Após uma primeira análise aos dados colhidos durante o 1º Inventário Florestal de Timor-Leste facilmente se constata que o distrito de Covalima apresenta uma diversidade superior de espécies, com um total de 186 espécies distintas contra as 150 espécies amostradas no distrito vizinho de Bobonaro (Quadro 3). Ainda nesta primeira fase de análise, evidencia-se que as espécies não surgem distribuídas de forma regular, sendo que a maior fração aparece representada entre 1 e 10 observações no total do inventário (Quadros 3, 4, 5 e 6).
A comparação dos dados dos dois distritos permitiu também perceber que nesta panóplia de espécies que compõe parte da flora Timorense existem espécies que se encontram presentes em ambos os locais e, como tal, poderiam sugerir que as condições de crescimento seriam semelhantes. Por razões de logística em inventários futuros achou-se importante averiguar se realmente essa suposição podia ser aceite. Foi então aplicado o teste de Wald à equação volumétrica base, com recurso a uma variável binária para testar se o local influenciava de forma significativa as caraterísticas biométricas dos indivíduos. Os resultados desta análise estão expressos no Quadro 7.
Fazendo a análise dos valores para as variáveis do teste de Wald (F e χ²) e tendo em conta que para valores inferiores a uma probabilidade de 0,05 (P ≤ 0,05) se rejeita a hipótese nula formulada quanto à significância dos termos associados ao efeito do local, pode afirmar-se que as espécies Acacia leucophloea, Albizia chinensis, Albizia lebbeck,
Albizia procera, Aleurites moluccana, Alstonia scholaris, Casuarina equisetifolia, Leucaena leucocephala, Peltophorum pterocarpum, Pterocarpus indicus, Tamarindus indica, Tectona grandis, Timonius timon, Ziziphus mauritiana de entre as comuns a
ambos os distritos e com os mínimos de observações (60) podem ser consideradas em conjunto, independentemente do seu local de proveniência.
Numa análise mais profunda podemos verificar que existem ainda valores que possam ser contraditórios como, por exemplo, na análise dos valores de probabilidade dos β’s associados à ordenada na origem (β0) e à inclinação da reta (β1) em que nos casos das espécies Eucalyptus alba, Peltophorum pterocarpum, Schleichera oleosa e
Sesbania grandiflora um dos parâmetros se mostra não significativo ao passo que o
outro é tido como indicativo de diferenças no desenvolvimento dos indivíduos. Para casos em que na equação de volume, a ordenada na origem se mostre diferente é porque
76 as condições de crescimento e desenvolvimento são diferentes logo nos primeiros anos de vida, havendo uma discrepância notória entre exemplares dos dois distritos. No entanto podem ocorrer casos em que as espécies tendam a apresentar equações de volume com uma ordenada na origem comum mas difiram na inclinação da reta. Isto indica uma diferença nos padrões de crescimento em que nos primórdios as plantas são muito semelhantes em termos de desenvolvimento mas à medida que o tempo passa umas tenderão a apresentar padrões mais acentuados de crescimento em volume para caraterísticas idênticas de diâmetro e de altura (observações correspondentes ao modelo com maior inclinação) que outras, indicando influência das condições locais.
Após a análise da influência do local e da distinção das espécies que podiam ser tratadas como iguais, independentemente do local onde foram inventariadas, aplicaram- se dois modelos lineares que traduzem o volume em função das variáveis dendrométricas d e hbc (Quadros 8 e 9). Ambos os modelos apresentaram uma boa aderência aos dados, com valores de proporção de variância explicada altos (R² ajustado) para a variável exógena (ln v). O modelo 3 foi o que apresentou melhores resultados para este ponto para todas as espécies. O modelo 3 apresenta ainda melhores valores para o erro associado percentual, ou seja, tem uma discrepância menor entre os valores de volume reais e os estimados (Syx (%)).
Como segundo passo deste trabalho foram aplicados os mesmos modelos matemáticos para a determinação do volume para as espécies que não podiam ser tratadas como iguais para ambos os distritos e que possuíam o número mínimo de trinta observações em cada um dos distritos. Como no caso das espécies tratadas anteriormente, ambos os modelos apresentaram valores bastante satisfatórios para aquilo que explicam em relação à realidade, rondando os 98% e sendo o modelo 3 aquele que apresenta melhores valores para este indicador. Para os valores do erro associado à predição estatística por estes modelos não existe um consenso de resultados. Por vezes, e de espécie para espécie, os modelos dividem a qualidade de possuírem um erro menor, verificando-se este tipo de comportamento tanto em Bobonaro como em Covalima, embora se denote uma ligeira dominância por parte do modelo 3, por ser o que apresenta uma menor restrição nos parâmetros. É de realçar que nem sempre são as espécies com mais observações as que tem melhores valores de R2 ajustado ou mesmo de Syx. Um maior número de observações ajuda a retratar melhor a realidade mas o erro está associado à variedade de comportamento da espécie em interação com o meio envolvente o que torna a predição algo errática.
