Dissertação/Tese AUDITORIA DE INVENTÁRIOS FLORESTAIS: DA CONFERÊNCIA EM CAMPO À IDENTIFICAÇÃO DE PADRÕES PARA TOMADA DE DECISÕES - PPGCF

As abordagens tradicionais de auditoria de inventários florestais têm se mostrado úteis, garantindo bons resultados em suas aplicações. Entretanto, podemos inferir que ainda existem pontos passíveis de melhorias em seu processo. Análises estatísticas como testes de média são empregadas com o objetivo de comparar a diferença observada entre dois conjuntos de dados, podendo não ser a melhor opção quando o objetivo for garantir a confiabilidade dos dados coletados e não apenas desvios de medição. A aplicação de análises estatísticas para identificação de desvios e erros durante a coleta dos dados só é possível após revisita à área inventariada para uma nova coleta, tornando o processo de realização do inventário florestal mais oneroso. O primeiro capítulo teve o objetivo de avaliar a sensibilidade de duas possíveis abordagens para se analisar inventários florestais durante o processo de fiscalização. Três principais inventários amostrais foram incluídos nesta análise: em floresta nativa, em empreendimento linear e em floresta plantada. Para a primeira abordagem, foi utilizado o teste t pareado e o teste de aderência de Kolmogorov-Smirnov (KS) para a comparação ao nível de árvore. Na segunda abordagem, analisou-se o impacto do desvio de medição sobre o erro amostral. Para identificar a partir de qual momento os testes passariam a indicar diferenças significativas entre os inventários, por meio de simulação, foram gerados desvios aleatórios seguindo uma distribuição normal com diferentes combinações de média e desvio-padrão, e propagados sobre os diâmetros à altura do peito (DAP) dos inventários auditados. Os resultados demonstraram que desvios de medição na ordem de 0,1 cm já são suficientes para que o teste t apresente resultados significativos, enquanto o KS necessita de diferenças um pouco maiores, na ordem de 0,5 cm. Não foram constatados impactos significativos de desvios detectados em 10% dos dados sobre o erro amostral dos inventários, não sendo suficientes para indicar rejeição dos inventários protocolados. O segundo capítulo visa identificar distribuições de referência para diferentes indicadores extraídos de inventários florestais, que poderão servir de referência para a análise de novos dados. Para isso, foram utilizados dados provenientes de 36 inventários florestais realizados em diferentes regiões da Amazônia. Os indicadores foram gerados a partir da aplicação de 10 diferentes tipos de análises estatísticas e seus respectivos valores de média e desvio padrão, sendo esses valores utilizados como variáveis indicadoras. A aplicação de métodos estatísticos à base de dados revelou padrões promissores para serem indicadores estatísticos de inventários florestais na Amazônia. O uso da estatística Bayesiana surge como uma ferramenta promissora para detectar possíveis inconformidades nos inventários florestais. A reflexão sobre a detecção de desvios versus a detecção de fraudes ressalta a necessidade de direcionar a fiscalização mais para a confiabilidade da amostragem do que para os desvios de medição. A utilização de métodos estatísticos para detecção de padrões em dados florestais representa avanços significativos no processo de auditoria de inventários em florestas nativas. Isso, aliado à estatística Bayesiana, surge como uma ferramenta promissora para subsidiar a gestão responsável dos recursos florestais.

The traditional approaches to forest inventory auditing have proven useful, ensuring good results in their applications. However, we can infer that there are still points susceptible to improvements in their process. Statistical analyses such as mean tests are employed with the aim of comparing the observed difference between two sets of data, which may not be the best option when the goal is to ensure the reliability of collected data and not just measurement deviations. The application of statistical analyses to identify deviations and errors during data collection is only possible after revisiting the inventoried area for a new collection, making the forest inventory process more costly. The first chapter aimed to evaluate the sensitivity of two possible approaches to analyze forest inventories during the auditing process. The three main sample inventories were included in this analysis: in native forest, in linear development, and in planted forest. For the first approach, paired t-test and Kolmogorov-Smirnov (KS) goodness-of-fit test were used for tree-level comparison. In the second approach, the impact of measurement deviation on sampling error was analyzed. To identify the point at which tests would start indicating significant differences between inventories, simulations were conducted by generating random deviations following a normal distribution with different combinations of mean and standard deviation, propagated over the diameters at breast height (DBH) of the audited inventories. The results showed that measurement deviations on the order of 0.1 cm are already sufficient for the t-test to yield significant results, while KS requires slightly larger differences, on the order of 0.5 cm. Significant impacts of detected deviations in 10% of the data on the sampling error of inventories were not found, not being sufficient to indicate rejection of the submitted inventories. The second chapter aims to identify reference distributions for different indicators extracted from forest inventories, which could serve as a reference for the analysis of new data. For this, data from 36 forest inventories conducted in different regions of the Amazon were used. Indicators were generated from the application of 10 different types of statistical analyses and their respective mean and standard deviation values, which were used as indicator variables. The application of statistical methods to the database revealed promising patterns to be statistical indicators of forest inventories in the Amazon. The use of Bayesian statistics emerges as a promising tool to detect possible inconsistencies in forest inventories. Reflection on the detection of deviations versus fraud detection highlights the need to focus monitoring more on the reliability of sampling than on measurement deviations. The use of statistical methods for pattern detection in forest data represents significant advances in the auditing process of inventories in native forests. This, combined with Bayesian statistics, emerges as a promising tool to support responsible management of forest resources.