Os sistemas de varredura a laser terrestre têm sido, nos últimos anos, assunto de diversos estudos. Estes estudos visam avaliar o potencial deste sistema como ferramenta para o manejo de florestas inequiâneas naturais com base, principalmente, na aquisição de parâmetros dendrométricas de indivíduos arbóreos (BERBERT, 2016; VASTARANTA et al., 2009; NEWNHAM et al., 2015). Contudo, o uso deste sistema não exclui as atividades de campo, uma vez que o ajuste das estimativas, obtidas por meio desse sistema, carece de dados coletados nas áreas de estudo (GIONGO et al., 2010).
Os valores da variável DAP obtidos pelos métodos I e II quando correlacionados apresentaram uma linha de tendência cujo R² foi mais elevado quando comparado aqueles provenientes da correlação entre os valores das variáveis altura total e volume entre si. Alguns autores indicam que a utilização de varreduras múltiplas, que garante uma cobertura multi-angular com elevadas taxas de detecção do fuste, pode explicar esta forte correlação entre os valores de DAP oriundos do processamento do TLS e aqueles obtidos de modo convencional (BIENERT et al., 2006; THIES & SPIECKER, 2004).
Além deste fato, a ausência de ruídos (como galhos e sub-bosque) realizado pelo procedimento manual da filtragem de dados, favoreceu a obtenção do DAP pelo TLS. Entretanto, em situações nas quais há forte presença de sub-bosque, torna-se essencial o desenvolvimento de algoritmos para automatização da filtragem dos dados de forma que
30
seja possível a remoção do sub-bosque de maneira rápida, eficaz e condizente com a realidade de campo (BUCK et al., 2017).
Outros fatores importantes que contribuíram para a aferição precisa do DAP pelo TLS foram: a pequena interferência do vento e a faixa de operação do laser scanner (em média 1,50 m) estar próxima à altura do DAP (ALMEIDA, 2017). Isto foi comprovado pelo resultado do teste L&O que indicou identidade entre os valores de DAP coletados por meio do método convencional e aqueles com o uso do TLS.
No que concerne a variável altura total, mesmo que os valores obtidos com o uso do TLS apresentaram bom ajuste aos valores obtidos de modo convencional, ocorreram tendências de sub e superestimação das alturas, inclusive já observadas por outros autores (LINGNAU et al., 2009; HOPKINSON et al., 2004; SILVA et al., 2011; LIANG & HYYPPA, 2013; OLOFSSON et al., 2014).
A subestimação destes valores pode ser explicada devido à baixa visibilidade das copas das árvores em vegetação nativa causada pela oclusão de copas adjacentes, o que diminui a densidade e cobertura dos pulsos laser da árvore-alvo (SILVA et al., 2013). Outros pontos a serem abordados para esclarecer esta subestimação são: a elevada densidade e altura da vegetação circundante e do sub-bosque que contribuem para o sombreamento do fuste; e, também, o fato do ponto mais alto da árvore nem sempre coincidir com aquele encontrado no centro da copa culminando em valores inferiores aos da altura real (LINGNAU et al., 2009; ANDERSEN et al., 2005).
Por sua vez, a superestimação da altura total pode ter sido causada pelo fato de que árvores menores, geralmente, são cercadas por árvores maiores em parcelas densas e, as copas das árvores maiores, erroneamente, acabam sendo atribuídas as árvores menores (CABO et al., 2018). A presença de sobreposição de copas, erro no posicionamento do equipamento ou na filtragem de dados também pode corroborar para a superestimação da altura total (SRINIVASAN et al., 2015). Diante disso, torna-se compreensível o fato de os valores totais das alturas não tenham sido estatisticamente iguais pelo teste L&O.
A definição do termo altura comercial é bastante subjetiva e, em algumas situações, é facilmente atribuída à altura do fuste (SOARES & SOUZA, 2011). No entanto, para este trabalho, entendeu-se por altura comercial a distância vertical do terreno até a altura na qual ocorre a inserção do primeiro galho da árvore.
