-k
11 = 70 w1id-ades ⇒ constante 5 16-f 23,500 40 17-o 25,600
( ) 3 p ~
6 23-n 20,700 41 10-c 13,200
\
5.7.1.3. Inventário defuútivo
r ..,. 7 29-m 28,300 42 29-1 25,700
43 24-f 27,000
{ )
Confonne as exigências de precisão do inventário, a amostra r- .tJ 8
9
3-b
15-j
6,900
28,700 44 13-h 20,400
( 1
definitiva deve ser constítuída de 70 W1idades amostrais Considerando-se 10 16-j 26,400 45 5-e 13,600
que as 20 unidades do inventário piloto passam a fazer parte do inventário
"" IJ 7,600 46 20-a 32,400
( ' p ... 11 5-d
definitivo, deve-se tomar aleatoriamente na população mais 50 unidades, 12 2-d 10,300 47 28-1 31,300
(

(
1

1
utilizando-se o processo de seleção sem reposição Este numero de
unidades representa uma fração de amostragem de 15,6% do total da p
'"" ...
:t'l)
13
14
12-n
15-k
21,100
26,300
48
49
22-f
5-g
34,600
9.500
15 22-d 39,900 50 15-e 18,700
( população A amostra tomada no inventário definitivo é apresentada no p ·1' 16 7-o 12,700 51 19-e 28,900
( } quadro 5 2. p. =-1 ) 17 1-k 11,500 52 9-a 21,600
18 4-n 11,000 53 6-f 8,300
{1 5. 7 .1 .4. Análise estatística da amostragem F ·:I
18,900 54 17-1 23,200
19 10-a
( 1 p "''11 20 12-e 31,400 55 26-i 26,600
ft- · ,. 21 1-c 9,600 56 14-b 25,600
(

. 22 3-g 9,800 57 5-h 8,000

( 1
11
LX; r , -.. 23 3-i 7,100 58 12-f 22,100
( x = ~ = 21.797 m
3
O.! ha ,...; , 24 18-j 25,900 59 19-h 21,900
11
25 24-c 25,700 60 23-i 23,300
( '
F•f ,-:, 61 4-f 9,900
26 14-j 24,200
(
(

(
'
f

!
s =1 ;-J
L( ,\; - X r
11 - -

--
?

=8.627 m
3
0.1 ha
F
~1,~
F-11 •~

~,
27
28
29
30
7-d
17-n
30-b
11-g
19,000
25,900
37,700
23,300
62
63
64
65
27-m
19-c
27-o
10-d
30,700
29,200
28,000
13,700
X 11 - /
31 17-d 24,600 66 21-d 27,600
{ F-~ 1·• 32 21-c 32,300 67 26-n 37,900
<) c) Variância rirl·• 33 25-n 23.400 68 27-f 27,300
li 1
Ft1> , .. 34 8-c 17,100 69 25-o 28,000

.•
xt
,e... l-.
( 1 I;( .\"; - 30,700
35 5-i 8,900 70 26-k
3
( s~ = i=I - = 7.f . .J22 (m O. I ha )"
~ir l1
)
11 - 1

~~ ,
(
(
,...J -
 Amostragem Aleatória Simples 125
124 (
Inventário Florestal
(
1) Intervalo de confiança para Q total
d) Variância da média A A
(
1 !C [ X - N t si :; X :::; .\'" + N t si] == P
2 _ s; 74,422 (
Sx - -;;-r 1- f) = 70(1-0, /556) = 0,897 (m 3 / 0.1 ha/ !Cf 9.808 - -150( 1.99 )(0.9-17) :::; X .s 9.808 + -150( 1,99 )(0 ,947 )] == 95% -
(
3 3
e) Erro padrão ~ -~ !C [ 8.960 m :::; X:::; 10.656 m J == 95% (
(j: ,iJI \""",,._,.,.(.,..~ = 7C-..,... _}.. , r:.,...3::-_\_
1 / - ..l-- - .
(
8 m) Estimativa mínima de confiança ·
sx==± sf--.j(l-JJ==± ·~ ./0,844==±09-17m3 1 01h
-vn v70 , , . a ~ e ;.J (
~
E.]JC = x - t s; = 21,797 - (1 ,99 )(0,947) == 19,912 m I O.lha
3
~ ,
E o erro padrão relativo é estimado por e: ~ (
f ;.::;:
Sx
X
0,947
Vx=± -=- · 100=± --·100==± 434%
2/,797 ' o
"'-:
~ :
~,.J
'~
5.7.1.5. Análise comparativa dos resultados
'
A média estimada na amostragem ( x =
i 95'/

1
'-;.'h-L~
1 "'>

2 1,797 m 3 / O, 1 ha)
:y_ ~-
(
(

,- ~
é menor
t.!. -d 3
f) Coeficiente de .variação que a média real (.f == 22. 550 m / O, 1 ha ), determinando uma diferença

CV
s,
= -=-·100 == 3 9, 58%
X

g) Variância da média relativa

,
~:

,_
~ '-

~-,e~
~
,-- ~ (ç== -0 ,753 m 3 I ha) por falta, que representa o erro de amostragem
verdadeiro. Esta diferença é explicada estatisticamente, uma vez que as
médias das diferentes combinações possíveis de (n) unidades da população
distribuem-se em tomo da média real. ·
<
(
(

,-~
(
2 _ s}
Vx- -2 =--(1- f )==
( cv J2 (39 58 j
0
(0 844)== 18 89%0
~; 1~~ A estimativa do erro verdadeiro foi obtida pelo erro padrão
1 (
X n 70 ' '
~-
(sx == ±0, 947 m 3 1 O, I ha ), havendo uma superestimativa ' de
(
h) Erro de amostragem

- Absoluto: Ea == ± t ·sx = ± 1,99 (0,947 )== ± J,885 m 3 . 0,/ ha

· . I ·S- / 99 (0 947)
~-,-~
~;-. 1"~
l :~ ·~
O, 194m 3 / O, I ha . Em percentagem, o erro de amostragem real foi , de
(-3 ,34%) enquanto que o estimado na amostragem foi de(± 8,65%) pkra
95% de confiabilidade.
A variância estimada (s; == 7-1,-122 (m 3 / 0,1 ha/) superestimou a (
(
(

- Reattvo.
1 Er ==± ----:!-- · 100==± ' ' -100== + 8 65% t.J"c "~
X 2/,797 - ' o
real (S; == 65,484 (m 3 I 0 ,1 ha/) em 8,938 (m 3 I 0,1 ha/. O coeficiente de (
~·.. ~
variação estimado (cv = 39,58%) também foi maior que o parâm~ro (
i) Intervalo de confiança para ~ média t.r- ~ (CV ==35,89%) em 3,69%. (
!C [ x - t sx :; X:; x + 1 sr J == p ~ ~
Nos intervalos de confiança para média e total, observa-se que
IC [21 ,797 -1, 99(0, 947) :::; .f:::; 21,797 + 1. 99(0 ,9-17) j == 95% ~
•• ambos contém os parâmetros.
(
(

....
3 ~
IC[ 19,912 m I O,J ha .S X:c:;23,682 m3 1 0.1 ha)]== 95% O total estimado da população ( X = 9 . 808 m 3 ) subestimou o total

j) Total da população
V-
~
• real (.X== 10147,5 m 3 ) em 339,5 m 3 .
Diante do exposto, conclui-se que os resultados obtidos na
(

(
(

X = N x == -150 ( 21.797) == 9. ROR m 3 tr- ~ amostragem satisfazem as exigências de precisão estabelecidas para o
(
t.r.
l;t . _. (
(
(
(
 ,.. . .....
(

,.
(

·•
(
126 Inventário Florestal p

,1..
( Amostragem Aleatória Simples 127
p
inventário, ou seja, um erro de amostragem máximo de ± 10% da média
,,, r.. b) Variância
( com : 95% de confiabilidade. Probabilisticamente, o erro estimado foi P.
( menor que o limite fixado.
P'
(
{
5.7.2. Exemplo 2 p ;.
ri· ·fil
.,.
( Inventariar a população de Pinus sp. do quadro 4.5, através da
r,,.- .fft
amostragem aleatória simples com estimativa por razão, admitindo-se um
( r· s2 = (226,29}2 [l.J0 7.303.9 + 2/ ,52 2(./.880.20)]
erro de amostragem máximo de 10% da média estimada, com 95% de 3-/ 36././3/,79 7, /1/ 603 ../3(2,67)
(
(
probabilidade de confiança. rc
r-· -11
-. r

, 3 ,

(
Nos inventários florestais, de um modo geral, as estimativas por
razão são originadas pelo uso de unidades amostrais de tamanhos f!i,.· -:. s; = 2 3 6 .5 / O (m / ha J-

-·
diferentes. Desse modo, o volume da unidade amostral é representado pela
( r,. c) Desvio padrão
variável (.X) e a área da unidade pela variável (Y).
(
( 5.7.2 .1. Inventário piloto ,,,
P,·
1
,1)
sr =
( O inventário piloto foi realizado, tomando-se aleatoriamente 3 ~
faixas na população de Pinus sp. modificada, apresentada no quadro 4.5,
"'11
{
as quais correspondem às colunas (a, e, g), como mostra o quadro 5.3 . ,,, ,,
t,..-
"~
(
(
Quadro 5.3: Amostragem em faixas realizada na população de
Pinus sp. modificada.
f!,
r.-
., s =
r
( 226 ,29 / [ /./ 07.303,9 + 21.52
3-J 36././3/,79 7.J/1
2( ./.880,20)]
603,./3(2,67)
(
FAIXA COLUNA VOLUME (m 3 ) AREA(ha)
( (n) (X·) (Y-) r-r "'""
~ sr= 15.379 m 3 i ha
( 1 a 698.5 3,0 p ~

,,."
2 e 581,9 2,6 p
( c) Coeficiente de variação
3 g 529,9 2,4
p.
( TOTAL 1.810,3 8,0 CV = -Sr · / 00 = -/ 5,379
- - ·} 00 = 6 79%
(
(
As estimativas obtidas no inventário piloto foram as seguintes: ,. ,
'5 r 226,288

5.7.2.2. Intensidade de amostragem

·

( a) Média
r,. ~
Para o cálculo da intensidade de amostragem é necessário verificar
(
(
-
li

1:Y;
r = .::_ = i=l = IRI0 .
3 = 22ti.288 m 3 ' ha
,.. "l
~ ~ se a população é finita ou infinita
3
(
(
-
y
li
t:: );
i =I
u
''·
o
,.,-· ~
~
(}- f J = ( 1--J = 0.80 < 0,98 ⇒ Populaça~o finita
. /5

p, li'~
,,.. - ~
 "'." 1 , (
128 Inventário Florestal t.ú 1· .J Amostragem Aleatória Simples 129
tJr J - . ,

n=
N12 s2
r
N E 2 +1 2 r s=
ti
u
1
-~ 'J ,4'
5.7.2.4. Análise estatística
(

sendo:
u J (

N = 15 ti ,,;J li

I: .r; 73
(

1(0,05: 2) c-:c 4,303 ~ _ _, r = ~ = !=.l._ = 2 ./ .O = 226 881 m 3 · ha (

2
sr= 236,510 (m· ' har
~ J _V Ii; 10.Y
(
E= ( LE%-r) = (10%)( 226,288) = 22,629 m .· ha 3
: 1:!
t) b) Variância
i=l
(

n1 =
15(4,303/236,510
,
_
=5,./5-=::, ~ i'-~ (
15r 22.629 l + r-1 . 3os J-236.510
I'·-•
tif, ., si

:·~·-1' .
t::,
1(0,05; 4) = 2,776
(
n = 15(2,776 )2 236,510 =2 ,BB =3 ··
2
15(22,629 / + (2,776 / 236,510
~~ 1 ,,
u:~1.• s2 = (226,881/ [J.5./6 ../75,2 + 29,93 _ 2(6.802,03) ] (
Observa-se, neste caso, que a continuação do ajuste da intensidade r ./-1 382233,06 7,426 618 ,25(2,725)
~ ~-! , -- ~ (
de amostragem resulta, alternadamente, 3 e 5 unidades. Isso indica que a
3
intensidade de amostragem necessária está situada entre (3 e 5) unidades ~'.' f ;~ s; = 2-1 ..?93 (m
J
.: har
J

amostrais, podendo-se tomar a média (4) para o inventário definitivo. ~;; 1 :1 (

~ t , -~ (
5. 7. 2. 3. Inventário definitivo
e-,- 1.,. (
No inventário definitivo, considera-se as unidades (faixas) tomadas
para o inventário piloto e toma-se as unidades adicionais necessárias para ~ ; f e~ s,. =
(

~·,.;.
completar a intensidade de amostragem calculada. Neste caso, tomou-se tLJ. f ·:,I
mais uma faixa na população para compor a amostra definitiva, como
mostra o quadro 5. 4.
~-'·i -~
, (
(
Quadro 5.4: Amostragem em faixas para o inventário definitivo. (226,881/ [J.5./6./75,2 + 29,93 _ 2(6.802,03) ]
~: j ~~
FAIXA
(n)
COLUNA

a
VOLUME(m 3 )
(X)
698,5
AREA (ha)
(Y)
3,0
~:'i•
tJ! ...
sr =

s r = ./ ' 929 m
./- J

3
382233.06 7,426 618,25(2,725)

· ha
(

(
(
2 e 581,9 2,6 ir- . .
3 g 529,9 2,4 iJ. ~ d) Coeficiente de variação
4 b 662,7 2,9 (
TOTAL 2473,0 10,9
&; . ~
~ ,.,. CI'
\' ./ <)?!)
= ~ · / 00 = - ·--- · l 00 = 2, 17%
,: 22ó.88
(
(
~ 1-1.1 (
(
(
 l ,
• · #
(
r, l
,,.~-L..., 1

~,r-,.~~,
/ 1
130 Inventário Florestal ~- ·~

6
( 1

{ )
c) Variância da média
1' AMOSTRAGEM
( ,
rt ESTRATIFICADA
(

(
f
r
~ N-n
s-2 == _!:_- ( - - )
n .11/
2-1 ,293 15--1
-1 15
3 .
= - - - ( - - } = 4,454 (m I haj~
,
r.- ~..,
d) Erro padrão tJttr "'

(
(
Sr2 "
Jv -n
s,. = - (- -.- ) =.,; -1.45-1 = 2.l/0m
11 ,\ •
~ J
ha
,.. ~.,
p, ,. ...,

( r,,,, ;.. "'l

( e) Erro de amostragem P= · ~ A INTENSIDADE DE amostragem necessária para estimar os
(
-Absoluto : F, 1 = ± rs,. =± 3.18] ( ]./1 0) =± 6 .7 /-1111 3 ha
p. ' ~ parâmetros de uma população, com uma precisão previamente fixada,
( ,rt. . ~ depende da variabilidade dessa população. Se a variância for grande, a
6 7 intensidade de amostragem será grande, bem como os custos de
-Relativo Er =± f·s,. , /00 =± · 1./ •/00 =± 2.96%
ff.i; --;~
( r 226.811 amostragem. Se a variância for pequena, a intensidade de amostragem será
( ~ '- '· ~ reduzida e os custos de amostragem serão menores.
e) Intervalo de confiança paraª- média "'1, •. ":t
( Assim, sendo possível dividir uma população heterogênea em
(
1c rr - 1 s,. :o::; R :o::; r + 1 s,. J = P ~~ -~ subpopulações ou estratos homogêneos, de tal modo que os valores da
3 3 variável de interesse variem pouco de uma wudade para outra, pode-se
( ! C f 220. 166 111 ha :o::; R :o::; 233.5 9.J m ha J = 95 % ff . '"l
obter uma estimativa precisa da média de um estrato qualquer, através de
( @•: ,. 7)
uma pequena amostra desse estrato.
( 5.8. EXERCÍCIO PROPOSTO fJ\ ·., ·"l
As estimativas dos estratos podem ser combinadas, resultando
(
tr .,.. estimativas precisas para toda a população.
Inventariar a mesma população de Pinus sp . do quadro 4 . 1,
( admitindo-se um erro de amostragem má ximo de 5% da média estimada, tf'c ' ')
Quando as wudades amostrais são selecionadas aleatoriamente em
com 95% de probabilidade de confiança . Utilizar as estimati va s do tt ("'~ cada estrato, o processo. é denominado Amostragem Aleatória
(
inventário anterior para o cálculo da intensidade de amostragem Estratificada .
fr. ;· "t
(
(
r-rr o ... -r,,-.\~

. ;,-:_~, , r ., 4,. r-- .. ·'"'

,,, '.1
/ ~ - ,., Os objetivos da estratificação, em inventários florestais, são reduzir

( \ -~ '
(
,,..
r., ·. ,..•
1
1
a variância dentro dos estratos e os custos de amostragem, bem como
aumentar a precisão das estimativas.
( J
~ · i\) i Na Amostragem Aleatória Simples, não se pode garantir que todos
. . ,-.. .s.
-· 1 -.. .
( os segmentos de uma população sejam representados na amostra . Por
(!'.
..
. 11 ..·;;,. outro lado, na amostragem estratificada tem-se a possibilidade de extrair
(
f -k " uma amostra que represente os diferentes segmentos de uma população,
(
ff. .L1 :a,., para qualquer variável de interesse. Por esta razão, a estratificação é
(
,. ,;.- -~
usada com freqüência em levantamentos realizados por amostragem
(SUKHATME et ai. , 1984).
~ -•·;.;~
,,. ....,
 '-'., . k, r, l ,---f, ,::
'

I
()
(
~- ·--~ ,.,.
' r ,C'/
...._l , 1 . / Q__,
(
132 Inventário Florestal 1 ~
133
Amostragem. Estratificada
t. 1 ~ .,1 _-ri r
,,.
~ · J,,, r -· r
- h· ?
.....,,' r~,,';)o-= (
(
- .. 1 ~~
relação à aleatória simples:

..
(
6.1. CRITÉRIOS UTILIZADOS NA ESTRATIFICAÇÃO ~-! :1 a) Estimativas separadas de médias e variâncias podem ser obtidas
A população pode ser estratificada, tomando-se como base várias . :! • para cada subdivisão da floresta, ou estrato;
(
(
características tais como: topografia do terreno, sítio natural, tipologia b) Para wna mesma intensidade de amostragem, freqüentemente a
flore~tal, altura, idade, densidade, volume etc. Porém, sempre que (
~ s·tf estratificação produz estimativas mais precisas dos parâmetros da
po~stvel, a base para a estratificação deve ser a variável principal que será
est:Jmada no inventárió.
~-- _,. população do que uma amostra aleatória simples . Isto ocorre quando a (
estratificação obtém uma maior homogeneidade das w1idades amostrais (
De acordo com COCHRAN (1963), a estratificação é uma técnica ~ J"·1-• dentro de um estrato do que para a população como um todo .
(
comum aplicada visando diversos objetivos, entre os quais destacam-se: ~ t 1~• Por outro lado, as desvantagens da estratificação são que o tamanho
t ,. I •
(
a) Quando se deseja infonnações com detenninada precisão de de cada estrato deve ser conhecido ou, no núnimo, uma estimativa
certos estratos, é aconselhável tratar cada um deles como uma ~ i. f .• razoável seja disponível; e que wudades amostrais devem ser tomadas em (
(
subpopuJação usufruindo de suas vantagens;
b) As conveniências administrativas podem dete~nar o uso da
~ t 1·•
t l , _,.
cada estrato, dos quais se queira obter estimativas.
(
estratificação, facilitando a execução do trabalho e separando os
resultados para as diversas áreas de interesse·
~ !'1-• 6.3. TIPOS DE ESTRA TIFICAÇÀO (
(
'
c) Os problemas de amostragem podem ser sensivelmente diferentes ~ t 1·• Em inventários florestais , as possibilidades de estratificação são

nas diversas partes da população; \:f-1-• classificadas em cinco tipos principais: (

d) A estratificação pode proporcionar aumento de precisão nas

t,. 1-• 6.3 .1. Estratificação da variável de interesse
(

".
(
estimativas da população. ~ t 1·• O volume representa a variável principal de um inventário. Assim, a (
Ainda segundo COCHRAN (1963), em geral a estratificação ~ . estratificação em volume é aplicada com o objetivo de homogeneizar os
aumenta a precisão das estimativas quando são satisfeitas as seguintes
condições :
~ 1•
t_ra -~
volumes dentro dos estratos
(
~
a) Que a população seja constituída de características,
tamanhos ou grandezas variam amplamente;
b) Que as variáveis medidas tenham estreita correlação com o
tamanho ou grandeza das características;
CUJOS

~.·•
~ :
t ,~

~
•
~ 6.3.2. Estratificação administrativa

A estratificação administrativa é aplicada com o objetivo de obter

infom1ações setorizadas por área de interesse, ou simplesmente para a
organização ào trabalho
(

(
(
(

..
c) Que se disponha de uma boa medida do tamanho dos estratos. tr. .. (
6.3.3. Estratificação tipológica
~e .. (
6.2. VANTAGENS E DESVANTAGENS
~ A estratificação tipológica é aplicada com o objetivo de obter (
~ t ... informações particulares para cada tipo florestal, que ~ão perfeitamente

.
. Conforme HUS~~, MfLLER & BEERS (1982), a amostragem (
caracterizados e facilmente reconhecidos no campo . E a estratificação
estratificada, em mventano florestal. apresenta as seguintes vantagens em ~ :
comumente utilizada nos inventários de florestas nativas, especialmente as
"'" (
(
(
(
135
( 134 Inventário Florestal f!' ~;'::} Amostragem Estratificada
( J:i ,
f-M '
( tropicais. Muitas vezes a estratificação tipológica coincide com a f! ~ .li ,, = .!!..!1-.
\ ',,
= fração amostral do estrato (h );
.

( estratificação em volume. -~ ~)
( , fl .;:, r = ..!!...
.\
= fração amostral da população;
6.3.4. Pré-estratificação .

~~
(
( E a divisão da população em estratos realizada antes da coleta de
dados . Desse modó, a amostragem é estruturada para cada estrato
~-e, . r,,, = variável de interesse.
( (: ·~ 6.5. PARÂMETROS E ESTIMATIVAS
individual mente.
f'"'· -.;)
t
( 6.3.5 . Pós-estratificação ,-_.., 9 Os parâmetros e estimativas obtidos na amostragem aleatória
(
(
É a divisão em estratos efetuada após a coleta de dados . Em geral, a
pós-estratificação decorre da identificação da variabi lidade da população
r- -q
,.... - , .. estratificada são os seguintes:

( durante os trabalhos de amostragem, permitindo a delirnit'ação dos estratos ..- -f-·• 6.5.1. Média por estrato
"in loco" . e -ie l
(
(
6.4. NOTAÇÃO
-- .. ,-:.
parâmetro (6 1)
..- -.:i
( L = número de estratos ; fr"' ··•i llh

fn"',...., j 1:Xil, (6 2)
( ,v,, = número potencial de unidades do estrato (h);
,r. . ,t - i=l
x,, =-- estimativa
( L
N = I: N,, = número total potencial de unidades da população; ,.... . .. 111,

( h=l
., .. 6.5.2. Média estratificada

,,,,-~~-•,.,
~
( 111, = número de unidades amostradas no estrato (h) ;
L -
{ L 1;N1,X1, L _
(6.3)

~-,·•
11 = I:111, =número total de w1idades amostradas na população; .. ·
.\s1 h=l
= ==.,..--= 1: 1",,,."
\' parâmetro
( h=l l'./ h== l

(
w,, = ~ ~ = A,, =proporção do estrato (h) na população; f'-- 1- .,, L
1; N 1,x1, L
( /'v /1 (6.4)
, ,, ·'9 X = ,,_ l . = L lf'i, x,, estimativa
11 si N h=l
( w1, = " =proporção do estrato (h) na amostra total:
11 f'- · '-9 ou
(
A1, = área do estrato (h); (f' : "9 L
1;11,, x,, !.
( (6 5)
L
~ . -9 X = 1,- l = L w, x,, estimativa
( A = I: A 11 =área total da população; ~· 11 h=l

"f-~
-~
h=l Em geral, esta m~dia ( .r) é menos precisa que ( .r, 1 ), porém quando
( )

( )

tf{ ·'"'
 \; ~.;J
Inventário Florestal 137
136 ti -~ Amostragem Estratificada
(

"1 , ~~
a distribuição da amostra for efetuada através da alocação proporcional,
estas duas médias são iguais, ou seja
U··
ti ·•-• estimativa tomada em fw1ção da
variância estimada (6.11)
(
(

•
111, 11
111, N 1,
-=- ou -::.--
'i· Expandindo-se a expressão da estimativa da variância da média
(
n N
~ .il estratificada, obtém-se a fórmula comumente usada, ou seja: (
então
~ --4 (
f,, =f
~
••
" ,,.-•
e portanto
(

'e·
Esta média é usada quando não se conhece os valores de ( J}í,) ou a
delimitação prévia dos estratos, como ocorre na pós-estratificação
~ -

~ -
--•• L
s~X(SI) = ",:.. wh
S2 LJí'.2
2 __]!_ _ ,,- ~ (6.12)
(

-.. ,:.. N {

- - h=l 11 1, h =l
6.5.3. Variância por estrato l

st =
l\'',l -
L( ). ·i/, - X1, l
·•
... •
~"
Esta fórmula pode ser simplificada, dependendo da intensidade de
amostragem, do tipo de alocação das unidades e da homogeneidade das (

.e..:;i-:.,...1_ _ __

N 1, -l
parâmetro (6.6)
--~·• variâncias dos estratos.
(

llh
L ( .\'il, - x1, J2
~..

Q, ·• :~
a) Se (/1, =!!.!!...)for desprezível em todos os estratos, a variância da

média resulta:
N1, (

S ,,--
2 _ ,i =-:.,__l_ _ __ estimativa (6.7)
-.:· :~ (6.13)
(
(
~-: 1,• (
6.5.4. Variância estratificada
~.. 1·• b) Se a distribuição das unidades sobre os estratos for feita segundo
(
L
s;, = z:: H·í, sfi parâmetro (6.8) ~·1-~ a alocação proporcional, onde a intensidade de amostragem é distribuída
proporcionalmente a área de cada estrato, tem-se que:
h=l t,; · ~

(6 9) ~ :: ~ N1,
estimativa 111,=ll·N (
~- ~
. , -a Substituindo-se esta expressão na da variância da média não (
6.5.5 . Variância da média estratificada expandida, obtém-se (
i:.~ ~ o
,2 - L .2 sj, 111,
A variância da média estratificada é dada por: i:•é ~ S.,r .,.1 i - L H,, . - -.11,,- ( l - -. - )
h=l n . · __h. .V1, (
estimativa tomada em função da ~~ ~ .\'
í
variância paramétrica (6 1O) ~~ -~
(
i! -~
(
(
(
 (
•
• ,,,
(
\l'l
1

(
•, 1
.. -•
1

138 Inventário Florestal -,') Amostragem Estratificada 139

( 1
-íf)
(
, ' 11.\'h -~ (6.20)
s;;

,·.•
( 2 L N1, . ·!\··
S.r(s11 = L [- I
--V ( } - -
.)
h ,
h=l \ ] 11· ··
I
.\1,
1

( ' .\' 6.5.9. Total por estrato e para a população

I!" :ili
( ;; .\'1, -i
= IL -·· n ,,..
(
i· -
. X ( SI )
h= l
V - ( ! --
,.!
! 11 /1 ,,. a) Total por estrato
parâmetro (6.21)
( , J- f L . ,
sf1sr ! = - ·- I:111, s;; (6 14) P·
·•
(

( '
(
11 h= l

c) Se a amostragem for realizada com seleção proporcional e as

variâncias forem iguais em todos os estratos, através da análise da
P.·
,,..
,..
-·•
·fl
b) Total da população
estimativa (6.22)

variância da amostra COCHRAN ( 1963) chegou à seguinte expressão L

( para uma estimativa conjunta dessa variância comum: p-.w:
·• X= I:Xh=NX51
h=I
parâmetro (6 .23)

•-•
( ~ -
A L A

( X = ~Xh =N x 5, estimativa (6.24)

.
fP,. h=I
variância média dos estratos
( 11!!'·
( E a variância da média estratificada dada por 6.5.10. Intervalo de confiança para o total
IP·

•
.
A A

( ff· IC[ ,X: - N IS-;(st) s X s X+ N 1 sx(sr)l = P (6.25)

(6. 15)
( ti"; ~
( 6 5 6 Erro padrão ti" 6.6. CÁLCULO DO NÚMERO DE GRAUS DE LIBERDADE
( tr:. ~
(
{
estimativa em função da
variância paramétrica (6. 16)
". •,.
{f'.;;
As fórmulas dos intervalos de confiança pressupõem que a média
estratificada (x51 ) seja normalmente distribuída e o erro padrão da média
estratificada (sx(stJ) seja bem .determinado, de modo que o coeficiente (t)
(
(
s,1s1 i =
L

h= I
'
L lí ,;.' · -.s;; ( l - f i, )
111,
estimativa em fW1ção da
variância estimada (6 17) Ç4 •
F..,
..
possa ser encontrado nas tabelas de distribuição normal.
Assim, o número de graus de liberdade que determina o valor de (t)
(
(
6.5. 7. Erro de amostragem
1...,::).)_? 1)
4
Q
_)
7,
~
~
-'
,

"'I'•
f'-. •
r~I-.
está situado entre o menor dos valores (nh -1) e o somatório dos (nh)-

SATTERTHWAITE (1946) desenvolveu um método para o cálculo

s,, do número efetivo de graus de liberdade, cqmo segue:

f(-tt't•:'~
( a) Absoluto: Eª = ± 1 si 1 (6 18)
(

~f,. 1-.
1 1·- 1511
b) Relativo: Er =± ·~ -100 (619)
( xsl (6.26)
( )
c~I•
6.5.8. Intervalo de confiança para a média
( )

( 1
r, " '·
 t 1~--1 (

140 Inventário Florestal " 1,J Amostragem Estratificada 141 (

lt j :__J
onde: t 1:J amostragem é proporcional à variação e custo de amostragem dos estratos: (

-. 1
.t 1 ·,J
º" COCHRAN ( 1963) apresenta a seguinte expressão para a alocação ótima: (
(

6. 7. INTENSIDADE DE AMOSTRAGEM tt
t!
1
1
'°'
~..1
(6 30)
(
(
A intensidade de amos rragcm é calculada em função do tipo de t ~1 :,.J onde: (
alocação das unidades amostrais nos estratos , ou seja : alocação
proporcional ou ótima.
\ , i ::J C1, = custo de amostragem no estrato (h). (
~ I! i "~
6.7. 1. Alocação proporcional A intensidade de amostragem é calculada como segue:
~ ,, 1 '"' " '
1
(
\ 1-_' _;J
Confom1e visto no item 6.5 .5 b, através da alocação proporcional , a
intensidade de amostragem calculada é distribuída proporcionalmente à
área de cada estrato, através da expressão:
\_,~ .
1
"' a) População finita (

(
~ !é -"
(6 .31) (
- N;, , (
111 - - · n = l f 1 •n
N (6.27) ~J. 1 · "
I l
'1}:i -~ (
A intensidade de amostragem é obtida da mesma maneira que na ~ Jc 1:.f b) População infinita ç
amostragem aleatória simples, apenas com a particularidade da estimativa
~ ; 1 ~•
da variância que, neste caso, é a variância estratificada, como segue: L L (
~; 4 / {( L li Í, S;, jc;; )( í)1í, S ;, 1 jc,,)}
11
= -~h=
~l _ _ _ _~h~=~
I _ _ __ (632) (

~
•
a) População finita ~ ! -• E2
(
2 L
l°:W,1 S;,
2 ~
I 6. 7.3. Alocação ótima com custos iguais ou de Neyman (
11 = h=l (6 28) ~.J: -•
E 2 +I 2 ~!_:. -
Uí,
-
i .J
b_;: Uma va riação da alocação ótima foi proposta por NEYM AN
(
h=l N (
~: 4 ( 1934 ), embora tenha-se descoberto mais tarde que TSCHUPROW ( 1923)
b) População infinita ~ :
~
• já a havia proposto anterionnente, em que se considera custos iguais de (

t
n=~h~=~l_ _
2 L
I:W;, s,;

E2
2

(6.29)
~
ft,i: •• amostragem em todos os estratos . ~OCHRAN ( 1963) apresenta a seguinte
expressão para a alocação de Neyman

111, =
líi, s,,
L (6 .33)
(
(
(
tà,! 4 l:lfj,s;,
(
6. 7.2. Alocação ótima ~ '. 4 h=I
(
Ú· :4 '

•
a) População finita
Através da alocação ótima, a distribuição da intensidade de ~ (
41 (

(
( .,, .
(
, ••
(
(
142
Inventário Florestal
, ·• Amostragem Estratificada 143

( f!
,., ·•·• precisão e custo do inventário, comparada com a amostragem aleatória
(
(
(6.34) ,, ·• simples com a mesma intensidade de amostragem. Se não houver diferença
entre as médias dos estratos, precisão e custo da amostragem estratificada

,,. ··••
,·•.
e da aleatória simples serão equivalentes.
( ~
Na primeira estratificação, a intensidade de amostragem calculada é
( ' distribuída nos estratos através da alocação proporcional, porque a
( b) População infinita ~ variância dos estratos é desconhecida.
2 (fr.
( 2
~ Wh sh) A partir da segunda ocasião do · inventário, pode-se verificar se
(
(
'
n=
1(
h=l
E
2
(6.35)
, ·•
li"
...
~ existe, além da diferença entre médias, também diferença entre as
variâncias dos estratos. Essa verificação é feita através de um teste de
flf
··•• homogeneidade de variâncias.

,..
I
6. 8. ANÁLISE DE V ARIÀNCIA DA ESTRATIFICAÇÃO "4· Havendo diferença significativa entre as variâncias dos estratos, a
(
( Ao se estratificar uma população florestal pela _primeira vez: pode- r ·•
,_,
repartição da intensidade de amostragem sobre os estratos deve ser feita
através da alocação ótima com custos iguais.
se avaliar seu efeito nas estimativas dos estratos atraves de uma analise de
( E se, além da diferença entre as variâncias, houver também
pi

,,. ...
variância, conforme quadro 6.1. . diferença significativa entre os custos de amostragem dos estratos, a
(
,,.,.

.
Quadro 6.1: Análise de variância da estratificação repartição da intensidade de amostragem deverá ser feita através da
( alocação ótima, como mostram as comparações de precisão relativa entre
e FONTES DE
VARIAÇÃO
gl SQ QM F
Q,\fe Qi\fd
p "". os processos de amostragem aleatória simples, estratificada com alocação
proporcional e com alocação ótima que seguem.

,,
( l-1 SQe SQe,L-1
Entre estratos F'

.
n-l SQd SQd/ 11-l
( Dentro dos estratos
n-1 SQt SQtl n-1 11 6.9. PRECISÃO DAS AMOSTRAGENS ESTRATIFICADA E
( TITTAL
,.!f ALEATÓRIA
( F1r , 11
onde:
( L '
1
De acordo com COCHRAN (1963) quando a estratificação é
SQ,, = í:,nh(xh- x r p, q
Ir=/
1 corretamente utilizada, quase sempre resulta em menor variância para os
(
F-w. <tt
• 1
valores médios e totais estimados, que a obtida pela amostragem aleatória
( simples com a mesma intensidade de amostragem . Porém, não é verídico
F- , :r)
( que qualquer amostra estratificada resulte em variância menor que uma
p.r ' ~ aleatória simples.
(

(
SQ/
L

h=I i=l
nh
= L L ( Y;1, -
_
X
o
J-

A análise de variância mostra se existe ou não diferença

?r i
~f
-
1

1
•
;1)
'
Uma comparação entre a amostragem aleatória simples, aleatória
estratificada com alocação proporcional e aleatória estratificada com
( P• 1

~I?.
significativa entre as médias dos estratos. Havendo diferença entre as alocação ótima, mostra como obter as vantagens da estratificação.
1

( ) médias, a amostragem estratificada terá vantagens no que se refere a

.
~,4 • 1 ~ De acordo com COCHRAN (I 963), desprezando-se os fatores de
( \

r,,,, .
 · ·1 .J ,-
1

i; t ~
" (
144 Amostragem Estratificada 145
Inventário Florestal li 1 ._J (
tu 1'· -' (

'r"
2 L 2 L - - 2
correção para população finita ( 1- J,,) tem-se que: NS = I.NhSh+ I, N 1,(X1,-X)
h=l h=l
(
? ? 2 • J ·, J
Sf(aleat.) 2 Sir prop./ 2 Sx( ótima) (
·, 1 J Dividindo-se toda a expressão por (nN) tem-se
onde: (
t. ,d
s2
x(aleat.) = -n
s; (6 36)
,, _,,
• ~'1
n Nn
(

.
(
Como: (
• __ ,,j
(6.37) s2 ?
'~ - = Sf(aleat.J
n (
~. .:. r;l
e

..
(
~- _;,j
(6.38) ~ .!J (

-~ (
6. 9. 1. Comparação entre e sff.( prop.) resulta que (
sf( aleat.) i: -~ L - - 2
-~ I. N,,( Xh - X) (
A partir da bipartição da variância total em variância entre e dentro S,2 S2 + =h=~l~--- - (6.39)
t: -ti x(aleat.) = x( prop.) nN (
dos estratos, através da análise de variância, tem-se:
tl; .~ (
Esta expressão mostra que a variância da média da amostragem
aleatória simples é maior que a variância da média da amostragem (
- e~
~- -~
estratificada com alocação proporcional, quando as médias dos estratos
forem diferentes.
(

A variação total pode ser expressa como (

-•
~ ' .e. .
Quando as médias dos estratos forem iguais, a precisão das
~

.
L Nh {
2 estimativas dos dois processos também será igual.
( N - J)S = L. L. ( X hi - I: /
t;·. ~• (

( N - 1 )S
2
= I.
h=l i=l

L Nh -; L _
I. ( X hi - X h)2 + I. N h ( X h - X) 2
h= l i=l h=l
_ -•
~- 4
Disso conclui-se que a estratificação só aumenta a precisão das
estimativas, quando existir diferença significativa entre as médias dos
estratos.
(
(

=
( N - 1JS

da seguinte forma:
2
=

=
L

h= l
? L
I. ( Nh -J )Sr,+ I. N1,( X1, - X)
h= l

Considerando que (N) e (Nh) assumem valores grandes, então

( N -1 N) e ( N 1, -1 N h). Assim a expressão anterior pode ser escrita
- - 2

..
1:
••
~

:,~
_.
6. 9.2 . Comparação entre SÍr prop.J e

Na comparação das variâncias da média da amostragem aleatória

Si(ótimaJ

estratificada com alocação ótima e proporcional, parte-se da premissa de

que:
(

'(
(
(
(
(
(
 (
( ,.. ,
• 1 • '
·· )
(
146 Inventário Florestal r j'-'I Amostragem Estratificada 147
( r ti"l
( ,] > c• 2
5..,( prop. 1 - ,)xr ótima 1
r i~., Caso os fatores de correção para população finita não seJam
( ) fS. j'>J."'1 desprezíveis a mesma análise determina que:
Diante disso, pode-se escrever que
( J r j•"l 2 ,2 N- n [ L -:: - 2 1 L 2]
Sx( alem . i=S,{prop . / + - - - - í:,NJ,( .\1,-X) --Z:(N-N1,)S1,

,..........,
/. ?

