Aplicao de um planejamento fatorial para a temperatura

do ar em uma floresta tropical amaznica

Maricia Tatiana Vilani1, Suely Aparecida Furlan Alegria1,
Mariano Martinez Espinosa2, Luciana Sanches1,
Jos de Souza Nogueira1
Ps-graduao Mestrado em Fsica e Meio Ambiente/UFMT
Av. Fernando Corra, s/n, bloco F, Sala 212. CEP 78960-900, Brasil
2
Departamento de Estatstica, Universidade Federal de Mato Grosso, MT, Brasil
e-mail: mariceia@cpd.ufmt.br
1

Resumo

O presente trabalho avaliou a temperatura do ar e um planejamento fatorial para verificar as possveis combinaes da temperatura do
ar em duas alturas do dossel e dois horrios durante o perodo de 2001 e
2003, para uma Floresta Tropical de Transio Amaznica-Cerrado, situada a 50 km da cidade de Sinop, norte do estado de Mato Grosso, parte
do Experimento de Grande Escala Biosfera Atmosfera na Amaznia
(LBA). Verificou-se temperaturas mais elevadas nas estaes seca e secamida. Concluiu-se que o modelo de planejamento fatorial para a temperatura do ar, referente aos fatores altura e hora adequado para analisar
os efeitos principais, sendo estes significativos, mas suas interaes no
significativas.
Palavras-chave: temperatura do ar, planejamento fatorial, dossel.

Summary
This work evaluates the air temperature and a factorial design to
verify the possible combinations of air temperature in the canopy and
distinct day hour, from 2001 to 2003, at an Amazonian Transition Tropical Forest (Forest-Cerrado), 50 km from the city of Sinop, northern of
the Mato Grosso state, part of the Large-Scale Biosphere Atmosphere
Experiment in Amazonia. It was verified maximum values of air
temperature in the wet and wet-dry season. It was concluded that factorial
design for the air temperature, referring to the factors height and hour
Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

day was adjusted to analyze the main effect, being these significant ones,
but it not significant interactions.
Key-words: air temperature, factorial design, canopy.

1. Introduo
Globalmente, a Amaznia contempla a maior floresta tropical
permanente do mundo (Fujisaka et al., 1998). O clima, dada a simplicidade topogrfica da bacia Amaznica, quase toda constituda por uma
planura prxima ao nvel do mar, determinado principalmente pela
interao entre os sistemas de circulao atmosfrica e os fatores estticos, latitude, relevo e a continentalidade. Esses fatores so de fundamental importncia porque os diversos fatores fsicos de uma regio influenciam na composio e na estrutura do dossel interagindo com os fatores
ambientais, como a temperatura do ar.
Estaes meteorolgicas automticas vm coletando dados em
reas experimentais na Floresta Amaznica pertencente ao projeto Experimento de Grande Escala da Biosfera-Atmosfera na Amaznia (LBA).
Embora, as florestas tropicais apresentem similaridades, a regio da
Amaznia, consiste de muitas sub-regies climticas distintas e estudos
enfatizam a alta variabilidade espacial na fisionomia e composio das
espcies. Desta forma, a anlise estatstica de dados climticos como a
temperatura do ar em diferentes alturas e horrios por ciclos (noturno e
diurno) fundamental para se discutir a origem e a manuteno de um
ecossistema florestal, compreender aspectos de sua dinmica e tambm
prever os efeitos de perturbaes ou prticas de manejo.
O presente trabalho teve o objetivo de utilizar um planejamento fatorial para investigar as possveis combinaes da temperatura do ar,
em dois nveis de altura do dossel (4 e 40 m) e em dois horrios (10 e 14
horas), em uma floresta de Transio Amaznica Cerrado nos anos de
2001-2003.