Os resultados para esta variável apresentaram uma baixa correlação linear entre os valores obtidos por meio convencional e aqueles obtidos com o uso do TLS. Sabe-se que a aferição da altura comercial em um abiente inequiâneo nativo é complexa, pois existe certa
31
subjetividade na definição e detecção do primeiro galho que pode variar entre observadores e entre observações. Além disso, pode ter ocorrido erro na filtragem de dados, ou ainda, a distância em que o laser foi posicionado para as leituras pode ter sido pequena.
A distância do TLS à árvore é um fator muito relevante para a precisão dos dados. Quanto menor é esta distância, mais inclinado será o ângulo de visada do equipamento e, desta forma, o escaneamento abrangerá galhos sobrepostos, o que dificulta não só a definição da altura da base, mas também de toda a copa (MARTINS NETO et al., 2013). Todos estes fatores ajudam a esclarecer a diferença estatística entre os valores das variáveis HC (convencional) e HC (TLS) apresentada pelo teste L&O.
Bem como em outras pesquisas, o valor do R² ajustado entre os valores de volume obtidos pela cubagem feita em campo e aquela realizada via TLS foi elevado (KUNZ et al., 2017; RAUMONEN et al., 2013; HACKENBERG et al., 2014). Contudo, notou-se uma subestimação para ávores menores e uma superestimação para árvores maiores, seguindo a mesma tendência observada pela altura total neste estudo.
A altura total é um dos componentes arbóreos que mais contribui para o volume de uma árvore, deste modo já era esperado que o volume apresentasse tendência similar aos dados da altura total (TORRESAN, CHIAVETTA & HACKENBERG, 2018). Além disso, como o volume foi obtido por meio de cubagem não destrutiva e, considerando o padrão de afilamento dos fustes, era previsto que, em diâmetros maiores, ou seja, próximos à altura de visada do equipamento, as estimativas apresentassem maior precisão em detrimento daquelas obtidas em diâmetros menores com ângulações de incidência maiores (ALMEIDA, 2017; BUCK, 2016). Com esta variação na precisão dos dados ao longo do fuste, o resultado do teste L&O confirmou a diferença estatística entre os volumes adquiridos com os dados obtidos de maneira convencional e aqueles adquiridos com o uso do TLS.
Como não foi constatada igualdade entre as equações ajustadas de acordo com os modelos volumétricos de SH e Spurr para os métodos I e II, escolheram-se as equações baseadas no modelo volumétrico de SH como as mais adequadas, uma vez que as estatísticas mostraram que estas descreveram melhor ajuste para os dados, assim como ocorreu em outros estudos (LEAL et al., 2015; MARTINS et al., 2015).
32 5. CONCLUSÕES E RECOMENDAÇÕES
A variável DAP foi estatisticamente igual para os métodos I (dados obtidos de maneira convencional) e II (dados obtidos com o uso do TLS).
As variáveis altura total, altura comercial e volume foram estatisticamente diferentes para os métodos I e II.
As equações ajustadas de acordo com os modelos volumétricos de SH e de de Spurr foram estatisticamente diferentes para os métodos I e II.
As equações baseadas no modelo volumétrico de SH foram consideradas as que apresentaram melhor ajuste para ambos os métodos, sendo a equação 3 (ajustada com dados TLS) a que apresentou melhor ajuste aos dados.
Recomenda-se o desenvolvimento de algoritmos para filtragem e modelagem dos dados de forma que o usuário consiga interagir com a interface mais facilmente tornando o processamento eficaz e operacional.
Ademais, é fundamental que estes algoritmos sejam capazes de reconhecer e promover a distinção entre um indivíduo arbóreo e um arbustivo, componente do sub-bosque.
6. REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, G. J. F. Uso do laser scanner terrestre na estimativa de parâmetros biométricos em povoamentos florestais.Dissertação (Mestrado em Recursos Florestais) – Universidade de São Paulo, Piracicaba, SP. 2017. 51f.
ALVARES, C. A. et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, Stuttgart, v. 22, n. 6, p. 711–728, 2013.
ANDERSEN, H.E.; MCGAUGHEY, R.J.; REUTEBUCH, S.E. Estimating forest canopy fuel parameters using LiDAR data. Remote Sensing of the Environment, v. 94, p. 441– 449, 2005.