77 Para o conjunto de espécies tidas como “desconhecidas” ou “não identificadas”, achou-se útil juntá-las num único grupo sem fazer distinção com tipo de forma do tronco ou mesmo por distrito e criar uma equação volumétrica. Os resultados obtidos são positivos tendo em conta que as espécies foram misturadas e tratadas como idênticas sem qualquer critério de separação por espécie ou proveniência, pelo que se conjeturava existir uma maior discrepância entre valores. Contrariando o esperado, ambos os modelos apresentam bons valores de R² ajustado (rondam os 96%) e baixo erro associado à estimativa. Este conjunto poderá ter beneficiado do grande número de observações, que permitiram uma melhor caracterização e ajuste.
Como último ponto aplicou-se a análise de “clusters” para formar grupos homogéneos de espécies com pouca informação de campo e que não permitem ter uma equação individual. Tal como foi descrito na secção 4.3 desta dissertação, as espécies foram separadas com base em dois índices ou quocientes ligados à forma do fuste e ao seu tipo de crescimento, o v/vcilindro e o di/d que estão expostos nos Quadros 16 a 20.
A escolha deste tipo de variáveis de diferenciação tem a ver com o que se pretende com o trabalho. E para este caso o que é procurado é uma forma de permitir juntar espécies diferentes em grupos sem que se perca a qualidade de predição do seu crescimento volumétrico. E, para isso, faz sentido que as variáveis usadas possam estar ligadas à forma e tamanho do tronco da árvore permitindo assim refletir os seus padrões de desenvolvimento. Outra razão para a aplicação deste tipo de separação por forma do fuste é a não disponibilidade de outro conjunto de variáveis. Toda a dissertação estava baseada e também restrita aos dados que foram colhidos no 1º Inventário Florestal Timorense e por isso mesmo houve que aplicar a informação que se possuía.
Phillips e Van Gardingen (1999) referem que a análise por “clusters” é bastante afetada pela distribuição das observações para cada parâmetro, não resultando bem com tipos de valores muito díspares. Ora, tanto o quociente v/vcilindro como o quociente di/d permitiram criar uma escala de valores suficientemente parecida para que as espécies não possuíssem valores muito diferentes e por isso o método de agrupamento fosse ineficaz mas, ainda assim, permitiu que os valores fossem suficientemente diferentes entre si para que as espécies pudessem ser separadas. E esta separação é devida à real diferença entre os padrões de crescimento e forma dos diversos exemplares medidos (Quadros 16, 17 e 18).
Os resultados deste estudo, expressos nos Quadros 19 e 20, estão dentro dos valores que se pretendia. Aliás, mostram valores bastante satisfatórios tendo em conta
78 que estamos a falar de grupos com misturas de espécies que apresentam diferenças nos seus níveis de crescimento. Os níveis de ajuste de ambos os modelos são muito bons e inclusive os valores para o erro associado à predição são surpreendentemente baixos. Uma vez mais o modelo 3 mostrou ser bastante bom para este tipo de estudo e apresenta valores que demonstram uma boa aderência à realidade.
Curiosamente, nem sempre os grupos com mais observações foram os que obtiveram melhores valores. Por exemplo, o grupo 4 tem apenas um conjunto de 34 observações e possui valores inferiores para o erro associado comparando com outros grupos com mais indivíduos, como é caso disso o grupo 7. Isto pode ser justificado pelo facto de que um grupo com mais observações será também um grupo menos homogéneo. Ou seja, terá mais espécies distintas e com isso terá mais dificuldade em estimar o seu volume.
É importante realçar a diferença entre o grupo “Outras” e os que foram criados com a metodologia de agrupamento por “clusters”. São todos grupos criados pela junção de diferentes espécies vegetais e consideradas como iguais para determinação do volume. No entanto, e considerando os resultados obtidos com a aplicação do modelo 3, o grupo “Outras”, que não passou por nenhum processo de seleção e separação por categorias, apresenta um valor de erro superior aos grupos que tiveram este tipo de filtragem, exceção feita aos grupos 4, 5, 6 e 7. O que leva a concluir que a separação por qualidades físicas tem impacto na qualidade dos modelos. Quanto ao valor do coeficiente de determirnação ajustado, denota-se uma ligeira melhoria para os
79