RESUMO No manejo florestal as atividades de inventário florestal são indispensáveis para o monitoramento do crescimento da produção dos povoamentos florestais. Dessa forma, os procedimentos de amostragem fornecem as estimativas de volume da população com alta precisão e custos relativamente baixos. Com isso, o objetivo do presente trabalho foi comparar três tipos de processos de amostragem: Amostragem Aleatória Simples (AAS), Amostragem Sistemática com Parcelas (ASP) e Amostragem em Dois Estágios (ADE) para a estimativa da produção de um povoamento clonal de Tectona grandis L.f. (teca) no município de Cáceres-MT. O povoamento foi implantado em janeiro de 2010, em uma área de 10,6 hectares, sob espaçamento de 4x3 m. Para cada processo de amostragem foram alocadas dez parcelas retangulares de 20x24 m no talhão. Para a avaliação da eficiência entre os diferentes processos, considerou-se a intensidade amostral requerida (n), o erro amostral em porcentagem (E%) e o coeficiente de variação (CV%). Dentre os três processos avaliados, o processo de Amostragem Sistemática com Parcelas (ASP) obteve o menor erro amostral com 4,86% e uma intensidade amostral requerida de 2 parcelas, sendo o recomendado para estimativa de volume em plantios de teca. O povoamento de Tectona grandis aos 46 meses apresentou uma produção média de 86,4 m³.ha-1. PALAVRAS-CHAVE: Inventário florestal, Tectona grandis L.f., volume.
RESUMOO objetivo deste trabalho foi testar modelos de regressão e avaliar diferentes formas de estratificação hipsométrica para eucaliptos no município de Itiquira-MT. Foram avaliados povoamentos de três fazendas (I, II e III). As florestas foram implantadas em 2009 sob espaçamento de 3x3 m. Os dados de diâmetro a 1,3 m de altura com casca (DAP) e a altura total (Ht) foram obtidos de 23 parcelas de 400 m². Após a coleta dos dados de DAP e Ht, os mesmos foram empregados para o ajuste de modelos de relação hipsométrica, com diferentes tipos de estratificação. Primeiramente, os modelos foram ajustados a todo o conjunto de dados; estratificado por fazenda e em classes de diâmetros. Dentre os modelos avaliados os de Gompertz e de Trorey apresentaram o melhor desempenho. A estratificação dos dados é recomendada, pois podem aprimorar a acuracidade das estimativas dos inventários e consequentemente nas estimativas volumétricas dos povoamentos florestais. PALAVRAS-CHAVE: Inventário florestal, modelos de regressão, estratos. STRATIFICATION HIPSOMETRIC IN EUCALYPTUS PLANTATIONS IN THE SOUTHEAST OF MATO GROSSOABSTRACT The objective of this study was to test models of regression and evaluate different forms of hipsometric stratification for eucalyptus in Itiquira-MT. Were evaluated stands of three farms (I, II and III). The forests were established in 2009 under spacing of 3x3 m. The diameter data to 1.3 m tall with bark (DBH) and total height (Ht) were obtained of 23 plots of 400 m². After collecting the data DAP and Ht, these were used to fit models hypsometric relation with different types of stratification. First, the models were adjusted for the entire set of data; stratified by farm and per diameters of classes. Among the models evaluated the of Gompertz and Trorey had the best performance. Stratification of the data is recommended as it can improve the accuracy of the estimates of inventories and consequently in volumetric estimates of forest stands.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.