Livro Inventário Florestal - OCR

22/12/2018 Livro Dendrometria e Inventário Florestal | Mensuração Florestal
Livro Dendrometria e Inventário Florestal
Capítulo 1
Carlos Pedro Boechat Soares; Francisco de Paula Neto; Agostinho Lopes de Souza
INVENTÁRIO FLORESTAL
1. Conceitos
A importância da madeira para o homem, como produto direto e de outros bens indiretos, acentua a
necessidade de procedimentos eficientes para quantificar e avaliar os povoamentos florestais.
Entre as técnicas de estimação da produção florestal, destaca-se o inventário florestal, o qual pode ser
realizado sob diferentes níveis de detalhamento e em diferentes pontos no tempo.
De acordo com Husch et al. (2003), os inventários florestais “são procedimentos para obter informações
sobre quantidades e qualidades dos recursos florestais e de muitas características das áreas sobre as
quais as árvores estão crescendo”.
Embora existam inúmeros procedimentos, um inventário florestal completo pode fornecer diversas
informações, entre elas:
a. Estimativas de área.
b. Descrição da topografia.
c. Mapeamento da propriedade.
http://www.mensuracaoflorestal.com.br/capitulo-1-inventario-florestal 1/7
d. Descrição de acessos (estradas, rios, ...).
e. Facilidade de transporte de madeira.
f. Estimativas da quantidade e da qualidade de diferentes recursos florestais.
g. Estimativas de crescimento (se o inventário for realizado mais de uma vez).
Informações adicionais sobre fauna, recursos hídricos, entre outras, podem ser coletadas, quando
necessárias. A ênfase sobre determinado elemento no inventário florestal será maior ou menor, em
função dos seus objetivos.
2. Planejamento do inventário florestal
Um passo importante na elaboração de um procedimento de inventário é o desenvolvimento de um plano

de execução compreensível antes do início dos trabalhos, ou seja, de um bom planejamento das
atividades do inventário.
O seguinte checklist, adaptado de Husch et al. (2003), inclui todos, ou quase todos, os itens que devem
ser considerados no planejamento de um inventário florestal por amostragem. No entanto, cabe salientar
que os itens abaixo nem sempre têm a mesma importância ou são todos necessários nos inventários
florestais:
1. Objetivos do inventário
2. Informações iniciais
a. Mapas, fotografias aéreas e levantamentos passados.
b. Indivíduos ou organização do suporte do inventário.
c. Disponibilidade de recursos.
3. Descrição da área
a. Localização.
b. Tamanho (hectares).
c. Facilidade de transporte, acesso e topografia.
d. Características gerais das florestas.
4. Definição do desenho de amostragem
a. Determinação da área coberta por floresta (por meio de imagens, fotos e medições em campo).
b. Definição da variável de interesse: peso ou volume; e unidades: m3, kg, st, ...
c. Tamanho e forma das unidades amostrais.
d. Método de seleção e distribuição das unidades de amostra.
e. Precisão requerida no inventário (erro admissível).
f. Nível de probabilidade.
g. Tamanho da amostra para satisfazer a precisão requerida (inventário piloto).
h. Tempo e custo para as fases do trabalho de campo (alocação de parcelas, determinação da área,
...).
5. Procedimentos para o trabalho de campo
a. Equipes de trabalho (número de equipes e de pessoas por equipe).
b. Suporte logístico e de transporte.
c. Procedimento de locação e marcação das unidades amostrais.
d. Procedimentos para obtenção das informações quantitativas (DAP, altura, ...) e qualitativas.
e. Instrumentos e equipamentos.
f. Planilhas e fichas para anotação dos dados e informações.
g. Controle de qualidade (verificação de erros).
h. Fatores de conversão dos dados (CAP para DAP, ...).
6. Compilação e procedimentos de cálculo
a. Conversão das variáveis de campo para expressões de quantidades desejáveis (equações,

fatores).
b. Cálculo do erro de amostragem.
c. Métodos a serem utilizados (programas, computadores).
7. Relatório final
a. Formato.
b. Pessoal responsável pela preparação.
c. Método de reprodução (xerox, impressora).
d. Número de cópias.
e. Distribuição.
f. Informações requeridas no relatório final.
f.1. Tabelas e gráficos.
f.2. Mapas e mosaicos.
f.3. Relatório descritivo (narrativo),
g. Estimativa de tempo para o preparo.
8. Manutenção
a. Estocagem dos dados.
b. Planos para a atualização do inventário.
9. Tempo e custo total (mapeamento, trabalho de campo, compilação, relatório final e estocagem dos
dados).
3. Tipos de inventário florestal
Existem vários tipos de inventário, os quais são normalmente definidos pelo seu objetivo. Entre os mais
comuns, citam-se:
a) Inventário pré-corte: realizado antes da exploração, com alta intensidade amostrai.
b) Inventário florestal convencional:realizado para obtenção do estoque de volume de madeira.
c) Inventário florestal contínuo', realizado com o objetivo de verificar as mudanças ocorridas em uma
floresta, em determinado período de tempo.
d) Inventário para planos de manejo: realizado com alto grau de detalhamento, chegando às
estimativas por classe de diâmetro, por espécie.
e) Inventário de sobrevivência: realizado após o plantio, com o objetivo de verificar o porcentual de

falhas/sobrevivência das mudas no campo.
A literatura apresenta-se, ainda, muito diversificada quanto à classificação dos inventários. De forma
genérica, os inventários florestais também podem ser assim classificados:
a. Quanto à forma de coleta de dados
a.1) Enumeração ou censo.todos os indivíduos são observados e medidos. Nos inventários

(completos ou 100%), obtêm-se os verdadeiros valores dos parâmetros da população.
a.2) Amostragem: constituem a maioria dos inventários realizados em todo o mundo. Nesses
inventários, observa-se parte da população, obtendo estimativas dos seus parâmetros. A
amostragem permite obter estimativas precisas e exatas de diferentes parâmetros populacionais
em menor tempo e custo, caso a floresta possua extensa área.
b. Quanto à abordagem da população no tempo
b.1) Inventários temporários: é realizado apenas uma vez. A estrutura da amostragem é

abandonada. Ex.: inventário pré-corte.
b. 2) Inventários contínuos: este é realizado várias vezes. Nesse caso, a estrutura da amostragem
é materializada de forma mais duradoura, para poder medir novamente os mesmos elementos
(árvores) ao longo do tempo.
c. Quanto ao detalhamento
c. 1) Inventário exploratório: a coleta de dados, neste caso, é mínima, uma vez que o inventário é
realizado para avaliar a cobertura florestal (tipos) e a extensão das áreas.
c.2) Inventário de reconhecimento: o principal objetivo desse inventário é determinar a

composição florística e o potencial madeireiro da floresta, sem o controle da precisão.
c.3) Inventário detalhado: as informações são obtidas com precisão até o nível de classe
diamétrica.
4. Referência Bibliográfica
HUSCH, B.; MILLER,C.I; KERSHAW, J. Forest mensuration. 4. ed. New Jersey: John Willey e Sons,
Inc, 2003. 443 p.
Capítulo 2
CENSO OU INVENTÁRIO 100%
1. Preliminares
A literatura sobre inventário florestal descreve o censo ou inventário 100% como sendo apropriado para
pequenas áreas florestadas ou áreas com pequeno número de indivíduos, uma vez que a medição de
muitos indivíduos (árvores) constitui atividade com grande dispêndio de tempo e com um custo muito
elevado.
Mesmo sendo realizado em pequena floresta, o censo pode acarretar erros na coleta de dados. Isso se
deve ao fato de que, normalmente, as florestas, sejam elas plantadas ou naturais, possuem grande
número de árvores por unidade de área. Assim, embora o censo ou inventário 100% não possua erro de
amostragem, devido à medição de toda a população, podem ocorrer erros de não-amostragem, os quais
são de difícil detecção.
No entanto, houve uma mudança com relação à aplicação do censo ou inventário 100%, ou seja, de que
ele deveria ser realizado em função do tamanho da área da floresta ou da densidade do número de
árvores. A partir da publicação da Instrução Normativa n° 4, de 4 de março de 2002, pelo Ministério do
Meio Ambiente (MMA), o inventário 100% com mapeamento das árvores é uma operação obrigatória nos
planos de manejo equatorial, independentemente da área da floresta.
Essa Instrução Normativa se fez necessária considerando: a necessidade de ajustar os procedimentos

relativos às atividades de Manejo Florestal Sustentável de Uso Múltiplo na Amazônia Legal; a
necessidade de aperfeiçoar os instrumentos legais disponíveis, de forma a valorizar a vocação
http://www.mensuracaoflorestal.com.br/capitulo-2-censo-ou-inventario-100 1/4
eminentemente florestal da região amazônica; e a necessidade de estimular modelos de uso apropriado