( '
I: '" s;, fs" t·) nN ( N - 1) h= l N h= l
52 ~]
X( prop) -- ' .r (Ólilllll )
-- ~"=-]~
l1 :\'
- (6.42)
( 1 11 ,\' ]
~
l ac ,' )
Esta expressão indica que a estratificação com alocação
(
( i
!. _ ·!. _. = _ !_ *\. ( z: x,, s1ir
S 2 _ _:..:...
h= L-'I_ _ _ ']
,., =-,, 1

1
proporcional produz uma variância maior que a amostragem aleatória
simples se
,\ _q 0 11111a J ~
(
Sx( prop . !
11 .
\.
[
h= I
· h h ,\ '
· r t·"l
(
r--1~- , (6.43)
~ ;_,_._;,
<
(
sf1prop) - s ?(ÓIÍ/11/l ! = +
11 ·
Í, N 1,( s,, - S/
h= l
(6.40)
fi- ~- 1
1
Matematicamente, isso pode acontecer. Supondo-se que os (S/,)

,, ..... ,
~ =,"') sejam todos iguais a (S;;,), de modo que a alocação proporcional seja ótima
(, onde: 1
(confonne Neyman). a expressão (6.43) transforma-se em:
( s = LL -N1,S1,
- -- i11 · ,.
L, h L)J,
desvio padrão medio dentro dos 1
h= l ,\' h= I ff. .... :')
(
(
'

A expressão (6 .40) mostra que a alocação ótima resulta em uma

estratos
,-~- 'l,
, . >"J ou ainda
( 1 variância da média menor que a alocação proporcional. quando as
(
( \
variâncias entre os estratos forem heterogêneas . Quando essas variâncias
forem homogêneas, a precisão das estimativas mantém-se inalteradas
, ,_,,
" ; 'l
...
(6.45)
independente do tipo de alocação ,. . ·"l
( Os familiarizados com análise de vanancia reconhecerão nesta
Combinando-se as expressões (6.40) e (639) tem-se que F ;-.., relação (6.45) a imposição de que a média quadrática entre estratos seja
( \
,:-_,-- _.l menor do que a média quadrática dentro dos estratos, isto é, que (F) seja
( ' F•t- , menor do que 1.
(6.41)
(
r =-'J
( A expressão (6.41) revela a existência de dois componentes que 6.10. DETERMINAÇÃO DO NÚMERO DE ESTRATOS
F~-')
influenciam· na diminuição da variância quando se passa da amostragem
( l r,;..- ~, Ao se planejar a estratificação de uma população, a pergunta sobre
aleatória simples para a estratificada com alocação ótima O primeiro
( )
componente (último tenno à direita) resulta da eliminação das diferenças r- ~ o número de estratos a ser utilizado está entre as mais importantes. O
( entre os valores médios dos estratos: o segundo componente ( segundo ,.-,,,_ '1 raciocínio para responder esta pergunta pode ser fundamentado na
termo) resulta da eliminação dos efeitos das diferenças entre os desvios precisão relativa entre as amostragens estratificada e aleatória. Conforme
(
(
padrões dos estratos Esse segw1do componente representa a diferença de ,-.,.._. ,º~
"' visto, se existir diferença significativa entre as médias dos estratos, tem-se
variância entre a alocação proporcional e a ótima (('OC'HR AN . 1%5 ).
( ' , -,-- q
( ) ,. \
 '- j., (

'- l -,, (

148 Inventário Florestal

~ i ,, Amostragem Estratificada 149 (

(
1. 1 ·-•

Sx~( prop.) -< ,>

,,~ .
X/ wec,1.)
~ · 1 •,I (
t · '-~ 1
(
Tal condição será, po1tanto, válida mesmo quando apenas dois ·l : .,1
1 (
estratos forem definidos na população. Ir ' _,.
Seguindo este mesmo r:iciocínio, pode-se dizer que
s2x prop.( 3) -< s2x prop.( 2)
.
'" ,! ..
l · ; -•
. QL

,,o Ot. • Q2:SSI + O, 7~99-t-

(
(
(
l J _, , . 0.1
ou seja, a variância da média para (3) estratos será menor ou igual a de (2) 1 ,, . (
estratos, e assim sucessivamente. {:_ . 1 • º·' (
No entanto, esse raci ocínio não perdw:i indefinidamente, pois a º·' o
l· 1 ··•
(
redução da variância . da média tenderá a se estabi lizar e será assintótica '1•. 1 , o.o
(
em wn nivel qualquer.
\ · 1 ·• º' (
Esta dedução permite que se identifique o comportamento analítico
1-,•
t •- "' (
da redução da variância da média estratificada ( S.fes,rar.( l 1 ) , em relação ao
aumento do número de estratos. PÉLLICO NEITO (1979) propôs tal
~-1-• QJ
(
solução através do ajustamento de uma hip érbole, cujo modelo é o b l .• QI
(
seguinte: l -1 0.1

(
4::, -• ., L (
(6.46)
t: -• (
onde: \).i · • (
X = L = número de estratos. li: · -~
(
l ...
Y -Q _ s2x estrm .11). t:,;, ~ Figura 6. 1: Razão dàs va,iâncias da média estratificada e aleatória (
- L - .,
Sf aleat. em relação ao número de estratos . (
A figura 6.1 mostra o comportamento gráfico desta função .
Observa-se na figura 6 .1, que a curva tende à estabilidade a partir
de 6 estratos . Portanto, aumentar o número de estratos a partir deste
limite, não resulta efeito vantajoso de eficiência.
~-..
~' 1-:a
\i:-1~
l,!
~
..
6. 11. FUNÇÃO DE CUSTOS

A fw1ção de custos na amostragem estratificada possui a mesma

composição daquela vista na amostragem aleatória, apenas expandida para
(
(
(
(
--?r Diante disso, PÉLLICO NEITO (1979) recomenda que o número
t , +a todos os estratos . (
máximo admissível de estratos para estratificar uma população florestal
seja de 10 estratos. /-i '
-;r, ' q - ~: -ia (
~ : -~ onde: (

t,,, -·•
 ( ) .... 1.... ...

r -,
(
(
)

)
150 Inventário Florestal ,. ,.... ~ Amostragem Estratificada 151

.,,
t=)• ~
(
( L 1. 1.
Ca = L e,. 111, = L ( ·11, 171, + L ( :!h 11;,
r ;~ ~ Neste caso, o número de unidades do inventário piloto foi arbitrado
( J h=l h=l h=l
.... em 5% do total de unidades de cada estrato. Assim, foram tomadas 7
unidades no estrato E 1 , 8 no estrato E2 e 7 no estrato E3 , totalizando 22
( portanto
L L
f"í• ~ unidades, como mostra o quadro 6.2.
( ' C = e~. + I,Cn, 111, -+ I.C 21, 111, (647) '-"' ·1. . l"l-
As estimativas obtidas no inventário piloto foram as seguintes:
( \
h~ l h= I
~ t·r ~
( )
A razão de custos será obtida por estrato ou para a população. ,... .... ~
a) Média por estrato
como segue: '
( fl-' 'r,. " L
I:X;h
(
(
razão de custo por estrato (648)
,.
li" 1: : . "'
.:.
1
;)
.
- h=l
X1,=--
nh

(
P-· ;.;,. t'I
1 -
Quadro 6.2: Amostra estratificada obtida no inventário piloto -
(
razão de custos para a popL\lação (649) fF', :,F- ~
1
vo ~er1(._.)
0:J.,~
i;-.3 /O ' 1 ha),,/Q.) 1 ,; ., y
,., i \ '1 . .,j
( f-·=
!
~ UNIDADE ESTRATO E 1 ESTRATO~ ESTRATOE3
COORD. l VOLUME COORD. 1 VOLUME COORD. VOLUME
(

(
)

' 6. J2. APLICAÇÃO DA AMOSTRAGEM ESTRATIFICADA ,..

•- · !- t\.
·,_
1
:\
• •
(n)
1
2
9-g
5-d
15,8
7,6
10-m
20-n
20,4
30,5
21-k
21-1
1

21,3
24,3
( )
r "'" n
1 -
3 3-m 8,8 18-m 26,8 28-a 29,2
A amostragem estratificada é recomendada para populações 4 6-j 12,5 14-n 27,2 25-m 21,8
( \ heterogêneas. de fácil acesso. ou mesmo homogêneas onde haja f' ,"' i 5 1-o 11, 1 11-o 28,4 29-d 33,1
(
necessidade de informações separadas por estrato ou w1idade fffi ;'"' ~ 6 9-m 16,2 13-a 19,7 30-n 35,8
administrativa ~ --- ~ 7 4-m 12,2 13-h 20,4 25-a 26,7
( 8 - - 21-g 23,1 - -
e,-. ,, ~
( ' 6.13. EXEMPLO APUCATIVO ,_~ ..... -~.
~
( )

Inventariar a população de Pinus sp do quadro 4 . 1. através da

Ct ----,, x1 = 12.029 m 3 i 0,1 ha
(1
ri~ ,., x2 = 24 ,563 m 3 / 0,1 ha
amostragem aleatória estratificada, admitindo-se um erro de amostragem
3
( )
máximo de 10% da média estratificada estimada, com 95% de ."f3 = 27.457 m 1 0,1 ha
( .; o'
( ) probabilidade de confiança Para este inventário, utilizar o três estratos
(t -ca~ ~
( definidos na população
p ,"!['= t
( ' 6.13. 1. Inventário piloto
tt ~-. '
( F •- -:\
Considerando a inexistência de informações prévias sobre a 1 '
( 1
população, realizou-se um in ventário piloto para obter as estimati vas (t ~ -~
(
e) Variância por estrato
básicas neces sárias para o cálculo da intensidade de amostragem.
p ,. '
( ft: ' .. :\
>- I" "
 1 -
1 (
t. . .....
152 Inventário Florestal t.: J
1
Amostragem Estratificada 153
(
(
t_: ;"'
h1,
·/

I:( x,.h-x11
si= ~i=~l_ _ __
I ~: :"
,) ~ri SrJ.t = L
L 111,
\r<-t'✓
•
I:,(.\ij-xhr , )
_ ?
,
(
(
h=l i=l
nh-1 -t) ,J
sº° = u 15 . 8 - r
12 . 02 9 l + 7. 6 - 12 .02 9 I + .. -+ o2. 2 - 12. 029 J2 1+
(

sf = 10.462 (m 3 I O, I ha/ \ ,_la ,I (

[(20,4-24 ,563/ + (30 ,5-24 ,563/ +-- ·+(23,1-24.5631 ]+
sJ = 17 ,483 (m 3 i 0.1 ha/ \ .
1
=~ (

sf = 30.823 (m 3 I O, 1 ha / ,rJ ~.J [(21 ,3 -27, ./57 ( + (24 ,3-27,457 / +--·+(26,7-27,457 / /}

SQd = 62,774+ 122 ,379+ 184,93 7

(
t . !.J (
6.13.2. Intensidade de amostragem SQd = 370 ,090
l l ~.J
Para e cálculo do número de unidades a serem amostradas é
t,, , é!: ., L 111, _
(
7
necessário determinar se a população é finita ou infinita e o tipo de t , ~.1 1 sQ, = 1: 1: r.ri/1 - x r (
h=l i=l
alocação das unidades nos estratos. 1
\ ,., =..I SQ, = f (15,8-21 ,495 / + (7 ,6 -21,495 J2 + .. ·+ (26,7 -21,495 J2}
(
A fração de amostragem determinada pelo inventário piloto é dada ,_., i ~..1 (
por: l ,,., ~~ SQ1 = 1.321 . ./90 (
L r
I:,nh '-·· ! : : .1 Fcal. = 2./,./22 > Frab.(0,05;2119) = 3,52
(
f = h=l = 22 = 0,0489 , _, i ~-11
(
N 450
t..{ i ~ .J O teste (F) indica que existe diferença significativa entre as médias
(
1- f =0,95Jl<0,98 ⇒ População.finita. dos estratos e, portanto, a estratificação trará vantagens ao inventário.
, _, 1 ~ ,J
(
O tipo de alocação das unidades nos estratos pode ser definido com Em se tratando da primeira estratificação da população, a
base na análise de variância da estratificação, como mostra o quadro 6.3 .
t_, 1 =.J repartição da intensidade de amostragem será realizada através da (
t ~i~-' alocação proporcional. Assim, a intensidade de amostragem deve ser (
Quadro 6.3: Análise de variância da estratificação.
\_t !~ .J calculada pela fórmula da alocação proporcional e população finita .
1
FONTES DE t.1 1 ::: ,.J L ,
g1 SQ QM F 2 (
VARIAÇÃO I:, li i, s;;
Entre estratos 2 951,355 475,678 24,421 t ,i ~:.J i n=_
t
___:__1=1-.,__l_ __ \ (
Dentro dos estratos 19 310,090 19,478 ? , L Whsí:h'
l,t ( " E-+r L - - (
TITTAL 21 1.321,489 62,928 l.t h=l N

l;~:.J2: J
:1' ~
(
\_t Sendo:
(
L
S~ = í,;nh(xh - x )~ ,. ,. ·J..: ,-.' l.t- E= ( 10%)(21,./65 ) = 2,1465
,ç h=l , l.,t •~;.J
l tro.o5;21J = 2,08
s~ = !7 ( 12.029 -21,495 / + 8(24,563-21.495 l + 7 r27.457 - 21.495 / 1 l,t '!:;i,J (
Para facilitar o cálculo da intensidade de amostragem, deve-se
construir um quadro auxiliar de dados, como mostra o quadro 6.4. · (
SQe = 951,355 l i =J
(
.a. ; " •

(
 (
(
- ...•
(·
( 154 Inventário Florestal p ·fl Amostragem Estratificada 155
(
•r- -rt
(
(
Quadro 6.4 Dados necessários ao cálculo da intensidade amostral,
na amostragem estratificada
,
. ,·•-.· 6.13.3. Inventário definitivo

Neste caso, o inventário definitivo é constituído pelo próprio

(
(
ESTRATO

I
,Vh

144
líj,

0 .320 12,029
X1, S1,

3.235
Si,
10.462
llí,s1,

1,035
. ,
li I, ,\Í,

3.348
Jii,
-;;;
0.007
s,;
,.. ·•
fi,
,,
inventário piloto, cuja intensidade de amostragem é maior que a
necessária. A conseqüência disso será um aumento na precisão das
( II 164 0.364 24,563 4.181 17.483 1.522 6.364 0.014 ~ ·ft estimativas, o que é sempre desejável e, portanto, as unidades excedentes
( II] 142 0,316 27.457 5,552 30,823 1,-754 9,740 0,022 ~ ,fl do inventário piloto não devem ser eliminadas.

(
TOTAL 450 1,000 4,311 19,452 0,043
,, •
~ -
·11
6.13.4. Análise estatística da amostragem

·•
2
~\
~
f 2.08 ) ( l ?.-152) fl: a) Média por estrato
( 11, = - - - - - - - - - = 17.56 =' 18 /1 '
(
(
(].l-16.5) 2 + (2.08) 2 (0.0-13)

Tomando-se novo val or de (t) para 17 graus de liberdade e

(ti-
~- --·· -
L
2:;X;h
_ h=l
Xh---
1/ ' /
!I I

,/
..
recalculando-se (n) tem-se -:"9 nh
( ~
'
x1 = 12,029 m 3 /
(
' ro.os.-1-:-i = 2.1 1
,,.
@- 0,1 ha

( 112 = (2.ll/(19.-152)
, ,
( 2. 1-165 J- + ( 2. Jl t (O. 0-13)
=1805=18
' - p. -~·.-- x2 = 24,563 m 3 /
x3 =27.457 m 3 I 0,J ha
0,1 ha

i1
•
(
Como (n) tornou-se constante, o número de unidades necessáno
,
(
para estimar os parâmetros da população com a precisão e confiabilidade fR ►-. b) Média estratificada
(
fixadas é de / 8 w1idades amostrais .
(
~- ·') L
I
Tendo em vista que no inventário piloto foram coletadas 22 ç., 2:: Nh xh L
(
(
unidades, a princípio, o inventário piloto passa a ser o definitivo, no
ent~nto, é necessário verificar se a distribuição das Lmidades nos estratos
ff.·· ,""... xs, = h=l
N
= I;Wh xh = 21,465 m3 I 0,1 ha
h=I
/

"'l'
foi contemplada no inventário piloto. 1/
( e) Variância por estrato
( 11, = -v,, · 11 = 11 1·1 ·/1
it~,. .
F-· ~
nh

~·,
1
1V I:( X;h-xhl
( ~ =.,_i=....1_ _ __
111 = (0,320)( 18) = 5,76 =6 f!--; ~ nh-1
(

{t-e , .....~
112 = (0.36-1 )( 18) = 6 .535 ::::: 7

~,1
( sf = 10,462 (m 3 I 0,1 ha/
113 = (0.3/(j )( /8) = 5.69 =' 6 J/.. j
( sj = 17,483 (m 3 ! 0,l ha/ I

Observa-se que a distribuição das tmidades nos estratos foi 1f

( fh , "'!11 sJ = 30,823 (m 3 I 0,1 ha/
(
contemplada no inventário piloto e, portanto. este passa a ser o inventário
definitivo ft:, "l,,
(
(
ft-r
r,·.
,-'1
.,,
 t 1 ~ ..,

156

d) Variância estratificada
Inventário Florestal f& -:1
ft ~
1. -1'
1

1
. Amostragem Estratificada

n = 2,8834255
10
= 16 , 2 1 =17 graus de liberdade
157

(
L
s; = :[lf-j1 si, = 19,452 (m 3 .1 0.1 ha/ _ , ./ /' i 1 - ~ e 1,7789995° 9
(
t l _4
h =l

e) Variância da média estratificada /

,1 '\ , _1... . ~
'Y 1
ri {
tr
t!
.. h) Erro de amostragem

- Absoluto: E a -± ts-
. x{sl) =± (211)(09160)=±
' ' J,9328m
3
I 0,1 ha
(
(

~ -~ -
L
= "11' 2 Sí,
, /2 {li'1zSiz,, :!!!/"fJ
\ <li
~\!' _, (
.;!_
·'x(s/1

2
L
h=l
h
n1z / h=l
3 ,
"<;'
L- 1
N
2
1
8823-0 0-132
.: · •
~ V ', 1/\
\, ~Q
,-v'

- ..1 ..,
t, 1 ,.f
••
é
- RI
.
eatI VO.
ts-r ,;
• E -±_x_s_,100
r- -
X( st)
1,9328
=± - --10 0 = ±
21465
'
9 ,0
%
o (
(
s,( JT) = 0 ,8391 (m 1 0 , 1 ha) 1 t- 1_.,

,•-.••
i) Intervalo de confiança para a média
t) Erro padrão · i 1-• (
i JCf xs, -t Sx(st ) s X s Xsr +t Sx(st ) l = p
Sx(sT) = Jsi(st) = ,J0,8391 3
r
1 ij JCf 19,53 m 3 ! 0,1 hasXs23,40m 1 0 ,1 ha)=95% (
sx(sl} = 0,9160 m3 ! 0.1 ha i:-
g) Número efetivo de graus de liberdade
é
t
-• -~
j) Total por estrato e para a população
- Total Q.Q! estrato
(
{
(
t
~
·• -~
x11 =N11 x1i
x1 =(144)(12,029J= 1.732 m3
(

-= -•
,.
(

x2 = r164 )(24,563 J = 4.028 m 3

NJ(N1 -n1 )
n1
= 144( 144-7) = 2 _818 . 29
7 ' ·•
-...-
.x-3 = ( 142)(27,457) = 3 .899 m 3

g = N 2 (N2 -n2 )= 164(164-8)= _

2
.
3 198 00
~
tê:.
--•• - Total da população

X = -1:xh = Nxs, =(450)(21,465)= 9.659 m 3

(

1
n2

g3= N3(/\.,3-n3)
8

113
= 1-12(1-12-7) =2.738,57
7
~
~ -
~
•~• h=l

1) Interv~: ~e co~~ça r~~ª. º ~~t~. : • r )

(

.r
L i,,"0~· S~) --\- r
~ .- .
• )
1
( .,
: ,,) .. tt· 4 JC[ X- Nt sx(st!_, s X s X+ N t s'i(st)l= P
(
'y ( .,7, / = ( 29. 484. 95 + 55 9 JO. 63 + 84 -11 O. 94 ;- = 2. HH3-12J:> 111 (
I,g1,

•· -.a
~ f
h =l
, ./ t;i
~.-- JC[ 8.789 m 3 s X s 10.529 m 3 J = 95%
(

.
8
giz ,.b___ = 1.4-1893 7 !° + 4. 4657 / 28u8 + I. I H7 53-16 11 '} = / . 7789995°'} (t, _ (
h =J 111, - I 6.14. EXERCÍCIOS PROPOSTOS
te, .:: (
a) Compare as estimativas obtidas na amostragem estratificada ~m (
~ · cc.J
.. "
os parâmetros da população, analisando as magrutudes dos erros reais e (

\
 (
( ; 1:
( 1
Inventário Florestal
i -·
7
158
(!
(!
( 1 ••

(
1 AMOSTRAGEM
estima dos !'

,. SISTEMÁTICA
1 -·

( I
f , .•

,.,~ .
b) C onsidere a amostrzi so,tcadzi na amo stragem al eatória simpl es.
( classifique as unidades por estrato. faça a análise da amostragem 1 .•
( estratifi cada e cornp;ne suas estimati va s .

(
(
(
(
ff · ·•
,-.,
('-;
lfs 1-t
.·•• A AMOSTRAGEM SISTEMÁTICA ~ tu<!_·Se entre os processos
probabilísticos não aleatórios, em que o critério de probabilidade se
(
f c1.•
estabelece através da aleatorização da primeira unidade amostral.

.•
~'; 1 .•
( Segundo LOETSCH & HALLER (1973), em um processo
~ -1 •
( sistemático, as llllidades amostrais são selecionadas a partir de wn
(
,:, esquema rígido e preestabelecido de sistematização, com o propósito de

(
~.1
- 1
.• cobrir a população, em toda a sua extensão, e_obter um modelo sistemático
simples e lllliforme. ·- -
te', ' .•
(
~•' . 1I . _A localização das unidades amostrais é, em geral, mais fácil em
(
~
-.
"A

.
uma amostra sistemática do que em wna aleatória, uma vez que as
(
("... ' unidades são distribuídas segundo a mesma orientação. Em decorrência
tf· ~- disso, Q_ tempo gasto em desloc.aq1ento para localizar as unidades
(
{', amostrais é menor e o custo de amostragem é reduzido.
( 1
rf'r 1 ,. Em inventário florestal, a amostragem sistemática tem sido usada
( ' em todo o mundo e, em muitos casos, é o processo de amostragem
(
t\, I • preferido.
~-1.

~,.
~ 1--
(
(

(
~1; 7.1. VANTAGENS DA AMOSTRAGEM SISTEMÁTICA

Os inventários florestais realizados através da amostragem

(
~, l • sistemática apresentam as seguintes vantagens conforme HUSCH,
(
(
~11
~H ..
MILLER & BEERS ( 1972):
a) A sistematização proporciona boa estimativa da média e total,
devido a distribuição uniforme da amostra em toda a população;
( 1
~ Le
( 1
~.1. b) Uma amostra sistemática é executada com maior rapidez e menor
custo que uma aleatória, desde que a escolha das unidades amostrais seja
( ·' m. Le
; .1,_
 ~
1 _,.
160

mecânica e uniforme;
Inventário Florestal t,
ft -
1

-'.
r-~
1
Amostragem Sistemática 161 (
(

~ -si população. Em qualquer dos casos, escolhida a primeira uni?ade, todas as ~

c) O de:slocamento entre as unidades é mais fácil pelo fato de seguir t,
--•• demais serão selectonadas em mtervalos constantes de (k) urndades.

.,.
uma direção fixa e p ree,. tabelecida, resultando um tempo gasto menor e, - . . . . l (
i
. 1
por conseqüência, um menor custo de amostragem; l: Muitos inventários florestais usam outro procedimento 1rncta que se
l- mostra mais simples, com a expectativa de que eventual desvio na (
d) O tamanho da população não precisa ser conhecido uma vez que estimativa resultante da média seja insignificante. Portanto, o início de (
cada wlidade que ocorre dentro do intervalo de amostragem fi xado, é
selecionada seqüencialmente, após ser definida a unidade inicial.
l·
~
_•.,• uma combinação de unidades amostrais, sistematicamente distribuí~as, é (
freqüentemente estabelecido a partir de algum ponto factlmente acess1vel e
lt, ,!' . .
arbitrariamente escolhido na floresta. (
: COCHRAN ( 1963) acrescenta que a amostragem sistemática, em
geral, resulta mais precisa que a aleatória simples, porque estratifica a t !S . . (
1
i população em (n) estratos de (k) unidades . Por conseqüência, é de se 7.4. O PROBLEMA ESTATÍSTICO
~ qf
1 esperar que a amostra sistemática seja quase tão precisa quanto a
~ ~~ Uma amostra sistemática seria equivalente a uma aleatória, se todas (
(! correspondente amostra estratificada com uma unidade por estrato. A
~ -· ,J as unidades da população fossem aleatoriamente distribuídas e (
diferença é que: na amostragem sistemática, as unidades são tomadas na
mesma posição relativa dentro do estrato, enquanto na amostragem
estratificada, a posição das unidades é independente e aleatória •
~ -
~

~ ': :J
7.2. INTER VALO DE AMOSTRAGEM
Em inventários florestais, a distribuição sistemática das unidades "•
amostrais pode ser feita com parcelas de área fixa , ou fai xas e também
parcelas de área variável, quando forem usados pontos amostrais ou
linhas.
••
tt
Considerando-se que as unidades de uma amostra sistemática são
fixadas através de um intervalo regular, haverá um conjunto fixo de
•• ~"
amostras possíveis na população. Se um intervalo de amostragem (k) for
escolhido, haverão (k) amostras possíveis . Para que a média de uma . :: ;,J
amostra sistemática seja uma estimativa sem tendência da média da
população, alguma forma de seleção aleatória deve ser incorporada no
processo de amostragem. Porém, a única possibilidade de aleatorização é a
••
seleção da primeira unidade da amostra sistemática.
=ri
$.. independentes da tendência de qualquer agrupamento na _di_stribtüção (
espacial. Neste caso, as fórmulas da amostr~gem aleatona senam (
aplicáveis para estimar o erro de amostragem. A dificuldade em aten~er a
exigência de aleatorização em uma amostra sistemática, aumenta qu~do ,
~J se trabalha com populações biológicas, como é o caso dos mventjános (
-
--J
.!:.,
florestais Nestas populações, raramente os indivíduos _são arran!~dos (
~~
completamente independentes e tendem a mostrar as vanaçoes s1ste~~ticas
e periódicas características de cada local. Desse modo, a vanaçad nos (
valores observados de uma amostra sistemática pode não ser totalmente (
atribuída ao acaso, se o intervalo entre as unidades coincidir com o padrão (
'-"i:..t
de variação da própria população.
(
~..J
De acordo com COCHRAN (1963 ), se a população ti ver um
desenvolvimento periódico, como a curva dos senos naturais, a eficiência (
da amostragem sistemática depende do valor de (k). Isto pode ser Visto na (
~~
~~
figura 7.1 , onde os pontos amostrais (X) representam a situação menos (
favorável para a amostra sistemática. ~ssa situação ocorre sempre que (k) (

7.3. SELEÇÃO DA PRIMEIRA UNIDADE AMOSTRAL

•• '!e-"' ~~
é igual ou múltiplo perfeito do penado da curva senoidal. !~as ~s
observações são rigorosamente iguais, de modo que a amostra nao e mats (
precisa que uma úni ca observação feita ao acaso na população. (
&. - .,J
.

.
Em populações biológicas, esta situação é praticamente impossível (
A primeira w1idade da amostra pode ser aleatorizada entre o tà: :: ~ de ororrer, pois comó se pode depreend~r este se ~orna um caso_ d~ (
conjw1to total de unidades. ou entre as (k) primeiras unidades da ~c.J experimento determinístico, onde a vanaçao entre urndades amostrais e (

~ _-:- .si
e
 ( 1

( 1 ,..f' ·fj
.,(j
(
162 Inventário Florestal ,,.. ni Amostragem Sistemática 163
(
lf;;-
, ~
(
nula, razão pela qual a precisão independe da intensidade amostral. @i 1'j ~nsiderada como uma amostra aleatória simples, ou estratificada, e o erro
( , de amostragem calculado como uma amostra aleatória. OSBORNE (1942)
f"- ,Q
( mostra que o erro calculado desse modo, estima o erro máximo provável, o
(
~ - 4 qual pode superestimar o erro real. Um procedimento simples e útil para
f'· ,g obter a maior aproximação do erro verdadeiro é o método das diferenças
( ,1-j sucessivas, descrito a seguir. Outros procedimentos são referidos por
f'·
( YATES (1946, 1948 e 1949), FINNEY (1947, 1948, 1950 e 1953) e
~ /4)
MEYER (1956). Contudo, nenhum dos métodos é satisfatório e válido
(
~ ·t'J para estimar o erro de amostragem de uma amostra sistemática .
( ·, ft
f SffiUE ( 1960) propôs um processo de amostragem sistemática que
( -·rj
ft mantém a vantagem da sistematização e dispõe de um artifício válido para
( + = amostra X ; o = amostra Y ~ -·rj estimar o erro de amostragem real.
( ~ ~rt
Figura 7.1: Curva dos senos naturais. 7.5. AMOSTRAGEM SISTEMÁTICA EM ESTÁGIO ÚNICO
( ~- -~
(
, A amostra (.Y) é a situação mais favorável , e ocorre quando (k) é um
~ "-<'l O estágio único é caracterizado pela seleção da amostra, mediante
(
múltiplo incompleto do semiperiodo. A amostra sistemática tem valor
~- ,.,1) uma única etapa ou fase de amostragem. A amostragem sistemática em
( l"f único estágio pode ser realizada através de faixas ou parcelas.
médio exatamente igual ao da população . f'.
( Na maioria das áreas florestais , por maior que seja a variação, é tf ::"t 7.5 . 1. Amostragem sistemática em faixas
( maior a probabilidade de que uma amostra sistemática forneça uma tr· -~
A amostragem sistemática em faixas é, em geral, estruturada
(
melhor estimativa da média do que uma completamente aleatória, com
igual intensidade de amostragem.
f!'. .~ dividindo-se a área florestal em (N) faixas de igual largura, das quais
( ,t·; 0'9 toma-se uma amostra de (n) faixas, com um intervalo de (k) faixas .
Para uma população estratificada, uma amostra sistemática
(
(
provavelmente produzirá a melhor estimativa da média-se o estrato for
grande e com considerável variação . Porém, à medida que diminui a
"'"'".
•

~ ' -;
1

-,;~
A figura 7.2 mostra uma área florestal dividida em 26-faixas (N) de
igual comprimento, das quais foram amostradas 5 faixas (n), com um

( variação dentro dos estrat~, as estimativas de uma amostra aleatória ,-. l ~ intervalo de amostragem (k) igual a 5 faixas .
estratificada e de uma sistemática tendem a se igualar. tf'.. ;i1 ) .-.A seleção de (n) faixas com um intervalo (k) de amostragem pode
(
ser realizada de duas maneiras principais (HUSCH, .MILLER & BEERS,
(
Fundamentalmente, a razão porque uma amostra sistemática não ~-__ cl1·"'lt
produz uma estimativa válida do erro de amostragem é que o cálculo da . 1982):
(
@•fi -:,1t
variância exige, no mírumo, duas unidades amostrais obtidas 7.5 .1.1. Sorteio da primeira faixa entre (J) e (N)
( aleatoriamente na população. ~-T~• 1

Nesse procedimento, a primeira faixa é selecionada mediante a

( Vários métodos tem sido propostos para determinar a melhor t ·-•~"':t ~eatorização de um número entre (]) a (N). As demais unidades da
( aproximação do erro de amostragem de uma amostra sistemática . _Uma t~L~ amostra são selecionadas estendendo-se o intervalo (k), em ambas as
(
amostra sistemática constituída de unidades eqüidistantes entre si , pode ser -~-J-~ direções, a partir dessa faixa inicial.

,(
,,J..f4 1 -
 ~ 1 ...
t., ..
165
164 Inventário Florestal I., -~ Amostragem Sistemática
à., 1 ., (
._,- 1 -·~
t; a.j todas as faixas subsequentes, em intervalos constantes de (k) unidades, são (
Um método prático utilizado para se obter uma amostra sistemática
automaticamente selecionadas. Portanto, a amostra selecionada é (
em faixas pode ser ilustrado com base nos dados da figura 7 2, ou seJa t, -41
= 26 ) e ( k = 5 ): composta pelas faixas 4, 9, 14, 19 e 24. (
( N
-~ ~
1 2 3 4 , 6 7 1 9 10 li 12 13 14 1, 16 17 li 19 20 21 22 7.5 .1.2 §._orteio da primeira faixa entre (J) e (k) (
i, 1-•
l, 1-~ a) Seleciona-se um número aleatório entre (J) e (k), para definir a
primeira faixa - por exemplo 2;
(

t~ 1-;J b) As demais faixas da amostra são selecionadas, sornando-se o

(
(
.,~-1I.~
'• intervalo (k) ao número da faixa anterior escolhida Portanto, a amostra
resultante é composta pelas faixas 2, 8, 14, 20 e 26.
t: 1-~ Ambos os procedimentos produzem o mesmo número de amostras
(
t ? e~ s1stemat1cas prováveis O primeiro procedimento produzirá uma (
t -~ estimativa sem tendência da média , enquanto que o segundo pode dar um
resultado levemente tendencioso, se o valor de (N) não for um múltiplo
~~- !.. .,j (
ê,. :

-=-:
~
--
:{I
perfeito de (k) O primeiro processo deve ser preferido, quando possível. O
segundo, pode ser usado se o tamanho da população não for conhecido,
como ocorre nos inventários em que não se dispõe do mapa da floresta.
(
(

~-tt,:,- :d
41
Ocorrem, com freqüência , c~s em que a área florestal apresenta
forma irregular. E ao se dividir a área em faixas de igual largura, resultam
(
(
faixas com comprimentos diferentesde,_ consequentemente, áreas diferentes .
tt
=
• (
~-
~- -.•. Assim, as amostras sistemáticás possíveis de serem obtidas, tomando cada
k-ésima faixa, podem diferir em tamanho i ENGER (1964) descreve um
método que extrai uma amostra sistemática de tal modo, que a
(

~ probabilidade de seleção da faixa é proporcional ao seu comprimento

~-
lt 4
.... Quando as faixas forem de igual tamanho, os valóres médios da

..
Figura 7.2: Área florestal dividida em 26 faixas, das quais 5 foram população poderão ser estimados a partir de uma média aritmética simples
\t_ . {
amostradas. e o erro de amostragem a partir das fóm1ulas da amostragem aleatória,
~- diante da expectativa de que as faixas constituam uma amostra aleatória . (
a) Seleciona-se um número aleatório entre (J) e (N) - por exemplo ~

·•
Um método aproximado para estimar o erro de amostragem utiliza a {
14; ~ diferença entre pares de sucessivas unidades amostrais . (
b) Divide-se este número por (k), e obtém-se o restante da divisão;
l.!..=21...
5 5

O numerador da fração residual da diyisão (4/5) está situado entre

(J) e (k) . Assim, a faixa (4) é eleita como a primeira unidade da amostra e
~
i:
i
e
~
..••. Se as unidades amostrais não tiverem o mesmo tamanho, pode-se
usar o método de razão estimativa. Desse modo, estimativas da área de
cada unidade ( lJ e do seu volume (X;) são necessárias para se obter a
razão estimativa .
(
(
(
(
(

(
 (
( , ,. ·t
( ' r ·•
( )
166 Inventário Florestal r,
·•• Amostragem Sistemática
167

(,
(
(
( 1

1
7. 5.2:_~-ll!ostragem sistemática com parcelas

Q do usa-se parcelas ou pontos amostrais como unidade

r
,,.,
f'f

r
,.
í(t

"fl
haverão (k.k) amostras independentes possíveis . A seleção das parcelas
amostrais, com um intervalo de amostragem (k), pode ser feita de maneira
análoga à descrita para a amostragem sistemática em faixas, diferindo
uan . . em duas d1mensoes,
amostral a amostra é sistemat1ca · - ou seJa, as unidades
d. - ~ - 41 apenas pelo fato de haver duas dimensões (linha e coluna). Comumente,
( )
são disp~stas, segundo o intervalo de amostragem (k) em duas ireçoes são usados dois procedimentos para a seleção da primeira unidade ou
perpendiculares (HUSCH, M[LLER & BEERS , 1982). t!' -~ ponto amostral: por coordenadas ou a partir de um vértice da área .

,.
( 1

( ) A figura 7 .3, ilustra uma distribuição sistemática de parcelas sobre

uma área retangular composta de 21 linhas e 26 colunas , fonnando uma
~
p,
_·fl,, 7.5.2 . l. Definição da unidade inicial por coordenadas
()
(
{ )
população com 546 unidades de área fi xa
,,. ·•
fl Considerando-se a estruturação da figura 7.3 , .onde tem-se ( N = 26)
colunas, ( M = 21) linhas, intervalo de amostragem ( k = 4) em ambas as
direções, a defíníção da unídade inicial por coordenadas pode ser feita
~ Tf --'1 como segue:
(
( )
fi;
·• a) Sorteia-se uma linha entre (1) e (/vi) - por exemplo 19;
(
~
~
.,.
-111
b) Sorteia-se uma coluna entre(/) e (N) - por exemplo 24;

••
( 1
c) Divide-se os números sorteados por ( k.k = 16 );
r
,,..
-.·.
( )
e
( 1

-.,,.
fi!', d) Os numeradores das frações residuais indicam as coordenadas da
(

( 1
1
~- wlidade injcial do modelo sistemático ( u,,,,11 ⇒ [ ,3 _8 ) , identificando linha e
ff coluna, respectivamente. A partir dessa unidade inicial , estendendo-se o
( ' ~ - '11 intervalo (k) em ambas as direções, seleciona-se as 30- ü.ilidades amõstrãis
(
( ,'
e,, ~--. indicadas em hachuras na figura 7. 3.

~ ' ~ 7.5.2.2 . Ponto inicial a partir de um vértice da área

( 1
~.., "'"l Tornando-se o canto inferior esquerdo da figura 7 3 e marcando-se
( 1
~ ;:, ...
~ um q1,1adrado de 4 linhas por 4 colunas ( k .k = 16) amostras independentes

(
( \

1
f-"
,r--
~
.-.-
possíveis, define-se a primeira unidade da amostra como segue:
a) Sorteia-se um número de (1) a (16) - considere sorteado o
número 10;
( f"~' 'l...
( ' f"!-Y t""°l b) A partir dessa unidade inicial , estende-se o intervalo ( k = 4) em
Figura 7.3 Di stribui ção sistemática de parcelas ambas as direções, obtendo-se as 35 unidades indicadas em negrito na
( ' ~-l=l"" figura 7.3.
( \
Supondo-se um interval o de amostragem ( k) em cada direção, e-T;c~ 1
Em inventários florestais é comum a área apresentar fonna
( F ;·'" 'l
...
 l. ' ~ (
168 Q,; 169
Inventário Florestal 1 - ~ Amostragem Sistemática
'- j - ~ (
irregular O primeiro método de seleção requer a alocação de um limite 6; ,. população, visando abranger a maior ga ma de variações e otimizar. o
imaginário, que enquadre totalmente a área A unidade inicial pode ser 6: ::..fl esquema de amostragem .
escolhida de modo similar ao usado na figura 7.3. (
1: -~ (
Q. tamanho da amostra será variável , quando o número de linhas e Ir _,,
colunas não for múltip lo exato do intervalo de amostragem . Além disso, (
depende do ponto inicial eleito e da forma da área . ~ -'41
Usando o segundo método de seleção, pode-se escolher
arbitrariamente o canto inferior esquerdo da área e obter, do quadrado de 4
linhas por 4 colunas, uma unidade aleatoriamente. Todas as unidades
.~
~ .!. ~

:: ~

:~
(
(
(
subsequentes serão selecionadas a cada (k) w1idades, em ambas as
direções ~ =• --{:.
/;1
W¾:
iÍ1
,/,;
(
(

"·
" ! ~
Quando as w1idades amostrais são obtidas atra vés de modelos (
eqüidistantes . o cálculo da média , total e seus erros padrões é, geralm ente, :; ~
(
realizado como se as unidades fossem selecionadas .aleatoriam ente. t.t -~ ...
LOETSCH & HALLER (1964) demonstram que, tomando-se a soma dos
quadrados das diferenças entre sucessivas tmidades amostrais de um dos
"· ,,.
~
.! t. (
(
ei xos da grade sistemática, obtém-se urna boa aproximação do erro padrão
í
verdadeiro

7.6. AMOSTRAGEM SISTEMÁTICA EM DOIS ESTÁGIOS

-
~
t,J
.,.-
"· ~•
-'11
d

1
(
(
(

li c,d (
Na a mostragem sistemática em dois estágios as tmidades amostrais - - - D -·-
~ e:. il (
~ o selecionadas através de duas etapas ou fases de amostragem ( entre
linhas e entre tmidades na linha), cada uma del as com um inte rvalo de
amostragem . ..,'"" -~
-d
Figura 7.4 : Amostra sistemática cm dois estágios .
(
(
Por razões práticas, a distribuição eqüidistante das Lmidades
amostrais é freqüentemente alterada, de rn oq_o que o intervalo entre linhas
"- sd A ós o cálculo da intensidade de amostragem det_ermina -s~ . o
~ ~ p lmhas
número de . .
e o mterva 1o (k 1 ) entre elas , com base no numero médio (
(k 1 ) seja maior do que o intervalo entre w1idades na linha (k-7)
tlt ~ de subunidades que cabem em uma linha (
A amostragem sistemática em dois estágios é utilizada com maior ~ ~ (
U lI·nha de parcelas planepda pode ser alterada , usando-se as
freqüência nos inventários florestais, especialmente em florestas nativas,
onde fatores topográficos e sítio naturais determinam sentidos definidos de
variação . Nesta estmtura. representada pela figura 74 , a orientação das
•
~
~
:. :J
seguintesma
relações apresentadas por HUSCH, MILLE R & BEERS (1972) .
(7 1)
(
(
linhas (primeiro estágio) e o interva lo (Á -7 ) entre as Lm1dades da linha ~ ~il .la (
(7 2)
(segundo estágio) são definidos durante a fas e de reconh ecimento da 11 = -·
~ 4 a (
(
{

(
(
(
(
170
Inventário Florestal
., -- ""'\ Amostragem Sistemática 171
( r -"- ~

( a (7.3) r ....... D= distância entre linhas

( )
D=-
fd f' -~-~ a 1.000 n/
=- - - - - =343,64 111
r f=~~ O =-
fd 10,00r !1300 mJ

r r'¾~
( onde:
(
A= área total da floresta, em hectares; Portanto, para distribuir sistematicamente as 73 unidades de 1.000
A = área amostrada, em hectares; r ,➔-- ~ m2, com um intervalo de 200 111 no segundo estágio, nos 750 ha da
(
/ = intensidade de amostragem, com uma decimal ;
r·
\

floresta, as unidades do primeiro estágio (linhas) deverão guardar entre si

( 1 a = área da subunidade, em metros quadrados: f« ~ uma distância de 343 ,64 m .
( /
n = número de parcelas ; . ~-
ll&l l"'" • ~

d = distância na linha, entre o irúcio de uma subwudade e o f' iL .~

Na análise dos dados, o erro padrão da média é freqüentemente
( ) ! calculado, usando-se um grau de liberdade por parcela. Isto pode ser feito
irúcio da subunidade seguinte, em metros; ~ -~ -~
( t com alguma justificativa com uma amostra sistemática distribuída sobre
D= distância ·entre linhas, em metros.
,-~t ~ um modelo eqüidistante. Mas com uma distribuição irregular das unidades
(

(
Inúmeras distribuições possíveis de linhas de parcelas podem ser
planejadas dependendo do tamanho da parcela , da distância ehtre parcelas
~;~· "'
6' :..... "'
amostrais, a razão para admitir cada parcela como uma seleção ,
independente diminui .
~ - j .
( 1 na linha e da distância entre linhas.
Para elucidar a estrnturação da amostragem sistemática _em dois
..t , A hipótese mais defendida é tratar a linha de unidades amostrais
como uma unidade e admitir aleatorização somente entre as linhas. Se o
I"
!!,.;,, ~
estágios, usou-se O inventário de uma floresta de Araucária, realizado na ~ -· 1 •
nún1ero de Lmidades por linha for variável. pode-se usar o procedimento de
( '
Fazenda Tupi , Nova Prata, RS. ~~ razão estimativa .
( \
o cálculo da
intensidade de amostragem detenninou a necessidade
2
~-·~ Também é passivei tratar a amostra como um modelo em dois
de 73 unidades amostrais de 1O x IO0 m (1 000 m ), para um. erro de f'l. . . .·~ estágios, com a linha de unidades fom1ando a unidade primária e as
( 1 amostragem máximo de 10% da média com 95% de probabrlidade de f! ..:.1') w1idades da linha as unidades secw1dárias. Neste caso, deve-se observar
( 1 confiança que nem as w1idades primárias, nem as secLmdárias foram selecionadas
f"- ()
Durante O reconhecimento da floresta , definiu-se que _as linh~s aleatoriamente, como é exigido na ~mostragem em dois estágios .
(
~ - (~
seriam :orientadas na direção Leste-Oeste (sentido da maior moVImentaçao
( ,.__ t~
do relevo) e que a distância entre as subunidades seria de 200 m . 7.7. PARÂMETROS E ESTIMATIVAS
F---f"
( \
Do exposto tem-se que:
A = área total
da floresta = 750 ha
,....,') 7. 7.1. Média
( 1
a = área da subw1idade = 1 000 m
2
r--••if) a) Estágio único
( \ n = número total de subunidades = 73 ,....f~
A = área amostrada= (73)(0, 1 ha) = 7,3 ha N
( 1 a f°:-"'f) l:X;
f = intensidade de amostragem
- Aa = 7,3 ha = 0.0097
,...;,;º .f = i=l
N
parâmetro (7.4)
f - A 750 ha . . . (l'"f)
d = distância entre o início de uma subLmidade e o 1111c10 da
fi~
subunidade seguinte na linha = 300 111
( 1 fi~
(
 t;. •
lr: 1 -~
(
172 Inventário Florestal t;, ·il
1
Amostragem Sistemática 173 (
l r il (
li

