Dissertação/Tese PÓS-ESTRATIFICAÇÃO E SELEÇÃO DE PARCELAS PARA FISCALIZAÇÃO DE INVENTÁRIOS FLORESTAIS NA AMAZÔNIA - PPGCF

O objetivo desse estudo foi avaliar métodos de pós-estratificação e, a partir do melhor método, avaliar os efeitos da redução da intensidade amostral sobre a precisão e custos de amostragem. Avaliou-se ainda formas de seleção de parcelas para fiscalização de inventários florestais (IFs). Todas as análises foram realizadas a partir de um inventário amostral sistemático, com 204 parcelas de 0,75 ha. A esse inventário atribui-se a denominação de IF0. As pós-estratificações foram realizadas de cinco formas, a saber: dividindo o conjunto de parcelas em três partes iguais (M1/3), por meio de análise multivariada (MSOUZA), univariada Scott-Knott (MSK), geoestatística (MGEO) e por meio redes de Kohonen (MSOM). A partir do IF0 foram simulados mais três inventários com reduções de 50, 66,2 e 77,4% do número de parcelas. Todos os IFs foram analisados considerando-se a amostragem casual simples (ACS), sistemática (AS) e pós-estratificada (APE). As alternativas para determinação de quais e quantas parcelas devem ser fiscalizadas foram obtidas da combinação de três formas de distribuição de parcelas entre estratos (1 - igualmente entre os estratos; 2 - proporcional à área dos estratos; 3 - alocação ótima de Neyman) e três formas de seleção de parcelas dentro dos estratos (1 - aleatoriamente; 2 - as mais próximas à média do volume e área basal; 3 - as mais próximas à média do volume e que estejam a mais ou menos um desvio-padrão da média). A alternativa que produziu menores diferenças absolutas para volume, área basal, densidade e média aritmética do diâmetro, quando comparada ao IF0 com todas as parcelas foi selecionada para simulações dos percentuais de parcelas para fiscalização de 18, 16, 14, 12, 11 e 10%. Todos os métodos de pós-estratificação foram eficientes e aumentaram a precisão do IF em mais de 50%. O melhor método foi o MSOUZA, que apresentou um dos maiores percentuais de acerto (99,1%), maior ganho em precisão (56,2%) e maior facilidade de aplicação. A pós-estratificação via método MSOUZA permitiu reduções de até 77,4% do número de parcelas, mantendo-se inalterado as estimativas em nível de comunidade e classe de tamanho, além de precisão abaixo de 10%. A redução dos custos do IF com aplicação do MSOUZA foi de U$$ 24.057,91, corroborando a hipótese de que a pós- estratificação produz ganhos em precisão e custos de amostragem. Os processos ACS e AS permitiram reduções de intensidade e custo de amostragem de 66,2% e U$$ 20.811,47, respectivamente. A pós-estratificação por meio do método MSOUZA foi uma excelente ferramenta de auxílio na fiscalização de IFs, pois facilita o controle da fiscalização com a subdivisão da área em estratos. O percentual de parcelas selecionadas para fiscalização do IF deve ser de 12%, os quais devem ser distribuídos igualmente entre os estratos volumétricos obtidos por meio da pós-estratificação. Além disso, dentro dos estratos, deve-se selecionar aquelas parcelas mais próximas à média e a mais ou menos um desvio-padrão da média.

The objective of this study was to evaluate methods of post-stratification and, using the best method, to evaluate the effects of the reduction of the sampling intensity on the sampling precision and costs. Ways of selecting parcels for inspection of forest inventories (FIs) were also evaluated. All analyzes were performed based on a systematic sampling inventory, with 204 plots of 0.75 ha. This inventory is called FI0. Post-stratifications were carried out in five ways, namely: dividing the set of plots into three equal parts (M1/3), through multivariate analysis (MSOUZA) and univariate Scott-Knott (MSK), geostatistics (MGEO) and through Kohonen networks (MSOM). From FI0, three more inventories were simulated with reductions of 50, 66.2 and 77.4% of the number of plots. All FIs were analyzed considering simple casual sampling (SCS), systematic sampling (SS) and post-stratified sampling (PSS). The alternatives for determining which and how many plots to be inspected were obtained by combining three forms of distribution of plots between strata (1 - equally between strata; 2 - proportional to the strata area; 3 - Neyman's optimal allocation) and three ways of selecting plots within the strata (1 - randomly; 2 - those closest to the mean of the volume and basal area; 3 - those closest to the mean of the volume and which are more or less one standard deviation from the mean). The alternative that produced the smallest absolute differences for volume, basal area, density and arithmetic mean of the diameter, when compared to the IF with all the plots was the one selected for simulations of the percentage of plots for inspection of 18, 16, 14, 12, 11 and 10%. All post-stratification methods were efficient and increased the inventory accuracy by more than 50%. The best method was the MSOUZA, which had one of the highest percentages of correct classification (99.1%), greater gain in accuracy (56.2%) and easier application. Post-stratification using the MSOUZA method allowed for reductions of up to 77.4% in the number of plots, keeping the estimates at the community level and size class unchanged, in addition to accuracy below 10%. The reduction in the costs of the IF with the application of the MSOUZA was U$$ 24,057.91, corroborating the hypothesis that post-stratification produces gains in precision and sampling costs. The SCS and SS processes allowed reductions in intensity and sampling cost of 66.2% and U$$ 20,811.47, respectively. Post-stratification using the MSOUZA method was also an excellent tool to assist in the inspection of FIs and definition of the number of plots to be inspected, as it facilitates the control of inspection with the subdivision of the area into volumetric strata. The percentage of parcels selected for inspection by the FI must be 12%, which must be distributed equally among the volumetric strata obtained through post-stratification. In addition, within the strata, one should select those plots that are closer to the mean and more or less a standard deviation from the mean.