do potencial natural da Floresta Amazônica, de forma a incrementar o desenvolvimento sustentável da
região.
A realização do censo ou inventário 100% de acordo com a Instrução Normativa n° 4, de março de 2002,
possibilita o planejamento de todas as atividade relacionadas à proteção, preservação e conservação de
árvores e de comunidades florestais, além de facilitar a fiscalização e autuação pelos órgão
responsáveis.
Os dados obtidos do inventário 100%, juntamente com o mapeamento das árvores, em coordenadas
UTM, integrados e proces-sados em um Sistema de Informações Geográficas (SIG), geram mapas com
a localização das árvores, a infra-estrutura e o acesso à área, respec-tivamente. O uso desta tecnologia
permite maior controle sobre as infor-mações, de forma a apoiar decisões de intervenções futuras na
floresta.
2. Metodologias de inventário 100%
Freitas (2001) utilizou uma metodologia que consistiu na divisão da área destinada ao manejo florestal
em talhões, sendo estes subdivididos em setores de inventário de 40 m de largura e comprimento
variável, conforme forma do talhão.
De acordo com esse autor, antes do início da coleta dos dados, picadas são abertas na floresta
eqüidistantes 40 m uma das outras. A cada 30 metros, ao longo de cada picada, são colocados piquetes
com aproximadamente 1,20 m de altura para servir de referência às medições das coordenadas de
localização (x, y) das árvores, cujos DAPs se apresentam superiores ou iguais a um diâmetro mínimo de
inclusão (por exemplo: DAP > 20 cm).
A forma de obtenção dos dados e de caminhamento em cada setor de inventário se deu da seguinte
forma: um anotador (líder), munido de um equipamento digital de medição denominado Vertex,
caminhava na picada aberta, e três pessoas faziam a varredura dentro do setor a ser inventariado, a fim
de encontrar árvores com DAPs superiores ou iguais ao diâmetro mínimo de inclusão. A
coordenada y de cada árvore mapeada correspondia à distância percorrida ao longo da picada e a

coordenada x, à distância do líder até a árvore.
Ao término da varredura do setor de inventário, iniciava-se o inventário do próximo setor, e assim

sucessivamente até completar o inventário de cada talhão.
Como exemplos de outras metodologias para a realização do inventário 100%, têm-se as relatadas nos
parágrafos subseqüentes.
Fupef (1983) utilizou uma metodologia que consistiu no caminhamento dentro de faixas (setores) de
floresta de 50 m por 1.000 m, em um inventário de prospecção. Sete pessoas auxiliavam as tarefas de
medição do DAP, altura, identificação, planejamento e determinação da localização das árvores por meio
de varredura das faixas. O rendimento da operação ficou entre 10 e 15 hectares por dia.
Amaral et al. (1998) recomendaram que a largura das faixas (setores) no inventário de prospecção não
fosse superior a 50 m. Neste trabalho, o censo foi realizado com uma equipe de quatro pessoas: dois
ajudantes, um identificador e um anotador. Os ajudantes percorriam as bordas da faixa (setores) de
inventário, procurando árvores passíveis de serem mapeadas, enquanto o identificador e o anotador se
deslocavam pelo centro da faixa. Quando uma árvore era identificada, eles mediam a distância no
sentido do eixo central da faixa e a distância até a árvore, gerando, assim, as coordenadas (x, y) para o
mapeamento das árvores.
No sistema Ce/os de Manejo, adotado nas florestas do Suriname (BODEGON e GRAAF, 1994), as
subunidades, chamadas de setor de prospecção, apresentavam dimensões de 40 m por 250 m (1 ha).
Os membros da equipe de campo (cinco pessoas) posicionavam-se eqüidistantes 10 m uns dos outros,
e, ao sinal do líder, a equipe se locomovia no sentido do maior comprimento (250 m), fazendo uma
varredura no setor. Quando uma árvore comercial era identificada, a equipe parava, e os dados da
árvore eram informados ao líder, que também anotava a distância percorrida em um eixo x e a distância
até o ajudante (eixo y). Essa operação se repetia até que todas as árvores do setor fossem mapeadas e
medidas. Terminado um setor, a equipe de campo começava outro setor, e assim sucessivamente até a
realização do mapeamento das árvores comerciais na floresta. Uma equipe bem treinada podia realizar a
varredura em uma área entre 20 e 25 hectares em um dia.
3. Referências Bibliográficas
AMARAL, P. et al. Florestas para sempre: um manual para a produção de madeira na Amazônia.
Belém, PA: IMAZON, 1998.137 p.
BODEGON, A.J.; GRAAF, N.R. van de. Sistema Celos de Manejo. Wageningen, Holanda: IKC
naturbeheer/LNV - Centro Nacional de Referência para a Natureza, Florestas e Paisagem, 1994. 58 p.
FREITAS, L.J.M. Inventário de prospecção e otimização da colheita visando a sustentabilidade do

manejo de uma floresta estacionai semidecidual sub-montana. Viçosa, MG: UFV, 2001, 129 f.
Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa.
FUPEF - Inventário comercial de um bloco de exploração na Floresta Nacional do Tapajós.

Curitiba: FUPEF - Fundação de Pesquisas Florestais do Paraná, 1983. 234 p. (Relatório Técnico).
Capítulo 3
TEORIA DE AMOSTRAGEM
1. Conceitos básicos
De acordo com a teoria de amostragem, alguns conceitos são fundamentais para o perfeito
entendimento deste assunto, entre eles:
a) População: é um universo dentro do senso estatístico que contempla duas pressuposições básicas,
a saber (LOETSCH; HALLER, 1964):
1) Os indivíduos de uma população são da mesma natureza.
2) Os indivíduos de uma população diferem entre si, de acordo com uma feição, atributo típico ou
característica denominada variável.
Em termos florestais, a primeira condição pode ser facilmente exemplificada ao se definir o tipo de
floresta a ser inventariada, plantada ou natural. Para a segunda condição, como a floresta é composta
por um conjunto de árvores, estas possuem características (feições), as quais serão contempladas pelo
inventário propriamente dito, por exemplo: diâmetros à altura do peito (DAP), altura, área basal, volume,
incremento, idade etc.
A população, numa consideração teórica, sobre a qual a teoria da amostragem se baseia, pode
apresentar tamanho finito ou infinito. Quando finito, o último elemento da população é conhecido.
http://www.mensuracaoflorestal.com.br/capitulo-3-teoria-de-amostragem 1/29
b) Amostra: trata-se de uma porção de dada população que é examinada, permitindo, a partir daí, que
se façam inferências sobre a população em questão (SHIVER; BORDERS, 1996).
c) Unidades de amostra: consistem nas unidades em que serão realizadas as avaliações quantitativas
e qualitativas sobre as feições de uma população. Em se tratando de inventários florestais, existem
populações que são marcadamente heterogêneas em sua composição e, por isso, o processo de
seleção das unidades de amostra se torna atividade de suma importância no processo como um todo
(LOETSCH; HALLER, 1964).
d) Quadro de amostra: é uma lista com todas as unidades de amostra que compõem a população.
e) Parâmetro ou característica de uma população: é um valor ou constante que é obtido para dada
variável de interesse, se todas as unidades de amostra de uma população forem mensuradas
(SHIVER; BORDERS, 1996). Consiste do principal objetivo de qualquer processo amostrai a
estimativa de um ou mais parâmetros de uma população. O valor estimado de um parâmetro é sempre
referido como uma estimativa, cujo valor deve ser o mais próximo do verdadeiro valor de um
parâmetro populacional (LOETSCH; HALLER, 1964; HUSCH et al„ 2003; SHIVER; BORDERS, 1996).
f) Estimadores: nada mais são do que fórmulas matemáticas usadas no intuito de condensar as
informações obtidas através da amostragem, em um único número, a estimativa.
g) Precisão: define o poder de um estimador ou, em outras palavras, o quão próximo o estimador
consegue estar do verdadeiro valor de um parâmetro de uma população. A precisão de uma
estimativa depende, dentre outros fatores, da variabilidade da população, do tamanho da amostra e do
delineamento de amostragem empregado no inventário florestal.
h) Exatidão: refere-se ao grau de aproximação de uma estimativa em relação ao parâmetro da

população.
Em um inventário florestal, como em qualquer procedimento de amostragem, primeiramente deve-se

buscar a exatidão de uma estimativa. Porém, normalmente as pessoas se preocupam com a obtenção
da precisão, simplesmente porque isso é fácil de obter. A exatidão será conseguida quando se realizar
um inventário visando ao máximo de precisão requerida e eliminar, ou reduzir a um mínimo, o efeito de

tendências “bias”.
i) Erro de amostragem: trata-se do erro que se incorre por se avaliar apenas parte da população.
Segundo Shiver e Borders (1996), três fatores aumentam a probabilidade de ocorrência do erro de
amostragem: o tamanho da amostra, a variabilidade das unidades de amostra dentro da população e o
método de seleção das unidades de amostra. É notório que amostras maiores, selecionadas sem
tendência, propiciam estimativas com menor porcentagem de erro. Se todas as unidades de amostra que
compõem uma população fossem amostradas (inventário 100%), o erro de amostragem seria igual a
zero.
j) Erros de não-amostragem: são aqueles que não são advindos do processo de amostragem.
Segundo Husch et al. (2003), os erros de não-amostragem podem contribuir significativamente para o
erro da estimativa de um inventário, podendo ser, inclusive, maior que o erro de amostragem.
Precauções devem ser tomadas para minimizar a ocorrência desses tipos de erros, pois, uma vez que
ocorram, são difíceis de detectar e eliminar; podem ocorrer tanto para o inventário total ou 100%
quanto para inventários por amostragem.
Os erros de não-amostragem podem ocorrer de várias maneiras, mas principalmente devido a equívocos
na alocação das unidades de amostra, nas tomadas de dados (medições de árvores) ou no registro dos
dados ou das observações, emprego de métodos falhos na compilação e erros no processamento dos
dados (cálculos, uso de estimadores tendenciosos, falhas nos softwares utilizados etc.).
Os erros de não-amostragem podem ser classificados em dois tipos gerais, dependendo da forma de
como eles surgem (excluindo os erros grosseiros ocasionais devido a descuidos ou desatenção):
1) Erros de medição, de ocorrência casual.
2) Erros consistentes, causando tendência “bias”.
Se os erros de medição ocorrerem casualmente, é esperado que a sua média se aproxime de zero. Se a
média dos erros é diferente de zero, a tendência é introduzida, causando erros sistemáticos nas
estimativas ou “bias”.
Todos os inventários florestais estão sujeitos a erros de amostragem e de não-amostragem. Juntos, eles
perfazem o erro total da estimativa. O erro total é a diferença entre a estimativa de uma amostra e o
valor verdadeiro da população. Se não existirem erros de não-amostragem, o erro total é equivalente ao
erro de amostragem.
2. A estatística na teoria da amostragem
2.1. Variância, desvio-padrão e coeficiente de variação
Em um povoamento florestal, os diâmetros das árvores usualmente apresentam alguma variação.