BERBERT, M. L. D. G. Potencial do LiDAR terrestre como ferramenta para o manejo de florestas naturais. Monografia (Graduação em Engenharia Florestal) – Universidade Federal Rural do Rio de Janeiro, Seropédica, RJ. 2016. 36f.
BIENERT, A.; MAAS, H. G.; SCHELLER, S. Analysis of the information content of terrestrial laserscanner point clouds for the automatic determination of forest inventory parameters. Workshop on 3D Remote Sensing in Forestry ,2006.
33
BUCK, A. L. B. Modelagem de dados laser scanner terrestre para a estimativa do volume em plantios clonais de Eucalyptus spp. Tese (Doutorado em Engenharia Florestal). Universidade Federal do Paraná, Curitiba, PR. 2016. 146f.
BUCK, A.L.B.; LINGNAU, C.; MACHADO, A.M.L.; PÉLLICO NETO, S. Detecção de árvores em nuvens de pontos de varredura laser terrestre. Bol. Ciên. Geod., v. 23, n.1, Curitiba, 2017.
BUCK, A. L. B ; SILVA, M. N. ; LINGNAU, C. ; Machado, A.M.L ; Martins Neto, R. P. ; Pesck, V. A. . Avaliação da modelagem tridimensional do tronco de Pinus elliottii a partir de dados laser terrestre. Ambiência. v. 8, p. 549-557, 2012.
CABO, C.; ORDÓNEZ, C.; LÓPEZ-SÁNCHEZ, C.A.; ARMESTTO, J. Automatic dendrometry: tree detection, tree height and diameter estimation using terrestrial laser scanning. Int. J. Appl Earth Obs Geoinformation, v. 69, p. 164-174, 2018.
FERRAZ, A.S. Estimação dos estoques de biomassa e carbono na parte aérea de um fragmento de floresta estacional semidecidual por meio de imagens de satélite Ikonos II. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa; Viçosa, 2012. FERREIRA JÚNIOR, W.G.; SCHAEFFER, C.E.G.R.; SILVA, A.F. Uma visão pedogeomorfológica sobre as formações florestais da Mata Atlântica. In: MARTINS, S.V. (Ed.). Ecologia de florestas tropicais do Brasil. Viçosa: Editora UFV, p.109- 142, 2012.
FIGUEIREDO, L.T.M.; SOARES, C.P.B.; SOUZA, A. L.; MARTINS, S.V. Alterações florísticas em uma Floresta Estacional Semidecidual, no município de Viçosa, MG, entre 1994 e 2008. Revista Floresta, v.43, n. 2, p.169-180, 2013.
GIONGO, M.; KOEHLER, H.S.; MACHADO, S. do A.; KIRCHNER, F.F.; MACHETTI, M. LiDAR: princípios e aplicações florestais. Pesquisa Florestal Brasileira, v.30, n. 63, p.231-244, 2010.
HACKENBERG, J.; MORHART, C.; SHEPPARD, J.; SPIECKER, H.; DISNEY, M. Highly accurate tree models derived from terrestrial laser scan data: a method description. Forests. v. 5, p. 1069-1105, 2014.
HOPKINSON, C.; CHASMER, L., YOUNG-POW, C., TREITZ, P. Assessing forest metrics with a ground-based scanning lidar. Canadian Journal of Forest Research,v. 34, p. 573-583, 2004.
KRÁL, K.; KRUCEK, M.; TROCHTA, J. 3D Forest: tool for point cloud data processing from forest environment acquired by terrestrial laser scanner. Versão 0.42. 2016. Disponível em: https://www.3dforest.eu/#download. Acesso em: 20 abr 2018. KUNZ, M.; HESS, C.; RAUMONEN, P.; BIENERT, A.; HACKENEBERG, J; MAAS, H. G.; HARDTLE, W.; FITCHNER, A.; OHEIMB, G.V. Comparison of wood volume estimates of young trees from terrestrial laser scan data. iForest, v. 10, p. 451–458, 2017.
34
LEAL, F.A.; CABACINHA, C.D.; CASTRO, R.V.O.; MATRICARDI, E.A.T. Amostragem de árvores de Eucalyptus na cubagem rigorosa para estimativa de modelos volumétricos. Revista Brasileira de Biometria, v. 33, n. 1, p. 91-103, 2015.