2. Planejamento fatorial
Um planejamento fatorial aquele no qual se investigam todas
as possveis combinaes dos nveis dos fatores em cada ensaio (Box et
al., 1978). O efeito de um fator pode ser visto como a mudana sofrida
pela varivel resposta quando se passa do nvel baixo para o nvel alto do
fator. Normalmente, este conhecido como o efeito principal, porque se
refere aos fatores de interesse primordial do experimento. O efeito prin8

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

cipal de um fator x1* a diferena da resposta mdia entre o primeiro e

segundo nvel desse fator. Se o efeito do fator x1* depende do nvel do
fator x2* , ento existe uma interao entre os fatores x1* e x2* .
Os planejamentos fatoriais possuem distintas propriedades utilizadas (Martinez, 2001):
Direcionar a pesquisa.
Indicar o tamanho da amostra a ser selecionada.
Permitir fazer mltiplas comparaes, e consequentemente facilitar o
desenvolvimento e crtica dos modelos.
Proporcionar estimadores de parmetros altamente eficientes
(estimadores de parmetros com varincia pequena).
Nas pesquisas relacionadas com a interao biosfera-atmosfera
h interesse na relao funcional e isto pode ser obtido com os planejamentos fatoriais usando-se aproximaes da forma:

~
(1)
y = f ( x1* , x2* ,K, xk* ) = f ( X * )
que relaciona o valor de uma resposta y , como por exemplo, a temperatura com k variveis quantitativas ou qualitativas x1* , x2* , L , xk* , tais
como a altura, umidade, entre outros (Box et al., 1978).

A funo f ( X * ) pode assumir variedades de formas, por exemplo, linear, parablica, exponencial, etc. Estas formas so importantes
porque aproximam muitas relaes do mundo real e, alm disso, porque
relativamente fcil trabalh-las e interpret-las. Como so feitas repeti-

~ * , as medidas da reses dos ensaios para as mesmas condies de X

posta y estariam variando por causa do erro experimental que denotamos por . Portanto, em geral o objetivo pesquisar certos aspectos
*

de um relacionamento funcional, afetado por um erro ( * ) expresso

pela eq. (2).

~
y = f (X *) + *

(2)

onde * representa um componente de erro aleatrio com alguma distribuio de probabilidade, que leva em considerao a variao observada na varivel resposta que no explicada pelos fatores x1* , x2* , L , xk* .
Este erro aleatrio, geralmente chamado de resduo estimado pela difeCincia e Natura, UFSM, 28 (1): 7 - 21, 2006

rena entre os valores observados y e os valores da funo f ( X * ) . No

entanto, na maioria das situaes prticas se desconhece a forma da rela-

~ * ).
o entre a varivel dependente ( y ) e as variveis independentes ( X
Desta maneira, deve-se determinar uma aproximao apropriada da funo real ( y ) e o conjunto de variveis independentes, geralmente utilizando polinmios de primeira e segunda ordem, sendo o ltimo o mais
utilizado, pois este permite analisar uma curva da resposta, o que possibilita modelar com uma funo linear ou quadrtica a relao entre a
resposta e cada fator (Martinez & Calil, 2003, 2004). Neste estudo, sero
considerados os polinmios de primeira ordem. Em um modelo de primeira ordem devem ser considerados dois nveis por cada fator, pois
para descrever uma reta so necessrios dois valores (Box & Draper, 1987).
Planejamento fatorial com dois nveis (2k)
Os planejamentos fatoriais com dois nveis so formados por
k fatores, cada um com dois nveis. Tais planejamentos so especialmente teis na etapa exploratria de uma pesquisa, quando um sistema
no muito conhecido e o modelo ainda identificado. Num planejamento 2 k ou em qualquer planejamento fatorial, na prtica conveniente no ter que tratar com as medidas numricas atuais das variveis xi* ,
em vez disso conveniente trabalhar com variveis codificadas xic , isto
, codificando os nveis dos fatores. A codificao realizada principalmente pelas seguintes razes (Martinez, 2001):
a. Se as variveis independentes so qualitativas, elas no so numricas,
portanto necessrio codificar seus nveis para estimar um modelo de
regresso.
b. Se as variveis independentes so quantitativas, tambm se deve codificar para estimar um modelo de regresso por duas razes principais:
b.1. Para estimar os parmetros do modelo deve-se inverter uma matriz
denotada por ( X '* X * ) . Durante o processo de inverso desta, podem ocorrer erros considerveis de arredondamento se os nmeros
da matriz variam grandemente em valor absoluto, o qual geralmente
produz erros nas estimativas dos parmetros. Com a codificao se
facilita a inverso da matriz, desta maneira reduzindo os erros de clcu10