Igualmente se comportam as alturas, os volumes etc. Alguns diâmetros são maiores que a sua média
aritmética, uns são menores e outros têm valores bem próximos da média. Evidentemente, o
conhecimento sobre a dispersão dos valores dos diâmetros é importante. Não é difícil de se
compreender que serão necessárias mais observações para se obter uma boa estimativa da média dos
diâmetros e das outras características de um povoamento em que os diâmetros variam de 5 a 25 cm, por
exemplo. A medida de dispersão (variação) mais comumente empregada para expressar essa dispersão
dos dados, em relação à média, é a variância. Uma grande variância indica maior dispersão; uma
variância pequena significa pouca dispersão. A variância da população é estimada pela variância da
amostra. O desvio-padrão, o qual expressa quanto os valores observados individuais se dispersam em
torno da sua média, é dado simplesmente pela raiz quadrada da variância. O coeficiente de variação é a
expressão porcentual do desvio-padrão, em relação à média.
A variância de uma amostra, composta por n unidades de amostra, considerando uma variável aleatória
contínua Y~N (p,s2), é dada por:
Èfc-tf
= ________
n-i
em que: S2 = variância estimada; Y,- = valor da característica de interesse na i-ésima unidade de
amostra; Y= média aritmética estimada; e n = número de unidades de amostra.
A fórmula computacional simplificada da variância da amostra é:
Vy ! v i=1 ^
s. f______»
n-1
O desvio-padrão (S), por sua vez, é dado por:
O coeficiente de variação (CV) é:
CV =± = .100
Y
2.1.1. Exemplo
Para melhor entendimento dos cálculos das medidas de dispersão: variância, desvio-padrão e
coeficiente de variação, considere o exemplo hipotético do Quadro 3.1, em que os dados representam os
volumes de cinco parcelas tomadas ao acaso em três florestas.
Quadro 3.1 - Volumes, em m3 por parcela, obtidos em três florestas
Número da Floresta
Parcela i ii III
i 20 25 50
2 20 15 2
3 20 20 10
4 20 28 8
5 20 12 30
Total 100 100 100
Média 20 20 20
Embora as três florestas tenham uma mesma produção volumétrica média, podendo indicar uma
igualdade entre elas, é evidente que essas florestas são totalmente diferentes entre si. As diferenças
entre os volumes individuais observados evidenciam maior ou menor variação entre eles, conforme as
estimativas das medidas de dispersão dos volumes em relação às médias apresentadas no Quadro 3.2.
Quadro 3.2 - Estatísticas obtidas nos três tipos florestais
Média Variância Desvio-Padrão Coeficiente de

Floresta Soma Variação (CF)
(5)
çf:>
i 100 20 0 0 Q,%
ii 100 20 44,5 ±6,67 33,4%
m 100 20 392,0 ±19,80 99,0%
Na floresta I, os valores das medidas de variação são zero, pois os volumes são iguais em todas as
parcelas medidas.
Na floresta II, as medidas de dispersão: variância, desvio-padrão e coeficiente de variação são:
X 5'-
2 \ i=l {loof
zx n 2178-
" 44,50 (m5)2
n-1
= ±7s^ = ± J445>0 = ±6,67 m-
CV = ±-- 1 0 0 = ± — .100 =+ 33,4%

Y 20
Na floresta III, empregando as mesmas expressões, têm-se:
7 -? \ i=1 [100 f
3.56S ■
J— = 392,0 (msp
n-1 4
S = ±4t7 = ±4392 = 19,80 m5
8 19 80
CV = ± -4 100 = ± . 100 = ±99,0%
Y 20
A variância, como medida de variabilidade entre as unidades de amostra, está relacionada muitas vezes
ao tamanho da média dessas unidades. Assim, valores observados superiores tendem a dar maiores
variâncias. Por exemplo, a variância das alturas das árvores seria maior que a das alturas de uma
população de estudantes. O coeficiente de variação, por sua vez, deixa a expressão de variabilidade em
uma base relativa. Assim, a população das alturas das árvores pode ter um desvio-padrão de 1,45 m,
enquanto o desvio-padrão da população de estudantes pode ser de 0,18 m. Em unidades absolutas, as
alturas das árvores variam mais que as dos estudantes. Porém, se a média das alturas das árvores for
13,2 m e a das alturas dos estudantes 1,65 m, as duas populações terão variabilidade relativamente
semelhante, com um coeficiente de variação de 11%.
A variância também depende da unidade de medida empregada. Se as alturas dos estudantes tivessem
sido medidas em centímetros, o desvio-padrão seria 100 vezes maior, isto é, 0,18 x 100 = 18 cm.
Entretanto, o coeficiente de variação seria o mesmo, independentemente da unidade de medida usada

na mensuração da característica altura. Em qualquer caso, o coeficiente de variação seria igual a 11%.
2.2. Erro-padrão e erro de amostragem
Igualmente às unidades de amostra individuais numa população, as estimativas da amostra são sujeitas
à variação. É óbvio que o volume médio estimado de uma amostra de 15 unidades não será o mesmo
obtido de outra de igual tamanho. As estimativas médias diferem entre si porque são observadas em
amostras diferentes, embora de mesmo tamanho. As estimativas médias, portanto, dispersam em torno
de uma média geral.
Na seção anterior, discutiram-se a variância, o desvio-padrão e o coeficiente de variação como medidas

de dispersão dos dados em torno da média. Essas medidas também podem ser empregadas para
expressar a variação entre as estimativas médias, no cálculo da variância da média e do erro-padrão da
média. Aliás, o termo erro-padrão da média é normalmente denominado erro-padrão.
O erro-padrão é um desvio-padrão entre as estimativas médias, em vez de ser entre as unidades de

amostra individuais. De fato, se várias estimativas médias fossem obtidas de repetidas amostragens de
uma população, a variância da média e o erro-padrão dessas estimativas poderiam ser computados
pelas equações dadas anteriormente para a variância e o desvio-padrão. Entretanto, a amostragem
repetida não é necessária no inventário florestal. A variância da média e o erro-padrão podem ser
obtidos de um único conjunto de unidades de amostra. O cálculo dessas medidas de variabilidade de
uma estimativa média depende do método de amostragem, do tamanho da amostra e da variabilidade
entre as unidades de amostra.
Uma estimativa média quase não possui valor se não houver indicação de sua confiabilidade. Em termos
gerais, o erro-padrão é a medida que expressa o grau de confiabilidade de uma estimativa média.
Conhecido o erro-padrão, é possível estabelecer os limites que definem o grau de aproximação