LEFSKY, M.A.; COHEN, W.B.; PARKER, G. G.; HARDING, D.J. Lidar Remote Sensing for Ecosystem Studies: Lidar, an emerging remote sensing technology that directly measures the three-dimensional distribution of plant canopies, can accurately estimate vegetation structural attributes and should be of particular interest to forest, landscape, and global ecologists, BioScience, v. 52, issue 1, p. 19–30.
LEITE, H. G.; OLIVEIRA, F. H. T. Statistical procedure to test the identity of analytical methods. Communications in Soil Science and Plant Analysis, v.33, n.7-8, p.1105-1118, 2002.
LIANG, X.; HYYPPA, J. Automatic Stem Mapping by Merging Several Terrestrial Laser Scans at the Feature and Decision Levels. Sensors, v. 13, p. 1614-1634, 2013.
LIANG, X.; KANKARE, V.; HYYPPA, J.; WANG, Y.; KUKKO, A.; HAGGRÉN, H.; YU, X.; KAARTINEN, H.; JAAKKOLA, A.; GUAN, F.; HOLOPAINEN, M.; VASTARANTA, M. Terrestrial laser scanning in forest inventories. ISPRS J Photogramm Remote Sens, v. 115, p. 63-77. 2016.
LIANG, X.; LITKEY, P.; HYYPPA, J.; KAARTINEN, H.; VASTARANTA, M.; HOLOPAINEN, M. Automatic stem mapping using single-scan terrestrial laser scanning. IEEE Trans. Geosci. Remote Sens., v. 50, p. 661-670, 2012.
LINGNAU, C.; MACHADO, A. M. L.; BAVARESCO JÚNIOR, A.; COLLA, F. L. Determinação de diâmetros a diferentes alturas de árvores individuais a partir de dados laser terrestre. In: Simpósio Brasileiro de Sensoriamento Remoto, 14, 2009, Natal. Anais... Natal: INPE, 2009.
MARTINS, R. M.; LEITE, M. V. S.; CABACINHA, C. D.; ASSIS, A. L. Teste de identidade de modelos volumétricos para povoamentos de Eucalyptus sp. em sete municípios de Minas Gerais. Enciclopédia Biosfera – Centro Científico Conhecer, v.11, n.21, p.1818-1833, 2015.
MARTINS NETO, R. P.; BUCK, A. L. B.; SILVA, M. N.; LINGNAU, C.; MACHADO, A. M. L.; PESCK, V. A. Avaliação da varredura laser terrestre em diferentes distâncias da árvore para mensurar variáveis dendrométricas. Boletim de Ciências Geodésicas, v. 19, p. 420-433, 2013.
MEIRA NETO, J. A. A. Estudos florísticos, estruturais e ambientais nos estratos arbóreo e herbáceos-arbustivo de uma floresta estacional semidecidual em Viçosa, MG. 1997. 154f. Tese (Doutorado em Ciências Biológicas) – Universidade Estadual de Campinas, Campinas, 1997.
MIRANDA, G.H.B.; MEDEIROS, N.G.; SANTOS, A.P.; SANTOS, G. R. Análise de qualidade de amostragem e interpolação na geração de MDE. Revista Brasileira de Cartografia, v. 70, n.1, p. 226-257, 2018.
35
NEWNHAM, G.J.; ARMSTON, J.D.; CALDERS, K.; DISNEY, M.I.; LOVELL, J.L., SCHAAF, C.B.; STRAHLER, A.H.; DANSON, F.M. Terrestrial Laser Scanning For Plot Scale Forest Measurement. Current Forestry Reports, v. 1, p. 239-251, 2015.
NEWNHAM, G.; ARMSTON, J.; MUIR, J.; GOODWIN, N.; TINDALL, D.; CULVENOR, D.; PUSCHEL, P.; NYSTROM, M.; JOHANSEN, K. Evaluation of Terrestrial Laser Scanners for Measuring Vegetation Structure. CSIRO Sustainable Agriculture Flagship, Manuscript ID: EP124571, 2012.