1:X; t;. i ··" - Usando-seª fórmula da amostragem al eatória simples (

x=i = l estimativa (7.5) t.~. / -,ri
n (
t.-
Quando as unidades amostrais (faixas ou parcelas) tiverem
tamanhos diferentes, a média deve ser calculada através de razão
~ -
1

_,.
-~
(710) (

(
estimativa, ou seja:
N
""' ,. - Usando-se ª diferença dos pares de unidades sucessivas (

I;Xj - • · 1 -~ Se a amostra for constituída de (n) unidades (faixas ou parcelas) (

R = i=l =~ parâmetro (7.6) --~- 1..;1 haverão (11 - J) diferenças . E a estimativa da variância da média será dada
f r; (

.•.
i=l
y l " 1·-1 por: (
li

"' t.. -- (

-
1:X; -
- (7 11) (
r =i=l X
--=- estimativa (7.7) ~
I:Y; y ou (
i=l
~
•· ·•·• (
b) Dois estágios

X =
M Nj
1: 1: XiJ
j=li=l
MNj
parâmetro (7.8)
~
•~
~
:
. .,. .
-
-~ - No caso de razão estimativa
Conforme HUSCH, MILLER & BEERS (1972) a variância da
(7 )2 )

1
ç
(
(
(
razão estimativa (r) é dada por (
m 111
lf --~
X=
1: 1: XiJ
J=li =l
mn1
estimativa (7 .9) ~
"· -
• -~
si .\' - J Jy· ["i.11
2 Nn( 11 -
11
_,
,~1
X,+/ - X, 1 -2)\ :ir x,+1- X, J(); +I - }; i] +r ["t (Y;+J- }i)
2
'l ,-1
2
,-1
(7 13)
2
]]
(

onde: ~ .r, (
onde: (
m = número de linhas ou faixas; '-· -d X;= volume da unidade (i);
n1 = número de subunidades dentro da linha ou faixa j Q,- 4 (
}1= área da unidade (i);
7.7.2. Variância da média

a) Estágio único
•..• • ~
~~
b) Dois estágios
y = área média das unidades amostradas ;
r = estimativa do volume médio por unidade de área;
(
(
(

.
Na amostragem em estágio único a variância da média pode ser ., ·: 4 (
Para cada linha de parcelas amostrais U), a soma dos quadrados das
estimada através de diversas aproximações apresentadas por LOETSCH (
tt. -• diferenças é dada por:
& HALLER (1973), como seguem: (
-~

(
 (
(, ,. .
re
( 1
Inventário Florestal
•, ·1' Amostragem Sistemática 175

•• ·-·•
174
(
( a) Absoluto: E 0 = ± t sx (7 .17)
(:
(
E a estimativa aproximada da variância da média para todas as
.••., ···•••
~ "
• b)Relativo: Er =± ~x -100
1
X
(7.18)

( linhas de parcelas amostrais é dada pelas expressões (LOETSCH &

.,r- ...·•-
7.7.5. Intervalo de confiança para a média
( 1 HALLER, 1973):
( 1 m 11 1 • 2 IC { x - t s, :;; .f:;; x + t s_, } = P (7.19)
L :r f.\:., - -\;+1JJ]
( s? =J=l i=f m
( j - f) (7 . l 4)
7. 7.6. Total estimado
( )
2n:r(n1 -J)
,,..
( 1=1
·•
·•
X= Nx (7.20)
ou
pr
( )
m -2
L ( .\11+.\ ,u!
-2
.tr •' .·•. 7. 7. 7. Intervalo de confiança para o total

•,.... ,·.•
( 11 11
111 J _2 111 ; \. \. j =l ·
( L :r .\iJ - L L · iJ ·. 2
( i+l!l- - - -
!C r X - N t Sx $ X $ X+ N t Sx} = p (7.21)
2 Jl.:._:-1:...:.i.:.....
=1:_____LJ=.....:.l.:. . .i=. . .:.l_ _ _ _ _ _ _ _---,-- (715)

~f.
( s, =(1- f )- 11(11 - m)

( 7.8. INTENSIDADE DE AMOSTRAGEM

onde:
= número de linhas ou faixas de parcelas; fw

.;-
( ) m
11 = número de parcelas por linha ou faixa; ~ ,·11 . O cálculo do número de wlidades na amostragem sistemática é
(

(
1

1
1
11 =L
m
11 número total de tmidades amostradas:
,..f ; t.'."I
reah~ado, _segundo os mesmos procedimentos usados na amostragem
~leato?a sunples. Deve-se destacar, entretanto, que ao se realizar um
1
1=1 mventano piloto sua estrutura amostral deve ser sistemática e
( m
L (11 - 1) = 11 - m f\. -~ preferencialmente com a mesma estrutura a ser utilizada no inventário
. 1

,. -~
( 1
-11 definitivo.
;= !
~
\

(
( 7 .7 .3. Erro padrão 7.9. FUNÇÃO DE CUSTOS
( \ Em qualquer dos casos, a estimativa aproximada do erro padrão da ,.
~-
....
"1'
A função de custo para a amostragem sistemática é dada por:

,.~••
média é dada extraindo-se a raiz quadrada da variância da média. ,.., . '""

..,.
( 1
C = C0 1--C0
( \ (7 16)
(7.22)
~
( l

\ 7.7.4. Erro de amostragem ,:... ""8 onde:

m= número de linhas ou faixas;
( A exemplo dos processos aleatórios, a estimativa aproximada ,;...
do erro de amostragem pode ser obtida para a proba bi lidade ( J> = 1 - a) ,._... . .. nj = número de wlidades por linha ou faixa.
O custo de deslocamento ( C1 ) pode ser separado em dois
( como segue:
r..
,. --'4
( ~
 ..,
176 Inventário Florestal
•
-~
Amostragem Sistemática
177

componentes, de acordo com os intervalos de amostragem, ou seja: • intervalo de amostragem para (6) ou (7) (

C = C0 + C'1m + ('111 1 + C2n1 (7 23) ••• Qualquer das alternativas resultará um número de unidade_s para a
amostra diferente da requerida, ou seja, considerando ( k -= 6) obtem~se 7~
(
(

7.10. APLICAÇÃO DA AMOSTRAGEM SISTEMÁTICA •_.. unidades ; para ( k = 7) obtém-se 64 w1idades amostrais Porem, e
preferivel arredondar para (k = 6) que, embora resultando uma amostra (

A amostragem sistemática, em inventários florestais , é recomendada _. maior que a desejada, garante a precisão requenda para as est1mat1vas
O intervalo de amostragem ( k = 6) indica que a cada grnpo de 6
(
(
nas seguintes condições :
a) Populações extensas e de difícil acesso;
b) Populações em que não se disponha de mapas da área florestal a
"•.
-~
w 1idades da população, uma u111dade será amostrada , a qual ocupa a
mesma posição em cada grnpo
A estrutura sistemática em dois estágios , para amostrar uma
(
(
(
ser inventariada. tmidade em cada grupo de 6, necessita de dois intervalos de amostragem ,
•
,.
(

7. l l. EXEMPLO APLICATIVO -•
4
isto é: um interval O entre colunas ( k I e= 3) e um 111tervalo entre lmhas
(k , = :; )
A eleição da primeira u111dade amostral foi feita através do so1te10 (
Inventariar a população de Pinus sp. do quadro 4.1, aplicando a
amostragem sistemática em dois estágios , admitindo-se cometer um erro
de amostragem máximo de 10% da média estimada, com 95% de •. de uma coluna(/ a / 5) e de uma linha(/ a 30) Foram sorteadas a coluna
(7) e a linha (:? 1) Dividindo-se os números sorteados pelos mtervalos de
(
(

.
. amostragem correspondentes obtém-se
probabilidade de confiança , usando a mesma mtensidade de amostragem
definida na amostragem aleatória simples. • -=-=
3 --,.l_
3
e 2L C'C JO L
~) 2

Os numeradores das frações(/) para coluna e(/) para linha , são as

(
(
(
7.11.1. Intensidade de amostragem
• coordenadas da primeira w11dade da amostra , ou seja , ( 11,1 ), que

Na amostragem aleatória simples, a intensidade de amostragem

calculada determinou que seriam necessárias 70 unidades amostrais para
-•• corresponde a ( / n ). ......\ parr·ir desta L1111· dade obteve-se a amostra
apresentada no quadro 7. 1.
(
(

estimar os parâmetros da população com a precisão e confiabilidade

• 7.11 .3. Análise estatística
desejadas.

7. l l.2. Estrutura da sistematização

•• a) Média
L-\
(
(

Para se obter uma amostra sistemática de 70 unidades entre as 450 • m n,

..... , (

unidades totais da população, a princípio detennina-se um intervalo de

amostragem (k) dado por: --·.• x =
2:: 2::.riJ
j=l i=l
n1·11)
(__ L
(
(
k = N = -150 = 6. -13
11 70
Como (k) não é um múltiplo perfeito de (N), deve-se arredondar o .•• x = 22. 11 111
3
0.1 ha (
(
(
(
(
 (
. •
-..,•
(
~ 1

(
178 Inventário Florestal f: Amostragem Sistemática 179
( r·
(
Quadro 7.1 : Amostra sistemática em dois estágios ri
•• m ~ .

er .. ,
.._. .._. \ . 2
(
FAIXA 3
UNIDADE - (m /0.l ha) t ,__ ,__. iJ
j = li = I
= 8 .0 2 + 9 .42 + 7 ,3 2 + 10. l 2 +8.7 2 + ·· ·+28.3 2 = .Jl.513 ,09.
( Coluna - i = 1, .. . , n,

,-. -.
m 111
i - }, 4 (j)

...,..., ,•.
... , m linha 1 (a) 2 (d) 3 (g) 5 (m)
( ~ l: I: .\.iJ · .\ ·r; + 1 1J = 8. O( 9 . .J J+ 9. 4 ( 7. 3 J + · · · + 3 o, l ( 2 8 , 3 J = 3 3. 12 o, 2 o
1 l 8,0 9.4 7,3 10.1 8,7 j =I i = I
(
2 3 8,6 12,7 9,8 11,6 8,8
( 3 5 13,1 7,6 9,5 8.5 10,4 i rx f, +x~ ! = r8.0
1~1
2 2 2
+ 8,7 1 + r8.6 +8,8 2 J +· ·· +r25,5 2 +28,3 2 !=15.2 79,74
4 7 16,6 19,0 18,6 10,8 22,9
(
5 9 21,6 15 , 1 15,8 18.0 16,2 •
( 6 11 23 ,6 23,7 23,3 23 ,0 24,0 fê·
•• 41.513,09-33. 120,20-
15 279 74
· ·
( 7 13 19,7 18,4 22,8 27,1 19,5
•· • ~=( 1-0 ,167)
75(75- 15)
2 . =(0,833/53,02
4.500

(
(
(
8
9
10
11
12
15
17
19
21
23
30.6
20.4
28,0
30,1
22,6
29,4
24,6
38,6
27 ,6
24,7
27,8
19.2
28 ,3
23,1
26,7
28,7
28,2
34.9
28,4
3 1,7
30,5
19,9
22 ,9
21.4
28,7
f'ic,
,.._~-

••
. sf =0,1394 (m 3 I O. l ha/2
e) Estimativa aproximada do erro padrão

( 13 25 26,7 24,8 26.9 31.8 21.8

• • s_, =fJ =.Jo.1394
(
(
(
-
14
15
27
29
31 ,8
25.5
28,7
33, 1

b) Estimativa aproximada da variância da média

33,9
35. 1
28,3
30.1
30,7
28,3

• ••
f\
f't . . s, =0.373.J m 3 1 0.l ha
d) Estimativa aproximada do erro de amostragem
( ffi - Absoluto - Eª =± t s, =± ( 2. O}( O.3 73./) =± O.7468 m 3 / O, 1 ha
( ~-
tr,. •• . l ·s- 0 7468
- Relativo - Er =± ~· / 00 =-·--· 100 =± 3 ,38%

•.
( 22 , lJ
X

~ .
.•
~ ..;
(
e) Intervalo de confiança para a média
( ~z== 1.506.0.J (l - 0. 167 ) = l.506 ,0.J (0 ,833)
' X - 2( 75)( 60) 9.000
f'!., lC r X - Is, ~ T ~ X+ Is_.] = p
(
(

(
(
-~ =0. 139.J (111 3 0 . 1 ha/

Obtém-se o mesmo resultado, usando-se a segunda expressão da

variância da média, como segue:
~

fr; .
•
r:, ,.
f": •
-f
IC ( 2 1.36 m

f) Total estimado
3
' 0. 1 ha ~ .\" ~ 22 .86m 3 1 0 , ! ha/ = 95%

.:r = N x = 450 ( 22.1 1) = 9. 950 m 3

(
r, . ~
(
r::• • g) Intervalo de confiança para o total

·• .,y - =P
( lC [ N t sx ~ X~.\"+ N t s, /
~~
( onde:
t,. 1t
(li" r
·-
'
 Inventário Florestal
.•" .·•••
V ,a f

8
180 (

AMOSTRAGEM (
IC [9.614 m3 s X s 3
10.286 m / = 95% e: ~ (

7.12. EXERCICIOS PROPOSTOS .," ...

t:, -•
EM
DOIS ESTÁGIOS
(
(
(
a) Repetir o inventário da população de Pinus sp. do quadro 4.1,
t,, •
usando a amostragem sistemática em faixas, para a mesma precisão e (
probabilidade de confiança. Considere as colunas (a) até (o) como faixas
- i -• (
de igual tamanho, as quais possuem uma área de 3,0 ha cada;
b1• A AMOSTRAGEM EM dois estágios é a situação mais simples (
b) Analisar a amostra sistemática do exemplo aplicativo (quadro t;- 1... da amostragem em múltiplos estágios, segtmdo a qual a amostra é obtida (

~-,
7.1) como se fosse obtida pela amostragem aleatória simples e comparar
~--1-·•
os resultados com os parâmetros da população;
c) Comparar os resultados das estimativas obtidas no exemplo
aplicativo, com os parâmetros da população e verificar a diferença entre o
-•
~-1·•
através de diversas etapas oú estágios na abordagem da população .
.--\ população pode ser constituída ou dividida cm um número (N) de
tmidades do primeiro estágio (pnrnárias), as quais podem ser subdivididas
(
(

(
em um número (/1.f) de W1idades do segundo estágio (sectmdárias), estas
erro de amostragem real e o estimado. t-: 1-• por sua vez podem ser subdivididas em (/() unidades do terceiro estágio e (
d) Comparar os resultados das estimativas obtidas na amostragem ~~ 1 -~ assim sucessivamente até o último estágio desejado . (
sistemática, com os da amostragem aleatória simples e concluir sobre a ~~ 1-•
~
I~!.. ,,
Segundo FREESE ( 1%0) em algw1s inventários floresta is, (
eficiência dos processos . ~ '!: 1-~ especialmente os realizados em áreas de difícil acesso, o custo de (
-:I localização de uma w1idade amostral é elevado, enquanto sua medição
(

~-,·•
~-,
J

.•
resulta relativamente econômica . Nestas circtmstâncias, parece lógico que
o custo do 111ventário seria reduzido se em cada local fossem medidas
duas, três ou mais unidades amostrais
A amostragem em dois estagias é incluída entre os processos
(

\ii: -:I aleatórios restritos. urna vez ,que o segundo estágio de amostragem fica
(
w -~ restrito ao primeiro .
\!'._,: _., As w1idades primárias são, geralmente, pré-defimdas em tamanho e
(
(
~ ~ fonna, assim corno as subw1idades ou tmidades secw1dárias que são
~t .ra alocadas dentro das w1idades primárias . (
~ '. ~ Nos inventários florestais . as unidades primárias têm sido r
representadas por quadrados de I km de lado ( 100 ha), área de urna (
~ ~
fotografia aérea , imagem de satélite. talhão etc E as tmidades secundárias
q,: ~ r
em geral, da fonna quadrada ou retangular e tamanho variável de acord~
li,: -~ com as características da floresta (
ij_, J HUSCH, MILLER & BEERS ( 1982) salientam que a amostragem (
H,., ·
·• (
(
(
(

(
(
)

)
182
Inventário Florestal . ,.
•• •••
e ·•
183

( )
em dois estagias, em inventários florestais, não é restrita à unidades
f! ~. transforma nesta quando são amostradas todas as subunidades das
( ) amostrais de área fixa e pode ser empregada com unidades de área e. ·•
,, '$ . unidades primárias selecionadas, ou seja (m = M). ~ ,/e- s- /;;
) v") V) 0•
( J variável, como o método de Bitterlich por exemplo
( e ;•
-~ :,· t
)
1 3 4 t (
1 .,
8.1. ORGANIZAÇÃO ESTRUTURAL ~ 7 :
, ,. '

,, _!,
~

( ' 5 6 ~- ' ; --
( ' A organização estrutural parte da divisão da área total da população ~ f -. 11 9 10 li Í'.l
2 3 4, ;
5
(
( '
em (N) wúdades primárias , das quais são selecionadas aleatoriamente (n)
unidades para a amostra Cada w1idade primária é constituída de (/1,,f)
unidades secundárias, que são as unidades amostrais definidas para o
~
~

~
,,,,
·ºJl
I
13 1-1 15 16
17
/
18 19

1
20
1
5
2
6
3
7
4
8
:
1
i
/

( inventário, das quais (m} w1idades são aleatoriamente selecionadas para a

·•
-
1
10 li 12 10
~
9
( amostra em cada unidade primária eleita. como mostra a figura 8.1. 9 7 9
13 14 15 16
( Apesar da amostragem em dois estágios ter sido çlesenvoh~da a
pattir da seleção aleatória das unidades primárias e secw1dá1ias. esta
~
~ ._
.- -
.
i 1
/ 17 .'.í& 19 20
\
( 1 / -- --·-. !
seleção pode ser sistemática em ambos os estágios, pode ser mista , quando ~) it
( ' as w1idades primárias são aleatórias e as secundárias são sistemáticas. 1
,: ~ l1 12 i
13 14 15 {
( desde que se observe as implicações estatísticas pe1tinentes a cada caso.
- .
1
Ili'
I!" ·~ ;1 : \·
( A estrutura amostral que usa parcelas sobre linhas ou faixas \

aleatórias, constitui uma forma de amostragem em dois estágios. Outra f: ~ 1 2 3 4

(
5 6 7 8
estrutura, freqüentemente usada, emprega grupos de parcelas ou pontos ..
( ' f '.' '" 9 10 11 12
18 19 20
amostrais nas tmidades primárias aleatoriamente selecionadas f-'- -~ 16
( 13 14 15 16
f'' ~ 17 18 19 20
( ' 8.2. VANTAGENS DA AMOSTRAG6M EM DOIS ESTAG IOS t ·. 1
1~
1 ?i' 3 4
( 5 6 7 8
A subdivisão da amostragem em etapas apresenta vantagens quando
*'
~ ' 11 _.~ 9 10 li 12
( 21 22 23 25
a população for extensa, apresentar homogeneidade em relação a variável f'. -~ l3 14 15 16
( de interesse e difícil acesso às wiidades seetmdárias De acordo com f\- f,i ,q 17 18 19 -:20 '
, I //

HUSCH, MILLER & BEERS ( \ q82) a maior vantagem do processo é a 1

( 1

redução dos custos de amostragem resultante da concentração do trabalho

t::'·r' ..A
• 1 · :-,,

( t ~,1 Figura 8.l: Amostragem em dois estágios com N = 25; M = 20;

,~.
,A
dentro das unidades primárias amostradas. Outra vantagem importante é a • 1 -~

(
1
n =4 em= 4
redução dos erros não amostrais devido a supervisão e controle mais -~

( efetivos dos trabalhos de campo, facilitados pela concentração das

w1idades amostrais em compartimentos menores
f \ '~ 1 C_onfom1e_ FREESE (1969) a amostragem em dois estágios pode
( f ,.' -~ proporcionar est1mat1vas com a precisão desejada a um custo menor que 0
COCHRAN ( 1963) cita como ptincipal vantagem a sua maior
(
flex_i bilidade em relação a amostragem em estágio úrnco, a qual se
f~I -·~ correspondente a uma amostra aleatória simples.
- 1 '.'Y
/ 1
0 f:º'~
 l : , : _.
184 (
Inventário Florestal l; - ~ Amostragem em Dois Estágios 185 (
t_,. .,J
8.3 . NOTAÇÃO ~ I ;I (

l.r , estimativa (8 6) (
1 ,·
N = Número total de unidades primárias da população; (
n = Número de unidades primárias amostradas ; ~ I ·" Neste processo, a estrutura de amostragem prevê a repartição da
l , .;J (
variância total em dois componentes de variação, ou seja entre as
M = Número total de unidades secw1dárias por W1idade primária;
l i .J unidades primárias e dentro das unidades pnmárias . Esta situação pem1ite (
\

\
r
m = Número de unidades secundárias amostradas por unidade l, . .J obter as estimativas isoladas desses dois componentes de variância (
primána; tJ _..,
J1 l . Atra vés da aná lis e de va 1iânc1a pode-se dizer que (
.· · .·) _./' XiJ = Variável de interesse; l.1 .J (
I 1 \ . \
1 •
(8 8)
\ r;': ·,-1' ,... l, 1 _,
(
onde
8.4. PARÂMETROS E ESTIMA TIVAS li .1 (
.\7 -= Variância entre unidades primárias ;
l,l _.., (
8.4. 1. Média da população por subunidade t_, : _., sj = Variância dentro das w1idades primárias ou entre as
(
subW1idades
,V .\f
u 1 _, (
II Xu As estimativas são obtidas através da análise de vananc1a, CUJOS
.V= i = lj = l
t, i -.J estimadores possuem as seguintes expectativas matemáticas: (
parâmetro (8 1)
NI\I l.t 1 . .,
. , , (
!'. ( .\ !Qemre / = .\j + .\ IS,7
11 n,
l..r . -..J (
I I XiJ }:,' ( .\ JQdentro ) = Sj
x = i = lj = l l.t : ,,J (
estimativa (82)
nm l,, 1 .J onde
li n1 ~
(
I I r .ru- ii r
1
8.4.2. Média das subunidades por unidade primária l• _.,
(
( _ i = l j= l ,
l.· 1 .., .\ I J.ic11tro - ~ - - - - - = \Í (89)
11 ( 111 - lJ
parâmetro (83) l ~ ...J (
que é uma estimativa sem tendencia de sj ;
L- ! -.J (
li

estimativa (84) I III r -~ - :.: ;:! (

t,.. "" = '-i=_,._I_ _ __
u :..J .\!Qelllre
n- 1
(810)
(
t_• . ~
8.4.3 Variância por subunidade E a variância entre unidades primánas que é dada por (
t~ -~ (
U! .:.~ s;' =-
A!Qemre - .\fQ1,,111ro
-- - - - - (8 11)
parâmetro (8 5) m (
~ -.J que é uma estimativa sem tendencia de s} (
-.I
t,,
..... " . A estimativa da variância total resulta (
(

?
( ' ",. ~ ..
( )

(
(
1

'
186

2 = ~ +sJ = MQ~ntre + (m- 1) MrJJentro

Inventário Florestal

(812)
t
~

ff'
,.
.,
• Amostragem em Dois Estágios

As estimativas do erro de amostragem absoluto e relativo, para a

187

t' i:I probabilidade de confiança (P), são dadas por:

·•.
5
X e m
(
(
)

J
8.4.4, Variância da média
...
.... .
a) Absoluto: E 0
t s-
=± t s, (8.18)

( ) b) Relativo: Er = ± .:_~ · 100 (8 .19)

@.' .,. X
A variância da média é dada pelas expressões
( '
f· ...
(

(
1

1
estimativa obtida com as va-
riâncias paramétricas (813) ,. ·• 8.4. 7. Intervalo de confiança para a média
JC [ x - t sx :::; T :s: x + t s, J = P (8.20)
( )
' s~ =(N-n ~+ M-m)
2 ( '
sd
2 estimativa obtida com as va- f' -·
) f. ·• 8.4.8 Total da população
( x N ,\f n . 11 m riâncias estimadas (814)
( ,p· -· (821)

(
( 1
Estas equações são aplicadas as populações finitas, quando os ·

desprezíveis
, .
fatores de correção para o pnmetro e segundo estagias nao sao
~ -
(li ·
~ -
fi··
·•
·•

,.
8.4.9 Intervalo de confiança para o total

JC [ "\" - N M t s, :s: .\' :S: i +NM t s, J = P (8 22)

( ' Se o fator de correção para unidades primárias for desprezível a ~ ; ~
\ fónnula reduz-se para: tJ.i, . 11t 8.5. FUNÇÃO DE CUSTOS
( 1
sf = .r; + ( M - 111) sJ (8 15) s .. A função de custos é expressa pela equação:
( . 11 . \/ , 17111
ti ~
)
C=C0 +C0
( ) Se, alim disso, o fator de correção para unidades secundárias ti ~
tambêm for desprezível, a expressão é simplificada para : sendo que,
( r.-. •
( 2
s,=-+-
s; ,~ (8 16) (':.. 11
( 11 nm p. .. de modo que,

( ' Esta expressão é aplicada às populações infinitas. (i · .. (8.23)

(
(
'
)
8.4.5. Erro padrão
O erro padrão da média é dado pela raiz quadrada da variância da
.•
<?·
@,··
~·
.•
.•
onde:
C0 = custos fixos;

~-.
( ', C1 = custo médio de deslocamento;
média, ou seja:
( f!• .. C2 = custo médio de medição.
e I
(8 17)

( 1
8.4.6. Erro de amostragem
.
f!.;1 ..
f!• •
~~
8.6. INTENSIDADE DE AMOSTRAGEM
A intensidade de amostragem é mais complexa neste processo,
 188 Inventário Florestal 189
Amostragem em Dois Estágios
(
devido a existencia de duas variáveis na expressão da variância da média, (
8.6.1.1. População infinita
ou seja, (n) e (m) Desse modo, é necessário encontrar uma segunda
equação que pennita a solução analítica das duas variáveis. Esta segunda
equação é a dos custos .
2 ,.2
s~ == se+~
• n
------
nm
(

(
A figura 8.2 mostra o comportamento da fw1ção de custos e da (
variância da média em relação a intensidade de amostragem. onde pode-se (
observar que a função de custos é diretamente proporcional a intensidade
?
n m sj == m s;; + s;,
? ?
(
de amostragem, enquanto a variância da média é inversamente
proporcional à mesma-. (
· Dividindo-se esta expressão por (m) tem-se
?
(
, o s;,
nsi. =s;+ -m (
e· (
Agregando-se O valor de (t), para fixar o ní vel de probabilidade
desejado, tem-se: (
JO a 10-'

(
li a K>' no (
10 • 10' (
"'º
(
"º (8 .24)
s! + s~ (
1) 1 1o' n nm tOO
(
(
(
10 40 00 I /
'ºº (
(8 25)
(
(
Figura 8.2 Comportamento das ftmções de custo e precisão. em 8.6.1.2. População finita (
relação a intensidade de amostragem .
(
8.6. 1. Unidades primárias (8 26)
(
A intensidade de amostragem para as unidades pnmárias pode ser
(
derivada da estimativa da variância da média, desconsiderando-se o fator
de correção para população finita (816 ), como segue (
8.6.2. Unidades secundárias
.(
 (
( •,,.. •••
tF
...
...
(
190 Inventário Florestal Amostragem em Dois Estágios 191 -
( fF
(
(
A intensidade de amostragem para as W1idades secundárias é obtida,
substituindo-se a expressão de (n) na equação de custos (8 23), ou seja :
••· • .

(
( ou
C'= n( C'1 +C2 m)
• -·
...
.,
-~
Igualando-se a zero essa derivada parcial

O= t
2
s; C2 m 2 -t 2s;i C1
e isolando-se (in), tem-se

( t;;
(
(
substituindo-se (n), tem-s e
• .,.
~
:t m2 = ,2sj C1
2 2 ·
t s; C2

( f' •• e finalmente
(
( Esta equação possibilita uma solução analítica para a variável (m)
f
~
••
••• maJ~;J (8 .27)

( A fi g ura 8. 3 mostra o comportamento dessa função . ~

~ , Pela expressão de (m) constata-se que, quanto maior for a variância

(
(
( e·
@-
~
...-.. entre unidades primárias (s; ), menor será o número de unidades
secundárias dentro de cada unidade primária e por conseqüência, maior o
_número de unidades primárias a serem amostradas . A rel ação de custos

•.
5
2 5 x 10 também afeta o cálculo de (m) do seguinte modo: quanto maior o custo
( ~ médio de deslocamento ( C1 ) , maior o número de subunidades por unidade
5

(
2 0 x 10
ft. primária e vice-versa .
(
tf
..,,, •• Finalmente, convém salientar que o cálculo da intensidade dj

(
(
( 10 ,._ 10 5
ff:
f.'
·•
~
f: mostragem é realizado, primeiro para as unidades seç\111dárias (m) e ap6s
ara as unidades primárias (n) , utilizando-se o resultado obtido pâra (m) .
Segundo COCHRAN ( I 963 ), se a razão de custos ( C1 / ( 2) for
~
• constante, tanto no inventário piloto como no definitivo, o custo do

,,.
( inventário piloto será proporcional a ( C1 n' + C2 n'm' ).
(
o 20 ◄O 60 60
~- ~
F· BROOKS (1955) apresentou uma tabela dos valores de (n') e (m')
( (quadro 8.1) que produzem uma precisão relativa, matematicamente
Figura 8.3 Comportamento da ftmção resultante de custo, em
(
f!:' previsível, de 90 % na estimativa de (m) 6timo.
relação a intensidade de amostragem.
@'

•
~

( Os cálculos pressupõem que (N) e (A:f) sejam grandes, de modo que

#!·•
.,-,
os fatores de correção para população finita possam ser desprezados .

.•
( Observa-se nesta fi g ura. qu e a função é dec rescente inicialment e_

.
~
(
(
(
pa ssa por um ponto mínim o e \'O lta a crescer.
Pela deri vação parcial de ( C') em relação a (m) . tern-se
~
r

e, • Observa-se no quadro 8.1 que, em geral , 1O unidades primá1ias são

suficientes e que os modelos são relativamente insensíveis às variações da
razão de custos .
(!, -~
 - 1 "
t; 1 _ _, (
Amostragem em Dois Estágios 193 (
192 Inven tário Florestal (l;. ·•
t0
t, ! ,,.,
p (

Quadro 8.1: Modelos de amostras -pilotos. com precisão relativa

t; _.., 1

., . comprimento por 1O km de largura ( 1O 000~ (

..
._,_ As unidades secw1dárias usadas foram faixas de 1O( m de largura (
prevista de 90%, segundo BROOKS ( 1Q55) . ___ ....,
ls _., por 250 m de comprimento (2 500 ni2) ---1 r ri... - - (1. ' r (
C1/C2 ~ 1 2 4 8 16 32 64
1 1
sJ / s; n' m' n' m' n' m' n' m' 11' m' n' m' n' m' ., "~ A eleição das unidades primárias participantes da amostra foi feita (
f, : através da amostragem aleatória simples, enquanto que as unidades
(
1 7 3 6 4 6 5 5 6 5 7 4 10 4 12 secundárias foram selecionadas através da amostragem sistemática.
2 8 5 7 7 6 9 6 9 5 13 5 1-+ -+ 20 li.J 1

i t J -. , (
1
4 9 9 8 11 8 12 7 14 7 15 5 25 5 27 l f · ..t 8. 8.1. Inventário piloto - (
8 10 14 10 15 9 17 9 18 8 22 6 32 5 44
l! .., / (
16 10 25 10 27 10 27 10 28 8 37 7 46 6 60 No inventário piloto foram amostradas 18 unidades primárias , com
32 10 46 10 47 10 48 10 49 q 58 8 6() 6 102 l , ·.J 6 unidades secundárias por unidade primária, como mostra o quadro 8.2. (
64 10 ()2 10 93 10 % 10 100 10 104 8 137 7 [6Q l · :f (
Quadro 8.2 : Amostra em dois estágios obtida no inventário piloto
tJ 1 ,,
(
UNIDADE UNIDADE SECUNDÁRIA MÉDIA
(._1 1 _, , 3
PRIMÁRIA (111 /0,25 ha) (
8. 7. APLICAÇÃO DA AMOSTRAGEM EM DOIS ÉST ÁGIOS
b.l.~ Bloco 1 II III IV V VI X ·I
l 1 (
1 29,07 72,37 96,03 55,90 106,91 54,51 69,132
. A amostragem em dois estágios tem uma grande variedade de t: 1 ·--•
2 113,55 53,14 63,08 125,64 113, l O 27,21 82,6'.?0
(
aplicações, que vão muito além do âmbito imediato dos levantamentos por
t ~ I '-' 3 37,26 58,57 40,27 58,81 57,30 72,97 54, 197 (
a~ostragem . Sempre que um processo qualquer envolva verificações t, 1 -,, 69,56 70,67 60,722
4 52,66 58,97 37,86 74,61
quurncas, físicas ou biológicas, que possam ser realizada s em uma 63,43 75,40 46,24 44,19 54,638
t,t -,, 5 60,81 37,76
pequena quantidade de material , é provável que essa quantidade seja 6 72,98 65,00 94,62 55,52 57,81 48,97 65,817
retnada como uma subamostra de uma quantidade maior. que seja em si ti ,. 47,76 101,33 , 98,52 91,817
7 120,71 73 ,83 108,75
mesma, uma amostra. 8 62,48 70,30 41,59 49,85 65,64 65,05 59,152
t , 1 ·• 109,445
Em inventários florestais, a amostragem em dois estágios é hl ., 9
10
73,35
56,35
38,46 138,26
19,51 20,25
106,78
23,54
154,13
38,34
145,69
25,06 30,508 (
recomendada para populações extensas, homogêneas em relação a variável t ,. , -~ · 62,15 43,96 30,82 41,77 50,703
11 73,65 51,87
de mteresse e que apresentam difícil acesso às unidades amostrais .
l 1
1, ,-si 12 65,58 36,48 38,76 26.37 83,33 47,14 49,610 (

8.8. EXEMPLO APLICATIVO

bc,-,j 13
14
34,31
45,98
29,64
50,52
30,69
44,55
23,87
72,07
23,63
42,39
37,50
86,99
29,940
57,083
(

l1;~ i __, 15 55 ,58 67,72 44,15 107,90 51,05 101,61

55,25
71,335
42,837
(

16 26,79 27,88 69,14 36,53 41,43 (

Para exemplificar a Amostragem em Dois Estágios, tomou-se 0 ~;-1·\I 20,37 166,67 118,35 80,855
Inventário Florestal do Projeto Integrado de Colonização de Altamira,
realizado em 1976, nas margens da Rodovia Transamazôrnca numa
extensão de 500 km por 20 km de largura , ou seja I O km em cada 1; 1argem
~

~
-!

!
r"
i-~
17
18
52,11
44,40
47,06 80,57
117.04 82,26 130,69 123,53 131,59 104,918
(

da estrada, cobrindo uma área de 1 000 000 de hectares. ti,! 1.., a) Média da população por subunidade
(
(
Esta área foi dividida cm 100 unidades primárias de I O km de ~,~ (

li (
(
(
,. •
(
194 Inventário Florestal ,.' ·••
"r,·, ··••
( Amostragem em Dois Estágios 195
(
(
n m
L L XiJ . ,(9
s; = 3.034,258+(6-1) 697,231 = 1. 086 ,736 (mJ 1 0 ,25 ha/
m3 6

·•
( x= i=lj=l =64,740 / 0,25 ha
nm r,
( 8.8.2. Intensidade de amostragem
f'i -~
b) Média das subunidades por unidade primária

.,.
(
~ ; ·rt No cálculo da intensidade de amostragem utilizou-se wna razão de
(
(
( x1 = 69,132 x2 = 82,620 x3 = 5.J . /9 7 x4 = 60.722 x5 = 54,638 ''" ...
tr· r'I
custos (C1 .1 C2 ) igual a 0,45, ou seja, o custo médio de deslocamento
representa 45% do custo médio de medição .

x6 = 65,817 x7 = 91.817 x8 =59 , !52 x 9 = 109,445 x10 = 30,508 f"

( a) Unidades secundárias
x11 = 50.708 x12 = 49,6/0 x13 =29,940 x14 = 57,083 x15 = 71,335 f1 ~
(
(
(
x16 = 42,837
1
x17 = 80.855 x18 = 101. 918
c) Variância por subunidade
,.. ~ ,t9
i"t
m= 0.45-
697 231
·
389,505
= 0,898=. 1

~ ·1t Portanto, o número ótimo de unidades secundárias por unidade

í s;=s;+~ fi- ~ primária seria 1. Todavia, como no inventário piloto tomou-se 6 unidades
( ,, m , f> .,.. S!Xundárias por unidade primária, decidiu-se calcular o número de
L L (Xij-x;r unidades primárias necessárias com 6 unidades secundárias cada.
( - i=lj=l = 62750,83 = 697.23] ff· ~
MQdentro - n(m - 1) 18(6 - 1)
( f: ·'l b) Unidades primárias
( -~=69 7 ,23l(m3 0,25ha/ f' 'l Para o cálculo do número de unidades primárias é necessário definir
( se a população é finita ou infinita, através do fator de correção para
11
Lm (~;-.-~r
,
f"· " população finita
(
= 5 1. 582 · 378 = 3 03.J. 258 f -; ...
( AfQ,,11,re -
_ i=l
n - l 18 - I
r-;1-~1
(]-/lo)= 1-0 ,18 = 0.82 < 0.98, portanto a população~

( Sendo que a variância entre unidades primárias é dada por f ·'1 ...
t(0,05; 17) = 2,11
( ~ = MQe,1tre-M0e111ro = 3 º34 · 258 - 697 · 231 =389.505 (m 3 0.25 ha/ t1;; -~
e m 6
( fi~I ......
( A estimativa da variância total resulta f+·<·"l
1
3
( s;=.ç+~ = 389,505+697 ,231 = 1.086. 736 (m 0.25 ha/ f •r! . ,~
( ftf,: -~
ou 1

( 2 AfQentre + ( m - J) .\fQ,1,,111ro
fi•j~q _ (2,11/(389,505+
697 31
/ )
(
s, = m
fi\ "'t'.I n; -
( ft•:"'1
1
1
(6,474/ + - - r2.11
, .J0O
l( 389 505 +
'
697
d}_!.)
40.000
~ -=-~
( 1
r' "'\
(
 - ,.
l; 11
'-i fl
(

t: _,
1 197 (
196 Inventário Florestal
ll
t _,. Amostragem em Dois Estágios
(

2.251,472 ti -J Quadro 8.3 Amostra tomada no inventário definitivo. (

111 = - - - = 37 996 = 38
59,255 ' - li
•• UNIDADE UN ID ADE SECUNDÁRIA MÉDIA
(

1(0 ,05; 37) = 2,027

~
., ~
. ..
PRIMÁRIA
3
(111 /0,25 ha) (

. Bloco I li III IV V Vl xi (

(2 ,027 /(389,505+ ~~~·

23 1
)
• 1
2
29,07
113,55
72,37
53, 14
96,03
63,08
55,90
125,64
106,9 1 54,51
113, 10 27,21
69,132
' 82,620
(
Ih=

-
·
1
6
(6,-!N/ + - - -(2 ,027 J2(389 505+
100 '
697 2
·~!_)
40.000 . •" J ·-.• 3
➔
37,26
52,66
58 ,57
58,97
-Hl,27
37,86
63,43
58 ,81
74,61
75,40
57 . 30
69,56
46,24
72,9 7
70,6 7
44, 19
54,197
60,722
54,638
(
(

, 5 60,8 1 37,76
Q.. 72,98 65,00 94,62 55 . 52 57,81 48,9 7 65,817 (
6
2.077,826 47, 76 10 1,33 98,52 91,817
=36
112 = 57,9 17 - ] 5. 876
" _
,, 7
8
120,71
62, -t8
73,83
70,30
108,75
-+ 1,59 -t9.85 65,64 65,05 59, 152
(

1(0,05 ; 35 ! = 2,032 " -•

~
9
10
73,35
56,35
38,46
19,5 1
138 ,26
20,25
106,78
23,54
15-t, 13 145,69
38,34 25,06
109,445
30,508
(
(

,.
11 73,65 51 ,87 62, 15 43,96 30,82 41,77 50,703

=
( 2.032 /(389,505 +
697 231
· ) "" =:I : . ;J
12
13
65,58
3-t,3 I
36,48
29,64
38,76
30,69
26,37
23 ,87
83,33
23,63
47,14
37,50
49,6 10
29,940
(

,.
113 6 86,99 57,083
44,55 72 ,07 42 ,39
(6 ,474)2 + _!_ - (2,032/(389,505+ 697,231) ti 14 45,98 50,52
107 ,90 51,05 101,61 71,335
(
15 55,58 67 , 72 44 , 15
100 40. 000
., ••
~ 36,53 41 ,43 55,25 42,837 (

,.
16 26,79 27,88 69, 14
17 52, 11 47,06 80,5 7 20,37 166,67 118,35 80,855
2.088,089 (
113 = --'---- = 36 004 = 36 18 44AO 117,04 82,26 130,69 123,53 131,59 104,918
57 ,996 . - ~ ,_f
60,43 47,60 58,71 44,05 57,202 (
19 4 l ,-t8 90,94
~o_rtanto, são necessá1ias 36 unidades primárias, com 6 unidades ti 20 59.69 65 ,41 72,89 55 . 52 41,42 76,90 61 ,972
(

".
21 50 . 27 52 ,25 3 1,06 79,50 88, 10 60,19 60,228
secun~anas cada, para estimar os parâmetros da população com a -~
22 62,24 27, 18 69,97 72 . 08 60,97 46,94 56,563 (
prec1sao fixada, totalizando 216 unidades secundárias ou subunidades.
~.1 23 36,71 3 1,28 3-t,94 37 ,25 64,99 40,83 41,000 (
~ ::j 33 ,80 25 , 12 60,89 39,198
8.8.3. Inventário definitivo
tJ
_., 24
25
63,36
43,08
38,29
26, 13
41 ,36
37,51
25,89
30,66
29,58
32,78
62 . 67
28, 10
56,40
30,42
73,09
34,400
49 . 590
(
(

-
26

' !.,
~ara compl~ar a intensidade de amostragem calculada, amostrou-se !~ 27 32,34 57,92 89,36 16,09 52,05 54,40 50,360
aleatonamente mais 18 unidades primárias com 6 subunidades corno 28 75,36 59,68 36,97 22 ,02 40,25 69,87 50,692

.•
mostra o quadro 8.3. ' 29 53,63 21,01 46,76 84,00 88,49 45,35 56,540 (
~ 30 48,85 45,06 30, 19 30,51 27,35 48,72 38,447
(
8. 8.4. Análise estatística .;a 31 21,05 79,9 7 20,08 62, 15 16,20 56,69 42,690

a) Média da população por subunidade .