esperado para o parâmetro que estiver sendo estimado. Esses são chamados de limites de confiança.
Em grandes amostras, pode-se, grosseiramente, estabelecer que os verdadeiros valores dos parâmetros
estarão a um erro-padrão do valor estimado, a menos que tenha ocorrido uma chance em três na
amostragem (33,33%). Para um valor médio do diâmetro igual a 26,5 cm, com um erro-padrão de
2,5 cm, pode-se dizer que a média verdadeira da população se encontra dentro dos limites de 24,0 a
29,0 cm. Assim, esses valores são chamados de limites de confiança, em uma probabilidade de 67%.
Ampliando os limites para outros níveis de probabilidade, pode-se ter mais confiabilidade na inclusão do
parâmetro da população. Na estimativa da média de mais ou menos dois erros-padrão, têm-se os limites
de confiança para o parâmetro, a menos que uma chance em 20 ocorra (5%), ou seja, definem-se os
limites de confiança para uma probabilidade de 95%. Semelhantemente, os limites de confiança para a
probabilidade de 99% são definidos considerando-se mais ou menos 2,6 erros-padrão. Esse intervalo de
confiança conterá o verdadeiro valor do parâmetro da população, a menos que uma chance em 100
ocorra.
Deve-se enfatizar que esse método de computar os limites de confiança fornecerá válidas aproximações
somente em grandes amostras; em geral, uma amostra grande é composta de pelo menos 30
observações. Entretanto, os limites de confiança podem se tornar mais amplos em dado nível de
probabilidade, multiplicando-se o erro-padrão pelo valor de “t”, encontrado na tabela de distribuição
de Student.
O erro-padrão da média, ou simplesmente erro-padrão, para uma população infinita é calculado pela
seguinte expressão:
Utilizando o exemplo anterior, nas florestas II e III os erros-padrão são, respectivamente:
*
Floresta II
*
Floresta III
S y = ± J — = ±8,85 m3
Os erros-padrão expressos em porcentagem das respectivas médias, nas duas florestas são:
* Floresta II
±2,9S
.100= ±14,90%
20
* Floresta III
Sr + 8*85
Sr(%) = JL .100 = ^^.100= ±44,20%
1 Y 20
Tais erros-padrão, portanto, multiplicados pelos valores de “t”, em determinado nível de probabilidade,
expressam o erro de amostragem, tanto em unidades absolutas (s^ t) ou em porcentagem da média
estimada, dado por:
E%=±?L±L,ioo
Y
Assim, nas florestas II e III, os erros de amostragem, considerando um nível de probabilidade de 95% e
valor de t = 2,776, para quatro graus de liberdade, são, respectivamente:
* Floresta II
2,98.2,776
E% = ± .100= ±41,36%
20
* Floresta III
8,85.2,776
E% = ± -- ------- ------ . 100 = ± 122,84%
20
2.3. Fator de correção para populações finitas
Seja N o número total de unidades de amostra que compõem uma população e que uma amostra de
tamanho ntenha sido selecionada nessa população. Então, a fração de amostragem, ou intensidade de
amostragem, é n/N. Assim, o erro de amostragem se deve à parte não incluída no inventário, ou seja, à
fração 1-n/N (VAN LAAR; AKÇA, 2007). No caso de um inventário 100%, essa fração será zero,
pois n = N.
O valor, ou fração 1-n/N, é denominado “fator de correção para populações finitas”. Esse valor é incluído
na expressão do erro-padrão da média (Snr) para se obter uma estimativa apropriada do erro-padrão.
O erro-padrão da média para uma população finita é, portanto, calculado pela seguinte expressão:
2.4. Intervalo de confiança (IC) e a estimativa mínima confiável (EMC)
As estimativas dos inventários florestais podem ser expressas num intervalo, com uma probabilidade
associada, denominado Intervalo de Confiança (IC). Como se sabe, o intervalo de confiança, que é
delimitado pelos limites de confiança, descreve os limites dentro dos quais se espera encontrar o
verdadeiro valor do parâmetro da população, a um dado nível de probabilidade. Os limites superior e
inferior do intervalo de confiança para a média (¥) são expressos pelo correspondente erro de
amostragem. Assim, o intervalo de confiança para determinada estimativa média é dado por: zí-i'r
O valor de “t”, para um nível de probabilidade selecionado, é obtido da tabela de distribuição de Student,
usando-se n-1 graus de liberdade, em que n é o tamanho da amostra.
No exemplo anterior, os intervalos de confiança da média estimada nas florestas II e III seriam,
respectivamente:
* Floresta II
IC - 20 ± 8,272 a 95% de probabilidade
* Floresta III
IC = 20 ± 24,568 m5, a 95% de probabilidade
Como não existe volume negativo (20 - 24,568 m3), o limite inferior do intervalo de confiança na floresta
III é igual a zero.
A estimativa da quantidade de madeira obtida em um inventário, em vez de ser expressa pela média e
seu intervalo de confiança, pode o ser também pela Estimativa Mínima Confiável (EMC), que expressa a
quantidade mínima de madeira que se esperava encontrar, associada a um nível de probabilidade.
No cálculo da EMC, é necessário conhecer a média e o seu erro-padrão, sendo a expressão da EMC
dada por:
EMC = Y - r . S f
Observe que essa expressão se parece com aquela que expressa o limite inferior do intervalo de
confiança (IC). Porém, o valor de “t”, para um nível de probabilidade definido, é obtido somente pelo lado
negativo da distribuição simétrica dos valores (teste unilateral). Usando uma tabela de “t”, o valor
apropriado seria obtido na coluna correspondente a duas vezes o nível de probabilidade requerido.
Assim, o valor de “t”, considerando um nível de probabilidade de 95% (a = 5%), será lido sobre a coluna
de indicação de 0,10 (10%), reconhecendo-se os graus de liberdade apropriados.
No exemplo anterior, as estimativas mínimas confiáveis, da média estimada nas florestas II e III,
considerando-se t = 2,132, para a = 10% e quatro graus de liberdade, seriam, respectivamente:
* Floresta II
EMC = 20 - 6353 nÊ
* Floresta III
EMC = 20 -18,868
3. Delineamento de amostragem
De acordo com Husch et al. (2003), um delineamento de amostragem, para atingir os objetivos de
qualquer inventário florestal, é determinado:
1) Pelo tipo de unidade de amostra.
2) Pelo tamanho, forma e alocação da unidade de amostra escolhida (quando o inventário utiliza
unidades de amostra de área fixa).
3) Pelo número de unidades de amostra a ser empregado.
4) Pela forma de seleção e distribuição das parcelas sobre a floresta.
5) Pelos procedimentos adotados de medição das árvores nas unidades selecionadas e análise
dos dados resultantes.
Diante disso, o profissional envolvido em um inventário florestal dispõe de ampla gama de possibilidades
para conduzir essa atividade, pela variedade de especificações em cada um dos elementos
mencionados anteriormente, para se conseguir o grau de precisão desejado, a um custo especificado.
É importante ter a consciência de que não existe um único delineamento de amostragem de aplicação
universal. Um delineamento de amostragem é o produto final de uma série de considerações.
Os principais fatores que influenciam o delineamento ou o planejamento de um inventário florestal são:
a) Os objetivos do inventário.
b) Os recursos disponíveis.
c) As condições topográficas e a acessibilidade à área.
d) A tipologia florestal e a sua variabilidade.
e) A precisão requerida em torno da média.
3.1. Tipos, formas, tamanhos e alocação das unidades de amostra
Um dos objetivos centrais da mensuração florestal, segundo Prodan et al. (1997), é a obtenção do valor
total de algum atributo relacionado às árvores que compõem a floresta (área basal, volume etc.). Como,
as vezes, é impossível realizar o censo ou inventário 100%, os inventários florestais são feitos por
amostragem, sendo as árvores selecionadas individualmente ou em grupos, denominados “unidades de
amostra,” para a obtenção de estimativas dos atributos da floresta.
As unidades de amostra, unidades básicas onde são executadas as medições de características

quantitativas e qualitativas da população, podem possuir área fixa (parcelas ou faixas) ou área variável,
no caso da amostragem por pontos; ser constituídas por linhas de amostragem; ou, ainda, ser a própria
árvore, no caso dos procedimentos envolvendo árvores-modelo (figuras a seguir).
As parcelas de área fixa podem se assemelhar a diferentes figuras geométricas, entre elas:
Retangular Quadrada Circular
Fonte: Loetsch e Haller (1964), Loestch et al. (1973), Prodan (1968), Shiver e Borders (1996) e Malleux
(1982).
A respeito da forma dessas unidades de amostra, a literatura descreve aspectos que devem ser
observados.
a) Os centros das unidades de amostra circulares podem ser facilmente marcados.
b) Os limites de uma unidade de amostra circular não são facilmente determinados, ao contrário das
unidades quadradas ou retangulares.
c) Em terrenos com declividade acentuada, devem-se utilizar preferencialmente parcelas

retangulares, de forma que o seu maior eixo fique orientado no sentido da declividade.
d) As parcelas retangulares têm grande porcentagem de bordadura, efeito esse que é mínimo em
parcela circular. Isso aumenta a possibilidade de se incorrer em erros de não amostragem, pela
inclusão ou omissão incorreta de indivíduos na borda de parcelas quadradas ou retangulares.
e) Parcelas que apresentam mais de 50 m de comprimento são comumente definidas na literatura