OLOFSSON, P.; FOODY, G.M.; HEROLD, M.; STEHMAN, S.V.; WOODCOCK, C.E.; WULDER, M.A. Good practices for estimating area and assessing accuracy of land change. Remote Sens. Environ., v. 148, p. 42-57, 2014.
PETRIE, G.; TOTH, C. Terrestrial Laser Scanners. Topographic Laser Ranging and Scanning: Principles and Processing. 2009. Disponível em <https://www.researchgate.net/publication/265566625_Terrestrial_Laser_Scanners> Acesso em: 17 de jan de 2018.
PITKANEN, T.P.; RAUMONEN, P.; KANGAS, A. Measuring stem diameters with TLS in boreal forests by complementary fitting procedure. ISPRS Journal of Photogrammetry and Remote Sensing. v. 147, p. 294-306. 2019.
PUTTONEN, E; LETHTOMAKI, M.; KAARTINEN, H.; ZHU,L.; KUKKO, A.; JAAKKOLA, A. Improved sampling for terrestrial and mobile laser scanner point cloud data. Remote Sens., v.5, issue 4, p. 1754-1773, 2013.
RAUMONEN, P.; KAASALAINEN, M.; AKERBLOM, M.; KAASALAINEN, S.; KAARTINEN, H.; VASTARANTA, M.; HOLOPAINEN, M.; DISNEY, M.; LEWIS, P. Fast automatic precision tree models from terrestrial laser scanner data. Remote Sensing, v. 5, p. 491-520, 2013.
RIEGL Laser Measurement systems. Data Sheet, RIEGL VZ-1000, 2017.
RODRIGUEZ, A. C. C. Above ground biomass estimation in palm trees using Terrestrial LiDAR and tree modelling. 2017. Thesis (Master Science). Wageningen University and Research Centre, Wagenigen, The Netherlands.
SANTOS, A.C.A.; FARDIN, L.P.; OLIVEIRA NETO, R. R. Teste de Hipótese em Análise de Regressão. Ed. Novas Edições Acadêmicas, 2017. 65p.
SCHUMACHER, F. X.; HALL, F. S. Logarithmic expression of timber-tree volume. Journal of Agricultural Research, v.47, n.9, p.719-734, 1933.
SILVA, M. N.; BUCK, A. L. B.; LINGNAU, C.; MACHADO, A. M. L.; MIRANDA, B. P. Varredura com laser terrestre para determinação das variáveis dendrométricas da Araucaria angustifolia. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais... São José dos Campos: INPE, 2011. Artigos, p. 5509- 5516.
SOARES, C. P. B.; NETO, F. P.; SOUZA, A. L. S. Dendrometria e inventário florestal. 2.ed. Minas Gerais: UFV, 272 p. 2011.
36
SPURR, S.H. Forestry inventory. Ronald Press, New York. 1952. 476p.
SRINIVASAN, S.; POPESCU, S.C; ERIKSSON, M.; SHERIDAN, R.D.; KU, N.W. Terrestrial laser scanning as an effective tool to retrieve tree level height, crown width, and stem diameter. Remote Sens., v. 7, p.1887-1896, 2015.
TAVARES, G. G.; SABINO, T. L. R.; FONSECA, L. G.; CHAVES, F. O.; COTRIM, B. Métodos computacionais para aproximação do diâmetro à altura do peito de árvores de regiões de mangue via escaneamento tridimensional a laser. Revista Interdisciplinar de Pesquisa de Engenharia, v. 2, n.10, p. 138-155, 2016.
THIES, M.; SPIECKER, H. Evaluation and future prospects of terrestrial laser scanning for standardized forest inventories. Int. Arch. Photogramm., Remote Sens. Spatial Inform. Sci., v. 36, p. 192-197, 2004.
TORRES, C. M. M. E.; JACOVINE, L. A. G.; SOARES, C. P. B.; OLIVEIRA NETO, S. N.; SANTOS, R. D.; CASTRO NETO, F. Quantificação de biomassa e estocagem de carbono em uma Floresta Estacional Semidecidual, no Parque Tecnológico de
Viçosa, MG. Revista Árvore, v. 37, n. 4, p. 647-55, 2013.