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

los, portanto, conduzindo a uma estimativa mais precisa dos parmetros.

b.2. A segunda razo para codificar as variveis quantitativas, so os problemas multicolinearidade. A multicolinearidade refere-se existncia de uma relao linear exata ou aproximada entre as variveis independentes. Quando modelos de regresso (exemplo: modelos de segunda ordem) so estimados, o problema de multicolinearidade
inevitvel, especialmente quando so estimados termos de ordem alta.
Por exemplo, nos modelos quadrticos, as duas variveis x1* e x12*
geralmente so altamente correlacionadas, onde x12* = x1* x1* . Tambm a probabilidade de erros de arredondamento nos coeficientes de
regresso aumenta na presena de multicolinearidade. Com a
codificao em geral so eliminados estes problemas.
A codificao dos nveis dos fatores de um planejamento mais
utilizada -1 e 1 para denotar os nveis baixos e altos do fator, respectivamente, tal como se ilustra na Tabela 1. Esta codificao, teoricamente
se obtm utilizando as eq. (3), respectivamente.

xic =

xi* xi*
,
si*

(3)

x*1 + x+*1
, si* = x+*1 x*1 ou si* = x*1 x+*1
onde, x =
2
*
i

onde x*1 e x+*1 so os valores correspondentes aos nveis baixos e altos,

respectivamente (Martinez & Calil, 2000), utilizando a eq. (4).

~
y = f ( x1c , x2c ,K, xkc ) + = f ( X c ) +
Tabela 1. Notaes utilizadas num planejamento fatorial 2k, com

yi1 ,K, yip*

na Tabela 1 indicam as rplicas da resposta

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

(4)

p* rplicas

y.
11

Planejamento fatorial 2
Um planejamento fatorial 22 aquele que somente tem dois fatores, x1* e x2* , cada um com dois nveis. A identificao das estimativas
das 4 combinaes em este planejamento podem ser representadas por

b0 , b1 , b2 e b12 (Tabela 2).

Tabela 2. Notao utilizada num planejamento fatorial (matriz de planejamento)

Obs.:

y11 , K, y4 p *

na Tabela 2 indicam as rplicas da resposta

Para a determinao dos efeitos dos fatores pode ser utilizada

a tabela de coeficientes de contrastes dada na Tabela 3. Nesta tabela,
para determinar os efeitos dos fatores, sem utilizar tcnicas de regresso
utilizado o total dos valores da resposta das p * rplicas de cada ensaio
( yi = yi1 + K + yip * para i = 1,2,3,4 ) e os sinais das colunas 1 a 4.

Tabela 3. Sinais para calcular os efeitos a partir de um planejamento fatorial

12

22

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

Por meio da Tabela 3 determina-se a mdia ( b0 ) (eq. (5)), os

efeitos principais e de interao dos fatores.

b0 = y =

y1 + y2 + y3 + y4
p*4

(5)

O efeito do fator principal x1c simplesmente a mdia da resposta dos dois ensaios do nvel alto menos a mdia da resposta dos dois
ensaios do nvel baixo. O efeito do fator x1c definido pela eq. (6) e o
efeito do fator x2c definido pela eq. (7).

b1 =

1
1
[( y2 + y4 ) ( y1 + y3 )] =
[ y1 + y2 y3 + y4 ]
2p*
2p*

(6)

b2 =

1
1
[( y3 + y4 ) ( y1 + y2 )] =
[ y1 y2 + y3 + y4 ]
2p*
2p*

(7)

O efeito de interao dos fatores

x1c x2c pode ser calculado

pela eq. (8).

b12 =

1
1
[( y1 + y4 ) ( y2 + y3 )] =
[ y1 y2 y3 + y4 ]
2p*
2p*

(8)

Os efeitos dos fatores tambm podem ser obtidos diretamente

utilizando tcnicas de regresso mltipla na matriz de planejamento dada
pela Tabela 3. Para o caso particular de um planejamento 2 2 , o modelo
de regresso geral definido pela eq. (9).