como transectos ou faixas. Tais unidades de amostra permitem delimitar, com facilidade, a
variabilidade do ambiente que será estudado. São freqüentemente utilizados quando há hipótese de
haver diferenças ou variações na quantidade de um parâmetro de acordo com um gradiente
ambiental, normalmente associado à topografia.
Quanto ao tamanho da unidade de amostra, não há informações acerca de qual seria o melhor tamanho.
De acordo com Schreuder et al. (1993), a unidade de amostra deve ter um tamanho tal que seja
suficiente para incluir um número representativo de árvores, porém pequeno o suficiente para que a
relação entre o tempo de estabelecimento versus tempo de trabalho na coleta de dados dessa unidade
não seja alta em demasia, o que oneraria os custos desse inventário.
Ainda de acordo com Schreuder et al. (1993), quando são utilizadas parcelas muito grandes no
inventário florestal, um pequeno número de unidades de amostra é utilizado para obtenção das
estimativas. Isso pode acarretar problema de ordem estatística, pois reduz consideravelmente os graus
de liberdade para cálculo das estatísticas como variância, desvio-padrão, erro-padrão, entre outras.
Assim, não há um tamanho ótimo de unidade de amostra, haja vista, que este depende do grau de
agrupamento das árvores (densidade), do custo do processo de amostragem e da precisão das
estimativas. Na verdade, existe um intervalo limitado de tamanhos, no qual a eficiência da amostragem é
máxima, tanto em termos de precisão quanto de custo.
Para ilustrar essa observação, na literatura os tamanhos das unidades de amostra mais utilizados em
alguns países são: 100 a 500 m2, Alemanha; 800 a 1.000 m2, Canadá; 800 m2, Estados Unidos;
1.000 m2, Finlândia; 400 m2, Inglaterra; e 500 a 2.000 m2, Japão. No Brasil, inúmeros inventários
utilizam parcelas circulares ou retangulares entre 300 e 600 m2, em florestas plantadas; e parcelas
retangulares entre 1.000 e 2.500 m2, em florestas naturais.
Cabe destacar que em povoamentos que são desbastados, ou seja, que sofreram retiradas de madeira
ao longo da sua rotação, as parcelas devem possuir um tamanho que, ao final da rotação, garanta um
número razoável de árvores para obtenção de estimativas precisas do estoque de madeira Campos e
Leite (2009). Em alguns trabalhos envolvendo desbaste em plantações de eucalipto no Brasil, as
parcelas utilizadas estão em torno de 1.000 a 2.000 m2 de área.
Quanto à alocação das unidades de amostra, alguns cuidados devem ser tomados:
1) Em plantios, por exemplo, a alocação das unidades de amostra de área fixa deve obedecer às
linhas de plantio, para que as unidades representem a área útil de cada planta. O seguinte exemplo
ilustra essa situação.
Considerando um espaçamento de 3 x 3 m entre plantas, a área útil de cada planta será de 9 m2. Se
forem utilizadas árvores como limites da unidade de amostra, conforme a figura a seguir, ter-se-iam nove
árvores em uma parcela de 36 m2 de área, representando uma área útil por planta de 4 m2. Para
representar a área útil de 9 m2, a unidade de amostra deveria ter sido locada entre as linhas de plantio.
O O O O O
Alocação
correta
0
2. Em terrenos com declividade maior do que 10°, a área da unidade de amostra deve ser corrigida,
de forma que fique no mesmo plano de referência (horizontal) dos mapas utilizados para a definição
do desenho da amostragem. A correção da área da unidade de amostra é feita pela seguinte
expressão:
A? = ax bcosf6)
em que: Ar= área reduzida ou área projetada no plano horizontal, em m1 2; a= menor lado da parcela, em
m; b = maior lado da unidade de amostra, em m; e &■ - ângulo de inclinação do terreno, em graus.
3.2. Tamanho da amostra
O tamanho de uma amostra é dependente do objetivo do inventário; dos recursos disponíveis; da

precisão requerida, dada pelo erro admissível em torno da média, em determinado nível de
probabilidade; da variabilidade da característica a ser medida; e do método de seleção e distribuição das
unidades de amostra.
Segundo Campos e Leite (2009), há dois critérios para se definir o tamanho de uma amostra em um
inventário florestal, sendo eles:
1) Em função de determinada porcentagem da área da população a ser amostrada. Nesse caso, não
há como estabelecer a precisão da amostragem com antecipação, e o erro do inventário só será
conhecido após a sua conclusão. Por exemplo, algumas empresas do setor florestal definem uma
intensidade de 1:5 para um inventário pré-corte. Isso quer dizer que, a cada 5 ha, uma unidade de
amostra de tamanho conhecido será lançada e medida no campo. Considerando que uma floresta
tenha 100 ha e a unidade de amostra possua 1.000 m2, serão lançadas 20 parcelas, correspondendo
a uma área total de amostragem igual a 2,0 ha, ou 2,0% da área da floresta. A experiência adquirida
pelo profissional e o conhecimento prévio dessa área são fundamentais para decidir quanto à
utilização de um percentual de amostragem da população.
2) Em razão de um erro de amostragem estabelecido antecipa-damente, segundo determinado nível

de probabilidade. Esse critério de estabelecimento do tamanho da amostra é definido como método
ótimo de amostragem, devido ao fato de que o número de unidades de amostra a ser medido será
compatível com um erro máximo preestabelecido.
De acordo com esse critério, a expressão que determina o número de unidades de amostras necessário
para atingir determinado nível de precisão, a dado nível de probabilidade, é dada por:
Para populações infinitas:
Populações finitas:
T.S-
FJ =
t\s-
E- +
N
em que: n = tamanho da amostra; E = precisão requerida ou erro admissível em torno da média, em
termos absolutos; S2 = variância da característica analisada nas unidades de amostra; t = valor tabelado
da estatística “t” de Student, a dado nível de significância (a) e n-1 graus de liberdade; e N = número
total de unidades de amostra na população.
No caso de a precisão requerida ser estabelecida em termos porcentuais (E%), as expressões anteriores
ficam assim redefinidas:
Para populações infinitas:
r. fcvy
n = —----- f-
(E%r
Para populações finitas:
f.(CV)-
n=■
r.fCV r
(E%)- +
N
Uma vez definidos o tipo de unidade da amostra e o tamanho da unidade a ser empregada na
amostragem (no caso de unidades de área fixa); conhecida a área da população e definida a precisão
requerida, em valores absolutos ou em porcentagem, torna-se necessária a obtenção de uma estimativa
da variabilidade da característica de interesse na população (S ou CV) para determinar o tamanho da
amostra. Às vezes, tal estimativa pode ser obtida de levantamentos passados. Porém, quase sempre é
obtida em uma amostragem preliminar, através de um inventário-piloto.
A precisão requerida (E) é arbitrariamente escolhida. O valor da estimativa t depende do nível de

probabilidade escolhido e dos graus de liberdade. Para uma correta definição do valor de t, os graus de
liberdade deveriam ser o número de unidades de amostra que se procura. No entanto, como se conhece
apenas o tamanho da amostra preliminar, esse valor é utilizado para definir o valor de t em uma primeira
aproximação do tamanho da amostra. Essa primeira aproximação é, então, utilizada para corrigir os
graus de liberdade do valor de te, conseqüentemente, definir finalmente o tamanho da amostra.
3.2.1. Exemplo - Precisão requerida em termos absolutos
Para ilustrar o procedimento de cálculo do tamanho da amostra, suponha que em um inventário-piloto
foram utilizadas 10 parcelas de 800 m2 cada, distribuídas casualmente numa população de eucalipto de
250 ha e cujos volumes das parcelas estão apresentados a seguir. Suponha, também, que a precisão
requerida (E) seja igual a ± 3 m3 e o nível de probabilidade igual a 95%.
Parcela Volume
(Volum&p
N° (m‘)
I 37,76 1.425,8176
2 20.90 436.8100
3 20.31 412.4961
4 23.01 529.4601
5 14.43 208.2249
6 30.30 918.0900
7 19.95 398.0025
8 13.43 180.3649
9 20.22 408.8484
10 22.15 490.6625
Y V = 222,46 Mv2 = $408,7370
Com base nos dados acima, podem-se calcular as seguintes estatísticas:
a) Média estimada
= 22,246 ms
n 10
b) Variância da amostra
[222,46 Y
5.408,7370
10
= 51j099í(tn)2
n—1 10-1
c) Desvio-padrão
S=±4sr = ±^51,0991= ±7.14S4m-
d) Coeficiente de variação
S 7 1484
CV = ± = 1 0 0 = ±----------- ■100 = 32,13%
V 22,246
e) Tamanho da amostra
De posse das informações anteriores e da estimativa da variância populacional (S2), o tamanho da

amostra (n) pode ser calculado de acordo com o procedimento que se segue:
Uma vez que a área de cada unidade de amostra é de 0,08 ha, na população cabem 3.125 unidades de
amostra (N). Sendo o valor tabelado de t em um nível de probabilidade igual a 95% e 9 graus de
liberdade, igual a 2,262, a primeira aproximação do tamanho da amostra será:
tJ.sJ , [51,0991
= 2§S
E2 , r . s r , (226# .(SÍ099j
NJ 3.125
n = 29 parcelas
Recalculando para t(5%; 28 gl) igual a 2,048, tem-se que o tamanho da amostra será:
(2,04S)- .(51,0991)
ií =----- 1 — 7 — : ---------— T = 23,6
(2,04Sy . {51,0991)
3.125
n = 24 parcelas
Conclusão: Para garantir a precisão requerida de ± 3 m3 são necessárias 24 parcelas. Posto que 10
parcelas já foram medidas no inventário-piloto, basta sortear e medir mais 14 parcelas para completar a
amostra.
Dividindo 24 por 3.125, encontra-se a intensidade da amostra necessária para o atendimento da

precisão requerida, no nível de probabilidade estabelecido. Nesse exemplo, ter-se-ia uma intensidade
igual a 0,00768 ou 0,768% de N.
3.2.2. Exemplo - Precisão requerida em porcentagem
Conhecendo-se a precisão requerida em termos absolutos e a média aritmética da variável de interesse,

pode-se obter a precisão requerida em termos porcentuais, através da seguinte expressão:
E % = 4.100
Y
Do exemplo anterior, uma precisão de ± 3 m3, corresponde a:
E % = L . 1 0 G = —-—.100 = 13,486%
V 22,246
Considerando uma precisão requerida de ± 13,486%, a 95% de probabilidade, e utilizando os dados do

exemplo anterior, a primeira aproximação para o tamanho da amostra será:
f-icvf (:2,262'f . ($2,13 f

fi = ■ = 2S,S
(E%y+2 ^n
il3,4S6y+M2mâ
N 3.125
n = 29 parcelas
Recalculando para t(5%, 28 gl) = 2,048, tem-se que o tamanho da amostra será:
(2,04S\: . [32,13}:
fl = = 23,6
(2,04S} :. (32,i3}r
[13,4Só):' +
3.125
n = 24 parcelas
Verifica-se com esse resultado que, independentemente da expressão do erro (absoluto ou relativo), 24
unidades de amostra seriam necessárias para satisfazer a precisão requerida, no nível de 95% de
probabilidade.
3.2.3. Exemplo - Alterando a precisão requerida
Alterando a precisão requerida de ± 13,486% para ± 20%, ou seja, diminuindo a precisão do inventário e
mantendo o nível de probabilidade de 95%, a primeira aproximação para o tamanho da amostra será:
„ &(cr)* =
, (2262? .{32J3Y
N^ 3.125
n = 14 parcelas
Recalculando para t(5%, 13 gl) = 2,160, tem-se que o tamanho da amostra será:
(J f.
2 60 M
” =------------ —----- rr---------- -=U,9
O
hoY i t2J6QY .{32jsf