TORRESAN, C.; CHIAVETTA, U.; HACKENBERG, J. Applying quantitative structure models to plot-based terrestrial laser data to assess dendrometric parameters in dense mixed forests. Forest Systems, v. 27, issue 1, e004, 2018.
TROCHTA J.; KRUCEK, M.; VRSKA T.; KRAL, K. 3D Forest: An application for descriptions of three-dimensional forest structures using terrestrial LiDAR. PLoS ONE v.12, n. 5, 2017.
UNIVERSIDADE FEDERAL DE VIÇOSA – UFV. Departamento de Engenharia Agrícola. Estação Climatológica Principal de Viçosa. Boletim meteorológico 2018. Viçosa, 2018.
VASTARANTA, M.; HOLOPAINEN, M.; REIJA, H.; YU, X. Comparison between an area-based and individual tree detection method for low-pulse density ALS-based forest inventory. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. v. 38, p. 147-151, 2009.
WANG, D.; HOLLAUS, M.; SCMALTZ, E.; WIESER, M.; REIFESLTSHAMMER, D.; PFEIFER, N. Tree Stem Shapes Derived from TLS Data as an Indicator for Shallow Landslides. Procedia Earth and Planetary Science. v. 16, p. 185-194, 2016.
WIGGINS, H.L.; NELSON, C.R.; LARSON, A.L.; SAFFORD, H.D. Using LiDAR to develop high-resolution reference models of forest structure and spatial pattern. Forest Ecology and Management. v. 434, p. 318-330, 2019.
37 CAPÍTULO 2
COMPARAÇÃO ENTRE MÉTODOS DE AMOSTRAGEM POR PARCELAS DE ÁREA FIXA E VARIÁVEL EM UM FRAGMENTO DE FLORESTA ESTACIONAL SEMIDECIDUAL EM VIÇOSA-MG
1. INTRODUÇÃO
A evolução dos procedimentos metodológicos, ao longo dos anos, permitiu a inserção de métodos de amostragem que apresentassem um custo de execução cada vez menor aliado a uma redução da demanda de tempo para o levantamento (MIRANDA et al., 2015). O método idealizado pelo austríaco Walter Bitterlich em 1948 é um exemplo destas metodologias. Este método se baseia no princípio denominado prova de numeração angular, ou seja, “o número de árvores (n) em um povoamento, cujo DAP em um ponto fixo aparece superior a determinado valor constante (α), é proporcional à sua área basal por hectare (B)” (SOARES, PAULA NETO & SOUZA, 2010).
Este método foi considerado inovador para sua época devido à facilidade de execução tanto em pequenas quanto em grandes propriedades. Além da evidente redução dos custos e da manutenção da precisão requerida quando comparado aos métodos de inventário florestal adotados naquele período (DRUSZCZ et al., 2012; SANTOS et al., 2016).
Estudos mostram que o método de Bitterlich é preciso quando comparado aos métodos convencionais de amostragem em florestas equiâneas (DRUSZCZ et al., 2010;
38
DRUSZCZ, 2014; GOMES et al., 2011). Todavia, conhecimentos acerca da comparação da precisão e eficácia deste método com a finalidade de reduzir a demanda de tempo e recursos financeiros na execução do inventário em florestas inequiâneas ainda são raros (FARIAS et al., 2002).
Desse modo, este estudo visa à comparação de métodos de amostragem por parcelas de área fixa e variável por meio de seus parâmetros populacionais e estrutura horizontal em um fragmento de Floresta Estacional Semidecidual no intuito de possibilitar o uso de métodos de amostragem alternativos que requerem menor demanda de tempo e de recursos financeiros.
2. MATERIAL E MÉTODOS
2.1. Área de estudo
A área deste estudo, denominada Mata da Silvicultura, localizada nas coordenadas 42º 52’ 30”W e 20º 46’ 10”S, é um fragmento de uma Floresta Estacional Semidecidual Montana pertencente à Universidade Federal de Viçosa (FIGUEIREDO et al., 2013).