y=

b0 b1 c b2 c b12 c c
+ x1 + x2 +
x1 x2 +
2 2
2
2

(9)

onde, os coeficientes do modelo ajustado so iguais metade dos efeitos

calculados com as equaes (5) a (8), pois uma mudana de xic = 1
para xic = +1 significa uma mudana de duas unidades ao longo de xic .
Ao utilizar um modelo de regresso devem ser verificados todos os supostos necessrios para realizar uma regresso (Draper & Smith, 1998).
Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

13

3. Material e mtodos
Lugar de estudo
A rea em estudo est situada na fazenda Maraca, localizada a
aproximadamente 50 km NE de Sinop, Mato Grosso, Brasil (1124.75'S;
5519.50'O), a 423m acima do nvel do mar, representando cerca de 20
Km2 da Amaznia Legal. Esta rea constituda por uma floresta tropical de transio, que ocupa o ectone entre a floresta Amaznica e o
Cerrado. A vegetao constituda por espcies arbreas cuja altura mdia das rvores varia de 28-30 m. Segundo a classificao de Kppen o
clima da regio tropical quente e mido, com temperatura mdia anual
de 24oC com pequena variao nas estaes.
A rea em estudo apresenta estaes bem definidas. No presente trabalho considerou-se 3 meses de estao seca (junho-agosto), 3 meses
de estao mida (dezembro-fevereiro) e 3 meses de transio midaseca (maro-maio).
Essa rea tem uma torre micrometeorolgica de 42 m de altura
onde esto instalados equipamentos que monitoram constantemente o
microclima deste local (Figura 1).

(b)
(a)

Figura 1. (a) Localizao da torre micrometeorolgica. (Imagem Landsat 7ETM+). Via de

acesso (estrada vicinal/trilha em amarelo), que parte da rodovia BR-163 a partir do
entroncamento com a MT-423. (b) Torre micrometeorolgica

14

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

Instrumentao
A temperatura do ar nas diferentes alturas foi medida por meio
de um analisador de gs (CO2 e H2O) de circuito fechado (Modelo LI820/LI-COR, Inc. Lincoln, NE, USA) instalado na altura de 10 m, onde
recebe o gs bombeado por meio de uma vlvula solenide instalados
nas alturas de 1, 4, 12, 20 e 28 m da torre. Na altura de 42 m a temperatura do ar foi medida por um psicrmetro (HMP-35, Vaisala, Inc., Helsinki,
Finland).
Os dados micrometeorolgicos obtidos na torre foram armazenados por um sistema de aquisio de dados, um Datalogger (CR10-X,
Campbell Scientific, Inc., UT, USA), programado para fazer leituras das
medidas a cada 30 segundos e armazenar uma mdia a cada 30 minutos. Com esses dados estudos sobre os fatores ambientais podem ser
feitos, utilizando anlises estatsticas.
Dados para o planejamento fatorial
Das seis alturas de coleta de dados da temperatura do ar, foram
adotadas para anlise as alturas de 4m (altura entre a copa das rvores) e
40m (altura acima do dossel), em horrios de 10h e 14h, considerados os
de maior eficincia fotossinttica das plantas. Usando a aplicao do
planejamento fatorial para dois fatores em dois nveis, foram observadas
as possveis combinaes da temperatura mdia do ar, onde cada estao
foi considerada uma resposta para a combinao altura (X1*) e hora (X2*).

4. Resultados e discusses
Temperatura do ar
Nas estaes seca e seca-mida, a temperatura do ar no ciclo
diurno a altura de 40 m foi superior a temperatura nas demais alturas.
Nas estaes mida e mida-seca as maiores temperaturas indicadas estiveram na altura de 28 m (Figura 2 e 3). Gallon et al. (2006) verificaram
comportamento semelhante com relao concentrao de CO2 na altura do dossel, nas estaes mida e seca, a 28 metros a concentrao de
CO2 foi mais acentuada que nas demais alturas do dossel devido a maior
atividade ecofisiolgica com condies hdricas favorveis.
Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

15

Figura 2. Mdias das temperaturas do ar no ciclo diurno nas diferentes alturas dos sensores
localizados no dossel para cada estao

Figura 3. Mdias das temperaturas do ar nos ciclo noturno nas diferentes alturas dos
sensores localizados no dossel para cada estao.