3.125
n = 12 parcelas
Nesse caso, diminuindo-se a precisão do inventário através do aumento do erro admissível (E%), em vez
de 24 parcelas seriam necessárias apenas 12, ou seja, seria preciso lançar e medir apenas mais duas
parcelas no campo.
3.2.4. Exemplo - Alterando o nível de probabilidade
Alterando o nível de probabilidade de 95% para 90%, ou seja, diminuindo a precisão do inventário e
mantendo a precisão requerida em ±20%, a primeira aproximação para o tamanho da amostra será:
*t(10%; 9 gl) = 1,833
r.(CF) 2
— = S,6
(raf/’-W (2oY + (±wY.(32,13)
N 3.125
n - 9 parcelas
Recalculando para t(10%; 8 gl) = 1,860, tem-se que o tamanho da amostra será:
[1,860 f .{32J3f
=9
(-,cy! | BS
3.125
n = 9 parcelas
Nesse caso, diminuindo-se o nível de probabilidade e mantendo-se a precisão requerida de ±20%, em

vez de 12 parcelas seriam necessárias apenas nove. Assim, as 10 unidades de amostra utilizadas no
inventário-piloto seriam suficientes para atender à precisão requerida no nível de probabilidade
especificado.
3.2.5. Transformando unidades
Na estimativa do tamanho da amostra (n), deve-se conhecer o efeito da escala de conversão dos valores
unitários, na estimativa da variância de população (S2). O mau uso da conversão dos volumes por
unidade de área e o desconhecimento da variabilidade dos volumes entre as parcelas de diferentes
áreas podem produzir estimativas tendenciosas dos parâmetros da população.
Para ilustrar o emprego das escalas de conversão, seja um inventário utilizando parcelas de 1.000 m2 de
área (1/10 do hectare), cuja variância (S2) entre os volumes das parcelas foi igual a 45,33(rm3)2. Se a
precisão requerida fosse expressa em m3 por hectare, seria necessário converter a especificação da
precisão, colocando-a na mesma unidade do desvio-padrão (S), ou converter a variância (S2) de forma
que ambas, a variância e a precisão requerida, fiquem na mesma escala de valores ou numa mesma
base comparativa. Para converter a precisão requerida, nesse exemplo basta dividi-la por 10 e manter a
variância inalterada. O mesmo resultado pode ser obtido deixando a precisão especificada sem alteração
e colocando a variância na base comparativa de 1 ha. Lembre-se de que, se Y é uma variável com
rS" <7 _ r-ç o 2 _ jp-2 ç l
desvio-padrão, ', o desvio-padrão da variável Z = KY será 1 ; logo, a variância 2~ 1
Nesse exemplo, se os volumes por parcela são 10 vezes menores que as estimativas por hectare, eles
devem ser multiplicados por 10, para serem convertidos em hectare. Ou, para se colocar a variância
estimada na base de 1 ha, basta multiplicá-la por 100. A constante de conversão K é dada pela razão
entre a área de 1 ha e a área da unidade de amostra, considerando-se o exemplo anterior
S i = 10:. = 4.533 (m:):.
O tamanho da unidade de amostra tem efeito adicional na variabilidade da população. É esperado que a
variabilidade entre os volumes medidos em parcelas de menores tamanhos seja maior do que a obtida
com o emprego de maiores parcelas, numa mesma escala de medição. A relação entre o tamanho da
parcela e a variância da população muda de uma população para outra. Em populações muito
homogêneas e uniformes quanto à distribuição da variável de interesse, alterações nas áreas das
parcelas têm pouco efeito sobre a variância. Em populações cujas distribuições de freqüência e de
ocorrência são heterogêneas ou desuniformes, a relação entre o tamanho da parcela e a variância
dependerá da capacidade de representação do tamanho da parcela, principalmente quanto às
alterações naturais de aglomeração de árvores e de espécies e quanto à existência de clareiras, mais
comuns em populações de baixa densidade. As maiores parcelas tendem a representar uma variância
menor. A utilização de grandes parcelas, comparativamente às parcelas de menores áreas, é feita para
que nelas sejam captadas todas as alterações naturais da população, de forma que a variabilidade entre
as parcelas seja menor.
Essa mudança da variância em relação ao tamanho da parcela pode ser aproximada, considerando-se a
7”
seguinte relação: se parcelas de tamanho 1, apresentam variância então nas parcelas de tamanho
mantendo a mesma escala de medição, a variância '^3, será mais ou menos igual a: ^ =
Por exemplo, se a variância entre os volumes por unidade de amostra de 800 m2 fosse si a
variância entre os volumes por unidade de amostra de 2.000 m2 seria, aproximadamente, igual a:
á?j—5i,099ijsm/2.oàâteà2,31 ^ Assirn, o valor corrigido da variância pode ser empregado no cálculo do
tamanho da amostra, conforme exemplificado anteriormente.
3.3. Seleção e distribuição das unidades de amostra
O terceiro componente de um delineamento de amostragem consiste basicamente em como as unidades

de amostra serão selecionadas e distribuídas em campo, no caso de um inventário florestal. Os métodos
de seleção e distribuição de unidades de amostra podem ser classificados em dois grandes grupos; os
probabilísticos e os não-probabilísticos.
Na amostragem probabilística, a probabilidade de seleção de qualquer unidade de amostra é conhecida.

Ela é maior que zero e pode ser a mesma em todas as unidades, em todos os momentos da seleção da
unidade, ou variar com o progresso da amostragem. Freqüentemente, nos trabalhos de inventário
florestal as probabilidades não são conhecidas, mas assumidas serem iguais em todas as unidades de
amostra.
Na amostragem não-probabilística, as unidades que constituem a amostra não são selecionadas pelas
leis da chance, mas pelo julgamento pessoal ou sistematicamente.
Como exemplo de métodos de seleção e distribuição probabilísticos, tem-se:
1. Amostragem com igual probabilidade de seleção das unidades de amostra
1.1. Amostragem casual simples
1.2. Amostragem casual estratificada
1.3. Amostragem multiestágio
1.4. Amostragem multifase
2. Amostragem com probabilidade variável
2.1. Amostragem por listagem
2.2. Amostragem com probabilidade proporcional à predição - 3P
2.3. Amostragem proporcional ao tamanho - PPS
Como exemplo de procedimentos não-probabilísticos, tem-se:
1. Amostragem seletiva
2. Amostragem sistemática
CAMPOS, J.C.C.; LEITE, H.G. Mensuração florestal: perguntas e respostas. 3- ed. Viçosa, MG:
Editora UFV, 2009. 548 p.
Inc, 2003. 443 p.
LOETSCH, F.; HALLER, K.E. Forestinventory. BLV-Munchen: Basel, Wien. 1964. v. 1,436 p.
LOETSCH, F.; HALLER, K.E.; ZOHRER, F. Forest inventory. 2. ed. Munich: BLV Verlagsgesellschaft,
1973. v. 2, 469 p.
MALLEUX, J. Inventários forestales en bosques tropicales. Peru: Univesidad Nacional Agrária, 1982.
PRODAN, M. Mensura forestal. [s.l.]: MCA BMZ/GTZ. 1997. v. 1, 560 p. (Serie Investigacion y educacion
en desarrollo sostenible).
SCHREUDER, H.T.; GREGOIRE, T.G.; WOOD. G.B. Sampling methods for multire-source forest
inventory. New York: John Wiley & Sons, Inc., 1993. 446 p.
Capítulo 4
AMOSTRAGEM CASUAL SIMPLES
A amostragem casual simples é o método básico de seleção probabilística em que, na seleção de uma
amostra composta de n unidades de amostra, todas as possíveis combinações das n unidades teriam as
mesmas chances de ser selecionadas. Os outros procedimentos de seleção são modificações deste,
elaborados com a finalidade de se conseguir maior economia e, ou, precisão. O fato de se dar a todas as
possíveis combinações de n unidades uma igual chance de pertencer a uma amostra de tamanho n, embora
seja difícil de se visualizar, é fácil de ser conseguido. Para isso, é apenas necessária a certeza de que, em
qualquer estágio da amostragem, a seleção de determinada unidade não seja influenciada pelas outras que já
tenham sido selecionadas, ou seja, de que as unidades de amostra sejam selecionadas independentemente
uma das outras e livres de escolhas deliberadas.
Um inventário florestal por amostragem normalmente requer o uso de um mapa da população para que se
possa elaborar uma estrutura de parcelas para seleção casual, da qual se retirará a amostra.
Uma das maneiras de se fazer a seleção de uma amostra sem influências estranhas ou restrição na
casualização, após serem atribuídos números a todas as n possíveis unidades que compõem a população, é
utilizar a tabela de números casuais, constante em livros de estatística. Outra maneira, muito comum, é ter os
números correspondentes às unidades de amostras escritos em pequenos discos de papelão ou em pedaços
de papel, os quais, depois de colocados num saco e bem misturados, são retirados ou sorteados, um número
de cada vez, independentemente, e sem imposição de nenhuma condição no processo casual de seleção. Tal
http://www.mensuracaoflorestal.com.br/capitulo-4-amostragem-casual-simples 1/10
procedimento pode ser utilizado desde que o número total de unidades de amostra não seja um valor muito
grande.
As unidades de amostra podem ser selecionadas com ou sem reposição. Numa seleção com reposição, cada
unidade aparece na amostra várias vezes, tantas quantas ela for selecionada, e a população, nesse caso,
pode ser considerada infinita. Na amostragem sem reposição, uma unidade aparecerá na amostra somente
uma única vez. A maioria dos inventários florestais é feita sem reposição das unidades. Em caso de grandes
populações finitas, os cálculos das médias e os erros-padrão podem ser feitos à semelhança dos realizados
de uma população infinita, desde que o fator de correção, 1 - n/N, se aproxime de 1. Quando são utilizados
pontos de amostragem, a população é considerada infinita, e a seleção das unidades de amostra pode ser
conduzida com reposição.
Em um inventário florestal, a amostragem casual produz uma estimativa não-tendenciosa da média da

