Estimação, zoneamento e análise de sensibilidade da produtividade florestal de Eucalyptus no Nordeste do Estado de São Paulo através do modelo 3-PG

Abstract

O zoneamento da produtividade auxilia no processo de planejamento do uso da terra, através da seleção de locais adequados a cultura. O objetivo deste estudo foi estimar e zonear a produtividade do eucalipto no nordeste do estado do São Paulo e determinar os principais fatores limitantes da produtividade segundo o modelo (temperatura, geadas, déficit de pressão de vapor, agua no solo, e fertilidade do solo). A estimativa da produtividade foi feita utilizando-se o modelo 3-PG tendo como entradas os mapas de estimativa de precipitação, temperatura máxima e mínima (normais climáticas) e mapa pedológico. Para a validação do modelo, comparou-se a estimativa do incremento médio anual aos sete anos (IMA7-3-PG) com a projeção do IMA7 (IMA7inv) em parcelas de inventário comercial com idade superior a 5 anos e inferior a 8, utilizando-se 1.884 parcelas de inventário, que representam uma área 58.000 hectares de plantio de Eucalyptus grandis x E. urophylla. O IMA7-3-PG médio de toda a área de plantio considerada neste estudo foi (44.1 m 3 ha -1 ano -1 ) similar ao IMA7inv (41.9 m 3 ha -1 ano -1 ). No entanto, ao comparar a produtividade estratificada por tipo de solo e fazenda, verificou-se elevada dispersão entre os valores estimados e projetados (-14.7% para solos arenosos, e +7.46% em solos argilosos), que pode ser reflexo do baixo nível de detalhamento do tipo de solo, do uso de dados climáticos de apenas quatro estações meteorológicas, da diferente adaptação dos materiais genéticos e tratamentos silviculturais distintos em cada talhão. Os resultados nos permitiram identificar que as áreas mais ao sul dessa região tendem a ser as mais produtivas, e que os fatores hídricos foram os que mais restringiram o crescimento (déficit de pressão de vapor e água no solo).Palavras-chave: Sistema de informação geográfica; Incremento médio anual; fatores limitantes ao crescimento.

Decision-Tree Application to Predict and Spatialize the Wood Productivity Probabilities of Eucalyptus Plantations

“…Therefore, our initial concern for performing an adequate data division between training and testing datasets was important before starting the machine-learning modeling but, above all, having defined a minimum threshold of observations in each leaf node, pruning the tree growth's every decision where a node had up to 1% of the training dataset, thus ensuring an appropriate total wood volume distribution for any climate, soil, and altitude conditions detected in the study area. Eucalyptus productivity zoning studies have shown that validation is a major part of modeling credibility, whether it is an empirical or a process-based model, from extremely localized applications, as presented by Almeida et al [69]; at the regional level by Lemos et al [70] and Attia et al [71]; and at continental level, as shown by Caldeira et al [72] and Elli et al [73]. Although these studies performed a simple validation of their methods, none of them presented uncertainties in the estimates.…”

“…Forests 2023, 14, x FOR PEER REVIEW 15 of 24 ensuring an appropriate total wood volume distribution for any climate, soil, and altitude conditions detected in the study area. Eucalyptus productivity zoning studies have shown that validation is a major part of modeling credibility, whether it is an empirical or a process-based model, from extremely localized applications, as presented by Almeida et al [69]; at the regional level by Lemos et al [70] and Attia et al [71]; and at continental level, as shown by Caldeira et al [72] and Elli et al [73]. Although these studies performed a simple validation of their methods, none of them presented uncertainties in the estimates.…”