Em mdia a temperatura do ar na altura do dossel apresentou

uma diferena entre o ciclo diurno e noturno de 4,2C (estao mida) a
5,6C (estao seca). A diferena de temperatura mdia do ar no ciclo
diurno na altura de 1-28 metros foi de 2,0C (estao mida) e 3,4C
(estao seca-mida). A 10 metros da altura mdia do dossel (altura da
torre 40m), na estao mida e seca a temperatura do ar no estrato superior foi em mdia 0,4C e 0,2C, respectivamente.
16

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

A mdia estacional da temperatura do ar variou de 25,6 a 27,8C,

sendo valores maiores que a temperatura mdia na Floresta Tropical em
Manaus e Marab que apresentaram valores variando entre 24,5 e 26,6C
e em Ji-Paran com temperaturas mdias variando entre 22,1 e 25,7C
(Culf et al., 1996).

Fatorial 22
Cada estao foi considerada como uma resposta para a combinao altura (X1*) e hora (X2*) conforme Tabela 4.

Tabela 4. Temperatura do ar em C sob duas condies de altura e hora

(i)

X 1*

X 2*

X 1c

X 2c

Resposta (y)

Total

10

-1

-1

25

26

25

25

101

40

10

+1

-1

26

28

29

31

114

14

-1

+1

28

28

28

28

112

40

14

+1

+1

29

30

31

32

122

Pelo modelo de regresso, eq. (5), verificou-se que os efeitos

dos fatores so estatisticamente significativos, conforme eq. (10).
y = 28,0625 + 1,4375x1c + 1,1875x2c 0,1875x1c x2c

(10)

Na verificao da adequao do modelo foi utilizada a anlise

de varincia atravs do grfico de resduos versus valores estimados (Figura 4) podendo concluir que a varincia foi constante.
Para verificar a distribuio normal, utilizou-se o grfico de resduos ordenados versus percentagem (Figura 5), onde possvel observar que os pontos esto localizados de forma aproximada de uma reta, o
qual indica que os resduos do modelo seguem uma distribuio normal.

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

17

Figura 4. Resduos versus valores estimados

Figura 5. Probabilidade normal dos resduos

De acordo com os grficos (Figuras 4 e 5) o modelo da equao

5 adequado com um coeficiente de determinao de 75% (R2 = 75%).
Sendo assim, a Tabela 3 apresenta os coeficientes de variveis independentes, com seus respectivos Desvio Padro, Razo t e significncia, e na
Tabela 4 as somas dos quadrados, grau de liberdade (g.l.), quadrado mdio (QM) e F calculado, para dos dados do modelo da eq. (5).
18

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

Tabela 5. Identificao, coeficiente, desvio padro, razo t e significncia dos efeitos. (IC)
intervalo de confiana, (S) desvio padro
Identificao

Coeficiente

Desvio
Padro

Razo t

Significncia

Constante

28,0625

0,3125

89,80

0,000

X 1c

1,4375

0,3125

4,60

0,001

X 2c

1,1875

0,3125

3,80

0,003

X 1c X 2c

- 0,1875

0,3125

- 0,60

0,560

R2=75 %

IC=95%

S=1,250

Os efeitos dos fatores so significativos nos nveis usuais, exceto

na interao dos fatores (-0,1875) (Tabela 5).

Tabela 6. Tabela de anlise de varincia (ANAVA)

Fonte de
Variao

Soma de
Quadrados

g.l.

QM

X 1c

33,063

33,06 3

21,16032

X 2c

22,562

22,562

14,43968

X 1c X 2c

0,562

0,56 2

0,35968

Resduos

18,750

12

1,5625

Total

74,937

15

O efeito de X1* (altura) positivo, indicando com isto que ao

aumentar X1*da altura do dossel de 4m para a altura de 40m aumenta a
temperatura mdia do ar (Tabela 5), comportamento semelhante ocorreu
com o efeito de X2* (horrio) que tambm foi positivo (Tabela 6). Sugere-se que variando o horrio de 10h para 14h aumentou a temperatura
mdia entre eles, onde o efeito da interao X1* X2* no significativo.

