Avaliação de técnicas geoestatísticas no inventário de povoamentos de Tectona grandis L.f.

• Ano de defesa: 2011
• Autor(a) principal: Santana, Rogério Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Estatística Aplicada e Biometria; Mestrado em Estatística Aplicada e Biometria; UFV
• Palavras-chave em Português: Inventário florestal; Dependência espacial; Predição; Forest inventory; Spatial dependence; Prediction; CNPQ::CIENCIAS AGRARIAS
• Link de acesso: http://locus.ufv.br/handle/123456789/4044

Este trabalho teve por objetivos geral avaliar se as estimativas do volume de madeira obtidas a partir de técnicas geoestatísticas são mais precisas do que as obtidas a partir de técnicas da estatística clássica. O estudo foi realizado em povoamentos de Tectona grandis L.f. com a característica dendrométrica de volume mensurada em 101 parcelas lançadas ao longo de uma malha de amostragem com coordenadas UTM, distribuídas em 17 talhões, com uma área total de 391,87 ha. Com o ajuste do modelo semivariograma experimental, do índice de dependência espacial e das estatísticas da validação cruzada, foram obtidas duas estimativas do inventário florestal: uma utilizando estatística clássica e a outra, geoestatística. Na realização da estimação clássica, foi considerada a metodologia de amostragem sistemática, com a intensidade de amostragem de uma parcela para cada 4 ha. Na predição por geoestatística, foi ajustado o modelo de semivariograma, utilizado para avaliar a estrutura de dependência espacial da variável volume por ha na área de estudo. Em seguida, utilizou-se a krigagem em blocos para obter as predições do volume médio de cada talhão. A comparação das estimações dos dois métodos foi feita com base no erro de amostragem, sendo encontrado um menor erro com a geoestatística. Conclui-se, assim, o uso da geoestatística para realização de inventário florestal, quando existir estrutura de dependência espacial na região em estudo, uma vez que ela fornece predições mais precisas.