população e fornece informações necessárias para avaliar o erro de amostragem, porém apresenta as
seguintes desvantagens:
a) Há exigência de se idealizar um sistema de seleção casual das unidades de amostra. No caso de

florestas grandes, isso pode ser dispendioso.
b) Há dificuldades de se locar no campo, com posicionamentos dispersos, unidades de amostra

selecionadas em áreas extensas e de difícil acesso.
c) O tempo gasto de caminhamento entre as unidades de amostra torna a amostragem dispendiosa e

improdutiva em certos casos.
d) Há possibilidade de uma distribuição desuniforme das unidades de amostra, resultando em uma

amostragem irregular e, possivelmente, não representativa da população.
2. Análise de uma amostragem casual simples
Considere uma floresta com 46,8 ha de área que, para efeito didático, foi inventariada 100% e dividida em 156
parcelas (13 colunas x 12 fileiras) de 0,3 ha cada, conforme Figura 4.1. A população de volumes, em m3 por
parcela, é representada pelos números constantes nas unidades de amostra nessa figura. Os resultados
deste inventário 100% são:
f.i = volume médio por parcela = 35,826 m3;

V— volume total da população = 5.589 m3;
V/ha- volume médio por hectare — 119,423 m3/ha;
<7* = variância dos volumes = 455.98 (m3)2;
cr = desvio-padrão dos volumes — ± 21,353 m3: e
cv% = coeficiente de variação = ± 59,6%.
Coiunai
1 2 3 4 5 6 7 8 9 10 11 12 13
I 34 28 27 59 72 25 52 18 35 23 21 22 14
F 2 39 41 0 32 22 37 44 20 32 32 35 20 22
i 3 27 63 46 40 33 56 43 24 47 6 31 25 45
1 4 48 29 25 59 42 91 40 45 31 17 12 14 14
€ 5 30 60 26 60 65 19 31 21 38 23 44 13 3
i 6 20 83 147 50 44 10 57 32 38 29 15 41 32
r 7 71 27 52 79 36 22 86 49 92 37 35 51 17
a S 32 26 62 31 22 73 18 29 14 20 4L 9 26
s
9 35 88 49 35 70 16 41 19 28 15 29 43 10
10 54 63 45 23 36 50 14 19 26 66 11 14 30
11 7 15 25 47 47 75 60 38 30 35 18 27 27
12 5 6 57 52 59 24 20 13 28 18 T
J.' 38 40
Figura 4.1 - Volume, em m3 por unidade de amostra de 0,3 ha, obtido pelo inventário 100% de uma floresta
dividida em 156 unidades de amostra.
2.1. Inventário-piloto
Com o objetivo de estimar o volume total da população e admitindo-se uma precisão requerida de = 20% e
um nível de probabilidade de 95%, realizou-se uma amostragem-piloto de tamanho n = 10, cujas unidades
foram selecionadas aleatoriamente na população da Figura 4.1, cujos resultados se encontram no Quadro
4.1.
Quadro 4.1 - Volume das 10 parcelas de 3.000 m2, sorteadas ao acaso
Sorteados
Unidades Coluna Fileira Volumes (m3) -Y Y1
1 2 2 41 1.681
2 5 3 33 1.089
3 8 3 24 576
4 ri 3 31 961
5 6 ó 10 100
6 8 ó 32 1.024
7 3 S 62 3.844
8 6 9 16 256
9 10 10 66 4.356
10 3 11 25 625
Totais => 340 14.512
Média => 34,0
2.1.1. Cálculo do tamanho da amostra
Como a precisão requerida foi estabelecida em porcentagem e a população é finita, o tamanho da amostra é
calculado pela seguinte fórmula:
r .{cvy
Fí = ■
r . {cvf
[E°óf +
N
Assim, considerando os dados do Quadro 4.1, podem-se, então, obter as seguintes estatísticas:
tir-M
Yj = 340 m3
Y = 34,0 m3
Yj2=14.512(m3)2
(.340?
14.512--
10 _ 2-952.
SJ =---------- 328,00 (m3)2
10-1 9
S = ±4328100 = ±18,1 m3
CV = ± — -100 = 53,2%
34,0
N = —— r=156 parcelas
0,3
De posse do coeficiente de variação calculado, do valor de t = 2,262, para nove graus de liberdade, no nível
de 95% de probabilidade, uma primeira aproximação do tamanho da amostra a ser utilizado no inventário
florestal definitivo será:
(2J62f. {53,2 f
, (2J62)2.(53lY ‘'
■■'m
n = 30 parcelas.
Como esse valor de n foi obtido com base em um número de graus de liberdade normalmente pequeno, deve-
se recalcular o valor de n, tomando como base o valor tabelado de t = 2,045, a 29 graus de liberdade (n-1) e
95% de probabilidade. Assim,
{2,045f .{53 J}2

24,9
{:cy t (2045f.{53jf
156
n = 25 parcelas
Logo, são necessárias 25 parcelas de 0,3 ha para garantir a precisão de = 20%, no nível de 95% de
probabilidade. Como foram lançadas inicialmente 10 parcelas, serão necessárias mais 15 para completar a
amostra.
Devido ao fato de o valor da variância estimada da população indicar alta variabilidade dos dados em torno da
média, a intensidade de amostragem foi alta nesse caso (0,1602 ou 16%).
2.2. Inventário definitivo
Uma vez determinado o tamanho da amostra no inventário-piloto, foram lançadas mais 15 parcelas e medidos
os respectivos volumes por unidade de amostra, obtendo-se os dados apresentados no Quadro 4.2.
Quadro 4.2 - Volume das 25 parcelas de 3.000 m2, sorteadas ao acaso
Sorteados Volumes
Unidades Coluna Fileira Y Y-
1 2 2 41 1.681
■1
Z 5 3 33 1.089
3 & 3 24 576
4 11 3 31 961
5 6 6 10 100
6 S 6 32 1.024
7 3 S 62 3.844
8 6 9 16 256
9 10 10 66 4.356
10 3 11 25 625
11 5 6 44 1.936
12 1 11 7 49
13 3 12 57 3.249
14 5 S 22 484
15 4 S 31 961
16 7 4 40 1.600
17 7 3 43 1.849
IS 12 11 27 729
19 10 1 17 289
20 4 6 50 2.500
21 9 5 3S 1.444
22 T/ 12 20 400
23 10 11 35 1.225
24 9 4 31 961
25 13 S 26 676
Totais => S2S 32.864
Média => 33,12
Com as 25 parcelas, no inventário definitivo as seguintes estatísticas foram calculadas:
a) Média estimada
f= S2S
33,12 w3
25
32.864-&1
S2 =---------------- = 226,69 (m3)2
25-1
c) Desvio-padrão
S = ±4226,69 = ±15,06 m3
15,05
CV = ±—------- 100 = ±45,47%
33,12
e) Erro-padrão da média
226,69 f 25'
ST = ±
25 \ 156 j
S?=±2,76 ni3
f) Estimativa do volume total da população
Y = N - Y = ( 1 5 6 ) ■ (33,12)- 5.166,72 in
g) Erro de amostragem
O erro de amostragem absoluto a 95% de probabilidade, considerando-se o valor tabelado de t = 2,064 a 24

graus de liberdade, é:
E = ±Sf -t = ±(2,76). (2,064) = ±5,697m3
Esse erro, expresso em porcentagem da média, é igual a:
E% =± ■100 = ±^^--100 = ±17,2%

