Os métodos de predição do crescimento e da produção florestal baseiam-se principalmente na construção de modelos, empíricos ou mecanísticos, a partir de variáveis biológicas, climáticas e edáficas que se relacionam à dinâmica de crescimento das espécies arbóreas (LANDSBERG; WARING, 1997; WANG et al., 2011). A expressão “modelo”, comumente é conhecida na área florestal como uma ou mais equações de derivação estatística que, tendo como referência as medições de povoamentos florestais, buscam descrever uma variável de interesse e fornecer subsídios para o manejo e a sustentabilidade (LANDSBERG; SANDS, 2010; LAROCQUE et al., 2011).
Na construção e ajuste de equações de crescimento, parâmetros como o volume individual, o diâmetro médio de área basal, o número de árvores por hectare e a altura total ou dominante, apresentam maior utilização nas estimativas do rendimento de um indivíduo ou de uma floresta (SCHNEIDER; SCHNEIDER, 2008). Todavia, considerando que as taxas de crescimento são resultado das condições do meio, muitas variáveis climáticas também têm sido incorporadas aos modelos; destas, a luz ou radiação fotossinteticamente ativa (RFA) destaca-se como o principal recurso
limitante ao crescimento individual em povoamentos florestais (CANNEL; GRACE; 1993).
A modelagem do crescimento e produção de uma floresta pode ser desenvolvida a partir de variáveis de fácil obtenção, as quais, na maioria das vezes, buscam descrever de forma empírica a produtividade. Essas variáveis podem ser obtidas por diferentes metodologias, sendo as mais usuais descritas como análise de tronco completa ou parcial, parcelas temporárias e parcelas permanentes (CAMPOS; LEITE, 2002).
Com maior nível de detalhamento, contemplando uma significativa variedade de dados climáticos, de sítio e da espécie, os métodos processuais ou mecanísticos descrevem a produtividade com base em toda a dinâmica do sistema, levantando hipóteses relacionadas ao comportamento dos distintos ecossistemas florestais (LANDSBERG; SANDS, 2010). Esses procedimentos de construção e ajuste de equações podem variar para cada caso, sendo que para modelo processuais, empíricos ou híbridos, o período de projeção e nível de detalhamento será independente da metodologia utilizada, enquanto sua performance relativa dependerá de muitos fatores além dos mecanismos que estão representados em sua arquitetura (DANIELS; BURKHART, 1988; MÄKELÄ, 2007).
2.4.1 Modelos empíricos
A utilização de modelos empíricos como ferramentas de análise e predição do crescimento apresenta-se amplamente difundida na área das ciências agrárias e, especificamente, no setor florestal de produção em curtas rotações (PRETZSCH et al., 2008). Sua aplicação primária basea-se na prescrição da produção a partir de curvas de regressão analítica entre a idade e a altura, para distintas condições de sítio (PRETZSCH, 2009), tendo como princípio representar estatisticamente um fenômeno passado.
Um maior conhecimento dos processos relacionados à variável de interesse resulta, normalmente, em melhor determinação quanti e qualitativa das variáveis explanatórias (LANDSBERG, 2003a). Tal metodologia consiste na simplificação da condição real observada e admite a criação de modelos com limitadas variáveis de entrada e saída (GARDINER et al., 2008; PRETZSCH, 2009), podendo a mesma ser aplicada para diferentes produtos, como, por exemplo, estimar a probabilidade e a
proporção de danos naturais em uma floresta, com base nos atributos individuais das árvores e de todo o povoamento (LANQUAYE; MITCHELL, 2005). Com ampla utilização na atividade florestal, a modelagem empírica produz informações quantitativas para o planejamento e manejo, com acurácia dentro de limites pré- definidos e com seu emprego geralmente restrito a condições locais específicas, podendo algumas vezes servir para áreas diferentes daquelas que originaram os respectivos parâmetros (LANDSBERG, 2003a; LANQUAYE; MITCHELL, 2005).
Apesar da grande e difundida aplicabilidade, o método empírico de análise apresenta-se sensível pelo baixo potencial de extrapolação, sendo inadequado para abordar diversas questões de interesse dos gestores florestais e para predições sob as quais se observam mudanças climáticas (WEISKITTEL et al., 2009; WANG et al., 2011). Sua utilização de forma mais abrangente pode ser viável somente quando as análises empíricas apresentarem funcionalidade para uma escala menor que a escala de interesse (GARDINER et al., 2008). Contudo, esses modelos não têm base nos mecanismos ou nas teorias que descrevem o crescimento das florestas, sendo tais análises observadas em modelos de maior complexidade, denominados de processuais ou mecanísticos (LANDSBERG; SANDS, 2010).