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

19

5. Concluses
As maiores temperaturas do perfil da altura do dossel foram
apresentadas nas estaes seca e seca-mida, com variao na temperatura mdia do ar nas diferentes alturas e ciclo diurno e noturno.
Conforme planejamento fatorial, estatisticamente o efeito da
altura e o efeito hora foram significativos, no entanto a interao da altura
com hora no foi significativo.
Conclui-se que o modelo encontrado atravs do planejamento
fatorial 2K proposto de interesse prtico, pois facilita a anlise das
combinaes da temperatura do ar com o fator (altura) e nvel (hora) no
ecossistema da Floresta de Transio Amaznia Cerrado.

6. Referncias bibliogrficas
BOX, G.E.P.; DRAPER, N.R. Empirical model: building and response
surfaces. New York. John Wiley & Sons, inc. 1987.
BOX, G.E.P.; HUNTER, W.G.; HUNTER, J.S. Statistics for experimenters:
an introduction to design, data analysis, and model building. New York.
John Wiley & Sons, inc. 1978.
CULF, A.D., ESTEVES, J.L., MARQUES FILHO, A.O., OCHA, H.R.
Radiation, temperature and humidity over forest and pasture in
Amazonia. In: GASH, J.H.C.; NOBRE, C.A.; ROBERTS, J.M.
Amazonian deforestion and climate. New York: John Wiley & Sons, inc.
p. 175-191. 1996.
DRAPER, N.R.; SMITH, H. Applied regression analysis. New York. John
Wiley & Sons, Inc. 1998.
FUJISAKA, S.; ASTILIA, C.; SCOBAR, G.; RODRIGUES,
V.;VENEKLAAS, E.J.; THOMAS, R.; FISHER, M. The effects of forest
conversion on annual crops and pastures: estimates of carbon emissions
and plant species loss in a Brazilian Amazon Colony. Agriculture,
Ecosystems and Enviromment. v. 69, n. 1, p. 17-26, 1998.
GALLON, M.M.P.; SANCHES, L.; PAULO, S.R.de. Fluxo e perfil de
dixido de carbono no dossel de uma floresta tropical de transio Amaznica. Revista Brasileira de Meteorologia. 2006 (submetido).
LENTINI, M.; VERSSIMO, A.; SOBRAL, L. Fatos florestais da Amaznia 2003. Belm: Imazon, 2003. 110 p.
MARTNEZ, E.M.; CALIL, C.J. Statistical design of experiments of
fatigue in MDF. Journal Materials Research. v. 3, n. 3, p. 84-91, 2000.
MARTNEZ, E.M. Desenvolvimento de um modelo estatstico para aplicao no estudo da fadiga em emendas dentadas de madeira. 2001. Tese de
20

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

Doutorado - Interunidades em Cincia e Engenharia de Materiais. EESC/

IFSC/IQSC -USP, 2001.
MARTNEZ, M.E.; CALIL, C.J. Statistical design and orthogonal
polynomial model to estimate the tensile fatigue strength of wooden
finger Joints. International Journal of Fatigue. v. 25, p. 237-243, 2003.
MARTINEZ, M.E.; CALIL C.J., Resistncia Mecnica de los tableros
de densidad media. Part 2: Orthogonal polynomial model to estimate
the fatigues strength in the tensile. Revista Madera Ciencia y Tecnologia,
v. 6, n. 1, p. 61-67, 2004.
PRIANTE FILHO, N.; VOURLITIS, G.L.; HAYASHI, M.M.S.; NOGUEIRA, J.S. de; CAMPELO JR, J.H.; NUNES, P.C.; SANCHES, L.;
COUTO, E.G.; HOEGER, W.; RAITER, F., TRIENWEILER, J.L.;
MIRANDA, E.J.; PRIANTE, P.C. ; PEREIRA, L.C. ; BIUDES, M.S.;
FRITZEN, C.L.; LACERDA, M.; SULI, G.S.; SHIRAIWA, S.;
SILVEIRA, M. Comparison of the mass and energy exchange of a pasture
and a mature transitional tropical forest of the southern Amazon Basin
during a seasonal transition. Global Change Biology. v. 10, p. 863-876, 2004.

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006

21

22

Cincia e Natura, UFSM, 28 (1): 7 - 21, 2006