~

li
~.1
_.,
!~
32
33
34
35
36
29,13
24,77
47,21
43 , 11
40,25
27,72
20,32
43,56
-t0,80
33 ,02
125,77
62,2-t
25 ,74
53, 10
32 ,2-t
80,50
27,18
23,53
28,08
23,87
98,08
69,97
28,29
54 . 6-t
64,41
25,65
72,08
50, 16
19,82
18,85
.. -
49,500
46,093
36,415
39,925
35,440
(
(
(

(
- -· -
(
{
(
(
(
f ·•
,
••• ·•
~
-•..
Inventário Florestal Amostragem em Dois Estágios 199
198

{
(
1 •t · ~
o
.1; =8 l6.l92(m
3
0.25haJ-
o

(
... ou
r
.1
( 1

(
(
(
, .\'
01
= 69.132 x 02 = S2.62(} x 03 = 54,197 x r/.1= 60,722

x rJ6= 65,817 x 0 -= 91,817 x 08= 59,152 .\'" m= 109.445x

.\ ' 05

10 =
= 54,638
30,508
,, -~
·.,•
/ = .\IQc1111·c + ( ,\1 -
· .r

2 _ ll/8.Y69+(6-!)535 .637 _
.1 .
1
- -- - - - - - - - - - - 8/(i_/[)2
1
Ili

(m 3
I) i\lQ,1,,n1ro.

0.25 ha)·
,

.\' = 50,703 x 12 = 49,610 x 13 = 29,940 .\'" 1-1= 57,0S3 x 15 = 71,335 f: (i

·..•
11
{ .\" ir. = 42,837 x 1-= 80,855 .\" 18 = 10-1,918 x 19 = 5 7,202 .\" 211 =61 ,972 f d) Variilncia da média /À
( = 60,228 .\' 22 = 56,563 23 = -11,00(} \' 25 = 34,400
(
.\"

x
21

2
fi= 49,590 x ::-= 5Ó,360 x 28 = 50,692
\" x
x
2 -1=

29 =
39,198
56,540 -'° _w= 38,447
f"
f .. ·', -l
.2
-· -·\ . -J-- + ----
?7'1~
-m) - -
_- 11 \ .1;
o

( _\f
/7Í,,,'
.\!
·'d
o

,~ ··••
\ . li 11111
( ' x _;r= 42,69(} x 32 = 49,50() .\" 33 = 46, 093 x 3 -1= 36.415 -'° ,;= 39,925 ~ ;

,? =! 100 - 3ri_ )]80 .555 + (-10.000 - (i )535.637

(
.\" 3r, = 35,440

e) Variilnc ia por subunidade

., •-·•
~ -
· 1 /()/) 3(,

O. l 5ha/
-10 (}()() ( 3(i )((i J

,•..
~
-,.
( o o o ~ e) Erro padrão
.,·; = s~ + .\'j
( p.:
11 111 ,
O. J ha
I: I: / \'i/ :.. .\'; )· f1

,.
H j =l 96. -I/./Jí60 -,- ,

"'Fp ••
I ,\l(J,1,. 111 m = --------- -- - - = - - - - = ).JJfu 7
11(111 - /) 36(0 -- /) f) Erro de amostragem
'
a) Absoluto: 1:·11 =± 1 s,, = :t /. 1)0 r :. 7 33 J =-= ± 5.35 7 111
3
n .::.5 ha

•.
(
. . IS'" 5.35 7
( f" b) Re 1ativo: I!,. = ±- -- /00 -e: ±- - - · /00 =~ ±9.59'..'{,
.r 55 .,,'77 ,
e-
(

( } ::, /8, ')(58- 535,63 7 ce- ... g) Intervalo de confiança para a média

•
, .,.""
( 6 (r,= !C f x - t s,. ::; T::; x + t s,. J = P
') ...,
s~ = _,\0.JJJ (11r
) --- { ') -.,
() __ J lw!' f!- JC f 50,520 111
3
/ 0 ,25 ha ::; T ::; 61.234 m
3
1 0.25 ha / = 95%
A estimativa da variância tota l resulta
f!'
.
(
(
s;
,

o
,

= 8/(,/ '}: / 11r'

,
s~ = s,~ +s,1 -= :sn.555 + 535 037
'
// :;5 haJ·
,
~ ...
f'i·
-

.,.,.,
h) Total estimado

.\" =N Mx

.\" = I 00 ( ./0. 000 )( 55 .R77) = 223 .50R. 000 m3

(
IJ.
( ou
p. ...
200 Inventário Florestal
" ...
,.·.-. (
(

i) Intervalo de confiança para o total

/(' / .\' - .\' .\ f IS~; s; \' '.S, .\" + .\ .\ f Is, / = /'

~

"" ...
li
•...•
AMOSTRAGEM
EM
CONGLOl'v1ERADOS
9 (

(
(

.,•· -•
3
!(' / 202.080.000 111 ::; _\'::; 2-UY36.000 ,,,3 /= 95%
(

•
"t: ... .
~

A AMOSTRAGEM EM conglomerados é uma vanação da

(

•., ·-•·•
(
amostragem em dois estágios, onde o segw1do estágio é sistematicamente
(
organizado dentro do pnmeiro estágio de amostragem . Por esta razão, este
'1 processo pode ser classificado como amostragem mista quanto a estrutura (

" .•.• organizacional na população amostrada .

É um processo que pode oferecer vantagem substancial em precisão
(

• _•.,
1:
e custos, comparado com a amostragem aleatória simples, quando a
população a ser inventa1iada for extensa e a variável de interesse
(
(
(
apresentar gra nde até razoável homogen eidade.
1:-
•• f
~
•• A sistematização das unidades secundárias dentro das Lmi dades

•., -••• primárias produz a maior redução dos custos de amostragem, devido a
flexibilidad e e facilidade operativa de localização, instalação e medição.
.--\.s unidades sec undárias são. previamente, definidas em forma ,
(
(

t:
•• tamanho e arranjo espacial, caracteri zando assim a fixação estnitural do
(

• ...• segw1do estágio de amostragem.

(

l-
••
li
,:..
:I
Os conglom erados são orga111.zados das mais diversas formas,
tamanhos e arranJo espacial. 'A literatura é farta neste aspecto . A figura
9. 1 mostra alguns exemplos de conglomerados i',sados em inventários
florestais
(
(
(
(
li;
~
_, •
,.
(

•.
9.1. NOTAÇÃO
(

l,
-•
- ~
,\' = número total potencial de conglomerados da população ;
ti.! = número de subunidades do conglomerado:
11 " núm ero de conglomerados nmostrados :
(
(

.
~ ,j
,j
.\'U ' \'aná\'el de int eresse . (
(

(
(
 ••
(
f
r
,.,.
(
( 202
Inventário Florestal fi· • Amostragem em Conglomerados 203
••
••
1

•,.. ·•••
1

( Considerando-se que na amostragem em conglomerados também é

J _ r=
possível dividir a variância total em dois componentes de variação, ou
seja, entre e dentro dos conglomerados, pode-:se realizar uma análise de
(
fi' •• variância para obter as estimativas isoladas desses dois componentes da
(
o- - o f'· •• vananc1a.
( i
o fi •• Através da análise de variância, pode-se dizer que:
(

(
o •p- •••• onde:
(9 6)

(
Figura 9.1: Exemplos de conglomerados
t!
~- .,.· • s,! = Variância entre os conglomerados
sj =Vanância dentro dos conglomerados, ou entre as
( ~ •• subw1idades
( 9.2. PARÂMETROS E ESTIMATIVAS fi- •• As estimativas são obtidas através da análise de variância, CUJOS

9.2. 1. Média da população por subunidade

f)
fl
,p.
-·
••
estimadores possuem as seguintes esperanças matemáticas:

E( .\[Qe11trc) = S,í + .\JS;

o o
(9 7)

.••..
(
f,_,- ( .\[Qdentro ) = S,j (9 8)
f,
parâmetro (Q 1)

' ·• onde:

( .Í: =
11 1/
l: l: \"lf
i = IJ = l
11 \ 1
estimativa (Q 2)
ft
~

,.
~
.•• rJ
,\!;..c/c111m
li

_ i = lj = l
,\!
í: í: r .riJ - .í:; ;-
- - ~- - - - = ·"d
o
11( .\ f - l)
o

(9 9)

•.•
( que é uma estimativa sem tendência de sj e,
.
( 9.2.2. Média das subunidades por conglomerado
(

( estimativa
,.
f't·
__

• 1\ !Qemre
li
Z:,i\!
= _;=_! _ _ __
(x; -.\' ;-

11 - l
o

(910)

(
fj .
• A estimativa sem tendência da variância entre conglomerados (S;) é
9.2.3 . Variância ela população por subunidade f't
• dada por:

(
parâmetro (94)
'3· 1
f) ~ ... 2 AfQentre - A[Qde11tro
s =------~ (9. 11)

.
e .\ [
(
f1. 1 Assim, a estimativa da variância total resulta
(
estimativa (9 5) f';: ,. 2 _ 2 2 _ AfQ,!lltre + ( 1\ f -- l) i\ fQde11tro
( Sx - Se + SJ - ----'=="-'-"-- - -- -=='-'-"- (912)
~ : . .\[
(
 a
204

9.2.4. Coeficiente de correlação intraconglomerados

Inventário Florestal
L
t.
~ .
" ·•
·• Amostragem em Conglomerados

utilizado para avaliar o grau de homogeneidade do volume ~a flore~ta.

205
(
(
(

" ·•
(
Assim, quanto menor for o valor de (r) tanto mais homogenea sera a
O coeficiente de correlação intraconglomer::idos é definido como o floresta e vice-versa . (
grau de similaridade entre subw1idades dentro dos conglomerados Esta t.: •
similaridade pode ser facilmente percebida , pelo fato de que quanto mais
próximas estiverem as subw1idades em um conglomerado. tanto mais
correlatas serão entre si e vice-versa .
•• •• Para efeito prático, o limite aceitável do coeficiente de correlação,
para aplicação da amostragem em conglomerados em inventários florestais
é: O S: r s: O ./ (
(

Ir' .•
Este coeficiente foi definido por COCHRA.N ( 1%3) e Este intervalo enquadra as populações absolutamente homogêneas (
implementado por PÉLLICO NETTO ( 1979). como segue

p=
; .11r .,· - 1 Jrs5 + s/ J- r .ui, - 1 !Si!
( .\ · .\ f - 1 )( \ I - 1) s;
paràmetro (913)
lir

'- -
.
• -••
•
-• (r =o), até as razoavelmente homogêneas (r = 0 .-1) .
Quando o coeficiente de correlação for maior que o limite aceitável
(r > o. -1), certamente a amostragem estratificada será mais eficiente que a
(

.
amostragem em conglomerados .
Como este processo é adequado para a aplicação em populações
extensas, consideradas como infinitas, pode-se postular que:
( .\/ \' - .\ f) =( \' .\I - 1)
• ·-•• 9.2.5. Variância da média
(

.. ..••
(
A vZiriância da média é dZtda pela expressão
Portanto.
ttt --• (

li ·• _, ,· - 11 s} sj estimativa tomada em função da

\ :: CC ( --· ·- ) - + -·-

-• .•••
' X .\ · 11 11.\I
variância paramétrica (916)
, , (
.\· - 11 s; sj
ou
s=.\, = ( - - ) - - + --·
.\' 11 11 .\/
estimativa tomada em fw1ção da
(
variância estimada (917)

.. .•
(
(9 14)
Na maioria das vezes , o fator de correção para conglome rados é (
, & -• insig111ficante. face a grande extensão das populações, e por isso pode ser
s;

.._. .~·•••
(
r =-.-,--,
s; +Sj
estimativa (9 15) _ _, desprezado . Assim , a variância da média é simp lificada como segue:
, , (
l \~ Sj
O coeficiente de correlação intraconglomerados pode assumir s .. =-+-- (9 . 18) (
' li 11 .\/

..._._ .~-•••
valores entre (O s: r s: /) Será igual a zero ( r = O) quando ( s} = O) ou seja, (
Esta fórmula é aplicada para populações infinitas .
não existir variância entre os conglomerados Neste caso a variância total (
(s;) é explicada apenas pela variância dentro dos conglomerados Será MADOW & MADOW ( i 944) apresentou esta expressão, em
(
igual a um (r = 1) quando a variância dentro dos conglomerados for nula função do coeficiente de correlação 111traconglo111erados, a partir do
seguinte desenvolvimento: (
(sJ = O),ou seja, não existe variância entre as subunidades dos
(
conglomerados e a variância total é devida apenas à variância entre
._ "-.
conglomerados

Desse modo, o coeficiente de correlação intraconglomerados e

._
... .
-~
(
(
(

(
(
1
f!
~
••
e ·•
(
(
.
206
Inventário Florestal
., ·.•,. Amostragem em Conglomerados 207 ·

. ··••
1

fP pS; = S;
(
(i - p) 11 ,\! 11 :\.-/

( •• .,.
., ·\,.•
e consequentemente, tem-se

<;~ S +~-
=~
2 (', sº
p ;

,.
(

•·
• X J1 11 .\f 11 ,\f
(
(

(
Substitu111do esta ig ualdade na formula da va riànc1a da me
d'
ia
(O 18)
. • (.
f·
ou
-.2
,\- pS;
=- S; l
?

- + - ( -p)
. "

17 .\/

• ·•,(•,
X /1
tem-'s e
( 1 .1 '• Tomando-se o mínimo dos denominadores, resulta
, pSí .\i (Q 20)
f s,. - -- -· ' -- 1 ---- tr ps;,\f
- -- + - s}- (I -p J
.,.
11(/ - p } 11 .\/
,)(' -2 -
_
ft
,.
( X 11.\f 111'/
Sub stituind o-se O \·alor de ( ii l. no denominador do primeiro tenno.
( f! ou
tem-se f!, ·" s:!
fi' ·I• .')~=-·
' [p.\f+(l - p)]
11 .\J

(
tr,;
f";.
·(•.• Finalmente tem-se que,

s? = s; [/+ P ( .\l - l)] (9 .24)

r (J'.;
ft.
,. ,. 17 .\ /

cuja estimativa é dada por

~ ?

( ,
S-: ·-
p,'i} sei
. - +· --· .
(O 2 l) ft
ftc
•• .1} = .ç
17 .\/
[I +r ( .\/ ~ l}] (9 25)

.••
,\ 11 11 .\f Estas fórmulas pennitem ve,ificar que a variância da média é
(
Como ( s;" = .,:,v" +.\,i' ) · sub stituindo-se ( Sj) no segundo termo por f; afetada pelo coeficiente de correlação intraconglomerados. A parte da
fórmula [P ( J,f - I J] corresponde à inflação da variância da média .
f!-·
( J
f!:o
9.2.6. Variância da média relativa
••
(Q 22)
,r

.
f:_f A variância da média também pode ser expressa em função do
°). result a
r:, •
Substitui ndo-sc :-igora . ( \: ) pela e:xp res são ( q 1
f!; coeficiente de variação, transfonnando-a em variância relativa .
(

.
Como,

(
(
Raciocínio idênti co pode se r ap li cado ao segundo term o. ou seJa .
r:,
te.~• .....
 ., (
(
-~ 209
Amostragem em Conglomerados
208 Inventário Florestal
_,
. i.l (

(
.,., 9.2.9. Intervalo de confiança para a média (
então

...
-~ (933) (
Substituindo-se tal valor na equação da vanància da média_ tem-se
(
2
.2
,\_;: = -
rn-· J-.F
- [l + p ( .\/ - l)j (Q 26) -~ '-- 9.2. 1O. Total estimado
11 .\ f
c:j (934)
\ = .\ \/ .\"
ou ainda,
-~

s? (Cl'J2
__._;:,=-- [l +p / .\ ! - l)j -~ 9.2.11 . Intervalo de confiança para o total
.\- 11 .\f
·:.I . .
!C' / _\ - , . .\! 1 ' x s Y :.:. .\' r .\ .\! 1 , , / = !'
(9 35) (
A variância relativa é assim denominada por transfom1ar O valor :.-.-!f (
absoluto da variância em termos relativos_ e m relação à média
-~ (
-2
1·' =-
(('/')2

11 .\
-
f
[/ + p ( .\/ - 1 !]

Esta estimativa poderá também ser obtida em função do estimador

(Q 27)
-•
_;f
9.3. FUNÇ-\0 DE CUSTOS

.-\ função de custos mais simples para este processo de amostragem

(

(
-~ é dada por:
do coeficiente de variação_ ou seja (
"~ (
(CI' r
1
o
V'(: =- -[ / +r ( .\ f - /) l (9 28) -.:.\-, ou '
(9 36)
11 A!
~-., (

(
9.2 . 7. Erro padrão ·~ (
:! . , . 9.4. INTENSIDADE DE AMOSTRAGEM

.
, . O erro padrão da média é dado pela raiz quadrada da variância da (
média , ou sep
,. ~ ..\ int ensidade de amostragem n este processo é obtida a pa1tir das
(
~:.J mesmas Justificativas apresentadas na amostragem em dois estag1os.

•• Segundo MADOW & t---1ADOW ( l 0-l4 )_ zi existência de duas variáveis (11) (

(9 29) -':J e (/\.1) exigem duas equações e. portanto, a função de custos é utilizada (
-~ para compor, Juntamente com a variância da média, duas das equ ações do

•,
(
ou -~ sistema (
1
.,.... [ a-
s,.- = ,J -·'- ! + ,. ( .\ f - I) l (9 30) -=-~ Isolando-se (11) e, substituindo-se na função de c ustos, tem-se
(

--
V 11 M
- ~~
12 ( ('l · )2 (937) (
=- ·- ,- - 1/ + p ( .\/ - / !}
~
11
9.2.8. Erro de amostragem 1- 1·_e· 'f
·' . \
L
(
1--, ~r1 .1- 1)
(9 31) e po1tanto, (

- Relativo 1:·,. =±
1
~' . I oo (9 32) ,_
1-- 4
4 t +r7 1
M-1) e
•
X J (
(
 , •••
~

.
( ...
(
(,
' 210 Inventário Florestal
•· :• 1
4 Amostragem em Conglomerados 211

• •
( ,

(
(

<
1

onde:
e- e,O = t2(CV/[l
·2 . + p (' \/ -
1 ,- ,\f
!)] ( e·1 + C'2 \!)
1
~

• ,·.•
(in
e
..
!4 uma estrutura de conglomerado em forma de cruz com quatro subunidades
de 1/4 de hectare cada, como mostra a figura 9.2.
N
!@:
~
(

,
e,
. -;.
2
~
( ' t (0 ' i
Q =-- 1•--2-
r p 1~
~
(

., .
1

•· .
( 1
Derivando-se parcialmente esta fw1ção em relação a (!vf). tem-se p

~ -
ôC' = - Q C1 + 0 (', + (J C1 p w

.
c3Af 1\!2 '- - p ,\/2 (!;
1 )
Resolvendo-se para (J\.J). tem-se ~ ;

. .·.•
{ )

f!1
( )
.11 = JC2e, . I- P
p
(9 38)
(
(
1
(,
1 As estimativas da intensidade de amostragem para conglomerados
pode ser obtida como segue
.,. ..=.•
~
f!, s
(
(
9.4.1. Número ótimo de subunidades do conglomerado

.i ., Figura 9.2 Unidade conglomerada cruz de malta .

(
(

{
9.4.2. Número de conglomerados

2J
(9 39)

.
&
•.; .
.,.
<t

~
..
Esta unidade vem pennitindo obter bons resultados práticos e
apresenta facilidade operativa em campo. Mais recentemente, pode-se
afinnar que esta organizaç~o de conglomerado não deve ser utilizada como
a ideal, porém outras alternativas carecem ainda de pesquisas mais
aprofundadas.
(

(
11 = -· -
I .\ r [ J+r( \! - /) ]
1
;,:- .\ I

A precisão a ser especificada ( 1:· 2

(940)

e igual a apresentada nos

•.,f
~ ;
1
1
9.6. OTIMIZAÇÃO DA ESTRUTURA DOS CONGLOMERA-
DOS EM AMOSTRAGEM DE FLORESTAS TROPICAIS

,.•
)
(
processos de amostragem antenores .
( Uma das linhas de pesquisa que vem sendo desenvolvida no campo
~ i

( 9.5. ESTRUTURA DO CONGLOMERADO

~ .... da amostragem, na Universidade Federal do Paraná. é a de otimização da
estrutura de conglomerados. Tal trabalho teve início com PÉLLICO
(
(
Já é tradição a aplicação deste processo de amostragem nas
condições da floresta tropical 1ntocad:1 PELLICO NETTO ( 107-f) sugeriu
~·
~ !
1
1
NETTO (1968), seguido por QUETROZ (1977), e PÉLLJCO NETTO
( 1979) Fundamentalmente, quatro aspectos devem ser pesquisados fonna
· e tamanho das subw1idades, número e distância entre subtmidades

,..r-
(
1
( ~
 .
e: -·
•• •
. (

•.
{

212 Inventário Florestal

°'ª Amostragem em Conglomerados 213 (

" 'ª (

• ~
9.6.1. Forma das subunidades de amostra

Com relação a fonna de subunidades é vasta a literatura sobre o

assunto, onde os mais variados argumentos são usados para justificar as
diferentes fonnas destas subw1idades.
-.
••
• 1::.•

,,,
~
QUEIROZ ( 1977), trabalhando com dados oriundos da Flort1sta
Nacional do Tapajós, mostrou este relacionamento para o volume total,
volume parcial e para o volume de uma única espécie. O comportamento
do coeficiente de va,ia,;ào foi o mesmo. apenas foi afetado pelo efeito de
escala , naturalmente causado pela magnitude da variância dos diversos
(

(
(

• -•
(
grupamentos . A figura 9.3 mostra este relacionamento .
Os que defendem as fom1as circulares as justificam pelo menor

•• .! .
(
perímetro em relação _às outras formas, o que minimiza o problema de .!. . . .
(

•• ~,.
árvores marginais; os que defendem as fonnas retangulares justificam sua
propriedade em abranger maior número de espécies na floresta tropical CV(¼)
que as outras fonnas.
!: •
É difícil avaliar qual das fom1as melhor se adequa a cada (
•• !.
.,•· ':!.::..
!! •
população De um modo geral , pode-se dizer que as fom1as circulares são
'º
adequadas desde que o raio não exceda 5 m. A partir desta grandeza toma-
'º (
se difícil a operação de controle de arvores marginais
As fonnas retangulares apresentam problemas em terrenos
inclinados. A correção da declividade muitas vezes toma-se difícil, mas é
•- 'º
60
(
(

••" ·•
!! . .
'º
indispensável para evitar erros de avaliação de áreas . (
! ..
'º
Ha ainda, algw1s pesquisadores que avaliam o tempo gasto para (
-' )O

. !.
operar cada fonna diferente e julgá-las pelo tempo mínimo gasto em sua
instalação e medição no campo. •• ! ...
(
(

•~ -•
'.
Disso conclui-se que a forma da unidade esta diretamente
dependente do tamanho da unidade a ser usada na amostragem, bem como
das características da população a ser amostrada. !: .
.•
a.• a.1: O.l o,4 o., 0,1 o.r a.1 a., ~o AlhaJ (

9.6.2. Tamanho das subunidades de amostra •." ~ ~

Figura 9.3: Comportamento do coeficiente de variação em relação
(
(

Sobre o tamanho das subunidades muito já se conhece, porém uma Ir: -!.~
-'
ao tamanho da unidade, para o volume de todas as espécies
(
solução definitiva para o caso ainda não foi apresentada.
O tamanho da subunidade é uma variável que exige a consideração
de todas as demais envolvidas na amostragem em conglomerados . Por esta
razão a solução analítica para o problema não é uma tarefa fácil.
•
Ir !!..
••- ~•
! •
A relação é exponencial e QUEIROZ ( 1q77) propôs a seguinte
função de ajustamento

que após linearizada pode ser solucionada pelo método dos 11111111110s
(941)
(
(
(
(
Sabe-se hoje, que existe uma estreita relação entre tamanho das
subunidades e o coeficiente de variação, as quais se compo,tam como
variaveis inversamente proporcionais.
Ir
t:
...
,: . quadrados. ou seJa
lug (('/'J = lug a -,- h lug . / ( i.J -l2)
(
(
··•• (
 ( . •

.
1

( ~ :,~

(
1

214 Inventário Florestal

••
•e ;,·•;...
;.

Amostragem em Conglomerados
215

,·•.
(
aprofw1dadamente, a fim de viabilizar a solução analítica deste ,omplexo
( Observando-se tal relação pode-se imaginar que quanto maior for a
( subunidade menor será o coeficiente de variação e portanto mais eficiente
será a amostragem.
•·e de otimização
Independente desta solução, PÉLLICO NETTO (1979) apontou um

••
( caminho para solucionar este problema através da conceituação de uma
Tal raci ocínio não é totalmente correto quando se an alisa o nova variável denominada de Eficiência por Dia de Trabalho (EDD .
(
(
comportamento do tamanho da subw1idade em relação a outras variáveis

•• "·•• Esta variável é quantificada pelo tempo necessário para se

,.
do processo . Assim, pode-se afinnar que a relação entre o coeficiente de
correlação intraconglomerados e a área da subw1idade pode ser ajustada conseguir efetivamente concluir uma W1idade conglomerada no mínimo,

·•
(
por uma parábola, como mostra a figura 9.4 por dia de trabalho . Sua composição é feita pela definição dos tempos
{ parciais necessários para a efetivação do trabalho de campo, como segue:
(
e
e ·• Vr (nd + I)
(

{ '
p
cus
e
p ·•·• F;J)'f' = _,V
__:-~
_~
:. ---+ _A_A_f _n-"--d + _D_(_A_1 _- _l_)_n=-d
r~ ri ~i
(9.43)

·•·•
,.
(
0.JO o o e' onde:
( o r::nr = Número de horas gastas para fazer ( nd) conglomerados
00
e em um dia de trabalho;
( 1
º" fi = N úmero de conglomerados concluídos em um dia de

·,.•
11i1
( '
o,zo
o o e· trabalho:
o
~ = Distância
·,•.
C'!' média entre conglomerados medida em área
(
e
.
"'"
conhecida ( .-11 );
( p
o.,o o • 1 = Área da subW1idade:
(
,r
• •
= Número de subwúdades ;
,\ !
{ ' o ºº n = Número de conglomerados;
·-.
0.01

( º""' e· D= Distância entre subwiidades no conglomerado;

I
(
.oo 1JCX> zo oo hOO Je.oo ••oo 1 100 •ooo , eoo ~ MOO 1 100 ,0000 Alrn2l

p• •-. 1· = Velocidade de deslocamento dentro da floresta expresso

1
em (km/h), seja de carro, barco ou a pé;
V = Velocidade de medição expressa em (nl/hora);
e -:o
•e- ... ..-.
2
( V = Velocidade de deslocamento a pé entre as subW1idades
Figura 9.4 Coefici ente de correlação intraconglomerados em 3
(
do conglomerado, expresso em (m/hora) .
relação à á rea da s subw1idades
( Para o conhecimento destas velocidades, uma avaliação de tempos
e:
..•
( Estas relações preci sam ser melhor pesquisadas e a decisão deverá deverá ser feita e inclusive ser estratificados para diferentes condições de
ser tomada em fw1ção de custo mínimo . Esta solução an alítica é difícil de acesso dentro da área. Estas poderão ser dadas em termos das condições
(
ser obtida, porém é a solução apropri ada .
e= fácil , médio e difícil acesso .
( e.·
(
As relações [r = (r .\ ! !j e [r = ( r . 1J] deverão ser pesqui sadas
lt -· ....
 • ...._,. (
216 Inventário Florestal
•• ·- ·• Amostragem em Conglomerados
217
(

•• ..
(
Observa-se que se a (EDT) calculada pennanecer dentre do tempo _ onde a movimentação de uma w1idade de amostra p:ia ~utra/:má;:~~:~ (
m
disponível por dia efetivo de trabalho, então o tamanho do conglomerado é
apropriado. •• ~• "
mais efeito no progresso do trabalho do que as içoes ª, , .
dentro das Lmidades . A redução do tempo improdutivo e das ct1st~nc1~s
·dact·es de ct~111oct,·" tem uma maior vantagem. porque a organ,zaçao
(

•• --•• en.re
t LUl l · ,o· :1"
(
Quando as equipes permanecem acan1padas ou localizadas dentro J • ' '

do trabalho de campo e seu controle frequente se torna ma1s iac1 .

da área do inventário, pode-se considerar um limite de 8 horas por dia . Se (
a equipe estiver localizada fora da área e necessitar de tempo para atingi- Tomou-se claro qu e a _justificativa para a amostrag~m en~ (
la, então pode-se considerar 6 a 7 horas , dependendo da distância externa
•• --•• cong1omera
dos comparada à amostragem ii1teiramente aleatona , e
, < ode ser obtida (

. .,..,
a ser percorrida e o meio de transporte. A avaliação deste tempo deverá primariamente correlacionada com a reduç~o ~m cu_sto que p
ser feita especificamente.para cada área . pela estrntura operacional de uma em relaça o a outt a , (
.
. . das referência s encontradas na literatura , e apresentado (
f N a ma1onc1 gl erados
9.6.3. Número de subunidades do conglomerado
,_ _., f to de que a variância da média para a amostragem em con om
: ~1aior que a vanânc1a da média para a amostragem mte1r~mcnte
(

Com relação ao n_ú mero de subLmidades por conglomerado já se

conhece a solução analítica denvada por MADOW & MADOW ( 1944 ),
como segue:
••-_•,
• ,-.
aleatória. mas é esperado que a redução _de custos tota sep
compensati va :\ ilustração deste fo to pode ser te1ta como se:::,ue .
Seja definida a fünçào de custo para a amostragem 111te1ramente
,;:o . (
(

(
•-
,.,
(
aleatória como :
t (944)

•
(
e" = 11 iC ·1 + 11 l ·::
Este valor depende do resultado do coeficiente de correlação (
t a.J E a fünção de custo para a amostragem em conglomerados definida
intraconglomerados para a população considerada . Esta depend ência vai
_., (
afetar o custo total no final da otimização . A melhor combinação destas
variáveis estará na dependência desta fw1ção resultante .._
t
=•
como segue:
C1, = 11/'1 + 11 2mc·2
(945)
,
(

. -__•,..,,
(
PELLICO NETTO ( 197--l), trabalhando para quantificar a redução Tomando-se a diferença entre as duas equações (944 e 9.45) tem-se
de custos resultante da aplicação da amostragem em conglomerados em (
relação à amostragem inteiramente aleatóna. obteve resultado idênt ico ao eª =11/ '1 + 11/'2 (
de MADOW & MADOW ( 1944) t ('b - 11:/'1 + 11::m( '2 ,

O resultado adveio da procura da vantagem da amostragem em

conglomerados sobre a amostragem aleatória. conforme mencionada por
t
t
--•• ou
J)(' == C" - Cb == 'r 111 - 11:: )C1 + ( 111 - 11::m )( 2

(9.46)
(
(

== ( 11 1 - 11 2 JC 1 + ( 111 - 11 2 111 JC2 (

muitos autores. com destaque para LOETSCH & HALLER ( l %-l)
''A vantagem prática e financeira da amostragem em conglo111erados
t ,
1- 1
••
-~
!)('

A variância da média da amostragem aleatória simples é dad~ por (

versus amostragem inteiramente aleatória, está na redução do tempo
improdutivo, em razão da redução das distâncias totais a caminhar,
resultante da concentração das unidades secw1dá1ias ou terc1á1ias da
amostragem. Esta possibilidade de se economizar tempo é pa1ticularmente
1-- -
....
•-·
1

1
.•
.ij

.
, s;
Sf. = _._
111

A mesma variância para a amostragem em conglomerados é dada

(947)
(
(
(
importante em áreas de difícil acesso, co1110 e111 muitas florestas tropicais , t -•. pela expressão
(

• _, (
(
 ( •• ... ~
(
( 218 Inventário Florestal
•• ..,.. ·~ Amostragem em Conglomerados 219

s~, = -l1;J'11
s;·- 1i + p r •• 2 e, ·1--p-
(
(
Ili - i); (Q.48)
•e .•. ~

e
m = -
(':! p

(
(
Se for considerado que os erros de amostragem são iguais nos dois
processos de amostragem. ou seja, que os dois processos resultam em
igual precisão, então
•
«· .. (9 .51)

(
(
~
s2
111
s2
= -·-
' Jl +p( m - 1)}
n2 m
••· • Conclui-se. desta fom1a, que a máxima diferença em custos, ou
sep. a redução máxima em custo da amostragem em conglomerados
(

(
Esolando-se (11:J) ten~-se •• ·•• versus a amostragem aleatória simples ocorre quando o número de
subunidades é calculado pela expressão (9.51) Conclui-se ainda que,
quanto maior for a razão de custos (R) e menor o coeficiente de correlação

(
Ih
-
= -11] / / + p ( 111 -
m
/ ) (9.49)

. ·••
ft" intraconglomerados, maior será a redução de custos , usando-se este
processo de amostragem. desde que (R ,= O) e(//+ p ( m - J) J ~ J)

••· ••
Considerando-se que
( 9.6.4. Distância entre as subunidades do conglomerado
(
(
~
c:J
=R

.r • Para a distància entre subw1idades. PÉLLICO NETTO ( l 97Q)

ff• •
Portanto, propôs uma solução fundamentada nos componentes da variància total.
( DC = (n 1 - 11 2 )RC 2+ ( 11 1 - 11:!111 JC2
~ E sabido que para uma subw1idade de tamanho (A) a variància total
(
= c:J / r11 1 - ; R + r11 1 - (Q 50) pem1anece constante. porém as variàncias entre e dentro dos
DC 11 :J 11 :Jm ;/
e ~

•
( conglomerados va 1iam em fw1ção da distância entre as subunidades .
ff-'

.•
Substituindo-se (9.49) em (9 50) tem-se Aumentando-se a distância , aumenta-se a variância dentro e diminui
(
( DC = C:J { ( 11 1 - !!.}_ / I + p ( 111 - I ! /) R + ( n 1 - 11 1 / J + p ( 111 - I ! /)}
ff<; -~ consequentemente a variância entre conglomerados. Esta variação é

(
m e-· conseqüência do decréscimo . da correlação entre subunidades. quando
aumenta a distância entre elas.
Efetuando-se os produtos dos termos e simplificando-se aqueles P,'
(

••
.......
passíveis de serem eliminados, resulta O aumento da variância dentro dos conglomerados, entretanto, é
( ~ assintótico no momento em que a distância entre as subunidades liberam a
, • . 11 1RC, n1pRC, . . e·2
/)( -= n1J?C :J - - - - +· - - 11,p RC :J - 111P 111( :J + 111P ~ correlação entre elas, ou a toma mínima .
( 111 m

( Tomando-se a derivativa desta equação em relação a (m). para se

e: Tal conclusão levou PÉLLICO NETTO ( 1979) a propor a solução

( obter o ponto de máxima diferença de custos, tem-se : ft analítica desta relação, usando o modelo hiperbólico corno segue:
e·
rDc R11l 2 nl':!R p
- 11,c::. fJ --.... ~ (9.52)

..•
( - - = - -, - •· -- --; -- Sj=f(D) = a+h
c~m m- 111- P,·
{
(
Igualando-se esta derivativa a zero e resolvendo-a pa ra (m) tem-se e- O ajustamento resultou em grande sucesso, quando aplicado aos
dados gerados por QUETROZ (] 977), como mostra a figura 9.5 .
@i
, .<
(
@•
( ,.,:;.
220 Inventário Florestal
•• -~

-~ Amostragem em Conglomerados 221

(

6
•• (

•• _,••. de difícil acesso , que apresentam grande. até razoável homogeneidade na

variável de interesse a ser estimada .
(
(

Sd
2
•• ••••• •• 9.8. EXEMPLO APLICATIVO . (

•• ...-• No 1nventáno de uma area de floresta tropical com 4 .000 ha (

"
,,,_ localizada no Amapá , realizou-se inicialmente um inventário piloto, (
.,
'º o
o
6 .•• através da amostragem em conglomerados. utilizando-se como unidade
amostral a cruz de malta . cujos volumes comerciais obtidos com casca
(

••
o acima de 30 .0 cm de DAP sào apresentados no quadro 9.1
o

•,..,•• ••.
'º o o o o De posse deste inventáno piloto. calcular a intensidade de
., o
-.1 amostragem necessária para estimar os parâmetros da população, (
"' admitindo-se um erro de amostragem máximo de 10% da média , com 95% (
o
" de probabilidade de confiança ·J
) O

--•• I} ,'
1'1/
(

•• ....
a) Média da população por subunidade (
"' ti:
li .\! (
Csm/
.
II _ru (
.\' = i=lj = l = 6-1 .5-18 11/ 0 .:!5 /rn

•• -•. 17 _\ f

b) Média das subunidades por conglomerado

(

• ...-•
Figura 9.5: Variância dentro dos conglomerados em função da
distância entre subtmidades. .11 .ru--
" = I ~ (
f,: -, j= l .\!

Observa-se na figura 9 .5 que o ponto de saturação da variância

dentro dos conglomerados ( sj) ocorre, aproximadamente, em tomo de 100
•• -~
x, = 78,600 .\':; = 63 ,300 = 65 ,7:!5
.\'3 _
, ;, = 53 ,-175 x5 =76 ,500
(
(

•• .
-~
x6 = 83,675 X- =57,825 x8 = 62 815 x9 = 72.!50 i10 = 7-1,375
metros, o que após repetido para grnpos de espécies e uma ú111ca espécie, (
~ xn = 93.500 Xj:: = 69. 775 X1 -· 3 =1- J' __'1 7.
,) .l'J-! = 75.5]5 x15 = 75,9 75
obteve-se resultados similares. A partir desses resultados, fo1 suoerida a (
distância de 100 metros como a ideal entre as subw1id:des do X/6 = 56,8 75 X1- = 58 .250 x18 = 5:! . 900 .Y19 = 63,325 x:: 0 = -1 7, 925
conglomerado.
•• ,~ X:!J = -18 , ./7 5 ):, ., = 56 . ')5() X23 :::: -13 ,300 x25 = 55 .300 (
(
9. 7. APLICAÇÃO DA AMOSTRAGEM EM CONGLOMERA-
DOS
•~
.! -• -~
-~
c) Variância da população por subunidade
,
sx- = -A
I
- -, ~
)
li .\t
'
.r..., (
'\ l.l\\ '"'· ,.
- ) - = ./ ~ --' ../ J'
. \-,, · - X
,
( 111 ·'
0 .25 ha )2 ::-
(
J:J/j'1f,(;(, (

••. •
17 ( ./ - /) i = li = l
A amostragem em conglomerados é recomendada para populações
.j --
-~
Ou através da análise de vanància
(
(
(
(
(

( - '
f
~

(
•• ; ft
Amostragem em Conglomerados 223
(
(
222 Inve ntário Florestal

Quadro 9.1: Amostragem em conglomerados reali zada no Estado

•,..• : f)
., ft 7
,,, •.-1091\ 1--
A'º i
,,
z., ,\t (x; <ir
J

,.... , , , f) 1

.
( do Amapá .\JQ . = i- 1 = / ./.82_1.98 = 6 17.58
( 3
;.fl e1111e
17
_
1 25 1
UNIDAD E UNIDADE SECUNDÁRJA (m /0,I ha) MÉD IA
I II Ili IV X;

, .,_.,
PRJMÁRIA
(
(
OI
02
84.7
70.1
78.2
65.4
63.0
59.6
88.5
58, 1
78.600
63.300
•• Assi m, a estimativa da variância total resulta

(
(
03
04
05
75.6
81,3
99.5
77.7
38.7
47.0
66.1
62.8
82. l
43.5
3 1.1
77.4
65 .725
53.475
76.500
•,.,, ,,•.. s} = sz.+sJ=-ló.25+./32.58 = -1 78.83 (m

e) Coeficiente de correlação intraconglomerados

3
0 .25ha;2

06 97.3 66. 1 57.4 113.9 83 .675

( 07 70.2 43 . .'i
68.8
48.3
22.6
69.3
78.2
5 7.825
62.825 f1 -,,• r =__5.__=
?
6 25
./ · = 0 . 0966

.-•
( 08 81.7 ? ?
s;_; + .~ ./ 78.83
(
09 60.9 71.4 75.2 8 1.1 72.150 f:· ·'t
67. 1 74.3 75
10 67.3 90.5
88 .5
72.6
104.6 1O.'i.5 93.500 r Neste caso, o coeficiente de correlação está situado dentro do limite
{ \ 11
12
75.4
71.0 57.0 79.3 71.8 69.775 .... , aceitável para a aplicação da amostragem em conglomerados.
(
13 6 l.8 100.9 69.4 61.0 73.275
r,· f) Intensidade de amostragem
36.9 57. 3 75.525

·•·•
(
14 116.9 91.0
56.0 22.9 94.8 130.2 75.975 r
••
15
( 32.5 68.2 58.6 56.875
16 68.2

.,-~ -••
rc
( ' 17 55.4 61.3 76.3 40.0 58.25 0
18 55.0 63.0 56.8 36.8 52.900 Sendo
( 63.32.'i h. = ( /0%)(6-1.5./8) = 6 .-15./8

.. ••
19 78 .8 59.6 68.1 46.8
( 33.6 44.4 34.1 79.6 47.925
20
~
\

48.475
t(O,o5: 2./ J =2. 06./
21 48.8 26.6 67.5 5 l.0
(

.
i22 82.4 61.8 23.4 60.2 56.950
(2.06-1/-178,83 '[ ]
( , 23 69.8 49 . .'i 53.9 O.O 43.300 11 1 = , l +0.0966(./ - l ) = l 5.79=. l 6

. .•
61.5 45 .5 50.2 53.900
r6. -15-18 r -1
( 24 58.4
25 27.4 63.6 69.4 60.8 55.300 ~ trom. 1s; = 2 .1 3 I
( ,

(
(
'
)
~
.. .•.. 112=
(2,13 1/-178 .83
(6,45 -18) 2 4

'ro.os.- 16J = 2. 120

[1 +0.0966(./- 1)]= 16.83=.17

( ~ ... (2 .1 20/478 83

• •• 113= ' [l +0.0966(./-IJ ] =l6.65=/7

.
( (6,4548) 2 4
(
(
(
d) Variância entre conglomerados "' •
~
"
-11
Portanto, são necessários apenas 17 conglomerados para se obter a
 - 1

t- J
•'-· -~ (

10
224 Inventário Florestal 1

-'.' ••
:; if (
AMOSTRAGEM
precisão desejada . Como a amostra preliminar possui 25 unidades, o
inventário piloto passa a definitivo. _...,, SISTEMÁTICA COM (

MÚLTIPLOS INÍCIOS ALEATÓRIOS (

'- ...••
g) Variância da média
(
;:, = (·Y
1·- ---11).1]
- - + -., j- = (-1000-25)-16.25 -132 ,58
- - - - - -- + - -- = 6 / 76
-~
(
. -~ .\' 17 17 .\ f . -1.000 25 (] 5 )( -1) ' li-
• ., (

••-
-~
ou A AMOSTRAGEM SISTEMÁTICA com um 1rueto aleatório (
1 ./
sf = __,r._· [l+r(.\[ - I)] =
-1 78,83
_ [1 +0.0966(-1-1)] =6 .! 76
J assemelha-se à amostragem em conglomerados com um conglomerado (
. 11.\[ . (;))(-!} apenas, na qual a unidade conglomerada consiste de um número · de
(

•• •.•,
.J subunidades distribuídas uniformemente sobre a população Tal amostra
fornece uma estimativa eficiente, consistente e sem tendência da média da · (

população. Porém, nenhum método conhecido obtém a estimativa exata da (

h) Erro padrão variância de uma amostra sistemática com um único início aleatório .
s,. =f.J = J6./6-I = 2.-183 nr' 0.25 ha
• _,
••
;j
Se, ao invés de um início aleatório, forem tomados múltiplos inícios
aleatórios, a amostra sistemática representa uma estrutura em
(

i) Erro de amostragem ., .J conglomerados com várias unidades. E, neste caso, é possível obter a (

-Absoluto 1:·a=±ts,.=± (l.99)(2.-183)=± -1 ,IJ-IJn/

' -l,IJ-1/
0.25ha
•• ·J ..