2.4.2 Modelos mecanísticos
Os modelos processuais ou modelos mecanísticos descrevem um sistema a partir do entendimento dos mecanismos que compreendem o mesmo e, por isso, possuem alto poder explicativo. Contemplam um maior conjunto de variáveis de entrada, com análises relacionadas aos processos fisiológicos que governam o crescimento das árvores, e proporcionam um amplo conjunto de respostas aos manejadores. Tais ferramentas produzem estimativas do potencial produtivo de sítios ainda não povoados, assim como, podem ser utilizados na avaliação dos efeitos de tratamentos silviculturais e das mudanças climáticas sobre a produtividade (PRETZSCH et al., 2008; LANDSBERG; SANDS, 2010).
Esses modelos podem ser utilizados para simular o crescimento florestal em várias escalas temporais e espaciais, mas suas limitações devem sempre ser consideradas, como, por exemplo, a impossibilidade de estimativa das tradicionais variáveis dendrométricas do povoamento, amplamente utilizadas por manejadores florestais (PENG, 2000; ZHANG et al., 2008).
Os modelos mecanísticos, por terem um caráter ecológico, podem apresentar alto nível de complexidade, com extensivas variáveis fisiológicas, sendo necessária a obtenção de dados inicias para a estimativa dos múltiplos parâmetros, os quais, muitas vezes, são de difícil acesso devido aos cenários observados a campo (WEISKITTEL et al., 2009; LAROCQUE et al., 2011). Esta característica faz com que, frequentemente, algumas variáveis de entrada não sejam avaliadas e sim estimadas, o que pode comprometer o entendimento de um processo ou sistema (PRETZSCH et al., 2008).
Apesar disso, os modelos mecanísticos ou processuais são cada vez mais importantes, pois proporcionam um amplo conjunto de variáveis resposta para os gestores, muito úteis na análise do desenvolvimento das florestas numa larga escala temporal, sob influência de inúmeras alterações ambientais (LANDSBERG, 2003b; MONSERUD, 2003; WEISKITTEL et al., 2009).
2.4.3 Modelos híbridos
Modelos menos complexos e com elevado grau explicativo têm surgido para minimizar a diferença existente entre os modelos de produção baseados em medições e os modelos mecanísticos, baseados em processos fisiológicos. Denominados de modelos híbridos, apresentam-se como ferramentas promissoras para a predição de povoamentos florestais em escala regional, sendo constituídos geralmente por um reduzido número de parâmetros, se comparados aos modelos mecanísticos, associando elementos processuais com elementos empíricos (PENG, 2000; SANDS, 2004; MÄKELÄ, 2007; ZHAO et al., 2013).
Os modelos híbridos proporcionam um acréscimo de informações relacionadas aos processos biológicos, em relação aos modelos tradicionais de crescimento e produção. Por isso, talvez sejam mais precisos que os métodos tradicionais considerando sua maior sensibilidade às variações ambientais que atuam sobre o crescimento (BATTAGLIA; SANDS, 1998). Entretanto, em muitas regiões sua aplicação é preterida em relação aos modelos empíricos, principalmente onde os modelos híbridos não se apresentam como ferramentas suficientemente confiáveis e flexíveis para o manejo (PRETZSCH et al. 2008).
Assim como os modelos processuais, modelos híbridos são frequentemente utilizados na predição da produção primária líquida dos povoamentos (PPL), com base
nos processos fisiológicos e na sua interação com as variações ambientais. Abrangem essencialmente os processos acima e abaixo do solo e proporcionam a obtenção de informações altamente relevantes para o manejo sustentável, requerendo para isso, variáveis de vegetação e dos processos relacionados aos solos (PRETZSCH et al., 2008).
Modelos híbridos como o ProMod-NitGro (BATTAGLIA et al., 1999), Forest 5 (ROBINSON; HEK, 2003), TRIPLEX (PENG et al., 2002) e 3-PG (LANDSBERG; WARING, 1997) têm sua aplicação difundida mundialmente, tendo como principal vantagem em relação aos modelos empíricos, a capacidade de obtenção de respostas às variações climáticas, ao manejo florestal (preparo de solo, adubação, controle da matocompetição) e aos riscos associados ao ataque de pragas e doenças. Destinam- se também à análise do sistema de manejo, às predições das produtividades atingível e potencial, no auxílio na aquisição de novas áreas, na quantificação do efeito ambiental e do manejo, e na estimativa de parâmetros como dap e altura total (LANDSBERG, 2003b; ALMEIDA et al., 2004; ZHAO et al., 2013).
O menor número de parâmetros faz com que os modelos híbridos apresentem uma relativa perda na representação das especificidades dos sítios, mas estes modelos devem refletir as implicações dos tratamentos silviculturais sobre as relações alométricas e as consequências dos processos fisiológicos relacionados (WEISKITTE et al., 2009).