O clima local é do tipo Cwa, temperado quente, de acordo a classificação de Köppen, dotado de verões quentes e chuvosos e, invernos frios e secos (ALVARES et al., 2013). No período de 1968 a 2017, a média da temperatura, umidade e precipitação anual foi de 19,82°C, 82,2% e 1.255 mm, respectivamente (UFV, 2018).
As classes de solo preponderantes na região são Latossolos Distróficos ricos em alumínio (nos topos de morros e nas encostas), Latossolos mais rasos e câmbicos (nas rampas aluviais) e Cambissolos Epieutróficos ricos em nutrientes (nos fundos das grotas) (FERREIRA JÚNIOR et al., 2012).
A topografia da região é fortemente acidentada, variando de forte-ondulada a montanhosa e dotada de vales estreitos e úmidos. O relevo é predominantemente forte, ondulado e montanhoso (TORRES et al., 2013).
2.2. Amostragem e Coleta de dados
39
TABELA 1. Métodos, tipos de parcela e número de pontos de amostragem por parcela empregados em um fragmento de Floresta Estacional Semidecidual em Viçosa, MG.
Método Tipo de parcela Nº de pontos/parcela
I Área Fixa 9
II Área Variável 1
No método de amostragem de parcelas de área fixa (método I), foram remedidas 9 parcelas de (20x50) m lançadas aleatoriamente ao longo de toda a área (FIGURA 1).
FIGURA 1. Distribuição das parcelas de área fixa na Mata da Silvicultura em Viçosa, Minas Gerais (Fonte: ROCHA, 2017)
Todos os indivíduos que apresentaram DAP (diâmetro à altura do peito) ≥ 5 cm tiveram aferidos seus CAP (circunferência à altura do peito), altura total e comercial com auxílio de uma fita métrica e um hipsômetro Vertex modelo IV (Haglof Inc. – Madison, Mississipi, EUA), respectivamente.
No método de parcela de área variável (método II) foi realizada a amostragem sistemática com auxílio da barra de Bitterlich. Em cada uma das parcelas levantadas no método de parcelas de área fixa, foi alocado um ponto de amostragem a 25m paralelamente ao lado de 50m da parcela, ou seja, no centro da parcela, perfazendo 9 pontos de amostragem. Cada árvore qualificada teve seu CAP (circunferência à altura do peito), altura total e comercial aferidos (FIGURA 2).
40 50 m
25 m m
FIGURA 2. Localização do ponto de coleta pelo método de Bitterlich dentro de cada parcela de área fixa na Mata da Silvicultura em Viçosa, Minas Gerais.
2.3. Processamento e análise dos dados
As análises foram realizadas de maneira similar àquela proposta por Farias (2002) nas quais, para ambos os métodos, foram calculadas estimativas de parâmetros populacionais e da estrutura horizontal.
2.3.1. Estimativas dos parâmetros populacionais
No que tange as estimativas de parâmetros populacionais foram calculados, para parcelas e pontos, a área basal por hectare, número de árvores por hectare, volume por hectare, diâmetro médio, altura total média e número de espécies (TABELA 2).
20 m
10
41
TABELA 2. Expressões empregadas na obtenção das estimativas dos parâmetros populacionais para o método de parcelas de áreas fixas (parcela) e para o método de parcela de área variável (ponto) da Mata da Silvicultura em Viçosa, Minas Gerais
Parcelas de área fixa Parcelas de área variável Área basal por
hectare ∑ Número de fustes por hectare N / ha = ∑ ∑ Volume total por hectare ∑ ∑ Diâmetro médio √ ∑ √∑ ∑ Altura total média ̅ ∑ Número de
espécies Somatório do número de espécies encontradas em cada parcela ou ponto em que:
B = área basal;
Asi = área seccional da i-ésima árvore amostrada na parcela ou qualificada no ponto, em m2;
A = área da parcela, em ha;
n = número de árvores amostradas nas parcelas ou qualificadas nos pontos; K = fator de área basal ( K= 1 m²/ha);
Vi = volume da i-ésima árvore amostrada, em m³;
Ni = número de árvores por hectare que a i-ésima árvore qualificada representa; di = diâmetro da i-ésima árvore amostrada, em cm;
42
O volume com casca de cada indivíduo arbóreo foi obtido utilizando a equação