-~
estimativa exata da variância.
Esta nova concepção foi apresentada por SHIUE ( 1960),
(
(
- Relativo /:,. = ± - - - · IU/1 == ±
6-1. 5-IH
7 .66%

•• -:1 introduzindo uma variação no processo de seleção probabilístico · de

amostragem . Segundo SHIUE (1960), todas as faixas ou linhas de
(

j) Intervalo de confiança 1iara a média

!C ! .r - 1 s,. :-e; .\' :-:; i + 1 s,. /= I' •• ,, . ,j unidades devem ser selecionadas aleatoriamente, caracterizando, assim, a
denominação de múltiplos inícios aleatórios, como mostra a figura 10.1. (
,I · Em uma população agrupada sistematicamente em conglomerados, (
IC' / 59 ,6! 111
3
0.2 5 lw ::; .\' s ó'J .-19 m 3
/1 25 ha / = '.J5%
••• _., ..J vários números aleatórios, menores que (N), são selecionados. Os
conglomerados correspondentes aos numeras selecionados constituem a
amostra.
(
(

•• .-.J.J
1) Total estimado
(
.\' = :\' ,\f i= -l . 000(-1)(6-1 .5-18) = 1032768 111
3 Considerando que os numeras aleatórios selecionados sejam (i, j e
(

.:
k), para o caso de três inícios aleatónos , a amostra incluirá os indivíduos
m) Intervalo de confiança para o total ti: -.J com as seguintes séries de números (
. . -.J Início aleatório 1: i, i+N, i+2N , ... , i+(M-l)N (
/(' ( .\' - X.\ f Is,. S .\' S .\' + .\ ' .\ f Is,. / = I'
lt _.J Início aleatório 2:j,j+N,j+2N , ... ,j+{M-l)N (

.
li! .J
••
Início aleatório 3: k, k+N, k +JN , ... , K+(M-l)N (
(
(
(
(

(
(

(
(
226 Inventário Florestal
.
.
f'" - ')

f' ,. . ,,-:)
•
,")

" ()

~ <)
Amostragem Sistemática com Múltiplos Inícios Aleatórios 227 ·

unidade. A partir dessa unidade inicial, estendendo-se o intervalo de

( )
f: e. ")
1 . amostragem (K), divide-se a população em (n) partes de (K) unidades

.
( cada . Em cada uma dessas partes, seleciona-se . uma faixa ou linha de
• l ii:' )
( unidades, aleatoriamente, identificando os múltiplos inícios aleatórios.
t
( '_--', "''
t Observa-se que essa estrutura é uma convergência da amostragem
sistemática em dois estágios para a amostragem aleatória simples . Nela,
( ' • t ;. -,
mantém-se a abordagem das unídades sobre a mesma orientação da
( t: l .· ) amostragem sistemática. mudando-se apenas a localização das linhas ou
( 1

li III IV • l ," ' ) fai xas .

( fl I ",, Ocorre, nesse caso, uma estrutura estatística sirnílar a da ·
amostragem em conglomerados, diferindo apenas pelo fato de serem
(
•·' ,L-.'1. ,

... .
« lineares e possuírem diferente número de subunídades por linha, ou de
(
conglomerados lineares .
( <' 1-' )
( ~ ,·, Dependendo do formato da área, as linhas poderão ter comprimento
variável, resultando diferente número de subunidades por conglomerado
( ·, linear, ou linha.
( ~ . '.') Com essa organização estrutural, devido a aleatorização das linhas,
( ' ~- ') ou fai xas , é possível realizar uma análise de variância para estimar os
componentes de variação entre e dentro das linhas ou fai xas .
( • 'l
Figura 10. l • Amostragem sistemática com múltiplos m1c10s fí ,, Os cálculos de média, variância e demais estimadores, podem ser
( '
al eat óri os obtidos , us ando-se as fónnulas da amostragem em conglomerados .
(

(
(
(
Tal estrutura é chamada amostrag em sistemattca com múltiplos
inícios aleatórios . Assemelha-se à amostragem em conglomerados , na qual
a variância dentro dos conglomerados foi maximi zada. di ~tribuindo-se
., .,
f:
.,.,
e,
'l
·~

-1.')
10.2. NÚMERO DE INÍCIOS ALEATÓRIOS

De acordo com SHIUE ( 1960), um dos maiores problemas é

(
seus elementos unifom1ement e sobre a população .
No cá lculo das estim ati va s da média e variànci a amostral. cada
~
• ' -õl
determinar quantos inícios aleatórios devem ser tomados para obter o
resultado mais eficiente. A eficiência da estimativa da média da
população, baseada em uma pequena amostra, depende não somente do

•e·
( 1
início aleatório é tratado como um conglomerado, e as fónnulas
"f) erro padrão da média, mas também do valor (t) correspondente ao
( con vencionais para amostragem em conglomerados podem ser usadas .
1' tamanho da amostra .

•·•· -~
(
Uma amostra sistemática com dois e três inícios aleatórios utiliza

.
( 10. 1. ORGA NIZAÇÃO ESTRUTU RA L

. 1 valores de (t) igual a 12,706 e 4,303 respectivamente, na deterrnínação dos

( lirnítes de confiança para a probabilidade de 95% . Portanto, parece
A organização estnitural da amostragem de Shiue segue o mesmo
~tt evidente a necessidade de um n,úmero mínímo lirníte de inícios aleatórios .
( princípio da amostragem si stemática em fai xas, até a sel eção da primeira
, ·fl
(
 '-- 1
,,, (
lr J
228 Inventário Florestal 't _,..J
1

t, ;
,J
Amostragem Sistemática com Múltiplos Inícios Aleatórios 229 (

l r :..J (
Por outro lado, GAUTSCH1 ( 1957) descobriu que a amostragem
tamanho do conglomerado implica em pe rda de precisão, mas ajuda a (
sistemática com um início aleatório é mais precisa que uma com múltiplos l t _,J reduzir o custo de amostragem.
inícios aleatórios para populações com correlação serial. De fato, uma
amostra sistemática com um início aleatório tem uma distribuição mais
wuforme sobre a população que uma com múltiplos inícios aleató1ios, a
,,1.· .:.J
;.J
('01110 o cnng iomcrado s;stc111~tico é composto de subunidades
Lmiformemente distribuídas na populaçi'io . o aumento do tamanho do
(

qual pode conter unidades muito próximas dando a mesma informação .

" , ,J
..
conglomerado pode não reduzir o custo, se a intensid ade de amostragem
pennanecer a mesma pelo aJuste do número de inícios aleatórios . Por ~sta
(

•'
(
O aumento do_ número de inícios aleatórios faz a distribuição das razão. determinar o tamanho óti1110 do conglo111 erado que fornecera a
1
wlidades aproximar-se de uma amostra aleatória, reduzindo a vanância da ·.J máxima infonnação para os fw1do s disponíveis é um problema de
(
média bem como a eficiência da amostragem sistemática . Além disso , a
,.,,
1
\· 1
,J minimizar a variância da média do conglomerado, pela escolha de um (
execução da amostragem sistemática toma-se mais complexa . 1 tamanho do conglomerado (Af) apropriado e um número de conglomerados (
J
Uma questão importante é se a redução da variância amostral (n) na amostra com a condição de que:

'= .,
compensa a perda devido ao alto valor de (t) em uma amostra sistemática
,J (
11 .\ f ,= ( ·
(
com múltiplos inícios aleatórios, uma vez que a taxa de redução da

' ,
variância, tal como o aumento do tamanho do conglomerado sistemático :..1 onde (
mudam com o tipo de população amostrada. Em geral , o número de inícios
~
1 ( ./ L'U/IS/011 lt.!)
/i 111dos di.1po111\'<!i.1·
= _ _:__·- - -_--"-- - - -
(
aleatórios não deveria exceder o ponto em que a mudança no valor de (t).
devido ao aumento de um grau de liberdade, fosse pequena .
'1 1
1_,
CI/SÍO por u111dacle amus/ral
(
JESSEN ( !0-l 2) postulou que a vanância dentro do conglomerado é
Provavelmente, 5 ou 6 inícios aleatórios sena o mínimo para evitar o alto
valor de (t) no cálculo do intervalo de confiança e erro de amostragem .
'1. 1 ,t "uma fw1ção crescente lmiforme do tamanho do conglomerado, dada por: (

" :J
I'
(
~ (
10.3. VANTAGENS onde
" -"~ {

,
.\! = tamanho do conglomerado
A principal vantagem que esse processo traz , para a aplicação em ~- a . h = constantes para uma dada população (
inventários florestais, é a orientação da amostragem visando minimizar a ~ - (
Para os conolom erados tradicionais , a constante (b) é positiva . No

.•
o
variância entre linhas ou faixas. Naturalmente, a máxima variância entre
,J conglomerado sistemático. ó aumento de seu tamanho provoca a (
linhas é obtida quando estas são tomadas no sentido perpendicular à
-~
diminuição da variância d entro do conglomerado e aproxima-se da
pendente ou inclinação do terreno e a mínima variância, quando tomadas (
paralelo à inclinação do terreno ou pendente

Outra vantagem da amostragem de Shiue, é a obtenção de .

"' -,J
-~
variância total (.~· 2 ) , quando (Af) assume o tamanho da população .
Obviamente, nesta função, a constante ( b) será negativa . (
(
estimativa válida do erro de amostragem, uma vez que são selecionadas
• -,-~
A pa1tir da fórmula de Jessen . SUKHATl\1E (1054) obteve a
va1iância da média do conglomerado, como se<6 ue: (
(n) wudades aleatórias.

10.4. CUSTOS
~

'-'- ,.
-~
( l O 1)
(
(
~ -~
onde: (
Na amostragem em conglomerados tradicional, o aumento do ~
.... -J
. S 2 = variância da população
(
(
(
(
•f ,.•
(
(

( '
(
230 Inventário Florestal
f'
r
f'
,.•• Amostragem Sistemática com Múltiplos Inícios Aleatórios 231

(
e
)
. Para minimizar a vananc1a ( J). pelo método multiplicador de
Lagrange (hAPLAN. 10_52)_ tem-se
f
.,. •
f
• Finalmente. tetll-se que

lo!!_.\/ = !_ [1<>!!, s2 - !O!!, (/ - /ou

,.., ( / + h ;]
( 10 10)

·•
' /, ' '
1° 1. I [ 1, - 1 I ( 10 2)
-- - -· - -· (/ /, . \ / ( / / '

•
( 1
(º. \/ li Assim . uma amostra sistemática terá a menor variância, para uma
~
(
( l
( 10 3)
f'
r •
-• dada população. quando (A1) for definido pela equação ( 1O I O).

(
l Fazendo com que
h/ 11 \/ J == 11 .\ f ·- C =n • • ,. ,
10.5. ANALISE ESTATISTICA
'

A análise estatística é realizada, utilizando-se as mesmas fónnulas

( f
· então
f • da amostragem em conglomerados.

(
e
/ Ir
- - · = li
!" \! f
~--
,.• 10.6. EXEMPLO APLICATIVO
(
(
.\ f ...
•·• Para e"emplifícar a Amostragem de Shiue, utilizou-se o inventário

(
i 11

forma-se um conjunto de equações. como segue : • •

~'
realizado em Rondônia. pela STC Engenharia, em uma área 13 000 ha de
. floresta tropical pluvial
( e/ -
-~--- + ; li ... li (!CU) ~ -
•• I 0.6.1. Organização estrutural

•· •
( ie\1

.. .-.·
1C/ .
( ----- + ;_ .\/ . (} ( 10 5) A área inventariada tinha a fon11a retangular, com 20 km de
e 11 f' compnmento por 6,5 km de largura, a qual foi dividida em 9 blocos de
(
( 10 6) ft· 2,22 km por 6.5 km. Em cada bloco. instalou-se um conglomerado linear
( ,, composto por S subunidades de I O 111 de largura por 250 m de
( EI I trn nando-se ( ;,_) das equações ( 1O ➔) e ( 1O 5) t em- se. comprimento (2 500 111 2 ) dista'ntes 500 111 entre elas
,
( ( 10 7)

." -.· Os múltiplos inícios aleatórios foram obtidos sorteando-se a posição

.•·.i ,.-.•.
(
do conglomerado linear em cada bloco Os conglomerados correspondentes
~ a cada início aleatório, com os respectivos volumes comerciais com casca
( Subst1tt1i11do-sc ( 1O l e I ll 2 ) e111 ( 1() 7) e sim plific:indo- sc. rcs ult :1
~ das subw1idades , estão apresentados no quadro I O 1.
(
.,r "I.. i, i• r' i - \1/ i I'
i (/ ( 10 8) ;

.• -..,..
( 10.6.2. Análise estatística

( Na amostragem Clll conglomerados sistemáticos (A[) é gera lmente a) Média da população por subunidade
( grande e assim a equação ( 1O 8) pode ser s1mplifícada colllo segue , 11 M
( /, s-
I: I _\-iJ

.
\f = -- --
[a/ / -d, J] x = i=l) = l . = ./9.769 111 3 · O. 25 ha
( ~ 11 i\I

ç ,,.
 '- ,J
1
(
233
232 Inventário Florestal
' . .L

t,
1

1
J
J
:,1
Amostragem Sistemática com Múltiplos In ício~ Aleatórios
(

Quadro 10.1 Amostra sistemática obtida com 9 inícios aleatónos . ,_ -~

(

INÍCIO CONG . SUBUNIDADES (111\0.I ha) (

t: ~
ALEAT. 11 I II Ili IV V \'I \'li V III (
1
2
3
2
J
l 25,97
54.02
66.43
34,62
56. 77
50.-t6
63. 78
-U.8 1
25.97 60,27 49. 7 5 81 .64
61,94
39,63
6 1,28
42,-t 7
38.93
38.8-t
85 ,90
4-t.68
3 7 1J
72 ,43
-t8.30
35 .93
' _,
t-
1
~
;J
Assim . a esti mati va da va nàn cta total resulta . (
(

•' _:t,
4 4 59,33 56. 1839,0 1 32.93 C'J5.67 32,82 65.09 4 6,29
(
5 5 62.-69 68.88 65.8 4 85,93 48 . 13 55.98 70.9 1 37.90 d) Coeficiente de correlação intrnconglomerados
6
7
6
7
-t 7 .85
36,64
69,66 78 , 11
39,23 42 ,8 1
36. 71
35,51
28.09
27 ,5-t
53,57
54. 78
-t0,34
42.56
56.22
88.-t5
l
, (
(

,'_ .,I
8
9
8
9
3-t. 72
43.1 3
41.21 -t l, 79
59.13 92.98
3-t,97
49.14
41.4 7
46.68
29. 11
42.60
25 .60
26 . 17
21, 99
30, 1-t
,_ .,
(
e) Intensidade de amostragem (

b) Média das subunidades por conglomerado ~'

•• .-\ i11te11sidadc de amostragem fo t calc ulada . admitindo-se um limite (

.\!
\"· = y ~-'L
. I j-=/ .\[
\'
.,
tu
,,,, de erro de I O~o da média estimada . com q5 ~º de probabilidade de
confiança .
(

x1 = 5-l,56<J
x., = 53,-1 / 5
.\ ', = 53 .7/3
.\'5 = ó:!, 033
.\'_; = -1-1 .338
xr, = 51.3 l'J . .,,
li:·
..
(
(
:X:- = -15, <J-10

c) Variância da população por subunidade

-"s = 33.858 x\1 = -18 .7H!
,, .,
1.: Sendo
.\ [ CC 8
(

,
s~ =
I
.
,,
II (
11.\f -- I i = lj = I
.11 ,
\u - -v !- = 30 7 .<J-ló (111~
•
0 .:35 hu/ ,, .-,•
~
(

,J
Ou através da análise de variància ,
, , ,
s; = s; + ·\/
''
1,:
.,J
(
(
-tJ (
~ 11 , ... / ;_, /{,()J:
3 ~0.óJ!!_ / J I O /188/8 - / ! / = I /.X-1 = /'} (
... -~ . (-1 . ')7(1~• ;· ( 8)

~ -"" (
(
-\~=283./69(111
3
0.25ha/ ~ - "..J" (

-1 02-1. -18 . "' -,J

Portanto, seriam necessários 13 co11glo111crados lineares com 8
(
.\JQ,,,,ln' = _i=_I_ _ _ _ -- - - - = J(/3
11 - / 9-J
06]
..." ,J
. ... (
(
(
(
 (
( ' . t'
(
r 1'l
234 Inventário Florestal r ~

11
(
f' ..;. .t,
(
subunidades cada, para se obter a precisão especificada. Como foram r ·-
~
AMOSTRAGEM
(
(
levantados apenas q conglomerados, pode-se detenninar o erro de
amostragem cometido 11este i11ve11tário
r
,
r, , ·- ~ EM
( .., l 1
1' MÚLTIPLAS OCASIÕES
f) Variância da média
'
1
( 1
::
1
.\ ; [ . 5 / ()
f' 1 ;\
( (jj (j

(
.\v == --'-- I + ,. ( .1/
n .\ I
- / lJ ::: - _.:.___ [ / + OJJ88
( <J )( s)
(8 - llJ r ' 1
\
r
(
(
r ,,' Ü l\10NITORAMENTO DE urna população florestal, isto é, o
acompanhamento de sua evolução através do tempo, exige a realização de
g) Errn padrão f' 1'
( sucessivas abordagens em intervalos de tempo apropriadamente definidos.
f
·•-, Essas abordagens pennitem avaliar o caráter dinâmico da população, bem
(
(
f
,, como uma série de variáveis indispensáveis para a definição do manejo a
ser aplicado à floresta em um horizonte de tempo pré-detem1inado
(
h) Erro de amostrngem f'
~ .,,, Naturzilmcnte, que ao se zimostrar sucessivamente uma população,
(
( - Relativo 1:·, r
e'
,,, as informações obtidas na primeira ocasião são correlacionadas às da
· segtmda, quando um conjw1to de w1idades amostrais, ou parte deste, é
remedido em cada uma das abordagens, pennitindo que seja estabelecida
(
( Como se pode obs ervar. com q conglomerados o erro de
amostragem relativo foi de 10,6%. superior ao limite esp ec ificado 110
f'1
«-, ,, uma íntima ligação entre elas.
Tal procedimento resulta, no caso dos inventários florestais
( calculo da 111tensidade de amostragem . como era de se esperar f' contínuos. na obtenção de uma série de informações fundamentais aos
(
( i) Intervalo de confiança para a média
.•• -,•,•
;
manejadores, como avaliação do crescimento, mudanças volumétricas
oconidas entre ocasiões distintas, avaliação de densidade do estoque,
avaliação de produção, de índice de sítio. entre outras .
f ( · / .\' ... 1 .\ i' · . .\' · , X , 1 \, / /'
•· •
...
.
(
BICK.FORD ( 1%3) especifíca com muita clareza, que os
( /( · ; -1-1.-1 ')3 11/ o .: 5 lw : . . .\ ·, 55.0-15 11/ o :l5 //(/ ; 'J5 % f';
... inventários sucessivos são usados para o planejamento das operações de

.
( exploração florestal, das transações de compra e venda, da localização de

•~ •
;
.i) Total estimado estraJas, acompanhamento das operações de plantio e outras. Conclui
(
afirmando que um inventário é realizado com o objetivo de prover a base
~

,, ,.......
(
para uma utilização racional dos recursos florestais e para orientar o
( 1) Intervalo de confianp para o total
ft-< - manejador florestal em su,a s decisões
( /(' I ·\' ... .\ .\ f / \Í •- . \ 'e . \ 1 .\ .\ / / \V / =/ 1
Os inventários florestais contínuos englobam todas as modalidades
f:.,

"·· .
( de processos amos-trãis, õi1de sê usa a"õ10st ragens em sucessivas ocasiões.
Neste escopo, portanto, não se restringirá o conceito de Inventário
( 1 Florestal Contínuo - I FC, ao processo de Amostragem com Repetição
f &
#' .._
 236 Inventário Florestal .
l.i
.
1. : ....

... .•
:
1 ·•
Amostragem em Múltiplas Ocasiões 237
(
(
(

-. l •1.
;
Total - ART, conhecido tradicionalmente como Inventário com Parcelas ~ c) Na segunda ocasião apenas um a parte das w1idades amostra\s
(
Permanentes . tomadas na ocasião inicial é remedida - Amostragem Dupla - (AD);
~- 1 _ ~
.
(
F AO ( 1973) caractenza a 1mpo11ânc1a de se ter a estruturação dos ➔ d) Na segunda ocasião. parte d:is unidades an1ostrais àa primeira
111ventános contínuos sem estarem comprometidos exclusivamente como
uma peça ftmdamental do maneJO florestal_ o que tem levado à sua
implantação apenas em florestas plantadas e, raramente, na s florestas
naturais .
~,·
~ ocasião é remedida e novas Lm1àades temporárias são tomadas na
população - Amostragem com Repetição Parcial de unidades - (ARP)
Esses quatro processos de inventários contínuos envolvem três
(

No caso das florestas nativas. o conceito de maneJO florestal deve • •

t 1·• grupos de unidades amostrais distintos_ ou seJa (

.• .••
ser assumido em um sentido mais a111plo O monitoram ento da cobenura ~ 1• - Um grupo de llllidades permanentes ( 111) , que é remedido em todas
as ocasiões;
(

florestal através da aplicação de inventários contínuos. não implica

necessariamente só os justificar como instnilll en~\ ,ira . • - Um gru po de unidades temporárias (11) . qu e é medido somente na
(

(
roA S-'
florestal, mas talllbém co1110 peça basilar para a 1ÚTT! a ~
~so da terra e de avaliações dos urob lemas ambientais decorrentes de
intervenções na s ua estrutura floresta l
de
• •
- •.•.
pnm e1ra ocasião;
- E um grupo de unid ades novas ternporánas (11) , que é medido
somente n::i se<.,;Lmda ocasião .
(
(

A alllostragem em ocasiões sucess ivas , aplicada aos in ventários (

A comb inação desses três grupos de unidades amostrais origina os
florestais, tem três objetivos principais confonne HUSCH, r--llLLER &
BEERS ( 1982) •_.,• quatro processos de in ventários florestais contínuos, os quais são
apresentados a seguir.
(
(
- Estimar quantidades e características da floresta presentes no
primeiro inventário;

- Estimar quantidades e características da floresta presentes no

-
-~ 11 . 1. AMOSTRAGENS INDEPENDENTES - AI
(

~ (

•,•
segundo inventário; Neste processo , as abo rdagens na s duas ocasiões são executadas
independentemente uma da outra, ou seja, na primeira ocasião a amostra (
- Estimar as mudanças ocorridas na floresta entre os dois
necessária para estimar os parâmetros da população, com a precisão (
inventários .

...
deseJ3da e probabilidade de confiança fixada. é constituída de unidades do
~ (
.A
amostrag~m eru múlti. las ocasiões ode ser conduzida e111 un grupo {11) - temporárias da. primeira ocasião; na segunda ocas ião toma-se
populaç§~ (J.lliLtrQ...maneiras distintas , as quais identificam os processos uma nova amostra na população, totalmente independente daquela da (
básicos de Inventários Florestais Contínuos -~ p1imeira ocas ião. const ituída de unidades do grupo (11) - novas (
---? a) Uma a111ostra co111pletamente nova pode ser tomada na população
__. temporárias_ como mostra a figura 1 1. 1.
(
por ocasião de cada mventáno Todas as unidades amostrais são . , 4 As amostras são tornadas aleatoriamente ern :Jlllbas as oc::isiões e (

\
.J
temporárias e inde endentes em cada ocasião
lnde endentes - (AI); r.i~J 1 ,,..,. 1 \ i)rr. · ,r , \
Í ~ ;e,
\ -~ ,
,-,
Amostragens.. , &
-,,

_.:,. b) As w1idades amostrais tomadas na pnme1ra ocasião são ,,.,0 . ,

•• ' 1 .!r ;
J ";' ' ' f a: -•
~
seus estillladores e precisão são obtidos conforme os conhecimentos do
processo de Amostragem Aleatóna Simples .
(
(
remedidas na segunda ocasião. bem como em todas as ocasiões sucessi,va , ~' J. ·.
- Amostragem com Repetição Total de unidades - (.-\RTJ. 1,;-,c- f ., • ..
-~ 11. 1. 1. Parâmetros e estimadores (
(
t €r\J..Rr 0--Á
°'-,QJf01v,--1
ri" u .
• (

(
 ( 1

.•
(
(
(
(
238

I" Ocasião 2ª Ocasião

Inventário Florestal
,.•• Amostragem em Múltiplas Ocasiões

c) Variância da média
239

(!
• A variância da média é dada por
(
( li
tempo
11
•• \'~ == ~
1 \'11
<; 1
( I _ _!!_J_ !

-•·•
111 ,\'1
( ~
O estimador, com a estimativa da variância, é dado por
(
( ( 113)
X \'
( li . 11

(
( J
, Figura 11.1: Esnuturação das amostragens independentes.
•• d) Erro padrão
O erro padrão da primeira ocasião é estimado por

•••
( 1 1 1. 1. 1. Primeira ocasião
( (11.4)
(
(
• e) Erro de amostragem
(
(
•• - Absoluto: Ea = ± t s,,, ( 11. 5)

s,
(
A estimati va da média da primeira ocasião é dada por (';
·•• - Relatirn !:·,. = ± ~ · !00
1
(11.6)
(
(
11,
IX11i
.v 11 = 1=.L._
( I l l)
.,, •
f ,
f) Intervalo de confiança para
XII

ª- média
(
( b) Variância
11 l
~ ;

~ ;
•• 1c ·1.\"11 -- t s, ~ T ~ .\" +
• li
11 t s, J = I'
"
( 117)

~' •• g) Total da população

. ,..••
(
rj .r = Nx ( 11.8)
(
r, 11

( 1
; h) Intervalo de confiança para Q total
A estimativa da variância é dada por
(

(
IC' [ .\" - t N s, ~ X ~ ,J,." + t N s, ) = P
- li IJ
(119)

(
(
( 1 1 2)
,.•. 11.1.1.2. Segunda ocasião

a) Média

{ \
 . -• . (
e ••
240 Inventário Florestal
,
• •
Amostragem em Múltiplas Ocasiões 241
(

f = }1 = /_
.\',
2::1;,1, •• ••
e) Erro de amostragem

s (11.14)
(

li .\ ,

A. est11nati va da média da segunda ocasião é dada por

•
•· -_•,, - Absoluto E,, = ± t 1;,

- Relm1vo !:, = : 1 : - ~ · /00

l Se
( 1 li 5)
ih
• ••
-•••
Y11 (

-i: =
. li
f 1;,1,
h= I _
Ih
( 1 l l O) •• f) Intervalo de confiança para
v,, - t sr
ª média (

•_.
JC/ :S f •:; f ,, + 1 sr / = !' ( 1116)

b) Variância •• _j
•

g) Total da população
. fl · li
(

(
·L'°: ( );,h - l-;, 1-
'\':1;,
} --- ~
"=~'----
J

• r = Yf,, ( l 117) (
y, - /
• -~ (

••
- ~
h) Intervalo de confiança para Q total (
A. estimativa da variância é dada por - _, JC/ ( - \" 1 \\' :S } :S ( + .\ 1 \'r / = !' (1118)
_, • 11 • li
(

•
Ih

Ir 1;,1, - T11 !:} (

"
-".\·li
_ h= I
~----
110 - I
( 111 l)
•• ~
-•
-~
11.1.1 .3 Mudança ou crescimento

a) Média
(
.(
c) Variância da média
• -~ (

• .,
Neste processo, a mudança ou crescimento do estoque, por urj idade
A va,iância da média é dada por ... de área , pode ser estimada como segue:

•• _,
( 1119) (

(
. O estimador, com a estimJtiva da variância, é dada por •• ,, onde
T5i = média da diferença entre as duas ocasiões ,
(

_, n,1, = volume médio retirado entre as duas ocasiões ;

( 1 l 12)
•• _

T5.-h = volume médio retirado antes da primeira ocasião . (

d) Erro padrão ,, -~

-.,·•.
Se ( ~,) e ( .\'11 ) forem as médias da produção nas duas ocasiões.
então ( 15;) será o crescimento médio do estoque Já se ( ~,) e ( T11 ) forem as
(
(
O erro padrão da segunda ocasião é estimado por

s;.
J
Ih
,.,. -,.-
. ! .,
.
médias apenas do estoque em pé, obtidas nas duas ocasiões , então ( i ~)
será apenas a mudança ocorrida no período
(
(
- · "- ( / - - - )
/lo .\·,
( l l 13)
, -"

c_ J
Quando não ocorrerem desbastes ou cOites no 111tervalo de tempo (
, _., entre as medições e antes da primeira ocasião, tem-se que
(
(

(
(
( . '
• ,.
}

·:t
( J

( 242 Inventário Florestal f 'li Amostragem em Múltiplas Ocasiões 243

.
( f '-
( )
f
,,
1' (1123)

( e portanto a ex.pressão ( 11. l Q) reduz-se para

f
f·
,, Observa-se que, nestas condições, a variância da média da diferença

.
( entre as duas ocasiões resulta em seu valor máximo, pois não existindo
( 1120) f .11
( correlação entre as unidades independentes da primeira e segunda
Neste caso, c rescimento e mudança sào iguais t ocasiões. a covariância entre essas w1idades é igual a zero, não havendo
(
(
A estimativa do crescimento ou mudança é obtida por

<I; = rT + i7, ,, J- 1i + c1,1, ! ( 11 2 1)

f
f
• 'tt
assim nenhum redutor na obtenção da estimativa .

c) Erro padrão
( '
••
11 11

.
( OU
O erro padrão para o crescimento pode ser obtido como segue:
( .
( 11 22)
f· (11.24)
( onde
_1 :,i = estimativa sem tendência de }·;, : ,,
f:
••
( .\'11 = estimativa sem tendência de .\"i 1 : ,. ••
d) Erro de amostragem

..:.
cf;
•
= estimati va sem tendência de ~: - Absoluto : f•,' 0 = ± t s-1 ( 1 1. 25)
('

(
(
d 1, =
1 estimativa do vo lum e ret irado entre a pnm e1ra e a
segtmda ocasiões:
... ·•• ( 11.26)
d,1, = est imatr v::i do volume retirado antes da prnneira :,

·••
( ocasião f ·,
(
e) Intervalo de confiança para ª média
Prevalece aqui as mesmas condições es pecificadas para os

-•·
pariimetros O intervalo de confiança para o crescimento é dado por
(
f· - -
/('/d;-fs-1 ::; !) S: d;+fs-1 /= !' ( 11 27)
( f '· ( 1 t '
b) Variância da m édia
(
(
A variiincia da média do cresC1111ento é dada por ••·· •-· Neste caso, o valor de ( f) a ser usado no intervalo de confiança
engloba a totalidade das observações das duas ocasiões e. portanto, os

( .- • graus de liberdade serão procurados na tabela parn

(
(

(
onde
s~, 0
~ vaniinc1a do estoque na pn111erra ocasião:
sf, = variiin c 1a do estoqu e na segunda ocasião:
.•º -.-·
•· --.--.
xi =(111 - 1 J+ r112

com a probabilidade de confiança fixada

f) Crescimento total estimado

- 1J

( ~~

..
(11.28)
( Nas circw1stâncias de se ter apenas os estimadores cbs variâncias e=,
.,_,
-e
(
\
da primeira e segunda ocasiões. qt; c é o caso mais conn1111. a va riância da
médi a é est imada co mo segue ,... • g) Intervalo de confiança para Q total
 1

,.
~ 1• (

f) Inventário Florestal -~·-,1• Amostragem em Múltiplas Ocasiões 245 (

'
JC [ D1 - N t sd, s; D:,; D, + Y I sd,
'
/ =P ( 1129) • 1·• Quadro 11.1 : Volu111es das amostras obtidas no povoamento de (

I; 1-•

.•
Pinus el/iottii com CJ e 1O anos de idade. (
~ -,-== - - -.
Amostragens independentes não são comumente usadas cm 2" OCAS.
UNIDADE !"OCAS 2" OC AS . UNIDADE l"OíAS . (
inventários contínuos. Ao contrário de aígumas opiniões errõneas , de que
não se pode avaliar crescimento quando se usa amostragens independentes,
este procedimento na verdade não é utilizado por outras razões . O que
"1 ·•
~ Nº 1975
( 111 .1 / ha l
1976
3
(m / hal
Nº

, ~)
__
1975
(111 3 /h a)
u 26-t.4
1976
1
rni- / ha)
11 2-t7 ,5
(

(
realmente não se consegue nesta fonna de abordagem é obter os : 1: 1
2
li l-t6. 7
182.1
n 330, -t
n 222 .3 2-t li 278,6 11 2-t9j (

.. 1•
li
estimadores de crescimento na base individual , como altura dominante, 3 li 258,6 li 300.2 25 li 253,3 n 230,3
I 36,4 (
controle evolutivo da distribuição dos diâmetros, controle de perdas e ➔ I 98,8 li 293, 8 26 li -+ LO 11

1• li
outras variáveis relevantes par;~ o planejamento do maneJo dos
povoamentos produtivos ':1' Faj-c Í j/ /íj/ff ___
I:·
• 1-•
5
6
7
li
li
li
196,7
155.6
20 LO
11
11
li
270.2
210 , ➔

3 12,3
27
28
29
li
·u
li
242 ,9
2-l l.6
25 1,2
11 285,4
11 265 ,9
11 2-t8, 1
(

11 .1.2. Exemplo aplicativo

A população utilizada para ilustrar este processo de amostragem é 1,

~-1·•·
~ --•• 8
9
10
li

li
li
183,8
212 ,-t
202,5
li 3-tl.6
n 326 ,5
11 -t6,3
30
31
32
li
li
li
14-t ,5
225,9
17 8,5
11 250;2
11 238,0
11 265 ,9
(

um povoamento de Pinus elliottii plantado em Guarapuavá - PR, em

1966, com medições efetuadas em I C/75 e 1976. Neste povoamento foram
obtidas w11dades amostra is aleatórias e ind ependentemente selecionadas
-
Ir
·
-.a• 11
12
13
li
li
li
217.5
138,9
2-t2, 7
n 3 12,8
11 273 ,8
n 272,3
33
3-t
35
li
li
li
182 ,0
176,2
199,5
n 2 10,6
11 280,0
11 198,2
n 290,3
(

(
nas duas ocasiões, corrstituídas de 44 Lmidades amostrais , CUJOS volum es Ir lJ- -~
1-t
15
li
li
200 .0
208,3
11 225,2
11 282,9
36
37
li
li
156,8
136,2 11 248,2 (
totais com casca estão expressos em nhha , como mostra o quadro 1 1. 1. . ,,., p}vJV I! ~~ 16 li [ 93,0 n 233 ,3 38 li 225,4 11 235, 1
(
18-t ,3 11 265,2
11.1.2.1. Primeira ocasião ~ J ~f! -a 17
18
li
li
279,3
18 LO
11
11
213 ,-t
22-U
39
-t0
li
li 2-t5. 8 11 236,7 (

r:
~ n 280 ,-t
1- tJJ 40. • a
19
20
li
li
223 ,-t
210 . ➔
11
11
229, 1
188.0
-ti
-l2
li
li
16-l,9
198,8 11 285,-t
(

dOfl
•a 21 li 206, 1 11 176,7 -l3 li 168 ,6 11 198,3 (
,,
a) Volume méJjio
~;%~ p. J>f ~
~
a
li 171,2

c) Desvio padrão
11 22 1,0 ➔➔ li 228,7 11 2-t8,0
(
(
(
-1~
•
(
.,a 111 "'I

I: ( .\',11 - .x'/1 1-
(
b) Va riância do volu111e
.a i:=.Í_ _______
- 1
= -1-1 -13 111 -' hu
111 (
-~
"1
(
_L( .rlli - .\"li ;2 -a d) Variància da média
sJ,, - 1 1
= = /') 73. 66 (111 3
ha/ -a (
11 1 -- I
-a (
,,. (
(

(
 (

(
,, t

.•,
•• 1
(
(
246 Inventário Florestal
(' ·~ Amostragem em Múltiplas Ocasiões 247 ·

( •• ,

e) Erro p_fül@Q f t Ih
( tr 1;,1r -T11 J2

.,,-. •
f h-J = 2.76-1.-17 (nr' ha/
(
f'; ll1 - /

(
~
( e) Desvio padrão
f) .l::LI~Q ~ amostraget!l -~

(
(
(
- Absoluto F,, -- ,_ ' ·'i

l \-
.~•
t

~
-~
Ih
.

h =l
.
l:() 11h - Y11

11 - - /
-
t
")

= 52.58 m
3
ha

(
- f?e/nfl\'O !, -- ~ -~
. x,,
- /1111
•• ·!t
t
g ) Lnter\'._aj_Q d_e ç_g,ifj_illlÇ_a_ p;i t) ;i 111çclia
• -•
t'
t8
s;:
,

" Ih
1
,
-~
= ---" ( J - Ih 2 76./,./ 7 I
- --':- J = - - - ( -
.\ , ./-/
--1-1- ) -- 60
/50(}
) . 09
" ( m3 I
w ·
),

·•
f':

( h) Vo lume total cl_;i Q_Qp_L_~_ª-.ÇiiQ

.,
( ':
··•• e) Err.9 padrão
,
.1 ; 11, r::;;-;:;;:; 3
( f"- ·• s, = ~ ( J - -~ ) = ·J 60. 99 = 7 . 809 m ha

••
. " Ih .\ ,

( f'
( i) lnt çrva lo ele confonç;i }JJJJ Q tot_al f' : f) Errq de élmostragem

(
(
/ ( / .\ - .\ 1 \ ' ,. .\ ·.:, _\ · 1. / 1 "
1 / , /'
• ••
t'
-Abso/11to 1:·" =± lsr.,

/ ·,\;:
=± :!.O]/ (7 809) = ± 15 .78]11/

J5.782
ha

(
( ' 1. 1.2 2 Stgunda ocasião
t ·-
f'
••
I'
- Re!nti\·o F 1 _= ± - '...~ .'!.._ • /()()
_i"',,
= ± - - - •100 = ± 6 .36%
:-18./9

(
.\ , "-- I 5 0/J
11 - · 17 - -1-J
~-
f '-
•• g) Intervalo de confiança para_
!C/ --\." - t .1·- <
Yn -
}-=- < -\. -+- 1 .,._rn
- . ,,
ª- média_
/ = /'

~.
(
(
a) Volume 111_~_1_0
// ,
•·,, - ·
--. !C/ 232.-1111/ ha s; f ~; ::'63. 'J7 m
3
ha / = 95%

t: 1;,1, h) Total estimado para g população

fi·
,, -------
( h-J _ - :-1s. /'J n/ 3
_11(
17 ,
/10
f = i\' _l',, = 1 500 ( ]-18 19 J = 37] ]85 111
(
(
(
b) Yzi ri 811Q.<1_ ,-. -.
----- i) Intervalo de confiança paraº total

•t
/ J
 . -• ••-
- l.
r - 1. (

248
Inventário Florestal
,I
ti,
,
•• Amostragem em Múltiplas Ocasiões 249
(

!('/ }: - .\ 'sf,, s: } s: r + \"/sr,, / = p if • ·

•• (

/('/ 3-18.6/U m
3
Sr S: 31)5 _'J56 111
3/ = 95%
12-
• -••• g) Intervalo de confiança R.!!iª- Q 1Qt<1l
(
(

11.1.2.3. Crescimento ou mudança

_o crescimento media do estoque, nesta abordagem , considerando-se

que nao ocorreram desbastes nem antes, nem entre as duas ocasiões, é
•
•
••
•
..
,
.a
••
'
!C/ !), - .\ t ., l-1 s

!( '/ -11.8//.'I m
1

3
J) <_

:, /) : .
'
O, + .\ 1 17

!IC .'12 /
í
/ 1
= /'
11,-' / - J5 %
Observa-se que a precisão do intervalo de confiança para o
1
(

(
(
(

obtido como segue

•• •• ,
crescimento foi baixa, ou seJa, o erro padrão percentual , usando-se 44
w1idades amostrais em ambas oc<1s1ões, resultou em 21 ,20% , conforme ·
abaixo calculado
(

•. ••••
& (
b) Variância da 1nédiª- (

• .,
\o/, = .\( + i = -13 5-1 + 60. Y'J = 10-1. 53 (!,,3 Ira )2 Se111pre que se dese_1ar o bter u111a precisão 1111n1111a de lü ~o no (
intervalo de confiança para o crescimento, será necessário uma intensidade (

• _•, amostral que resulte e111 um erro P<!,Qrão não superior a 5% da i média
(

•• -•
3
Neste caso, não deveria exce er a 2.41 111 /ha, o que resultana em 8 15
s-( 11 =, sJ
' li
+s::1~li
.
= J10-1 ' 53 = 10 · -??
-
111
3 lia Lmidades em ambas ocasiões- . Tal mtensidade amostral e extremam;;;- (

d) Erro de amostragem
gl = ( 111 -- f) + ( n-: -
/ J = ( -1-1 - J) + ( -1-1 - J J = 8(i
.,• ,-:I.,
_,, elevada. resultado d<1 metodologia ora utilizada Devido a independência
das amostragens em ambas ocasiões, não há correlação entre as 1uiidades
das duas abordagens, tendo como conseqüência a obtenção do ;náximo
(
(

•• .,
erro de amostrage111 .
1ro,o5. sn; = 1.99 (
Do ponto de \1Sta estatístico este e o maior obstáculo para a
utilização deste processo de amostragem. Acresce-se a esta restrição as (
-Absoluto: 1:·ª = ± J.9'J r /0_]2 J = ± J0.3-1
. 1·
- R eI attvo : :,. = ±20. 3-1
-- . / oo =- :r
-18, 2 J
-12 /')%
m3 ha
••· -~

:: ~
demais apresentadas anteriormente, no que tange aos estimadores exigidos
pelos manejadores de florestas, que somente podem ser obtidos e
(
(

• ~,a monitorados e111 1midades amostrais permanentes

(
e) Intervalo Q!! ç_onfian_ç:<1 12ar<1 a médiª

!C/ di - 1 -\7, s: 15 s (7, + 1 .,,,-1 / = !'

••· .!. .

~
11.2. AMOSTRAGEM COM REPLTI<;ÀO TOTAL - ART (

•e: !.ia
(

.,
Neste procl'Sso , a mes111a amostragem aleatória realizada na
!C/ 2 7 ,87 ,,,3 ha S T5 s; ó8.55 nr' ha / = rJ5% (
~ primeira ocasião e remedida na segunda e em todas as ocasiões sucessivas,
como mostra a figura 1 1 2. (
f) Crescimento total estimado -~
-·

•• -'~

c..j
Nestas condições e:-:1ste u111a correlação entre os valores obtidos nas
duas amostragens e. em termos de 1m'entános florestais, este processo é
\
(
(
(
 (

(
(
250
( Inventário Florestal f' - ,"') 251
Amostragem em Múltiplas Ocasiões
( ~ -~"-1

(
conhecido como Inventário Florestal Contínuo
·d , - lFr ·
\_. muito b
em ora sera t ·- ,~·l
man~1 o, neste capitulo, o conceito de IFC mais abrangente para os seus 111crementos. bem como o controle de ocorrências e implicações de
( d1fererttes processos de abordagens em múltiplas ocasiões .
f ,c_ -~ 01ige111 bióticas e abióticas ao longo do tempo
(

( J• Ocasião
2' Ocasião
.,_ f'f----.:: ~
·\
Neste processo, há um problema adicional a ser considerado na
fixação das w1idades pennanentes . Intencionalmente ou não, os
Mudança marcadores de desbastes podem tratar as parcelas permanentes
(
diferentemente do restante do govoamento . Talvez esse tratamento
( diferencial 1180 traga conseqüência significativa aos estimadores obtidos
( m tempo ~ -- ~ nas w1idades pennanentes. porém há que se ter certeza sobre a existência
-----'-) 117

(
J m --~·
· m-·y m f . -<' ~ ou não de diferença. pois as decisões e planejamentos .levados a efeito a
'
f :·- ~ partir dessas infonnações precisam ser seguras e consistentes, até a
( rotação final do povoamento .
(
(
-··
-"m \'
. m ,. ..
( ,~ . '
- 1
.. -
1
__·-:\
~
,}, Alguns autores tem sugerido a abordagem da população com
algumas w1idades adicion;iis. objetivando averiguar se ocorre diferença
( 1 significante ent re os estimadores destes dois conjw1tos. Esta alternativa
Figura 11.2: Estruturação da amostragen1 con1 repetição
. f':;1- '-'\ cria . entretanto. algumas dificuldades, pois além de se detectar o problema
( total. ~
.
; ...
i
,:\
.
s9111ente algum tempo após a obtenção dos dados, aumenta-se o custo da
( amostragem e não será encontrada outra alternativa para se obter os
f ,. f. a. "'.
(
(
SCHMlT (1971) menciona que os In ventános Florestars Contínuos f}, 1 ir• " estimadores de manejo. a não ser por w1idades pennanentes
Diante deste fato. os suíços têm sugerido a eliminação das marcas
(
(
~s~ndo wi1dades amostrais permanentes - ART. foram introduzidos na
-~iça em_ 1890 Ressalta que nessas condições todas as árvores com
d1a111etros iguais ou maiores que 16 cm são periodicamente medidas e o
~

f'· ,
,., ,'
;

-
nas árvores ou nos limites das unidades amostrais. Essa fixação das
tmidades de fonna imperceptível aos operadores de desbastes é uma
solução por um lado, mas pode ser um problema de outro, pela incerteza
crescimento exatamente registrado Menciona :iinda que este procedim ento 1
( penrnte obter dados exat b. d. - de se encontr;ir precisamente a w1idade amostral nas remedições.
, osso re as con içocs florestais num determinado f. - ~
mom ento e tambem sobr l - .
(
artir d 1 ~ e suas a teraçoes O mcremento é calculado a
e
f'i 1 , , A sugestão proposta por \VARE & CUNIA ( 1962), de se remedir
p d ~ as a teraçoes do estoque em crescimento e da conseqüente parcialmente as tmidades amostrais a cada nova ocasião será tratada no
(
pro uçao resultante. fl; ~ processo específico de Amostragem com Repetição Parcial.
ft e~-,
.i•·•·
(
. A_ssim. o conjtmto dé ttnidacks :imostrais. se1.1 ele ;ilcatoriamentc
( ·:e~ 11.2. 1. Parâmetros e estimativas
s1st~rfi11at1dcamend1te distribuído na área inventariad; na primeir~ ocas1à:1
( sera ixa o e emarcaào no ca d . d . .
II
mpo . . a, ser enomrnado comumente de um ~
( agrega d o d e parcelas perm;mentes" 11 .2 .1.1 . Primeira e segunda ocasiões
~
( . Tdão impo,tante quanto ter as u11id:ides demarcadas e físi ca ment e f.1; ~ Os estimadores da primeira e segw1da ocasiões neste processo são
(

(
(
loca 11za as em camp
. ..
t , · _ '
º· e amoem a ordenaçao e lll!IJ1er.2 ç30 das árvores
md1VJdualmente dentro das urndadcs ;imostr;iis. para penrnt1r o cálculo dos
t}.
f) ·
t),
,..
-,..·
"'il
obtidos do mesmo modo que no processo de amostragens independentes,
conforme apresentado nas fóm1ulas ( 1 1. 1) a ( 11. 18), tendo como
particularidade o fato das informações serem obtidas em unidades

--.
 Inventário Florestal
•
••
--•• Amostragem ern Múltiplas Ocasiões
253
(

--••
252

••
.º..!ª.
remedidas .
A variância da média do crescimento é estimada por
(
( 11.34)

••
(
11.2. 1.2. Mudança ou crescimento

a) Média ou (

•• e .
Na amostragem com repetição total, a mudança ou crescimento do
estoque por unidade de área pode ser estimada como segue
•• m
( 11.35)
(

( 1130) •• -• onde

onde: ••• --•• s?.,. = variância do estoque na primeira ocasião;

s~"' = variância do estoque na segunda ocasião;
(
(
D,,, = média da diferença entre as duas ocasiões .

Se não OC()rrerem desbastes no intervalo de tempo entre as medições .,•- -•

-~
sry

111
= covariância entre as duas ocasiões :
= número de unidades tornadas na I" ocasião e remedidas (

• -•
e antes da pnme1ra ocasião, tem-se que na 2" ocasião . (

,
•
,.
D1h =O e Drh =O A covariânc1a entre as duas ocasiões é dada por (
••
e portanto a expressão (11 30) reduz-se para

Dm = f,"" - _fm ( 1 1.31)

.,
•· (

Neste caso, crescimento e mudança são iguais. •· ·• (

A estimativa do crescimento ou mudança é obtida por

d,,,= (Ym + dyb )- (.x,,, + d,b) (1132)

••· -~
=~
ou
(

(
r (x j - XIII )( rj - .1'111 )
Ili

•• -~
j =l
ou
d 111 =.v -x
111 111
( 1133) •· : ~
111 - I
(
onde:
•· e~
Observa-se neste ca,s o, que a precisão será maior que a das
amostragens independentes, pela subtração da covariância (5'ry) no cálculo (
•· "~
_v,,, = estimativa sem tendência de f ·
""
- 1 = estimativa sem tendência de .f n,,·
"5.\
d- 111 = estimativa sem tendência de 15n,,·
•• ~
•-•
:~ da precisão do estimador de crescimento (

dyb = estimativa do desbaste ocorrido entre a primeira e a •• -• c) Erro padrão

O erro padrão para o crescimento pode ser obtido como segu~:
(
(

. -".•
segw1da ocasião:
d,h = estimativa de desbastes ocorridos antes da primeira
ocasião.
• ,·- -
' t /m -
( 1136) (
(
b) Variância da média •••
• •
d) Erro Qs, ~111ostrage111 (
(
(
(
 (

(
(

(
1

254 Inventário Florestal

f·
...
.:, ·•
.
•

Amostragem em Múltiplas Ocasiões 255 ·

.
(
, ~ -9
( - Absoluto: E 0 = ± t s<1 m
(1137) f ,; ·• O quadro 11.2 apresenta os dados desta população obtidos nas
( 1
~ medições efetuadas em 1976 e 1977.
f SJ
( - Relativo: E,. = ±-=1!!---- •100
d,,,
(11 .38) f ,;
f :,
'º'~ Quadro 11.2: Vol ume total com casca das parcelas permanentes
do povoamenFo de IÇ,~calyptus sp., medido aos 4 e 5 anos.
( _,
e) Intervalo de confiança paraª média t· {I UNIDADE 1• OCAS , 2• OCAS. UNIDADE 1• OCAS . 2• OCAS .

.,. .
(
, , ti Nº GRUPO 1976 1977 N°GRUPO 1976 1977
( O intervalo de confiança para o crescimento é dado por 3
3
/ha) -.
3
/ha) (111 /ha) (m 3/ha)
=P
f , ' (111 (111
( 1 JC [ d 111 - f SJ $ D $ d,,,+ t SJ }
'" m
(1139) 1 m 1-.n;s9 ·~ 174,99 24 111 181 ,69 197,50
2 111 147,74 187,58 25 111 161 ,44 191,62
(
· Os graus de liberdade para (t) são obtidos na tabela para 172,58 266,13
f ~ 3 111 126.26 153,81 26 111
( ' gl = (n 1 - l) +(n:c ···l ) 4 111 137.08 176,28 27 111 191,29 280,29

.,.,•· ·.•
f :, ·• 5 111 39,30 61,76 28 111 137,93 178,37
(
f) Crescimento total estimado
f 1, ":t 6 m 133,19 160,8 7 29 m 167,08 218,88
( 7 111 110,21 150,23 30 m 110,10 149,68
D,,,:-= N J,,, (11.40) 8 111 126,79 164, 15 31 m 123,59 161,67

•- .
9 111 132,09 170,99 32 m 107,45 ' 174,45
10 m 73,79 101 ,36 33 111 137,35 172,66
g) Intervalo de confiança para Q total
( 11 m 76.22 114,85 34 m 137,77 179,97

(
JC [ D,,, - N f SJ m
$ D $ Dm + Y f SJ m
J= P ( 1 141) 12 m 63,42 87,89 35 111 79,56 105,36
13 111 77,47 102,06 36 m 80,79 126,26
( ' Conforme observado anteriormente, a vantagem principal deste ft ·• 14 m 37,24 ' 51,37 37 111 118,52 150,55
p •

., ·•
processo, do ponto de vista estatístico, reside no aumento de precisão do 15 111 98,34 152,57 38 111 133,61 191,47
( fi, •
estimador de crescimento, devido a remedição de unidades amostrais. 16 111 87,04 119,94 39 111 174,91 248,38
( 17 111 116,52 148,93 40 111 140,90 183,30
No que se refere ao manejo dos povoamentos, essa vantagem se

., 1~
·-
18 111 83,75 129,42 41 111 176,79 226,76
( f L .•
amplia para outros aspectos relativos ao controle da evolução da 224,25

• 19 111 110,99 152,01 42 111 185,32 !

( população a nível de árvores, confomie já mencionado. 135,84 154,10
~ 20 111 77,87 109,04 43 m

. 21 111 139,73 165,91 44 111 109,97 142,97

(

.
11.2.2. Exemplo aplicativo 22) m 182, 11 208,33 45 111 73,65 102,68 ,
( ft;

."
23 m 94,68 143,74

.
( Este processo de amostragem sera ilustrado através de uma
( população de Eucalyptus sp. situada no município de Lençois Paulista -
•·
...
11.2.2.1 . Primeira ocasião
SP, da qual foi obtida, no inventário contínuo. uma amostra constituída de
( ~ = 1.500

•·•·
45 unidades amostrais pennanentes Os volumes das unidades. obtidos em N1 11 1 =m=45
( uma mesma área, aleatoriamente e com remedição das mesmas unidades
( na segunda ocasião, um ano após a primeira medição. são expressos em a) Média

(
(
(m 3 /ha)

••
• . 1,..
 •• -• ~

., ~•
(
256 Inventário Florestal 257 (
Amostragem em Múltiplas Ocasiões

"1
I: XmJ
j=l ?
.!. - ·• -~
h) Total da população
(
(
xm = = I 2 J. 15 nr ha _\' = Nx = J.500 = 181.725 m 3 (

•• -• 111
( 12/. /5)
-~ (
b) Variância i) Intervalo de confiança para Q total (
"1
L ( XIII_/ -- .il/1 J2
•• -~ -~
!C [ _\' - N t s, : ; X ::; .\" + .\' t s, / = P
·m ·m (

•• ,..,
1 3 (
s_~,, -~j=-- - -- = l.537.0J (m 3 ha/ JC[ 16--1 263 m 3 s; X s; l<J<J. 186 m J= 95%
111 - J -:.1 (

•• .,
11.2.2 2 Segunda ocasião (
c) DesVJo padrão
N 2 = J.500 n2 = m=--15
(
"1 -~
L rx"u -x111 J2
•- -•
(
j =l ~--- a) Média
= - " - - - - - - - = Ji.537,01 = 39.20 m3 hu
•- -•
sx,,, (
111 - J li •

t: 1;,u
• -• v = -1·=1- - = /60.3--1111
3
ha
(

••- -•
d) Variância da média ~ 111
(
112
~

:: _ s;m (] 111 1.537,0/ 45 , (

sx;.,-- - - , )= _ (l - - - ) = 33.13(111-' ha/ .Jj b) Variância
11 1 ·'1 4) 1.500
• ·• -·
(

•
11~ .,

e) Erro padrão :;.j I: o;,u <v111r (

-"L = j=l = 2.354.33 (m
3
. ha/
•• ~:.1 112 - 1
(

f
• ,, .., ~,:, c) Desvio padrão
(
(

f) Erro de amostragem

-Absoluto: Fª = ± 2.02/ ( 5.76) = ± / /,6.// m 3 ha

•• -~
:: i..l
11]

I: (Y11u-Simt
J=l
')

= .j2 354,33 = 48,52 3

m I ha
(
(

. E . . ll.6./1 •• =• c'J 112 -1 (

- Rea,vo:

.
I t = : t - - -100 = ± 96/% (
r 12/./5 · d) Variância da média

g) Intervalo de confiança paraª média

1c r xlll - , s, '"
s:: T s:: ;Ili+, s, ; = P
. m
.
t
.!: (J

_"~.., Ym
, .l'j'.
11
~

' .
_

2
Ih 2 35--1,33
s:: =--'-~ f ! - - - - ) = - - - (
N 45 2
l - -45- ) = 50 ,75 ( m 3 / h a )2
1.500
(
(
(
JC/ 109.51 m
3
ha::; \" <; /31.79 m 3 ha J = 95% t .c•.I e) Erro padrão (

,.•• - ~ (
i
• (
(
(
(
'1 1t
(
f" .... 259
r,·
(
(
258 Inventário Florestal
,,,. ., '~ Amostragem em Múltiplas Ocasiões

~- - , '~
(
1
(
f, ;~

,t
(
íl Erro de amostragem -~
Sxy = m-1

, .'
(

( -Absoluto F" = ± :: .01 / / 7. !]-I} =± 1./ .39 7 111 3 ha (5 ..J51,85)CZ.l._1~,_

3 8)_
f 953 .68 7 .762 - ------ -45 = J.807 ,46
( . . ! -1.3 97
-Relatn·o !·. . ~ t: ----- ·/ 00 =± 8. 98 % 'I S.ty = -1 -1
j(,{) , 3 ../

••
1

( t:·
( ª média ou
g) Intervalo de confiança Q_ara
,f _
(
(
1< · / ?"' - 1 .\·v s i"' s _1"111 + 1 .,·v,n J = !'

!C J 1./5. 9-1111_;
. nr

sf s
.

f =--··
(
ha 17-1.1-I nr' ha j = 95 % ·
•- •
,_ •
2 s_Y\' _ _ 2(1.807,46)
( h) Total estimado f . +s:1· - - - 0 75
· =33,l./+), 45
' = S-2
••
1· '.'..
· dm ."C m · "' m
( f = \' _I'"' = /.50() / /60 3-1) = :: -10 5/] ,,,3
(
•-
•- ·•·•
s~ = 3 ,5-18 (m
3
I ha)-
'

(
(
i) Intervalo de confiança para
JC /
Q total
t - _\·1 .,·v. ,n s r :S ( + ., · 1 'v. ,,, / = !' ,, d,,,

(
• ·• ,- =
2 s ,y
s: +s:Ym __ -_ ~
= ✓ 3.5-18
(
(
11 2.2.3 Crescimento ou mudança -- -·•·
•-
. dm Xm m

...•
( f!- s-;; = 1.88-1 mJ ha
"'
( O crescimento médio do estoque. considerando-se que não ~
d) Erro de amostragem
( ocorreram desbastes na população. é dado por ft. 1 g1 = (n1 - 1) + ( n2 - 1) = (-15 - 1) + ( -15 -1) = 88
( = .i ·m - - / r; n· -; ../ - ·1 -,
f'f; --1 -
..,1
,m ·í'm /·/5 "" 3 ') · ! <) 111-' ha
f!;; . .--1 , tro.o5 , B8J == 1,99

•.••
( 3
1 , -+ ( 1 88-I)=± 3,749 m l ha
(
b) Variância da média - Absoluto: Ea = ± 1 ·'9., - - 199
· ·
, 1 -
( t•sa,,, -+3,7-19 .]00=± 9,56%
(
--
IJ.;
-i, _. - Relativo: Er = ±d· 100 -
m
- 39. 19

(
(
~-
r
-:t
1
"
 • I"~ (

• I '• 261
260 Inventário Florestal • 1 ·- • Amostragem em Múltiplas Ocasiões
Ir 1--~
• '1 ,. (
uma subamostra permanente e a auxiliar em urna subamostra temporária.
e) Intervalo de confiança paraª média
e r'éi,,, - , sJ J, ~ 1-• Na segunda ocasião, em uma subamostragem das unidades desta primeira (
1 5D 5 11 + 1 5 am
..,. 1 = P abordagem, remede-se a subamostra pennanente, obtendo-se a estimativa
m • 1 -~ da variável principal (Y) e um estimador da relação entre (Y} e (X). A
(

JC f 35,-1-1m 3 1 ha 5 D 5 ./2.9./ mJ . ha) = 95 % • 1 .4 média dos dados da amostragem da primeira ocasião (X) é então aplicada
(
.. 1,,. à relação desenvolvida, para se obter uma estimativa da m:édia da segunda
• 1-~
,:! .
f) Crescimento total estimado
ocasião (Y) .
Dm = N d,,,= /.500 ( 39. 19) = 58.78./ m3 • 1~• A remedição dessa subamostra estabelece uma correlação entre as (

g) Intervalo de confiança para Q total

~-.... variáveis medidas nas duas ocasiões, permitindo obter estimativas mais
precisas na segunda ocasião, ou redução do custo de amostragem para
(.

!C I 8111 - N t SJm 5 D 5 ô,,,+.\' f s-,

{m
J= p :1 uma precisão fixada
A Amostragem Dupla pode ser aplicada , realizando-se a primeira (

. _.,
3 3
JC { 53.161 m 5 D 5 6-1 . ./07 m J = 95% fr . -• ocasião com uma intensidade de amostragem (n 1 = u+m), onde a (

. Obse_rva-se que a precisão neste caso foi superio~ a do exemplo

• ~.I subamostra permanente (m) representa a caracteristica principal e a (
antenor, CUJO processo não usa parcelas permanentes. subamostra temporária (u) a característica auxiliar. Desta amostra obtém-
(
se uma média geral ( x1 ) referente as (n 1 ) unidades amostrais, uma média
p) 1/ 4!11 •· ,..,
- · ! ..
( xu ), relativa à subamostra temporária, e uma média ( xm), relativa à
(

. -.•
11.3. AMOSTRAGEM DUPLA - DA
subamostra pemrnnente. Na segunda ocasião, o inventário é repetido, na (
1;· : ..
__A Amostragem Dupla é o process~ de Amostragem em Múltiplas mesma área, com uma intensidade amostral (11 2 = m ), tal que (n 2 ) seja uma (
0 cas1?es, cuJa _amo~tra da segunda ocas1ao constitui uma suba mostra da subamostragem de (111 ), ou seja, 112 < n 1 , onde remede-se apenas a (
p_nme1:a ocasiao. E um ~rocesso -~articularmente importante, para as , subamostra pem1anente (m), e obtém-se a média (.Ym) como mostra a
s1tuaçoes em qu_e a obtençao da vanavel principal em estudo envolve alto
custo, ou muito trabalho, ao passo que uma variável auxiliar
correlacionada com a principal, pode ser facilmente obtida. Desse modo'
pod~ ser mais conveniente e ~nômico tomar uma amostra grande d~
vanavel auxtltar, obtendo-se estimativas precisas do total da popula -
. ..
t;
~

•
... !' . .

:,a
figura 11.3.

1• Ocasião 2• Ocasião Mudança

(
(

(
da édi d ·, ..
f: m a a vanavel auxtltar, na primeira fase de amostragem; na segunda
ase, tomar
, . uma . . subamostra da primeira fase , na qual med e-se a
çao ou
• <. tempç m
(
(
.•, "-=-a
'ª u m )
caractensttca pnnctpal e a auxiliar, e usando-se a amostragem da primeira
fase como
(
, .mformaça~
. . 0 s up Iementar, pod e-se obter estimativas
. precisas da
(
caracte~st1ca pnnc1pal, a~r~vés de regressão. Por exemplo, para esti mar a
produçao ~e taruno de acaeta-negra, o diâmetro, a altura e a espessura de
• ·- -:a
(

.. '.-•
. '- -:-1
casca das arvores, podem ser tomadas como variáveis auxiliares

, ti N~ caso _de inventários florest:is contínuos, uma ampla amostragem

e e etua_ a paia. se. obter a prec1sao desejada para as estimativas da
.e-• Figura 11.3: Representação esquemática da amostragem
(
(
dupla .
populaçao na pnme1ra ocasião (X). medindo-se a vanávPl orinrin::il Pm (
(

(
)

., •
•• '8

( '
262 Inventário Florestal
f'.
,.-,
f', ,.
-·•• Amostragem em Múltiplas Ocasiões

A média paramétrica é dada por

263'

( ' ( f
,.
:~

,.••
Desse modo, as estimativas das características de interesse, na N1
( segunda ocasião, são obtidas através de uma regressão linear, ajustada f'; LX;
- _ i=l
com base nos dados da subamostrn permanente, medidos em ambas as f.\ X1 -
( N1
ocasiões, e expressa por (51r ), como segue
( t '· A estimativa desta média é obtida com base nas duas subamostras
( f' como segue
(
(
Na prática, a aplicação da amostragem dupla, aos mventanos
florestais contínuos, exige que as (11 1 = u + m) unidades amostrais da
t'
,.. •·•
•·•
primeira ocasião sejam todas estabelecidas como parcelas permanentes, (11.43)
( f'
uma vez que a segunda ocasião, bem como todas as ocasiões posteriores,
( tomará uma subamostra constituída por qualquer combinação possível das f onde:

.,,. ·•
f '; u u m m
(
(n 1 ) unidades da primeira ocasião. Assim, ao se definir a intensidade de Pu=--=- Pm=--=-
u+m n1 u+m n1
( '
amostragem necessária para a segunda ocasião (11 2 ), ou para qualquer
·-• m

-- •••
u
ocasião sucessiva, as unidades remedidas constituem a subamostra f ': L Xmj
LXu;
( permanente e as não remedidas, a subamostra temporária . x=1=1__ x = -=-j=_l_ _
(
f" u
u
m
m
A cada nova ocasião do inventário, cresce o intervalo de tempo f\
(
(
entre as medições, o coeficiente de correlação entre as características de
interesse tende a diminuir e, com isso, o número de unidades da f.'. o. b) Variância

subamostra terá que ser aumentado, para que a precisão das estimativas
··; ·
• N1
L(X;-X])
- 2

•·•
(
seja mantida no nível desejado . Assim, ao longo do tempo, a intensidade de
.,, ~2 _ .,_i=_,_1_ _ __

~
-~
f ': 'x,
( amostragem das subamostras sucessivas crescerá até igualar-se à da
(
(
(
primeira ocasião, ou seja, no intervalo de tempo máximo entre as
medições, toda a amostra inicial será remedida . A partir deste momento, o
ciclo será repetido.

11.3. l. Parâmetros e estimadores

.~-
f'.

f t.
. --!·. A estimativa da variância é dada por

(11.44)

•~... ..·..•
(
( •--
f)~ e) Variância da média
l 1.3. 1. 1. Primeira ocasião
(
Os parâmetros e estimadores da primeira ocasião , na amostragem A variância da média é dada por
(
(
(
(
dupla, são obtidos de modo similar ao dos processos de amostragem
independentes e com repetição total, diferindo apenas pela existência de
duas subamostras - (u) e (n) Ao final da primeira ocasião os parâmetros e
estimativas são os seguintes:
.• .••,.
~;;

,
s2
s~x, =-10-!!LJ
n1 N1

O estimador, com a estimativa da variância, é dado por

(
(
a)_Média ... •
 (
(
264 Inventário Florestal Amostragem em Múltiplas Ocasiões 265.
(

(
distribuiçào de freqüência com média zero e va nància dada por :
(11.45) (

s2 = s~ (
1 -· ,./ ) (1153)
(

d) Erro padrão A estimativa da segunda ocasiào. por regressào, baseada em dados (

amostrados em ambas as ocasiões. é dada por: (
O erro padrão da média da primeira ocasião é estimado por
( 1154) (
(11.46) onde (
5.=
1
= média das (n 1 == 11 + 111) unidades da primeira ocasião ; (

e) Erro de amostragem
x = média das (m) unidades da primeira ocasião;
·m (
f' = média das ( 11,- = 111) Lmidades remedidas na segunda

•,.' :J
- Absoluto: E0 = ± t s.r1 (11.47) =J . n1 (
ocasião;
b ,-= coeficiente angular da regressão (
t s-
- Relativo: Er = ± _x 1 • 100 (11.48) '= ..I
X]
... ~- ~
Observa-se que neste modelo o ajustamento é efetuado através da
transladação do eixo das ordenadas para a média da variável (.\" =;= x2),
(

(
f) Intervalo de confiança para ª média ~. ,:_., resultando para a interseçào o va lor da média da vanável ( }iu = ?2 ).
1
(
.: __j
IC [ x1 - t sx1 :-: ; X :-: ; x1 + t sx1 J = P (11.49) •-·
t_, - _J b) Variància da média
(
(
f) Total da população ~, : _,j A variància da média do estimador de regressão Cv,.) é obtida, de
1 (
(11.50) acordo com COCHRAN (1966), como segue
t. ." (
l ·..J ( 11 55) (
h) Intervalo de confiança para o total
l · . _, (
JC [ X1 - N t sx1 :-::; X:-::; X1 + N t .5j J = P (11.51)
J
•-· -,) onde: (
11.3 .1.2. Segunda ocasião t_, \ ,: " s;, = variància tomada entre as (11 2 ) unidades da segW1da
(
t , =-.J ocasião;
(
p = coeficiente de correlação entre W1idades permanentes.
a) Média t ~· '.!!--4)
(
Assunúndo-se que a população seja infinita e que a relação entre ti . ~ ~ Uma estimativa sem tenàência do termo (S~ / 1- rJ /) é dada pela
(
(Yny) e (Xm1 ) seja linear, tem-se o seguinte modelo linear aditivo para a t.~ "= ~ variància de regressão <sJ.x ), como segue:
(
regressão: li e: êJJ 1

(
(11.52) u ,=J '
(11.56)

O erro neste caso, dado a existência de correlação entre as duas V 1

_ _, (

ocasiões está subscrito com ( a) para especificar oue este se2ue uma f \
! i
'
1

~ ·~• onde:
(
(
(
(

(
~- .
,., •
f,
266 Inventário Florestal
ft -~
• Amostragem em Múltiplas Ocasiões 267

l
(
f:
••( ;,·
•·• Como (s_;.) é uma estimativa sem tendência da variância da segunda
ocasião (S}). ou seja

f ·•
:~

f ~
{
Para efeito de simplificação considera-se
•• · • s~ - sJ.x) é uma, estimativa sem tendência de (rfs;),
,. ·• ,.
I ( }) - _\",,,) = .\) e, consequentemente, (

( (.\"j - xm)=x.1
•·· -~
obtém-se a estimativa da variância da média (,v,.) da regressão através da
amostragem. como segue:
( t·
~ntão • ··••
f,
'
' ·~·' - ·~x
·1Í:,
,l'f.,. =-·- + .
Ih 111
.
' ( 11 .60)

,,,., ·-••
t,

,..•
( ( 11.57) Adicionalmente, COCHRAN (1966) explica que, se a amostragem
na segw1da ocasião for pequena e o tem10 (J n 2 ) não for desprezível, a
_variância da média pode ser calculada através de uma combinação híbrida
e de variância condicionada e variância média, ou seja :

-.•
2
,
(
•·
1/ =
[
"-
J= f. )) ·Xjl
_ I_
m
L xj
_
..,
( 1158)
...
f.
,

,
• (11.61)
J =I

Substituindo-se o valor de ( 1 1 58) em ( 1 1 57) , obtém-se

f :,
f
·•
·:•
,~"
·=.••
FREESE ( 1962) apresenta esta estimativa um tanto modificada, .
f ', porém com resultados idênticos ao anterior.

' J
••"•
S_i-x =--
2

-....,·.
( 112 - ( 11.62)
)
f:.
I
f;
f;;.

(
ou simplificando-se

111 '
(f
) =]
.lj · x 1)
2 f ;,;
... ...
-e.
O coeficiente de correlação é dado por

p=
COV(.\T)
Sx Sy
(11.63)
I: Yj - -=--- - - ( 1159) f~ -~
J= I 111
I: xj'
...,.~( • Sua estimativa pode ser obtida pela expressão
(
J= I

...
 • ·= • (

• • :~
269 (

•• -•
Amostragem em Múltiplas Ocasiões
268 Inventário Florestal (
( 1171) (

r=
Cov(xy)
( 1164)
1,
• •-•• Não ocorrendo desbastes ou co11es entre as medições e antes da
(
(

Oll
~
• __,,.,J primeira ocasião. a express~o antenor é reduzida para

ll,. i,. \ ·,
(
(

•• --~
Ili

2::x·v· A estimativa do crescimento ou mudança é dada por

J
=l J - J (
r = -.======= ( 1172)
m m .., -~ J,. =- ( 'i', +,7,h )- ( ·'"I + ,l ,h) (
•~- ·-'
2
L X . L v-:
. J • J -~
; =1 J=I
Oll (

•• .
(
c) Erro padrão e ..
(
_ b) Va1ià11cia da média
( 1165) (

d) Erro de amostragem
•• -" ~

.! ~
A variância da média deste estimador. desenvolvida por \VARE
CUNIA ( l %2). é dada por
&
(

•• ...
(
- Absoluto: f. = + t ,._ {l - . .)) .,,

[ .\')'
() 166) -.
!!, . .
s,). · ,t'~,;"' , /:.;"1 '( 1 173)
1 (

••
- ReIativo: E,. = ± -·-r -100 ( 1 1 6 7) (
s,. ! ..
Neste caso assume-se que as variâncias paramétricas da primeira e
(

~ --
segLU1da ocasiões são iguais. ou seJzi
e) Intervalo de confiança paraª média
•· =--
-.
(

](' / .Vr - t Sp, ::; f : : ; .v,. + I si', J = l' (1168)

• .!" . .
(

•• ,-,
Sua estimativa . va lendo-se dos mesmos estimadores sem tendência (
~~
anteriormente apresentados por C'OCHRAN ( 1%6), pode ser obtida como
f) Total estimado (
segue:
l' = N_v,.

g) Intervalo de confiança para Q total

( 1169)
•• ~-.J
! ....
- Expandindo-se o termo ( ...,.:: / I
mais apropriadamente. tem-se
p /::) em ( l l 73) e equacionando-o
(
(

f Y- N I s_l',. J= p •• ~~
rl) _..,.: (
_.. .,. :: ( / - :!.p+ 1-- / )
(
IC

11.3 .1.3. Crescimento ou mudança

::; Y ::; l; + N t ss, ( 1 170)
••• .: c i.f
- =~
s,í, e.·-------·-·· +- - - - - -
111 Ih
(
(

•• ~i.t
,.: .'/ - :!.S::p + _...,,::/ S:: ! I - 1/ !
¾I ·\í, =- - - -'---'-- + - - - -- - (
111 /1,
a) Média (
O crescimento o u mudança neste processo de amostragem será
• '4·-
1
(

•• !-~
obtido como segue:
,'.:...J
1
(
(

(
 (
f 'i •
(
(
270 Inventário Florestal
... ·•
f'
f';
-•
.•
Amostragem em Múltiplas Ocasiões 271

( ~ ;

f'~
·~-•• IC [d,.-ts;, <;,D<;.d,.+ts-;i }= P
r r
(11.79)

( f) Total estimado
f t'" ·-• (11.80)
f'.- •
/
f· • g) Intervalo de confian~ para Q total
(
f\ ·• ' '
I C [ D- N t ·'>J :=; D :=; D+ N t SJ }= (11 .81)

.
P
I '1= • r r

(
(
f'• -• 11.3.2. Intensidade de amostragem
( l 174)

,~·•o.
~ :

Considerando-se íguais os custos de levantamento das unidades

Conforme já foi demonstrado, (.1·~r) é uma estimativa sem tendência temporárias e permanentes, a intensidade de amostragem necessária para
\
f
f i,
·•
,.
se obter as estimativas dos parâmetros da população, com a precisão
de !- rJ /) e ( s:: -s;,) é uma estimativa sem tendência de ( S:c;i ),
( Ui';; {

resultando que o estimador da variância da média para a mudança ou

,-~ desejada , pode ser detenninada como segue:

crescim~ento pode ser obtido por

f}.; •
~ ;
11.3.2. l. Primeira ocasião

( 2 2
(s )' - s_,:r )
[ I + r(r -
2
2)] .2
ftr: ,. Na primeira ocasião (n 1 = u +m) é calculado como na amostragem
2
= r 5 rx aleatória simples, especificando-se a precisão e a probabilidade de
S-
d,
+-·- ( 1175) f',, -• confiança desejada, ou seja:
( f's ,.
onde ,2s:
ti· ,. - XJ
(11.82)
s;, = variância das unidades (m) remedidas;
..•· .;·t •.
n1 - 2S:
1

~ -
( E2 + ___!l_

.,~- ,..
r coeficiente de correlação das unidades (m) N
(

.. ...
c) Erro padrão 11.3.2.2 . Segunda ocasião

Çf
s;rr = V·'d,. ( 1176)
A literatura tradicional não apresenta uma solução objetiva e
prática, para a detemunação da intensidade amostral na segunda ocasião
d) Erro de amostragem
·• (n2 = m ), que assegure a precisão desejada às estimativas. Diante disso,
BRENA & PÉLLICO NEITO (1993) propuseram uma metodologia para

.,•· ·•·•·
l - Absoluto Ea = ± t SJ, (I l. 77) solucionar o problema, valendo-se das informações das duas ocasiões, a
( partir da variância da média obtida pela regressão, como segue:
@, -·
i .....A
,

(1178)
+ s;, - s;.x
(

.'" ..,.
s1. = ~X

( Y, n2 n1
e) Intervalo de confiança para ª média
.;,
 272 Inventário Florestal " :~.•
~
.~:

Amostragem em Múltiplas Ocasiões 273

(

&-,
=•
• ·•
Operando-se algebricamente para isolar (n2 ) tem-se (

, 2 , Quadro 11.3: Povoamento de Pinus elliottii de Guarapuava -· PR, (

.2
s-
s;x + 112 ( Sj, -s;x)
n1
=-~--~~- ~ .:e ~ plantado em 1968, e medido em 1975 e 1976 .

""' _,_,...
Yr n1 n2
e ~
UNIDADE 1ª OCAS . 2• OCAS . UNIDADE 1• OCAS . 2• OCAS
Considerando-se que a estimativa da variância da segunda ocasião 1975 1976 Nº GRUPO 1975 1976
Nº GRUPO 3
(_s;) e a variância devido a regressão foram obtidas com (m = 111 - u) 3 3
/ha) (m /ha) (ni3/ha)
~ (111 /ha) (111

. . .,. l u 132,3 - 29 u 101 ,8 -

unidades, onde (u) representa aquelas unidades da primeira ocasião que ~ - ·~ 146,5 -
2 li 122,9 - 30 li
não foram remedidas na segunda ocasião, substitui-se (n 2 ) no nwnerador .. 177,6
-- 3 u 133,3 - 31 lll 139, 1

..,. .-.,
por (n1 - U ), como segue 232,9
~ 4 u 124,8 - 32 m 190,3
33 m 100,7 165 ,5
s?, = 111 s;_, + (n1 - u)( s; -s;x) .
5
6
u
ll
127,5
116,4
-
- 34 m 102,7 181 ,8
(
Yr 111 n2
7 ll 120,0 - 35 m 98 ,4 164,3 (

.,.,... =• •• 8 u 140,6 - 36 111 68 ,2 103 ,6

(
9 u 116,8 - 37 m 42 ,2 68,0
113,9 - 38 111 91 ;6 145,5 (
10 ll

.-. -.• 11 u 138, 7 - 39 lll 91,6 137,6

,123 , 7

.~-- 12 u 144,5 - 40 lll 77,4

.::
13 u 104,0 - 41 m 91,4 1
146,6
Especificando-se a precisão desejada (E), para se atingir um erro de
amostragem não superior a um limite estabelecido (LE), sobre o estimador
médio da segunda ocasião (yr) e definindo-se a probabilidade de confiança . ~ 14
15
16
li
u
157,4
1 16,2
100, 1
-
-
-
42
43
44
111
m
m
91,6
123,5
108,7
)41,3
' I 74,4
164,9

•• . .': ,. ll
para a estimativa de (n2 ) , tem-se 17 u 164,4 - 45 111 108,7 ' 164,9

•• ~,
1

18 ll 195 ,7 - 46 111 93,6 134,0

s;x + (nr u)( s?,-s;x) J. "' 57,4

•• ....
,2 [ n1 19 u 129, 8 - 47 m 42,0
n - - (1183) 84,4
2 - E2 20 u 102, 1 - 48 111 53,8
n1
21 u 140,7 - 49 111 138,0 202,0
~~ (
22 u 187,0 - 50 111 173, 1 207,9
11_3_3_ Exemplo aplicativo 171 ,8 (

~
--~-- 23 u 64,6 - 51 m 121, 1

Num povoamento de 500 ha de Pinus elliottii, plantado em I 968

em Guarapuava - PR, realizou-se a primeira ocasião do inventário
•• 24
25
u
li
129,6
14 7,3
-
-
-
52
53
m
m
111
81,8
64,0
145,9
154,0
101,2
189,2
(
(

•• 26 u 151 ,9 54
contínuo em 1975. O mesmo povoamento foi remedido em 1976, tomando- - 55 168,9 226,9

~•
!!,. . 27 u 110,7 111 (
se wna subamostra das unidades da primeira ocasião, através da 28 u 147, 1 - 56 m 186,8 239,3
(
amostragem dupla, para se obter os estimadores da segunda ocasião_
A unidade amostral utilizada no inventário foi a da forma circular •• ~•--
~
1

11 .3 .3 . 1. Primeira ocasião
(

~•
2 (
com 1.000 m de superfície. O quadro 11.3 mostra os volumes, expressos
3
• N =500 (111 - 11)=26

• ~-•-'.
em m /ha, das 56 unidades amostrais medidas em 1975 e das 26 unidades (
n1 = 56 pu = u l n1 = 0 ,536
remedidas em 1976. (
pm = m I 11 1 = O, 464
•• u = 30
(

(
 -~·.••
f1

~ 275

º.
274 Inventário Florestal Amostragem em Múltiplas Ocasiões
( f';_
~ -~
d) Variância da média
a) Média
li

IXu;
~-
~
•• , s; 1
s~1= -;;;(l--;:;J=
11 1.28-1.71 I 56 )
56 < -500
<
- II
X = -i = l - = I 'O
u
j , 9_:,- 1/1
3 I 1G
~
•-.
.
3
\'~. J = 20 3 72 ( 111
m f'
í: x,,rJ - f'
- j =l
11/
••
x,,, = - - - /() 7 .5 0 ha e) Erro padrão
( Ili f'
X1 = !~, XII + I ~li 5:,,, = / O. 53 6 ( I 3 0. 95 ) + O. -16-1 ( I 07. 5 O) J f' 1. 28-1 .7 1 1- 56)
{
( .>:1 = I 20. 0 7 3
!w
f:
•• 56 ( 500

-~·••
111

{
b) Variância
~
· ~- = -151-1111
'x , '
3
ha

~- f) Erro de amostragem
(

~- •
( f: 110 .05: 551 =2

(
( m
I (XJ - x,,,/ ~ :
·• -••
- Absol11to: h,' 0 =± t sx1 = ± 2 .0 ( ./.51./) =± 9,028 111
3
ha

·•
Is, 9,028 _? %0
.2
S.,,,,
_ J= l
= l. 71-1. 76 ( 111·'
,
ha/ f '• - x,
- Refr1ti,·o: l i ,. = + - · 1 -1 00 = ±120.07
- - · 100 = ± 7 .-' -

·••
111 - /
~

.
(
(
~ - g) Intervalo de confiança para ª média
~ 1c / x1 - 1 ·'xi s I s x1 + 1 s'"1 / = P
I
... ·• [(' / 111 ()./ m 3 ha sTs 3
129. 09 m : ha J = 95%

., ••
(
f',
(
h) Total da população

--,•.
~
.,~
( . . .lf
3
_;;.- = ,\ ' xi = 500 ( 120.07)=60 .035 m

.
( 1
. .F

f:ê i) Intervalo de confiança para Q total

f :_t, JC [ .\· 1 - N t s, s X s .\"1 + J\' t s, = P 1

]

• :$.
1
( 3
JC [55 .52 1 m 3 s Xs6./.5-19m /=95%

.•-· ":"'..
11 1 .,
( Ir ,\"; - x1 ,1- ~~
( s-'1 = i=I
111 - J
= 35 .8./ m3 ha
. 11.3.3.2. Segunda ocasião
(

-
 1·•
"li,!'

276
Inventário Florestal ~
1-• -• Amostragem em Múltiplas Ocasiões 277
(

•., 1
~ e. (

""•~- -~•
, A partir das (n,- -m-
- - -?6 ) w11 da des remedidas
. na segw1da ocasia~o ou
o btem-se:

.. !.•••·
si' ./ 7, ./99 (
b = r-~ =- 0 ,956---- =- 1.0966
s.,,,. .// . ./10
a) Média (

,,, A regressão linear resulta

I: 1;,u ,
Ym
-

b) Variância
J=I
= - - = 156, l./2
112
,
111-' ha

.• o-•·•• 5\- = 156 . 1./1 + 1.09705 1 (."'<, - 107,50)

.l'r = 38 .229+ 1.097051-x, = 38,229+ 1,097051
3
( 120,07)
(

(
(

". 1-• S'r = l69 .952m ha

..
,,, t,.
r r"IJ. - _1--; A est imati va da segtu1da ocasião (.I',.) é obtida como se houvessem

.... -•
-f
~
;2
111 (
' - J =I sido medidas 56 unidades amostrais também na segunda ocasião .
s;-;,, - ,- I = 2.:356./5 (m 3 ha/
11

..,
.. ~---•
:.
e) Variância da média (
.;
e) Desvio padrão
A variância da média é estimada por (
-·
1
(

••• ~ ~•-- e a variância da regressão, pela expressão

(
(

d) Estimativa da segw1da ocasião Q.Q!: regressão

• !!' •

• ~=•
.
(
.i',. = _v111 + b
- Coeficiente de correlação
( .1'1 - ."'<111 )

• • (

,. = _Cov(-".I' ) • ~, ':- (

• ~
• ~•,
J J (
,Çm · .~;m

~ (./7029.56/ ]=?00
(
=_1 [- 6 ,0 ,
•
,. = 1.881, 00 s.2,, ) _., .J,o1,) 6 -'------ - , 18 (m 3
,., ,. h a) 2
(
º· 956
.
·1· 2./ ./2.869 .0 7
J(l.71./,76 }( 2.256,16) =

- Coeficiente angular (b) • ... 1

'
:'!, ~

~
Assim,
\
(

b= f ,,,l'··X]
. 1· J J
_J_= _ __
.,
./7.029 56
./2.869:07 = 1,097051
.
• ---
~
•- _,-- 1
Y,
s;.,., s;.' - s~..',
,\ -2 =-·-+
11
2
11
1
=
200 ../1 8
26 56
2256./55-200,./18
+-------
(
(

f j=I
l: x-:
J

••
e!!. ~
s:y,. =-I-U/7(m 3
ha)
2 {
(

• ·- • (
(
( f. •
( til •
tf· • 279

·•
278 Inventário Florestal Amostragem em Múltiplas Ocasiões
(
~-
3
( f) Erro padrão
6-· 1
• Jr = .vr -xi :-= 169 .952-120 ,066 = 49,86 m I ha
f,'t. . : . •
( Oerro padrão da estimativa da regressão resulta 1
b) Variância da média
( fE'·.
J;f = ✓44,-117 = 6,664
J · •
3
(
Sy, = m / ha
r- 1
• 2 ., [J+r(r-2)]
s2
••
(S 1. - S~-.1 ) ,
t' . . - r- +E
( ou
(
. r
6,664
-"v % = - - - -100 = 3 92%
/6 9,952 , •
ti
. ] + 0,956(0.956 -:2)]
·• ( 2.256.155-200.-1 ! 8) - - - - 2·--·
(
[ (0,956) + 200,418
( g) Erro de amostragem t•
( 1(0.05; 25) = 2 ,06
t ·- • 56 26

( -Absoluto: E0 =± t sí'r = ± 2.06 (6.664) =± 13. 728 m 3 l ha ,•·_, -•'

I ·•·
. t s)' l 3 728
,~ •·
-
f ,, e) Erro padrão

•. ,.•,
( -Relatrvo: Er=±~·/00= ± ' -100 =± 8.08%
_l',- 169,952 .
~ = ✓7 786
3
\·- = 'J-'tl,

.·••
= 2. 79 0 m , ha
(
;_
· ,1, '
{ h) Intervalo de confiança paraª média
f.· ou em percentagem
( IC [ .Vr - t S)-:r S: f :;; .Vr + f S\', r j = F' ,
f:

,~- .,
2, 790 00 _ '9%
s- % =- - · ! =-'.-' n
(

(
r
, · 3 -
IC /!56.l 7 m l ha :c;; )· :c:; !83.68m / ha/ = 95%

i) Total estimado
3 ·
f, .
• d, .J9 .8(i

f f = NS'r
d) Erro de amostragem
fi. -• 1
= 500 ( 169. 95:!) = 8-1. 976 m
3 ,_ ,.,. 1
gl = ( 11 1 - 1 )+ ( 11 2 - 1 J =_80

( t,~ . ... 1(0.05; 80) =1.99

-.~•.I
j) Intervalo de confiança para Q total 3
( -Absoluto : Ea = ± ts-;;, = ± 1. 99 ( 2.790)= ± 5,552 m I ha
ft :
IC / f - ,\' t sí' :e;; r s: !~+ .\ · 1 sí' J= !'
{ ~ r - r
f,::- f ·SJ, 5 ,552 _
,.., ) o
-Relatrv·o·. J.;,,.
r. =+--- -100 = ± - - ·100-± 11,14%
m r <, 9 /8 ]9 nr' / = 95%
3 :;; - dr -19 . 86
(

(
JC [78_j0i

11.3 .3 .3. Crescimento ou mudança

,., _,...4 11 e) Intervalo de confiança paraª média

-~
...
@- ◄,
í a) Média 4 1 JC [ dr - t sd-r S: 75 :e;; J,. + t SJr J = P

( Considerando que entre estes dois inventários não ocorreu desbaste 4 ; 3

JC [ 44,31 m3 / ha s; 75,. $ 55 ,41 m I haj = 95%
< pode-se estimar o crescimento em volume do povoamento entre as dua~ 1

ocasiões como segue: •=- -

(
•• -
 . -3

280 Inventário Florestal

"
1.,
--
.e •jj Amostragem em Múltiplas Ocasiões
281
(
(
~ : ,i l (
~ . :::•Í, (
n;= (l,YB/1. 2~-1 ,ll = 109 ,22=109
f) Total estimado ~ =·i t (
Ô= .V dr= 500 ( 49, 86) = 2-1. 930 m 3
-. ".jj
_ij
360-l+(J,98J-128-l,71
500
·
(
~ 11 = 109 ==> co11sta11te (
1
g) Intervalo de confiança Q_ara Q total I,.« -" i,) (
! D- V/ s-., ::;; /) ::;; f) + :\' / ,\',, J = p L.;J b) Segunda ocasião
!C l r l r t .t (
A intensidade de amostragem para a segw1da ocasião é dada pela
3 3 ~ ; ~
!C f 22 . 153 m ::;; D ::;; 27.706 111 J = 95% expressão ( 11.83) considerando-se os seguintes valores: (
~~ -- ~ (
1l. 3. 3 .4 . Intensidade de amostragem .i 111 = 56

•""
m = 11 1 - 11 = J() (
Após a realização desta estrntura amostral, pode-se avaliar a -~ .\', :.: l 6lJ. 95] ,,,-' ha (
intensidade de amostragem mais apropriada para a presente realidade A ti.: 3
-~
s_~, == 100.-11s r111 1w /

•
intensidade de amostragem será calculada, admitindo-se cometer um erro (
~~
de amostragem máximo de 5% da média estimada, com 95~o de s~ 256. 15-1
3
ha /
•••
= ] (111 (
probabilidade de confiança. .! ~
E:! = 72. 186 m
3
ha (
~~ Iro.os; :2-1 J = 2 .06./
a) Primeira ocasião
No cálculo da intensidade de amostragem da primeira ocasião serão ••• =~
':: ~
(

(
considerados os seguintes valores:
N =500 •• ~~
~:,1
..
Ih
-
= -1. 26 / 56 ( ]00 , ./ l 8) + ( 56 -
56(72 , 186)
30 )( 2 ] 56. l 5-1 - 200 . -1 l 8) = 68, 1-1 =69
(
(
x1 = 120,07 m / ha
•• ··-:1_,.
3
(
s;1 = 1.284,71 (m 3 / ha/ Calculando-se a segw1da aproximação de (11 2 ) , para 1(0.oS, Mil = ],O, (
1ro.os. ssi =2,0
• : _. obtém-se:
= .J ,0/ 56( ]00 . ./1 8 )+ 26( ] ]5 6 . 15-1 - 200,./18) J = 63 _99 =6-1
(

•·
2 3 n,
E = 36,04 m / ha
~~
(
Utilizando-se a expressão ( 11 82) tem-se
.,• ~~--• - 56(72, 186 J

Portanto, para um erro máximo de 5% da média estimada, com

(
(

•• ~
! :.•
95% de confiabilidade, são necessárias 64 unidades na segunda ocasião
(

A segunda aproximação de (n 1 ), para Uro.os; 1101 =1. 98), resulta . ~•

•- ..:! ..1
11.4. AMOSTRAGEM COM REPETIÇÃO PARCIAL - ARP

A primeira menção a este processo de amostragem foi feita por

JENSEN (1942), que o aplicou a problemas de natureza agrícola. Porém a
(
(
(

•• e:. aplicação da Amostragem com Repetição Parcial foi proposta por (

(
•·-' (
(
 (

(
r
.: --
t -•
.
(
282
Inventário Florestal .(-; ;-a-;·-: .. Amostragem em Múltiplas Ocasiões 283'

~-~'"•
(
BICKFORD (1956), suraindo a ·
seguir mumeras contribuições
( o-

(
deset1volvimento de sua teoria . ao
f--• Entre as vantagens citadas por WARE & CUNIA (1962),

..
destacam-se a versatilidade do processo com relação a eventual mudança
. W ARE & CUNIA (l 962) apresentaram, de fonna detalhada a de precisão de uma ocasião para outra, bem como ao tipo de éstratificação
(

(
teona ~a Amostragem -~m Repetição Parcial aplicada à inventários
florestais _e~ duas ocas1oes sucessivas, considerando a relação que tme
"'-- -"·
í' • • usado, ou tipo de medição das árvorés, que pern1ite ser adaptado às

' ..
{' condições atuais. Além disso, sua principal vantagem é a forte correlação
( :uas_ rnl~hç.oes_ sucessivas , através das parcelas pennanentes como uma existente entre os volumes da primeira e segunda ocasiões, estimadas a
w1çao mear simples . ' í' •
( partir das unidades permanentes (m). Esta correlação pern1ite ajustar uma
r i A teoria deste_ ~rocesso baseia-se no princípio da amostragem regressão linear, que é aplicada às unidades temporárias da primeira
(
epet _d_a com subst1twç.ao parcial de lm1dades amostrais (SPR) 1, ti' ,. ocasião (u) e da segunda ocasião (n), obtendo-se as estimativas dos
( stmb~lizada no Brasil por (ARP) N ARP , a Jua e volumes destas subamostras nas ocasiões em que elas não foram medidas.
· ,, . , · ª , a cada remed1çao do t' ·•
mven(ano, parte do numero de w1idades medidas no inventário anteri , Portanto, as estimativas dos volumes, bem como da mudança ou
f' a·' • crescimento, são obtidas através da totalidade das unidades amostrais, ou
remedida no novo inventário e novas unidades são tomadas -na o ulaº~;
(

(
para completar a intensidade de amostragem requerida. p p ç ~~-- -• seja, (u+m+n), ao invés de somente (u+m) para a primeira ocasião,
(m+n) para a segunda e apenas (m) para o crescimento ou mudança .
. ~o Brasil: a aplicação da amostragem com repetição parcial e ~t - -•
(
mventanos contmuos, teve inicio com os trabalhos desenvolVI.dos m 1-' -•
( RIBEIRO (1978) B por - 1 11.4.2. Estruturação do processo
e RENA ( 1979 ), que compararam a eficiência dos i. ; .•
1
( q~atro ~rocessos _de amostragem em múltiplas ocasiões, aplicados a uma
p pulaçao de Pinus sp., em Guarapuava PR e a uma o J - •--1-•
.,, '-, .
O processo é estruturado assumindo-se que na primeira ocas1ao,

."-••·
( ~ 1 (111 ) unidades amostrais, definidas pela intensidade de amostragem, são
estratificada de Euca/yptus sp. , em Lençóis PaUlis;a, SP, respe~v~ ~ ;~o

(
(
d
Embora cronologicamente tenha sido O
J ·d
' Jt.
11
u 1mo processo
esenvo VI o, a amostragem com repetição parcial engloba e
.,. . ,
extraídas das ( iV1 ) unidades da população, através do processo de
amostragem aleatória simples. Nestas unidades são medidos os valores da
variável de interesse (X) .
estrutura todos os d . m sua
! d d ema1s processos de amostragem em múltiplas ocasiões t.
po ~ o ser _transformada em qualquer deles, durante a segunda ocasião, Na segunda ocasião, (11 2 ) unidades são novamente extraídas da
•- ·• população, porém com a restrição de que (m) das (11 2 ) sejam advindas das

.-.·
atraves da elunmação de grupos de unidades amostrais, como segue: .
-:;
•• ..
(111 ) já incluídas na amostra da primeira ocasião. Nestas unidades são
'(
a) Se o grupo de wlidades permanentes for vazio ( m = O) a ARP
transfonna-se em Amostragens Independentes ; .
.._, , medidos os valores da variável de interesse, agora simbolizada por (Y),
( como mostra a figura 11.4 .

•
b) Se ?s_ grupos de unidades temporárias da primeira ocasião e

•• ..
( Nesta estrutura, observa-se que as unidades da primeira ocasião (u),
novas temporanas forem vazios (u = O e n = O) a AR' º t t·
A , , nms onna-se em medidas em seus valores de (X) mas não de (Y), são substituídas na
mostragem com Repetição Total:

.
( ~ segunda ocasião por unidades novas temporárias (n), cujos valores (X) são
f c) Se apenas o grupo de d d , . desconhecidos mas medidas em seus valores (Y). Ou, de outro modo, que a
( n -- O), a ARP t1ansfonna-se
. um a es novas temporanas for vazio
em Amostragem Dupla.
( 4 amostra da primeira ocasião é parcialmente repetida na segunda ocasião.
(

(
11.4. I. Vantagens da amostragem com repetição parcial •• ... 1 Esta organização estrutural é que confere ao processo a
denominação de amostragem com repetição parcial ou amostragem com
substituição parcial. ' ·
:4
 1
~ (

284 Inventário Florestal

., I'"~
1
e ~

Amostragem em Múltiplas Ocasiões

285 (

• 1-!C • (

1• Ocasião

li m
tempo
)
2• Ocasião

11 m
Mudança

<lc = y - x1
"
~ i.
• i'.-•,, a
1

" --'.•
1 ~,
•

.\'
r . =-
UI

11
,j

r . = J·-ésima
ocasião;
i-ésima unidade tcmporána da primeira ocasião;

= )-ésima unidade permanente da primeira ocasião ;

unidade permanente da segunda ocasião;
(
(

(
(
c7p =y- -x.
" -• (

-" -••
Ili)

" -·•
r1= 11 l

!~,,
h-ésima w1idade nova temporária da segunda ocasião;

= proporção da amostra da primeira ocasião que é permanente e

(
(

xu,· x m ) x J remedida na segw1da ocasião ; (

~
x 11; xm : P Yn} x 1 1;, = proporção da amostra da ptimeira ocasião que é temporária e (
~
1-• substituída na segunda ocasião . (

" -·•
Figura 11.4: Estruturação da amostragem com repetição parcial.

Mais especi,ficamente, tem-se quatro subamostras no processo,

"" -• ". 11.4.4. Parâmetros e estimativas

11 .4.4. 1. Primeira ocasião

(

sendo uma temporana e uma permanente na amostra da primeira ocasião "' =- • .!- . (

-•• ==••
~ Ao final da primeira ocasião, os parâmetros e estimadores da
(Xu; e X m) e uma nova temporária e uma permanente na da segunda (
amostragem com repetição parcial são os mesmos da amostragem dupla,
ocasião (Y,1h e Y,n), como mostra o quadro 11 .4 . (
apresentados nas fónnulas (11.43) a (1151)
Quadro 11.4: Subamostras da amostragem com repetição parcial. (

:-•. . 11.4.4.2 . Segunda ocasião

!, •
(
SUBAMOSTRA
. Primeira ocasião
- Temporária
VOLUME DAS UNIDADES

xul· X112 • .. . , X,,;

VARI ANCIA
•• 1 a) Médias simples (

- Permanente X1111• Xm:? • . . , X,,,J

• =,I
:- .
m
I i;,u
(

• ~
-
y,,, =j =l
--
(

! ,•.
. Segunda ocasião m
- Permanente
- Nova temporária
!~111, !~11.:? , . . .. l~,,j
Y,11 , Y,,2 , ... , 1~,h •• b) Média da segunda ocasião ou corrente
(
(

• ~• Deseja-se usar as médias simples para obter uma estimativa de (f ), (

11.4.3. Notação
• ~
a média verdadeira da segunda ocasião; isto é, procura-se uma estimativa (

!.•
!', •
(y ), a qual faz o melhor uso da informação amostral. Esta estimativa é
n1 = u + m = número total de unidades amostradas na pnme1ra • (

• dada por

.
(
ocasião; (11 .84)
= a x11 + b xm + e .V111 + d .Y, 1
n2 = m + n = numero total de unidades amostradas na segunda •• ••
"
_V
Requer-se que esta seja uma estimativa sem tendência de (f), ou
(
(
(

(
 ••
( 1

r
r~.
1
f

(
( 286
Inventário Florestal
f;
f -, •• Amostragem em Múltip las Ocasiões 287

(
(
seJa,
E(Ji) = f
f;,
f> •·• r = coeficiente de correlação entre os volumes das unidades
pennanentes medidas nas duas ocasiões.

( Pela amostragem aleatória tem-se que

f i.
f>
'; I•• Agora deve-se estimar as constantes (a) e (e) em termos de
parâmetros da população e informação amostral. Procura-se os valores

••
( E (f,,) = E ( x,,,) =T . = E (f:;, ) = f que produzirão a maior eficiência da estimativa de (Y), isto é, minimizará
E(\'111 ) f';
( (s_f,) Estes valores podem ser determinados, igualando-se a zero as
assim, para não ser tendenciosa, deve-se ter f 1

(
(
a+b= O :

Consequentemente, tem-se
c+d = l f
f •·• derivadas parciais da expressão acima para (sy,) com respeito a (a) e (e), e
resolvendo as equações simultaneamente. Minimizando obtém-se:

(
(

onde:
Y = a .r 11 - a .r
111
+ e _v,,, + ( J - e) _v,, (11.85)
f·
f, ·•• e=----,----
m
112 -(zmr~ ) / (u+m)

(
a e e são constantes a serem detenninadas;
.r11 • •r111 • _i:-;,, . e _)'11 são as médias das subamostras ;
.,f ; -·•• e
um .' (u+m)
a = --------r-
n2 - (unr2 ) / (u+m)
Sy

::...•
( s_.

Devido a remedição e a amostragem aleatória independente na

f·
( Considerando que
segunda ocasião, (Ym) é correlacionada com (xm) mas estatisticamente f·
(

(
independente de ( x,,) e (.v,,) f'
f :; e.
•
c) _variância da média
( f , e

,,_ •
u u
( A variância da média pode ser obtida, usando-se o artificio f '. Pu = - - = -
computacional de tomar a expectativa dos valores, ou através do teorema u+m 111
( '
de Cramer (método diferencial para propagação do erro médio

'·•••
1 " • pode-se rescrever (a) e (e) como segue:
( quadrático) . f,,':
m

(
(
( A estimativa da variância da média é dada por:

.2 _ J 2 , 1 J . 2 s;.
. - a Sv(
S-
\
·'" --
1
2 s, s .
u + -n, ) -,- c -=-+( / - e) - - ? act• - · _
m
1 •
.l
n
,
s;.
-
m
(11.86)
~-·•-·
~

ff'.
; c=-----::--2
n2 - P,Jir
11.87)

(11.88)
~

.
( na qual o;9
(
Cov(xy)
•· ,.. ~
O coeficiente angular da regressão Y =f (X), através dos mínimos

...
r=--- quadrados, é dado por:
(
( ~ (11.89)
onde:
• •
1

(
Cov( XcV) =covariância entre os volumes observaàos em uma ~
Em casos especiais, obtém-se algumas simplificações . Se a
( fi.
•• ·:•..
mesma parcela na primeira e segunda ocasiões. intensidade de amostragem da primeira ocasião for igual a da segunda
,..
288 Inventário Florestal
•• l "J l i:J
1-,,
Amostragem em Múítiplas Ocasiões
289
(

ocasião, isto é, (n 1 = n2 = n ), tem-se:

" ,, ..~.. Jif
li 11.4.4.3 Crescimento ou mudança I

~ 1 ,,.; ,
(
P.P. s. a) Média
a= m ,u , .,.i (11.90) 1

[ 1 - P,;r-} sx ~ - il Interessa agora deterniinar a esti111ati va do crescimento ou 111udança (

• "~ ocorrida durante o período (

e=--=-~
P,n
( 1- P/r 2 J
(1191)

.
6
_,
_J /) = () ' + /)1 1i ) - (.\' t /J,;.J

A estimat iva mais s11nplcs é a dada pela diferença entre a 111édi8

(

(
com a variância da média

2
Sy =
s;, [1- Pu ,.2 } (1.1.92)
•
~
. :.t
<J
corrente(_\') e a média gera l da pnmeira ocasião ( x1 ). ou sep:
( 1 1 l)8)
(

(
n[ J-P,;r 2 } IJ. ' ;J (
Se além disso, as variâncias forem iguais nas duas ocasiões, isto é, li .: J Esta csti 111at1 va é obtida a pa rt1r cbs suba111ost ras ( 11+ 111) na
(
(s; = s;,= s2), as constantes (a) e (e) não mudam, mas o coeficiente ft .'! ~
primeira ocasião e ( m+ 11) na segunda ocasião, utíl1zando-sc regressão
somente para estimar a média corrente( _!° ).
angular da regressão passa a ser:
Sy ....
fi :: J
·si
. -
Porém , a 111clhor estimativa do crescimento ou mudança utiliza (

., -•-•
b>,x = r-~=r (1193) reoressão para estimar tanto a média corrente. como a média da primeira (
sX

.·...~·•~.,
oc~sião, e é dada pela diferença entre a média corrente (.\') e a 'melhor
(
A variância da média também mantém-se inalterada. estimativa da média da primeira ocasião ( ( ).
(
( 1 1 q q)
d) Erro padrão
, .. , (

..
A estimativa do erro padrão é obtida pela raiz quadrada da A melhor estimativa da média da prnne1ra ocasião só é ol:lticla ao (
.,
estimativa da variância da média, ou seja, ·

(1194) •-· ,
•••
-
• 1
final da segLU1da ocasião, quando por regressão transfere-se a estimativa
da média (,IC,,) para a primeira ocasião. a qual ponderada com (x") e(.\""')
resulta a média ( .\" ).
(

e) Intervalo de Confiança para

JC [
ª média
y - t Sy s f s y + t Sy} = p (1195)
., o. -,t
,
a l) l\ telhor est imativa da médiaº-ª pnmeira ocasião
A pa11ir das médias simples das subamostras e de modo análogo ~ o
(
(
(

.•• descrito para a média corrente ( T ), pode-se obter uma estimativa de ( .\')
(

. ~ •~• através de ( x ), que faz o melhor uso das informações amostrais Esta
;.. é-,•
f) Total estimado da população
(
(1196) ·-' estimativa é dada por
Y=Ny
t,

l.•
( 11100) (

g) Intervalo de confian~ para

1c
Q

r r - N t sy s r s f + N t sy J = P
total
(1197)
'l.-~• x = c1 \, +- h x,,, + e _í',,, + d _f,,
Para que esta estimativa seja não tendenciosa é necessário que
(
(

".
e (
t ' (
(
(
 (
(

( 290 Inventário Florestal Amostragem em Múltiplas Ocasiões 291

(
( Pelo princípio da amostragem aleatória sabe-se que:
e isto leva a condição de que
( E ( XII)= E ( .(Ili) = .\'
.-1+C= I B+ D=-/
( E(_v,,,) = E(.f',,) = f
( Portanto,
Destas estimativas, conclui-se que ( F ( i ) = .r) so e possível na
( C= / -. 1 D=-1+ B
condição de (a +b = J) e ( c+d = O). portanto :
( a= 1- b e d = -e
,, Rescrevendo ( dP) tem-se:
(
Rescrevendo a expressão de ( "x' ) em ftmção de (b) e (e), obtém-se:
•• c/1, = .- 1_1' + /3 i + ( I - / 1) ,l',, - ( I + 13 ) x
111 111 11 ( 1 1. I 04)

.·•
(
x =(l - b) x,, + b .""r',,, + e _\' e _\'11 ••
•
111
-
(li !OI)
( f '. b) Variância da média
onde:
( 1
f, ; A variância da média é estimada pela seguinte expressão:
(

(
(
(
e= - nP,,, .,. s_\.
11 2 - 11,nr 2 sy
.••..
.., ·•
•.
. -·• Procura-se o melhor estimador sem tendência, ou seja, os valores

,~.
( A variância da média desta estimativa é dada por: para (A) e (B) que tomam mínima a variância da média. Igualando a zero

(
(I 1102)
f'.
~-
·• ·• as derivadas parciais em relação a (A) e (B), e resolvendo-se as equações
simultaneamente obtém-se:

.,.
(
(
a2) Estimativa direta ,·. ·• A=
112 -
m
, +
!~111r- 11 2
nP,11
- P,,nr-
Sx
, -r-
sy
( 11.106)

(
O crescimento ou mudança pode ser estimado diretamente através •··
f: , 9 1 B= - mP,,, , .,. sy (11107)
( ' J

(
da expressão:

= A _v,,, + H x + e· _i\, + 1) -""11

~. n2 - !~111r- s,. 11 2 - f~1nr-

·•
dP ( 1 l. l 03) O estimador (clp) produz a melhor estimativa linear sem tendência
(
111
6:.-
do crescimento real (D). Ele faz uso da subamostra temporária da
Requer-se que (dp) seja uma estimativa sem tendência do f'. '- 'I

"·•.•
( primeira ocasião (u) e nova temporária da segunda ocasião (n) que, por
crescimento ou mudança verdadeira (D). Consequentemente, deve-se ter: ~ : regressão, seus valores são estimados nas ocasiões em que elas não foram
(
( E (dp) =(f-Y ; f'. ,, medidas. Por meio desta regressão elas produzem informação adicional
para estimar o crescimento.
~~
( Pela amostragem aleatória. como já foi visto, tem-se que,
f.i,
( E (x11 )= E(\'111 ) = .\' -1'• c) Erro padrão
(
(
(
E (v,,,) = EU,, ) = f
t\ r19
f.}
,,,,..
r.
;-:<.
A estimativa do erro padrão e obtida pela raiz quadrada da
variância da média, ou seja,
 292 Inventário Florestal Amostragem em Múltiplas Ocasiões 293
(
. ., 1 •!_• (
(11 108) ' '1 -• Quadro 11.6 Volumes totais com casca obtidos em 1.976 e 1.977
(
1
1 ;_ . por subamostra.

e) Intervalo de confiança para ª média "

fii 1
1 ., . • UNIDADE SUB AMOSTRA
3
VOLUME (m /ha)
(
(

.,• 1-•
1976 1977
IC /dp - t sdP s; D s; c/P + t s,1P J = P (ll109) 1 u 141 ,9 (
02 ll 147 .7
(
•• 11~.•• 1 -• 03 ll 126.3
11.4.5. Proporção ótima da subamostra permanente - Pm 04 ll 137, 1
05 ll 133 ,2 (
06 ll 11 0.2
A proporção ótima da subamostra permanente depende do 126,8 (
r•
07 ll

coeficiente de correlação entre ( .\'111 ) e (}~,) e da relação de custos de ~ 08 ll 132.1

(
r• 09 u 73,8
medição entre unidades temporárias ( c11 ) e unidades pennanentes ( c111 ) ~ 10 u 76 ,'1.

As proporções ótimas ( P,11 ) , para diferentes coeficientes de • 1=• 11

12
ll
u
u
63.4
77.4
98.3
(
(

..,. -= •
ti, 13
correlação (r) e razões de custo (c11 c111 ) são apresentadas no quadro 11 5.
~ •
••• ,. ..
.,
14
15
u
u
87.4
11 6,5

.. ..
Quadro 11.5 Proporção ótima da subamostra penna~ente (/~11 ), em 16 u 83,8
17 u 111 ,0
função do coeficiente de correlação e razão de custos. 18 m 77.9 109 ,0
19 m 139,7 165 ,9
RAZÃO COEFICIENTE DE CORRELA ÃO- ( ) 20 m 182 ,1 208,3
,, 21 m 9"4,7 143,7
cu / cm 0,50 0,60 0,70 0,80 0,85 0,90 0,95 0,99
1/4 0,00 0,00 0,00 0,00 0,00 0,03 0,05 0,04
, ., 22 m
m
181 ,7
161 ,4
197.5
191.6
(

•-•
23
l/3 0,00 0,00 0,00 0,00 0,04 0,08 0,09 0,06
• 24
25
m
m
172 .6
19 1,3
266,1
280,3
l/2
2/3
1
0,00
0,00
0,46
0,00
0,04
0,44
0,00
0,15
0,42
0,10
0,20
0,38
0,13
0,21
0,35
0,15
0,21
0,30
0,14
0,17
0,24
0,08
0,10
O, 12
•• : _ _ 26
27
28
m
m
m
137,9
167 ,1
110.1
178,4
218 ,9
149 .7
161,7
(
(

..
123.6

•• ·=• 11 29 m
30 lll 107,5 174.5 (
i - ·• 31 n 172 ,7
180.0 (
11.4.6. Exemplo aplicativo 32 n
105 ,4
33 ll
(
,.

••·· ;~
,•.
'.
34 11 126.3
Em um povoamento de Eucalyptus sp. pertencente à 35 n 150,6
191 ,5 (
36 11
DURAFLORA, localizado em Lençóis Paulista, SP, tomou-se os dados do 248.4

.,, ~ 37 11
(
inventário contínuo do sub-projeto A, referente aos anos 1976 e 1977,
•
183,3
" 38 n
226,8
39 n (
conforme quadro 11.6. Este sub-projeto possui uma área de 1.582 ha e foi 224,3
40 n
plantado em 1972. -..! -= • 41 154,1
(

~•
11

O quadro 11.6 apresenta os dados dessas duas ocasiões, .'.,~-

42
43
n
n
142 ,9
102 ,7 (
identificando as subamostras temporária da primeira ocasião (u),
•f
•: ~•
!: • {
permanente (111) e nova temporária da segw1da ocasião (n)
11.4.6 1. Primeira ocasião (

•·~ =
• (
(
(
 .,.
(

• •
• 1 · •

.,,
(

( i
294 Inventário Florestal 295º
( .... ; Amostragem em Múltiplas Ocasiões
( . , 1 -•
N = 1.582
ª média
- .•
( n1 = u + m = 17+ 13 = 30 ..-:! • f) Intervalo de confiança para
!
x, - t S:x x, + t S:x J = p
(
(
P,, = 0 ,567
x,, = 108 .42 n/
1:11 = 0,-133
ha si,, = 735. 62 ( ,,,3 ha/
.... ;
.-, ;
lC [

!C [ 109. 88 m3 i ha
1
~ _'( ~ I

~ .\' ~ 136, !6 m 3 / ha} = 95%

.-.•
= 142. ! 2 m 3 ha = !.3 72, 65(m 3 . ha/
1
( x 111 .{

(
- ---

.,, 'l •~
1 •
g) Total estimado para ª população
a) Média geral
( u m ~ ;
.\' = N 1 x1 = 1.582 (123.02) = 194.617 m3
_..
,. ~
;,--
( I: I: xiJ
x1 -_ i= lj=l
( u+m
= l'·,, x,,
_ ~ _
+ 1111 x,,, ,.,. :
h) Intervalo de confiança para
. .
Q !_Qtal
/(' [ X - \ '1 t S:xl ~ )( ~ X+ N 1 1Sr/}= p
(
(
-~1 = [(0 .567 )( 108, 42) + (0,433)( 142,12)} = 123,02 m 3 1 ha
. .
.:.

!C f 173 .831 m 3 ~ X ~ 2 15 .403 m )=95%

3

(
(
b) Variância
:I·:
~-.
11.4.6.2 Segunda ocasião
11 2 = m + 11 = 13 + l 3 = 26
(
,..L.
,-~ º"' =
0,500
g, = 0 ,500
.( = 2 .26 7 .8 1 (m 3 / ha/
(
(

(
e) Variância da média

2 _ s-11 n1 1.262,43 30
~--•
f,1-. -•
Ym= 188. 12 m3
.Yn = 169 ,92
F:i = 179 .02 m / ha
m
3

3
/

/
ha
ha sJ." = 2 .086 ,95 (m 3 I ha;2
sf.: = 2 . 176,41 (m 3 / ha;2
S; =- - - (/ - --)= 41 28 (m 3 l ha/
F'· -9
,._ -
•
--(/ - - )
1
( 111 N1 30 1. 582 '
1
( ,' 1 a) Média corrente
(
d) Erro padrão
, =-•
( s;1 ( 1 - -n1 ) = ..;41.28
~ r-- ,· o Para obter o valor das constantes (a) e (e) é necessário determinar o
s:x = - =6.425 m 3 1 ha
(
1
n1 N1 F-· -,. coeficiente de correlação (r)
(
(
e) Erro de amostragem
1(0,05; 29) = 2 ,045
,-. ,~te.
F~

, -, ·1 t
Cov(xy)
r = ---'---'-_;_

(
-Absoluto E 0 = ± tsr 1 = ± 2 .045 ( 6 .425) =± /3 .139 n/ • ha f;.· "!'. r = 1.533, 13
(37,05)(47 ,62)
= 0 ,869

,:,:~ ...:,..! '..

(
( · . t· Sr
-Relaflvo. E,.=±-=-1- ·1 00 = ±-- - - 100 =+ /0 68%0
-'<1
/3.139
123 .02 - .
"°' As constantes (a) e (e) resultam

(
( ,., ~

{
 ' - e : ••
(
"-2'-: -•

...
296 (

_ Cov(.xy) r•sx s , s
Inventário Florestal \! P..
,...
~~
_ -• •
Amostragem em Múltiplas Ocasiões 2.9 7
(
(
byx -- , = ---2.. = r ~ (O 869) ./ 7 , 62 - J J5 590
s; s; sx
ln
, 3705--.ll 7
' "~- -Relativo E
r
l ·S--c
:c:±--J
v
•100 = ± - ' --100=± 9.28%
167.92
(

a- (13)(0 ,567) \, (

e. ª média
- (lll7)=0./0?9
26-0,567(13)(0 ,869/ ' ' - e) Intervalo de confiança para (
'11: -•
e = ____!!!__ _ 13 \!; 1 w 1_v - , s\' s: f s: .v + , s\' ; = P (
n2-Jtnr2- 26-0,567(13)(0,869/ =0.6362

e.
1
(
~ f- 1 -• JC f 152.33 m 3 ha S: f :,; / 8 3 .5/ m 3 ha / = 95%

,~ •
Por conseqüência, a média corrente resulta \;, 1 (
ª população
.Y = [(0,4029 }( 108,./2 )-(0,./029 }( /42,J 2) + (0,6362)( 188.J 2)+ ~-1=• f) Total estimado para (
+ (1- 0,6362 )( 169,92)/ ~. ( = \ '2.l'=!.582 (l6 7.92 ) = 265.6-19m 3 (

Y= 167,92 m 3 / ha "" . .~
! .• g) Intervalo de confiança para Q total
(

b) Variância da média

A variância da média é estimada por: ~

~

~- ~
--~• 1c
' .
f r - ,·2 1 ".r s: r s: r + .\' 2 1 s\' J = P
(
(

..-•e.
!C / 2-10 . 985 m 3 s: r s: 290.312 ,,/ / = 95% (

2_
sji - ª 22 1 1
'¼ (;-+--;,)+e- 1
'
,s::
+ ( 1-c
s::, s~
J2 __f__ 2acr-x-_y
. , -=
•:-·• I 1.4.6.3. Crescimento ou mudança
(
(
m m m

.._·. I:~~~
••-
sJ = (0,4029/1.262,43(_!_+__!__)+(06362/ 2.1 76,4/ '.": .
a) Média (
/7 /3 , . 13 + (
a 1) Estimativa direta
+ (1- 0,6362/ 2.1 ;:,41 -2(0,4029)(0,6362)(0,8691 (37,05;~47,62)1 (
Considerando-se qu_e não houve desbaste no periodo, nem antes da
(
SJ = 57,278 (m 3 / ha/ primeira ocasião, o crescimento é estimado através da expressão ( I 1.85)
como segue (
c) Erro padrão
..• :"=e .. (

..• ~~
O erro padrão da média é estimado por: (

•-
-= • Os coeficientes (A) e ( B) são obtidos por
R= (

. ~~-=!.--
Sy = .Js7,278 = 7,568 m 3 / ha
(
d) Erro de amostragem (
- - - - ( O. 869 ) 37.05 --o •8?:r
A -_ - -/3- +13(0,-133) __ .) (
1ro.o5,- 25J = 2.06 20,-1337 20 ,-1337 -17 ,62
~ (
li! \
-Absoiúto: Ea = ± t sji = ± 2, 06 (7,568) =± 15,590 m3 I ha B= (
·~ ·=·• (
(
(
(
(
~

,.,_-
,·•.
"; . .·•
( 299
~ - Amostragem em Múltiplas Ocasiões

~,·., ..
( 298 Inventário Florestal
( t), • 3
/3 = -13(0,567) (0,869) ../7,62 _ 26(0 ,../33 ) = -0,9539 dp =v-x=l67,92-123,60=44,32m
•
/ha
(
20,./33 7 3 7 ,05 20,4337
(
~ b) Variância da média
E o crescimento médio do período resulta

r~ -••
r~
1

A variância da média é estimada pela expressão (11.105) como

d P = /(0.8225 )( /88.f 2 J+ ( / - //8225)( 169.92)+
(
• segue:
(
+ (-0,9539 )( l ../2.12 ) - ( f j .9539 }( ! 08 .../2 )/ p
•• ~ ./:
= A 2 __L + (] _ A J2 :.L + /J2
2 l Sx si.

,..; .
)( 2 Sx + (1 + B / :L + 2 A Br - --
fi't SJP m n m u m
( p 2 176 41
2.176,41 (! - O R225 )2 ·
2 ·
2 J.262,43
+( - 0.9539) - - -+

f't; · ••
2
a2) Melhor estimativa da r_n édia da primeira ocasião S'JP =(0,R225)
13
+ · 13 13
(
J 262 43 [ (37,05)(4 7 ,62)]

,:.; . ..
( Esta estimativa é dada pela expressão ( 1 1 I O1) como segue +(1 - 0.9539/ - 17. +2(0,8225)( -0,9539)(0,869) 13

(
(
(
onde:
."i' = ( l - h ) ."i'11 + h ."i'111 + e ,i"',,, - e 5',,

.,
p,
--••
,. '-· •
-~
p
3
=21,99 (m l ha/

(
( e=
-nPm - 13(0 . ../33)
·b_Y\' = _ _;___ _ (0 .6 7ti! J = -0 . !862 .f-•·• c) Erro padrão

SJ
P
=
,J'q;--
'dP = ✓21.99 = .J,689 m
3
I ha

i.- ..
1
112 - P,/1r~ · 20 .../33 7 ff-; ~
(
Portanto, ff-; d) Erro de amostragem
(
x = /( 1- 0,5510)( 108.n )+ (0 .5510)( 1./2.12 )+ ( - 0.1862)( !88.12 ) - ~ ; gl = (111 -1 }+(n2 -1) = 54
(

-••
+(-0.1862)( 169.92)/ p, 1
t(0,05, 54) =2 . 00
(
x = l 23.60m 3 ha
,..,. -Absoluto: Ea =±f~d =± 2.0 (4,689)=± 9,378 m l ha
3
(

,.. .,.•
p

( A variância da média é estimada pela expressão ( 11 . 102), como ~

f ·SJ 9,378 o
segue: . o· E =+-=-1:----./00=±--•100=± 21,16%
- R e 1a trv · r - d p 44 •32
<
( s?. = s; [/ - nmr
2
]= 1. 262.-13[ 1 -
2
13(13)(0.869) l f'-;.
-••
( x 111 n1n2 - unr 1 30 30(26)-!7(/3)(0.869J2 .J
,.. - •
r,.
d) Intervalo de confiança para ª média

(
s/ = 33.32(m 3 ha/ ,.. -• !C [ dp -t sd-p ~D~ dp + t "dp J = P

fC [ 34,9../ m 3 1 ha ~ 75 ~ 53,70
O erro padrão é estimado por 3
f;;, e. • m l haj = 95%
(
S.r = /J = J33.3 2 = 5. 772 m 3
ha
f::-.
·•·
-• ..
( e) Crescimento total estimado
~ -+
( A estimativa do crescimento, neste caso, é dada por
(
 300

D= N2 dp = 1.582 ( ././,32) = 70. 11./ m 3

Inventário Florestal
:1:
~ 1•
Amostragem em Múltiplas Ocasiões 301

específicos do inventario contínuo e, pnncipalmente, o tipo de crescimento

(
r

!. .
necessário. Quando o crescimento corrente é prioritário, o intervalo de
f) Intervalo 4_~ confiança para Q total tempo entre as medições deverá ser, ob,-igatoriamcnte, anual. Porém, se as
estimativas correntes forem pnoritárias e o crescimento periódico médio (
lC { D- N 2 ! SJ ~ D ~ D+ N 2 t SJ j =P ,1 :
p p
for satisfatório, o interva lo de tempo decorrido entre as medições poderá (
ser variável.
IC / 55.278 m ~D ~ 8-1. 950 m 3
3
= 95% (
/
tr- li •
• • 11.5 2. Relação custo/beneficio (

11.5. INTERVALO DE TEMPO ENTRE MEDIÇÕES SUCESSIVAS

Os inventários contínuos servem de base para a utilização racional

dos recursos florestais e tomada de decisões relativas ao manejo florestal
~'·'-•
~i·
~-
A análise do custo do inventário contínuo e o benefício da
disponibilidade das infonnações, para a administração florestal, pode
detem1inar o intervalo de tempo mais conveniente e adequado, para a
remedição do 111ventário
(

(
(

No Brasil, os inventários florestais contínuos tem sido utilizados, .. 1•

~ 1-•
prioritariamente, para os estudos de crescimento e produção e, desse i 1.5 .3 Correlação entre as medições
modo, associados com medições anuais . Muitas empresas utilizam dois
tipos de inventários, para embasar suas decisões: um inventário contínuo •~ ·•• BICKFORD ( 1%3) afirma que, não havendo intervenção de corte
(
remedido anualmente, para o controle de crescimento e . produção da~
florestas, e um inventário pré-corte, medido ao final da rotação, para o ~ .,,. na floresta, no período decorrido entre duas medições , os volumes obtidos
sobre parcelas pem1anentes na segunda ocasião são correlacionados com (
controle de estoque e planejamento de corte, restrito às áreas exploradas
anualmente. O inventário florestal contínuo, desde que planejado e
e;· ·•
• os volumes correspondentes da primeira ocasião. A existência de
correlação pcnnite que uma equação de regressão seja ajustada aos dados ,
(
(

•· -•
estruturado corretamente, com a flexibilidade necessária, deve atender para estimar o volume corrente a partir do volume inicial; e a eficiência
toda a demanda de infonnações de uma empresa. Deve fornecer, tanto das estimativas depende do grau de correlação existente entre as medições (
infonnações globais para os estudos de crescimento e produção, como C;· • sucessivas. (
infonnações particulares para a exploração, no momento em que elas C; 1 • No nordeste dos Estados Unidos, tem-se observado correlações (

••
forem necessárias .
acima de O, 90 para intervalos de medições em tomo de 15 anos Porém, (
Conceitualmente, os inventários contínuos são caracterizados pela esta correlação deve decrescer . em períodos mais longos, podendo-se
(

••
repetição em intervalos de tempo regulares e curtos . Porém, o intervalo de esperar que seja ainda menor, onde as mudanças forem mais rápidas e
tempo não é limitado a um ano. menos consistentes . (
O intervalo de tempo entre as medições sucessivas de um inventário (

••
No Brasil, BRENA ( 19n), trabalhando com plantações de
florestal contínuo depende dos seguintes fatores: Eucalyptus sp. do Estado de Sào Paulo, analisou o comportamento do (
coeficiente de correlação dos volumes, por unidade de área, em intervalos
11.5.1. Necessidade de informações (
de tempo de 1, 2 e 3 anos , onde o primeiro inventário foi realizado aos 2
:I
-
• anos de idade. Os resultados obtidos indicaram um coeficiente de (

•.•••1.
Um dos fatores mais importantes é a freqüência com que novas correlação de O, 924 para um ano de 111tervalo entre as medições , (
informações, sobre o estado da população, ou parte dela, são exigidas pelo aumentando para 0,93Q no intervalo de 2 anos e di111111uindo para 0,896 no
manejo florestal Neste aspecto, tomam-se relevantes os objetivos (
intervalo de 3 anos. mostrando a tendência de redução com o aumento do
(
(
(
( ... ••
(
r
(
(
302 Inventário Florestal
f!
t\·
•• Amostragem em Múltiplas Ocasiões
303

(
intervalo de tempo .
NEWTON, CUNIA & BICKFORD (1974), referindo-se a
t,
f, ,,• Independentes (AI) e Amostragem com Repetição Parcial ( ARP) o
aumento do intervalo de tempo entre as medições. de 2 para 3 anos,

(
amostragem com repetição parcial, afirma que a correlação entre as
mesmas parcelas, em mais de duas ocasiões, é igual ao produto das
~
f'
!
\
, resultou um incremento na precisão das estimativas de crescimento; na
Amostraoem com Repetição Total (ART), as estimativas mantiveram-se
inalterad~s: e na Amostragem Dupla (AD), a precisão das est1mat1vas de
(

(
correlações parciais obtidas nas medições consecutivas.

Como a corretação tende a reduzir com o aumento do período de

f'
f!',
1
\

1•• cresciment~ diminuiu com o aumento do intervalo de tempo entre as

medições

(
1
tempo entre as medição, o intervalo de tempo deve ser fixado dentro de um
limite, que não promova uma redução significati va da correlação, a fim de
~
C".
•• 116 ESTRUTURAÇÃO DE INVEN_! ÁRIOS FLORESTAIS

'í ••
não prejudicar as estimativas de regressão CONTÍNUOS EM POPULA(OES COMPLEXAS
(
f,
11. 5.4. Precisão das estimativas de crescimento
Este último capítulo pennitiu que os leitores tivessem uma visã~ dos
(

(
(
Para uma dada intensidade de amostragem, o decréscimo do
coeficiente de correlação em volume, devido ao aumento do período de
tempo entre as medições, traz como conseqüência wna redução na
~ -

f:
•• processos de amostragem disponíveis para a estruturação dos mventanos
florestais contínuos em situações convenc1ona1s ·
Hei. entretanto, circLmstâncias que exigem um ap'.ofundamento da
(

(
precisão das estimativas correntes e de crescimento obtidas por regressão.
Assim, a manutenção da precisão requerida exige um aumento da • ••
ft,:
estrutura de amostragem a ser usada nos inventários contmuos. Soment: a
aglutinação de métodos e processos e, as vezes, até com mod1fícaçoes

••
intensidade de amostragem e do custo do inventário.
~ teóiicas. se pode atender uma variada gama de demandas e obJet1vos
( BRENA (1979) estudou o comportamento da preosão das estruturados nos inventários contínuos Para essas estruturas ma1~
~
estimativas de crescimento, obtidas nos quatro processos de amostragem complexas. denominadas anterionnente de Sistemas de Amostragem, sera

••
(

( em múltiplas ocasiões, aplicados à população de Eucalyptus sp. acima fi · dedicado O segundo volume deste livro. que se encontra em fase de

(
{
referida. Utilizando-se os dados de 4 medições do inventário continuo,
realizadas aos 2, 3, 4 e 5 anos de idade, comparou-se os resultados obtidos
em intervalos de tempo de 2 e 3 anos entre as medições, com o somatório
,.,. r•
f': preparação
Como um assw1 to inovador na literatura e complexo em suas
circunstâncias e conteúdos, teín exigido um acervo muito_ grande de
dos ~rescimentos estimados nos mesmos períodos com intervalo de I ano , r•
.
( trabalho dos autores e dos doutorandos que estão envo!VJdos com o
como mostra o quadro l I 7. f'i•.
,,~1·
( presente tema .
Quadro 11.7: Comparação das estimativas de crescimento.
( Com a brevidade que for possível. o volume 2 do Inventário
( PROCESSO INTERVALO ENTRE MEDJÇÕES Florestal estará disponivel para os colegas professores. pesqwsadores ,

(
2 anos 1 ano Diferença 3 anos 1 ano Diferença "1 • profissionais e estudantes da área florestal
"1 •
"~ .
AI 97,2 78,3 18,9 136,8 133.5 3,3
( ART ,.1 •

" .
76,3 76,3 0,0 116,4 116,4 0 ,0
( AD 74,2 77,1 -2,9 113 .2 117,0 3,8 1
ARP 79. 1 78, 1 1,0 119.4 118.9 0,5
( 1
~
f'·' •
(
Estes resultados mostram que nos processos Amostragens
(
( ~l •
 ~.
~
•• (

\! .
~-
-•• (
(

~-
\
•• REFERÊNCIAS BIHLJO(;RÁ.FICAS
(

~
~
•• 1
AVERY, T. E Forest measurements . New York, McGraw-Hill Book
(
(

~
\,i.
•• 1
1
i Company, 1967 . 290 p
BEERS , T. \V & t-.11LLER , C Point sampling: rcsearch results,
(
(

.,. •
theory, :md applications. P urdue Univ. Agric. Exp . Sta. Res. Buli . (
\,. 1

••
' No . 786 , 1964.
1
1
(
BICKFORD, C A Proposed des ign for continllos forest inventory a
~
1 (
1
system of perpetuai forest survey for the no,thest . Cumberland Fal is,

I•
~
1 ln U S FOREST SERVICE EASTER TECHNIQUES MEETING (

1•
FOREST SURVEY, 1956, p 8- 13 (
~

"' •
BICI--:.FORD. C A On successive forest inventaries. Proc. Soe. of (

·•
-
American Foresters, 1963, p.25-30 . (
~

• • • BITTERLICH, W Die Winkelzahlprobe. AlJg. Forst-u. Holzwirtsch.

Ztg., 59 (1/2) 4 -5, 1948.
BRENA, D . A . Comparação dos métodos de inventários florestais
(
(

• • (

• ,.•
sucessivos em relação à amostragem com repetição parcial,
aplicados em uma população estratificada. Curitiba, 1979. 127 p . (
(Dissertação Mestrado - UFPR)
tl!

•• ,". BRENA, D.A & PÉLLICO NETTO, S Metodologia para detenninação

da intensidade amostral em inventários florestais contínuos com Dupla
Amostragem. ln Iº CONGRESSO FLORESTAL PANMlERICANO
(

•e: " e 7º CONGRESSO FLORESTAL BRASILEIRO, Anais. Curitiba ,

1993 , S .B.S/ S B.E.F, Vol 2: 525-527.
(

• "J
(

•
•• J
., J
.
,j

,
BROOKS , S 171e estimation of an optimum subsampling number. Jour.
Amer. Stat. Assoe., (50) 398-415 , 1955.
CAMPOS, J C C Estudos sobre ínclice de sítio e tabelas de volumes e
produção para Pinus el/iottii Engelm, no Estado de São Paulo.
Turrialba , 1970. 82 p . (Dissertação Mestrado - IICA).
(
(
(
(

••
_. CHACKO, V J A manual 011 sampling techuiques for forest surveys .
Dehra Dun (Índia), Statistician Forest Research lnstitute, 1965 172 p.
(
(

• -• (
(
(
(
(
t •
t •
(
(
306 Inventário Florestal t • Referências Bibliográficas 307

(
f •
(
COCHRAN, W G. Sampling te-cliniques. 2 ed, New York, .John Willey e • GAUTSCHI, W. Some remarks on systematic sampling. Annals
& Sons, lnc , 1963 4 13 p f, • Mathematical Statistics (28): 385-394, 1957.
(
COCHRAN , W G. Técnicas de amosh'agem . 1 ed , Rio de Jan eiro, Ed . f: • GOMES, A M. de A Medição dos arvoredos Lisboa, Livraria Sá da
(
Fw1do de Cultura, 1963. 555 p. t • Costa, 1957. 413 p.
(
COSTA NETO, P L DE OLIVEIRA Estatística São Paulo, Ed Edgard t • GROSENBAUGH, L R Point-sampling and line-sampling: probability
( 81 ücher Ltda, 1977. 264 p. f\ • theory, geometric implications synthesis. US.F.S. Southern For.
( Exp. Sta. Occ., 1958. (Paper No. 160).
COTT AM, G. Toe phytosociology of an oak woods in Southwestem f •
(
(
(
Wisconsin. Ecology, 30, (3): 271-287, 1o49
DILWORTH, J R. & BELL, J F. Variable probability sampling -
V~riable plot and three-P. Corvalis, Oregon, O.S.UBook Stores,
•.1.
f1•

f! 1 •
GROSENBAUGIL L R Some sug,gestions for better sample-trees
measuren1ent Proc. Soe. Aruer. Foresters: 36-42, 1963 6.
HANSEN, M. H; HURWITZ, W. M. & MADOW, W. G. Sample
Inc, 1971. l29p.
( ~· 1. survey methods and theory. New York, John Wiley & Sons Inc.,

•'•
FAO. Forest inventories in Aruazon. Roma, F AO, Report to the 1953. 638 p. Vol L
(
Govenunent ofBrasil No. 2080, 1965 78 p. HIRAT A, T. Height estimation through Bitterlich's method. Jour. of the
( t • Jap. For. Soe., (37) : 479-480, 1955.
(
FAO. Manual of forest i11ventory with special reference to mixed
tropical forests. Roma, F.AO., 1973. 200 p. ft • HOVIND, H & RJEK, R E. Basal area and point sampling. 1961. 46 p.
( f._'. •
FINNEY, D. J Volume estimation of standing timber by sampling. HUDSON, R. G. Manual do Engenheiro. ~o de Janeiro, Ao Livro
(
Forestry, (21 ): 179-203, 1947 f' • Técnico Ltda, 1961. 369 p.
(
FINNEY, D. J Randon and systematic sampling in timber surveys . f' •
HlJSCH, B. ; MILLER, C L & BEERS, T. W. Forest mensuration. 2 :

~,1l,..
( Forestry, (23) 1-36, I 948. f • ed. New York, Toe Ronald Press Company, 1972. 410 p.
(
FINNEY, D. l An example of periodic variation in forest sampling. fé • HUSCH, B. ; MILLER, C L &, BEERS, T. W Forest mensuration. 3
( Forestry, (23 ): 96- I 11 , 1950. ed Nev,r York, John Wiley & Sons, 1982. 402p.
(
(

(
(
FINNEY, D . l The estimation of error in the systematic sampling of
forests. Jour. Indian Soe. Agric. Stat (5) 6-16, 1953.
FISHER, RA & Y ATES, F. Statistical tables for biological,
agricultura] and medical researd1 Edinburgh and London, Oliver l<.:,
BoydLtd, 1957 . 112p.
fi
F. i •
~
ft
.
í
1
.
•
JENSEN, R J Statistical investigation of a sample survey for
obtaining farm facts. Iowa Agr. Exp. Station, 1942. 100 p. (Res. Buli.
304).
KAPLAN, W Advanced calculus. Massachusetts, Addison-Wesley Publ.

~ Co. Inc.,1952. 679 p.

,1. 1 •
(

(
FREESE, F. Elementary forest sampli11g.
Agriculture, 1962. 9 I p (Handbook No. 232)
US Department of
@ i• KOHLER, A Vorratsennitlung m buchenbestandes nach
baumdürchmesser und starnm- abstand. Allg. Forst u. Jagdztg, (123):
(
FREESE, F. Elementary statistical methods for forester-s US ~,j . 69-74, 1952 .

1:j •
.
( Department of Agriculture, 1069 . 87 p. (Handbook No. 3 17) KULOW, D. L. Elementary point-sampling. West Virgínia University,
(

l -- Agricultural Experimen~ Station, 1965. 24 p. (Circular No. 116).

 ''- l ••
1

308 Inventário Florestal li:.

4il
•-•\
1

1
Referências Bibliográficas
309
t

LOETSCH, F. Aplication of mean tariffe for the further development

of forest management of the plantation forest. Roma, F.A. O .,1960.
~
~
•• PEARCE , S C. Field experiments with fruit trees and other perenial
plants . Commonwealth Bureau of Horticulture and Plantation Crops, (
(

139 p. (No. 1281).

LOETSCH, F. & HALLER, K. E. Forest inventory. 1 ed , Mw1ich, BLV
~
~-
••
1
1
T C. 23, 1935 . 13 1 p
PÉLLI CO NETTO, S Facto rs affe cting ciustcr sampling Syracuse,
(
(

Verlagsgesellschaft, 1964. 436 p. Vol.I.

LOETSCH, F . & HALLER, K. E . Forest inventory. 2 ed , Munich, BLV
~. 1
~
1 •• 1968 . 112 p . (Dissertação Mestrado)
PÉLLICO NETTO, S Amostragem em conglomerados e sua aplicação (
(

•
em in ventários florestais de florestas tropicai s. ln : I CONGRESSO
Verlagsgesellschaft, 1973. 436 p. Vol. I. 1 BRASILEIRO DE FLORESTAS TROPICAIS, An:ús .Yol 1 36-53 , (
~ -

i•
LOETSCH, F.; ZÔHRER, F. & HALLER, K. E. Forest inventory. 2 ed., 1 1974, publicado em 1981 (

"' 1 •
~'
Munich, BLV Verlagsgesellschaft, 1973. 469 p. Vol.Il . PÉLUCO NETTO. S Die Forstinventuren in Brasilien - Neue (
•

i•
MADOW, W. G. & MADOW, L. H. 0n the theory of systematic Entwid<lungen und ihr Beitrag für eine geregelte Forstwirtscbaft (
~

" •
sampling. Ano. Math. Statist, (15) l-24, 1944. Mitteil Lmgen aus dem Arbeitskrei s für Forstliche Biometri e Freiburg,
• J 979 . 232 p (Tese de Doutorado) (
MESAV AGE, C. Three-P sampling and dendrometry .for better timber
~
1
PÉLLICO NETTO. S Fator de correção para árvores marginais em (
estimating. South. Lumberman, 15 (211):107-109, 1965 b.
1·:
•
-• ·•••
métodos de amostragem com seleção probabilística proporcio~al a um (
MEYER, H. A. 'The calculation of the sampling error of a cruise from the tamanho . Revista Cerne, Lavras , v.1 , n. l , 73-77 , 1994 .
mean square successive difference. Jour. Forestry, (54): 341, 1956.
~ .
PÉLLICO NETIO, S & BRENA, D A. Obtenção da densi~ade de (
MORISIT A, M. A new method for the estimation of density by the povoamentos no métododo de amostragem de Strand Curitiba , (

•·•
spacing met:hodapplicable to non-randomly distributed populations. 1995 8 p. (no prelo)
Physiology and Ecology, Kyoto, (2):134-144, 1957.
• PRODAN.. rvt Holzmesslehre Frankfu1t . J.D . Sauerland~r ' s Verlag, ((
•
••
NEWTON , C.M.; CUNIA, T. & BICKFORD, O.H. Multivariate 1965. 644 p .
estimators for sampling with partia! replacement on two occasions .
ForestSci.,(20): 106-116, 1974. •e PRODAN . M . Punktstichprobe für di e forsteinrichtung. Forst. u. (
Holzwirt, 23 ( 11) 225-226 , 1968.
NEYMAN, J 0n the two different aspects of the representative method:
•
• •
• QUEIROZ, \V T . Efeitos da variação estrutural em unidades (
the method of stratified sampling and the method of purposive
selection. Journ. Roy. Statist Soe., (97): 558-625 , 1934.
OHTOMO, E. Researches on the angle-count-method based upon the
e
•
• •• .
,,
amostrais na aplicação do processo de amostragem em (
conglomerados nas florestas do Planalto do Tapajós. Curitiba, 1977 . (
l 08 p . (Dissertação Mest rado - UFPR)

,.
sampling theory. ln: IUFRO, 14º CONG. MUNICH, sect. 15, VI:4 39- RIBEIRO , J. C Eficiência da amostragem com repetição parcial em (

456 . 1967.
OSBORNE, J. G. Sampling errors of systematic and random surveys of
cover-type areas. Jour. Amer. Stat. Assoe., (37):256-264, 1942.
•~ •
ê relação aos outros processos de inventários florestais sucessivos em (
duas ocasiõts Curitiba, 1978 . 99 p . (Dissertação Mestrado - UFPR) (
,.• •• SATTERTHW AITE. F E. An approximate distribution of estimates of (
variance components Biometrics , (2) 110-11 4, 1946 . (

•• ·• (

-• (
(
(
f1 •

.
(
Ct •
( 311
f.: • Referências Bibliográficas
( 310 Inventário Florestal
(.
( t • YATES, F. Sampling methods for censuses and surveys. London,

~-.,
SCHIMID, P. Contínuos forest inventory in Switzerland. Bim1ensdorf,
(
Zurich, Swiss Forest Research lnstitute, 1971 . 7 p .
((! 9 Charles Griffin and Co., 1949 .
( ZENGER, A. Systematic sampling in forestry. Biometrics, (22): 553-565,
SHIUE, C J. Systematic sampling with rnultiple random starts. Forest

.,
( ~ 1964 .
Science, 1 (6) 42-50, 1960
( p •
SlLV A, J. A. Seleção de parcelas amostrais aplicadas a povoamentos
(
de Pi1111s taeda L. para fins biométricos em Santa Maria, RS. Santa ~
( Maria, 1974 . 70 p . (Dissertação !\!estrado UFSM) € •
( SMITH, H. F. An empirical law describing heterogeneity in the :-,,ields of ~
( ag.ricultural crops. J. Agric. Sei. (28) 1-23, 1938. f; 1 •

( SPURR.,
'
S H. Forest inventory. Ronal Press Co . New York. 1q71 fi 1 9
\ 476 p . f; •
(
(
STR.A'.ND, L. Sampling for volume along a line. Meddelelser fra Det
norske Skogforsoksvesen. (5 1) 327-331, 1958.
1
1

SUKHATME, P V Sampling theory of surveys, with applications

f.1
(f
~ .
•
•

.
(
Ames, Iowa, Iowa State College Press. 1954 491 p.
( f,l •
TELLO, J. C. R. Eficiência e custos de diferentes formas e tamanhos de
(
unidades de amostra em uma floresta nativa de Araucaria --
( angustifolia (Bert.) O.Ktze, no Sul do Brasil. Curitiba, 1Q80 l 26 p e •
( (Dissertação Mestrado - UFPR) € •
p •
(
(
(
THOMPSON, H. R. Distribution of distance to n'th neighbor
population of randomly distributed individuais
394, 1956.
Ecolog,Y. (37)
111a
391-
~
fi li •
•·
.
(
TSCHUPROW, A. A. 0n the mathematical expectation of the moments of fi · •
frequency distributions in the case of correlated observations . Metron. p , •
(
(
(
(2): 461-493, 646-683, 1Q23
WARE, KD. & CUNlA, T Contínuos forest in ventory with partia!
•·
~ , I •
replacement of samples . Forest science. T\fonograph 3 1962. 40 p .
p.l •
(
(
YATES. F. A review of rece nt statistical developments in sampling and
sampling surveys. Jour. Royal Stat. Soe. ( I 09) 12-30, 1946. ••
::.l :.
(
(
,1,
YATES , F. Sistematic sampling. Royal Soe. of London Philos , Series A
(241) 345-3 77. 1948
. ·• .,;,
. i• (

' 1•
" 1•
: · 1_: (

: 1: l

.• 1.
(

~
~
1.
~ 1.
.
1•
\l-f ,. APÊNDICE
(
(
(
(
(
t; 1 •
(

:1:
e •
(

Tabela I: Distribuição de t
e • (

• •
.
(

• ·• • Tabela II : Dist1ibuição de F para p =O, 05

Tabela III: Distribuição de F para p=O, 01

(

• •
e -•
(
(
e •
• •
(
(

...
e ·•
• •
(
(

--· ••• (
(
(

: 1~: l
•. -• (

(.
(
(
.
"fi : •1

.,.
( fl c 1 •
Inventário Florestal Apêndice 315
( 314 fi. . 11 a. .
(

(
(
..I',"i. Tabela Il Distribuição de F para p=O, 05
Tabela l Distribuição de t 1 •
8 12 24
( 1
f', !• gil = 1 2 3 4 5 6 00

(
(
g.L
(n) . 0,9 0,8
0.32 5
0,7
0.51 0
0,6
0. 72 7
0,5
1.000
l'R0 13J\131LIDADE
0,4
1.1 76
0,3 0,2
1,963 3,0 78
0,1
6.31-1
·"
o(b5 0,02 0,01 0,001
12.71 31. 82 63.66 636,62
e-~! •
t' , 1 •
g/2 =1
2
161 ,4 199,5 2f5 ,7
18.5 l 19,00 19,16
10,13 9.55 9,28
224,6 230,2 234,0 238,9 243,9 249,0 254,3
19,25 19,30 19,33 19,37 19,41 19,45 19,50
9,12 9,01 8,94 8,84 8,74 8,64 8,53

~,.
1 0.1 58 3
ll,8 1(, 1.06 1 U 86 1.886 2.920 -1.303 6.96 5 9.925 3U 98
0,2 89 0.-1-15 0.6 17 5,91 5,77 5,63
2 0. 1-12 1 4 7,7 l 6.94 6,59 6,39 6,26 6,16 6,04
( 3 0.13 7 0.2 77 0.-12-1 0.5 8-1 0,765 0.978 1.250 1.638 2.353 3. 182 -1, 5-1 1 l .8-li 12,92-1
e1 , 1 •

U33 2.132 2.776 3,747 4.60-4 8,6 10 5 6.6 l 5.79 5,41 5.19 5.05 4,95 4,82 4,68 4,53 4,36
r ,l •
0. 13-1 0.2 71 0.-114 0.569 0.7-11 0.9-1 1 1.1 90
4 4,00 3,84 3,67
( 0.132 0,267 0.-108 0. l l 9 fl ,727 o.no 1.1 ~6 1.476 2.0l l 2.57 1 3. 36 5 -1.0.n 6 .869 6 5,99 5.14 4,76 4,53 4.39 4,28 4.15
5 1
0. 131 0.265 0.-10-4 0.553 0.7 18 0.906 1. 13-1 1.-140 l."-13 2.-1-17 3. 143 3.707 5.959
7 5.59 4,74 4,35 4,12 3,97 3,87 3,73 3,57 3.41 3,23
( 6 2.99 8 3.-199 5,-1 08
1.-11 5 1.895 2. 365 3,44 3,28 3,12 2,93
7 0. 130 0.263 0.-102 0, 5-49 0.711 0.8% 1.11 9
8 5,32 4,46 4,07 3,84 3,69 3,58
( 8 1 0, 130 0.2 62 0.399 0.5-46 0.706 0.889 1.1 08 1.3 97 1.860
1.833
2.306
2.262
2,896
vm
3.3 5l
3.2 50
5.041
-1 .78 1
e.-1 • 9 5,12 4,26 3,86 3,63 3,48 3,37 3,23 3,07 2,90 2,71
0.5-1 3 0.703 0. 883 1.100 1.383
~.1..
. ,.
0,129 0.26 1 0.398 3,22 3,07 2,91 2,74 2,54
9
2.228) 2.76-1 3, 169 4, 587 10 4,96 4,10 3,71 3,48 3,33
( 10 0,129 0.260 0.3 97 0, 5-42 0.700 0. 879 1.09 3 1.372 1.812
2,79 2,61 2,40
1.08 8 1.363 1.796 2.20~ 2.7 18 3.106 -1,437 11 4,84 3,98 3,59 3,36 3,20 3,09 2,95
(
11 '
12 !
0.129
0, 128
0.260
0,2 59
0.3 96
0,395
0, 5-40
0,539
0.697
0.695
0. 876
0.873 1.08 3 1.356 1.782 2. 179 2,68 1 3.0l 5 -Ul 8
4 .221
. ;l ~• 12 4,75 3,88 3,49 3,26 3,11 3,00 2,85 2,69 2,50 2,30
0, 128 0.2 59 0.3 94 0.538 0.694 0,870 1.079 1.350 1.77 1 2.1 60 i ,65 0 3.0 12
13 4,67 3,80 3.4,1 3. 18 3,02 2,92 2,77 2,60 2,42 2,21
( 13
0. 86 8 1,076 1.3-15 1.76 1 2.1-ll 2.62-1 2.9 77 -1.1-10 ' 2,96 2,85 2,70 2,53 2.35 2,13
14 1 0, 128 0.258 0.3 93 0,537 0,692 14 4,60 3,74 3.~·4 3,11
( 15 · 0.128 0.258
0.258
0.3 93
0.392
0 ,536
0,53 5
0.69 1
0,690
0. 866
0. 865
1.07-1
1.07 1
1.3-11
1.337
1.7 53
1.7-16
2. 131
2.1 20
2.602
2. 583
2.9-17
2.92 1
-1.073
-1.015
.... j- • 15 4.54 3.68 3/29 3.06 2.90 2,79 2.64 2,48 2,29 2,07
16 0, 128
1.7-10 2. 1 10 2. 567 2.89 8 3.965 @'i; - t . 16 4,49 3,63 3.2'.;.4 , 3,01 2,85 2,74 2,59 2,42 2.24 2,01
( 0.392 0 ,5 3-1 0,689 0, 863 1.069 1.333

.
•
17 0.128 0.2 57
1.06 7 1.330 1.73-1 2.101 2. 552 2. 878 3, 922 17 4,45 3,59 3,20 2,96 2.81 2,70 2,55 2,38 2,19 1,96
(
18 0. 127 0,257 0.3 92 0. 53-1
0, 533
0.688
0.688
0. 862
0. 86 1 1.066 1,3 28 1. 729 2 .❖ 91 2,539 2.86 1 3.883
·• l • 18 4,41 3,55 3,16 2,93 2,77 2,66 2,51 2,34 2,15 1,92
rL•
0.257 0.39 1

,.. .
19 0. 127
2.52 8 2.8-1 5 3, 850 2,48 2,31 2,11 1,88
20 0. 12 7 0.257 0 ,391 0.5 33 0.687 0.860 1,06-1 1.32 5 1, 725 2.0 86
19 4.38 3.52 3,13 2,90 2,74 2,63
( 0.127 0,25 7 0.39 1 0.532 0.686 0, 859 1.063 1.323 !.TIi 2,980 2. 5 18 2, 831 3. Rl 9
~ . 1 20 4.35 3,49 3., l O 2.87 2.71 2,60 2.45 2.28 2.08 1,84
21
( 22 0, 12 7 0.2 56 0.3 90 0.53 2 0.686 0.85 8 1.061 1.321 1.71 7 2.07-1 2. 508 2.8 19 3.792
·:-·;• - ,, 21 4.32 3,47 3.,P7 2,84 2,68 2,57 2.42 2,25 2.05 1,81
D.858 1.060 1.319 1.71-1 2.q69 2.lOO 2. 807 3, 767
0.3 90 0.5 32 0.6 85
23 0,127 0.256
--· ~ 22 4.30 3,44 3,05 2,82 2,66 2,55 2,40 2,23 2.03 1,78

e ~:
0,685 0.857 1.05 9 I.318 1.711 2,06-1 2.-192 2.79 7 3.7.i5
( 24 0. 127 0.2 56 0.390 0. 531
4,28 3.42 3.03 2:80 2,64 2.53 2,38 2.20 2,00 1,76
0. 127 0.25 6 0.390 0,531 0.68-1 0.856 1.0 58 1.316 1.708 2,0&0 2.-1 85 2.7 87 3.72 5 23
2~
( 0. 127 0.2 56 0.390 0. 531 0.68-1 0,85 6 1.058 1.31 5 1.706 2,056 2.-179 2.779 3,70 7
24 4.26 3.40 3,01 2,78 2.62 2.51 2.36 2,18 1,98 1,73
26 2.-173 2.771 3.690
27 0. 127 0.25 6 0.389 0.531 0.68-1 0.85 5 1.05 7 1.31-1 1.703 2,0 52
25 4.24 3.38 2,99 2,76 2.60 2.49 2,34 2, 16 1.96 1, 71
( 2(048 2,467 2,763 3.674

,,...--·.- - .•
1.0 56 1.313 1.701 \ 1,69
~
0.2 56 0.3 89 0,530 0,68.l 0.855 4,22 3.37 2,98 2,74 2,59 2.47 2,32 2, 15 1,95
28 0.127
2,0-1 5 2.-162 2. 756 3. 659 26
0,389 0 ,53 0 0.6 83 D.85-4 1.05 5 1.311 I.699
( 29 0. 127 0,256
'l.-1 5') 2; 7 50- 3.646 27 4,21 3.35 2,96 2.73 2,57 2.46 2.30 2. 13 1,93 1,67
0.389 0.5 30 0.683 0.85-1 1.0 55 1.310 I.697 2,0'.12
30 0,127 0.2 56
z:0-w 28 4,20 3.34 2,95 2,71 2,56 2,44 2,29 2,12 1,91 1,65

,~F,-•
0.851 1.05 0 1.303 I.6S-4 2.-123 2.704 3,55 1
0,388 0.529 0.681
( 40 0. 126 0.2 55
U96 1.671 2,000 ,;l.390 2.660 3.46 0 29 4,18 3,33 2,93 2,70 2,54 2,43 2,28 2, 10 1,90 1,64
0,527 0.679 0.&.i8 1.0-46

·•
60 0.126 0,25-4 0.387
( 0, 126 0.254 0.386 0,526 0,6 77 O,&.i5 1.0-41 1.289 1.658 1,980 2.3 58 2,617 3,373 1
30 4,17 3.32 2,92 2,69 2,53 2,42 2,27 2,09 1,89 1,62
120 2,576 3,.291
1.282 1,645 ' l,960 2,326 2.34 2,18 2,00 l ,79 1,51
0.126 0.253 0,385 0.)2-1 0,674 O.S-42 1.036 40 4.08 3,23 2.84 2.61 2.45
00
• -; 4,00 3,15 2,76 2.52 2.37 2.25 2,10 1,92 1,70 1,39
60
E'·;► 9

.)
120 3,92 3.07 2.68 2,45 2.29 2.17 2.02 l,83 1.6 l l,25
(
(
FONTE: FISHER & YATES ( 1957).
1
•',. -~
H·-'-• 00 3,84 2,99 2.6'0 2.37 2.21 2. 10 1,94 1,75 1.52 l,00
,. "
l 1
1- .J )

(
,-.,~• : FONTE: FISHER & YATES (1957). r,. :. 1' /
'
qi-~
(
~-'· •
. _;,_
1 I\'/\

~
\
1''
 . '-~
'
•-
Este 11vro aeve :;,,i ut: v u, ·,,uu ,,_

data carimbada .

•. _•.•
316 Inventário Florestal

Tabela ID: Distribuição de F para p=O, 01

g/1 = l 2 3 4 5 6 8 12 24 00
..,.. ..
g/2 =1 4.052 4.999 5.403 5.625 5.764 5.859 5.982 6.106 6.234 6.366
2
3
98,50
34,12
99,00
30,82
99,17
29,46
99,25
28,71
99,30 99,33 99,37 99,42 99,46 99,50
28,24 27,91 27,49 27,05 26,60 26,12 '?G
,·.·
4
5
21,20
16,26
18,00
13,27
16,69
12,06
15,98
11,39
15,52 15,21 14,80 14,37 13,93 13,46
10,97 10,67 10,29 9,89 9,47 9,02 •J,• ,J

6 13,74 10,92 9,78 9,15 8,75 8,47 8,10 7,72 7,31 6,88
•.,.;;••
~
7
8
9
10
12,25
11,26
10,56
10,04
9,55
8,65
8,02
7,56
8,45
7,59
6,99
6,55
7,85
7,01
6,42
5,99
7,46 7,19 6,84 6,47 6,07 5,65
6,63 6,37 6,03 5,67 5,28 4,86
6,06 5,80 5,47 5, 11 4,73
5,64 5,39 5,06 4,71
4,31
4,33 3,91
t_. "DoáJi Antônio Brena nasceu(
Passo Fundo, Rio Grande do Sul, t, 1
1952. É Engenheiro Flore (
1t.8 graduado em 1974 , pel ,
11
12
9,65
9,33
7,20
6,93
6,22
5,95
5,67 5,32 5,07 4,74 4,40 4,02 3,60
5,41 5,06 4,82 4,50 4;16 3,78 3,36 't. . AU
Universidade Federal de si
Maria, na primeira turma do cur(c"
13
14
15
9,07
8,86
8,68
6,70
6,51
6,36
5,74
5,56
5,42
5,20 4,86 4,62 4,30 3,96 3,59 3,16
5,03 4,69 4,46 4,14 3,80 3,43 3,00
4,89 4,56 4,32 4,00 3,67 3,29 2,87
¼

t8 • TiT

r.~
Em 197 5 assumiu o cargo ·-·
Auxiliar de En s ino ne z
Universidade, sendo responsá\-c

';.-• pelas di sciplinas de Dendrome(

..
16 8,53 6,23 5,29 4,77 4,44 4,20 3,89 3,~5 3,18 2,75

~
-~-
e Inventário Florestal, na qu;,
17 8,40 6,11 5,18 4,67 4,34 4,10 3,79 3,45 3,08 2,65
continua exercendo suas ativida(
18 8,28 6,01 5,09 4,58 4,25 4,01 3,71 3,37 3,00 2,57 profissionais até os presentes di(
19 8,18 2,93 5,01 4,50 4,17 3,94 . 3,63 3,30 2,92 2,49 Em l 979 obteve o grau de Mestre ...
20 8,10 5,85 4,94 4,43 4,10 3,87 3,56 3,23 2,86 2,42 Curso de Pós-Graduação (
21 8,02 5,78 4,87 4,37 4,04 3,81 3,51 3,17 2,80 2,36 1:. 8 MINISTÉRI O DA E D U C Engenharia Florestal u ,
22 7,94 5,72 4,82 4,31 3,99 3,76 3,45 3,12 2,75 2,31 UN IVERSIDADE FEDERAL DO P, Universidade Federal do Param'(
23 7,88 5,66 4,76 4,26 3,94 3,71 3,41 3,07 2,70 2,26 em 1995, obteve o gra11 de Doutor m1
BIBLIOTECA CEN

i.~e•
-:: 8 mesma Universidade . Participou (

·~ •
24 7,82 5,61 4,72 4,22 3,90 3,67 3,36 3,03 2,66 2,21
execução de inúmeros inventát
25 7,77 5,57 4,68 4,18 3,86 1,63 3,32 · 2,99 2,62 2,17 florestai s reali za dos no pa, ...
26 7,72 5,53 4,64 4,14 3,82 3,59 3,29 2,96 2,58 2,13 634.0.524.6 des\acando-se o Inventário Flore{
27 7,68 5,49 4,60 4,11 3,78 3,56 3,26 2,93 2,55 2,10 P391 Pellico Nettc da Area de Influência da Hidrelétnc.i
28 7,64 5,45 4,57 4,07 3,75 3,53 3,23 2,90 2,52 2,06 Inventário de ltaipu. Inventário do Pinheiro (
ex.4 Sul do Brasil , Inventário Florestal(,fr,
29 7,60 5,42 4,54 4,04 3,73 3,50 3,20 2,87 2,49 2,03 CBC

,E.g..
30 7,56 5,39 4,51 4,02 3,70 3,47 3,17 2,84 2,47 2,01 c8 Pólo Juruá-Solimões, Inventário o
Florestas Nativas e Plantadas do R (' '
40 7,31 5,18 4,31 3,83 3,51 3,29 2,99 2,66 2.29 1,80 Grande do Sul, entre outrn ...
60 7,08 4,98 4,13 3,6.5 3,34 3,12 2,82 2.50 2,12 1,60 Atualmc:nte é Professor Adjunto (

·-•
120 6,85 4,79 3,95 3,48 3,17 2,96 2,66 2,34 1,95 1,38 .,,,,ó•

,.
Universidade Federal de San1a
... e cif?.. , .. -

L~•
00 6,64 4,60 3,78 3,32 3,02 2,80 2,51 2,18 1,79 1,00 ,_
q o (es\i:1" Maria onde ministra as disciplit{
. ' - i(Jr,C\c-S ' de Inventário Florestal no Curs0,
-a oc 1.., de Grad uação e Técnicas (
e.,tj 1 ,_1\Ú\..
. FONTE: FISHER & YATES (1957) ~
,\
Amostragem e Plan os ele in ven táf
Florestal no C ur so de Pó\ -
.1.,
"
• Graduaçào cm Engenharia Flores!