Y 33,12
h) Intervalo de confiança
O intervalo de confiança (IC) para a média verdadeira da população (tL), a 95% de probabilidade, é:
I C = Y ± S f - t = 33,12± 5,697m3
O intervalo de confiança para a produtividade média por hectare da população é:
IC = {33,12 ± 5,697). (10.000/3.000)

IC = 110,40± IS, 99 m3/ha
O intervalo de confiança para o volume total da população, a 95% de probabilidade, é:
IC = N.~Y ± N. Sj. t •
IC = 5.166,72 ± SS8,73m3
2.3. Considerações sobre a precisão do inventário
Os parâmetros da população inventariada 100%, conforme apresentados anteriormente no item 2, foram
Volume total — 5.589 m3;

Volume médio por hectare = 119,423 m3/ha;
Média dos volumes das unidades de amostra (p) =35,826 m3;
Variância da população (cr) = 455,98 (m3)2;
Desvio-padrão da população (a) — 21,353 m3; e
Coeficiente de variação (cv%) = ± 59,6%.
http://www.mensuracaoflorestal.com.br/capitulo-4-amostragem-casual-simples
Pelos resultados do inventário, no qual se empregou uma amostra inteiramente casual composta de 25
parcelas de 0,3 ha cada, para garantir uma precisão requerida de =20 % nível de probabilidade de 95%, as
seguintes estatísticas foram obtidas:
Y = 33,12 m* => IC =33,12 ± 5,697 m3
Y / h a ^llOAOm*/ha => IC = 110,40:± 18,99 m3/ha
Y = 5.116,72 m => IC = 5.116,72 ± SSS, 73 m3
Considerando os intervalos de confiança obtidos no inventário por amostragem, verifica-se que os parâmetros
populacionais do inventário 100% encontram-se, respectivamente, entre os limites superior e inferior desses
intervalos.
O nível de probabilidade de 95% indica que é esperado que 5% do número total de amostras possíveis de
serem selecionadas nessa mesma floresta terão tanto o erro de estimação (exatidão) quanto a média da
população fora dos respectivos limites de confiança.
Para exemplificar esta probabilidade de ocorrência, foram feitos 20 inventários independentes, com 25
unidades de amostra cada, inteiramente casuais, considerando-se um nível de 95% de probabilidade. Por se
tratar de probabilidade, é possível que, em nenhuma das 20 estimativas, ou mesmo em mais de uma,
aconteça de se observarem o erro de estimação ou exatidão e a média da população fora dos limites dos
intervalos de confiança estabelecidos. Os resultados das 20 amostragens são apresentados no Quadro 4.3, e
os respectivos erros-padrão das médias (=r), erros de amostragens ( 3 r ' r ) e erros de estimação ($ ~ u ) são
representados graficamente na Figura 4.2.
Pela observação dos resultados do Quadro 4.3 e do comportamento dos elementos da Figura 4.2, verifica-se
que somente a amostra número 9 apresentou erro de estimação e média verdadeira da população fora dos
respectivos limites de confiança. Verifica-se, também, que os erros de amostragem absolutos dos 20
inventários variaram de ±4,59 m3 a ±9,59 m3 e em porcentuais (E%) de ± 14,0 a ±22,6%, não correspondendo
necessariamente às mesmas amostras. Observa-se que o inventário mais exato foi o de número 4 e o menos
exato, o de número 9. Pode-se notar, pela análise das colunas da exatidão e da precisão (Quadro 4.3), que os
inventários mais precisos não são, necessariamente, os mais exatos e que, de maneira geral, os mais exatos,
na maior parte das vezes, são os de melhores precisões.
Quadro 4.3 - Resultados de 20 inventários independentes, com n=25 unidades de amostra cada, tomadas ao
acaso
Nüdo Volume médio por Erro de estimação Erro-padrão da Eito de Erro de Limites de: confiança
inventário parcela (exatidão) média amostragem amostragem % F + Sri Y-Sr.t
Y y-m E =±Sf í ±E% Ls Li
1 33.12 2,70 2,86 5,90 17.8 39,02 27J2
2 41.66 —5,84 5,56 7,26 17,4 48.92 34,40
3 30,66 -5,16 2,76 5,63 1 S,4 36,29 25,03
4 35,61 -0,31 5,17 6,47 18,2 41,98 29,04
5 41.27 -5.45 3,00 6,12 14,8 47,39 35,15
6 35.33 -0,49 3,48 7,10 20,1 42,43 28,23
42.06 -6,24 3,46 7,06 16,8 49,12 35,00
8 32.90 -2,92 2.64 5,39 16,4 38,29 27,51
28.42 -7,40 2,34 4,77 16,8 33,19 23,65
10 37,18 -1,36 4,08 8,32 22,4 45,50 28,86
11 30:30 -5,52 3.22 6,57 21,7 36,87 23,73
12 35.30 -0,52 2,93 5,98 16,9 41,28 29,32
13 37,45 -1,63 3,86 7,S7 21,0 45,32 29,58
14 37,00 -1,18 3,48 7,10 19,2 44,10 29,90
15 33,21 -2,61 2.82 5,75 17,3 38,96 27,46
16 32,75 -3,07 2,25 4,59 14,0 37,34 28,16
17 42,60 -6,78 4,70 9,59 22,5 52,19 33,01
18 41,21 -5,39 3,02 6,16 14,9 47,37 35,05
19 36,39 -0,57 2,96 6,04 16,6 42,43 30,35
20 40,54 44J2 4,50 9,18 22,6 49,72 31,36
Totais 72486 132,85 347,8
Médias 36,24 ±6,64 ±17,4
* Erro de estimação fora dos limites de confiança.
Números dos Inventários
Erro Padrão da Média -------------------Erro do Amostragem--------------------Erro de Estimação
Figura 4.2 - Representação gráfica dos erros-padrão das médias e erros de amostragem e de estimação, com
20 amostras de 25 unidades cada.
Capítulo 5
AMOSTRAGEM CASUAL ESTRATIFICADA
A distribuição e alocação de unidades de amostra de forma casual sobre uma área que será inventariada
somente será eficiente se a área for homogênea quanto à distribuição da variável de interesse.
Se a área não for homogênea, haja vista a presença de povoamentos com diferentes idades, espécies,
espaçamentos e topografias, entre outras fontes de variação, a amostragem estrati-ficada será um
esquema de amostragem mais eficiente (SHIVER; BORDERS, 1996).
A Amostragem Casual Estratificadacor\s'\ste na divisão da população em sub-populações mais
homogêneas em termos de distribuição da característica de interesse, denominadas estrato, dentro dos
quais se realiza a distribuição das unidades de amostra de forma casual (aleatória).
Em termos de inventário florestal, a amostragem estratificada será mais eficiente, se a variabilidade
dentro de cada estrato for menor que aquela considerando a população toda.
Para melhor compreender o princípio de estratificação de uma população, considere o seguinte exemplo,
em que a população é composta de 10 unidades (árvores), sendo observados os valores da
característica (altura, em m), como se segue:
http://www.mensuracaoflorestal.com.br/capitulo-5-amostragem-casual-estratificada 1/23
Unidade Valor da característica

1 15
2 15
3 20
4 20
5 20
6 26
7 26
8 26
9 26
10 26
Total geral => 220
2 o
A média da população (m) é igual a 22 m e a variância populacional é = 19,0 (m) .
Se dada amostra com três árvores fosse selecionada casualmente da população citada acima, o erro-
padrão da média estimada da população (sendo a média estimada da população 3 ) seria:
= ±2,llm
Se a população fosse dividida em três estratos homogêneos - um estrato consistindo das duas primeiras
árvores, o segundo consistindo das três árvores seguintes e o último estrato composto das cinco últimas
árvores a estimativa da média da população, selecionando-se apenas uma unidade casual em cada
estrato, seria uma média ponderada, tendo como peso ou fator de ponderamento o número total de
unidades em cada estrato (2, 3 e 5, respectivamente), representando o tamanho de cada estrato. Assim,
pode-se verificar, facilmente, que a média estimada, nesse caso, será idêntica à da população (m),
S- f
porém o erro-padrão da média estimada ( ) será zero, porque as unidades dentro dos estratos
apresentam valores iguais, e, conseqüentemente, variância igual a zero.
Embora o exemplo apresentado seja um caso extremo, ele serve para fortalecer o que foi relatado antes
sobre o princípio da estratificação. Ao dividir uma população em estratos homogêneos, pode-se
aumentar a precisão do inventário.
Como vantagens da amostragem estratificada, em relação à amostragem casual simples, pode-se citar:
a) A obtenção de estimativas da produção por estrato e para a população.
b) Para um mesmo tamanho da amostra, a amostragem estratificada propicia estimativas mais
precisas (menor erro de amostragem).
c) Para uma mesma precisão requerida, tem-se um menor tamanho da amostra, na amostragem
estratificada, resultando em menor custo na coleta dos dados.
Como desvantagens potenciais da amostragem estratificada, tem-se:
a) A unidade de amostra deve pertencer somente a um único estrato. Em situações em que o
estrato é bem definido, em plantios, por exemplo, isso é fácil de ser verificado, porém no caso de
florestas naturais pode não ser tão fácil.
b) Há a necessidade de conhecer a área do estrato. Em alguns levantamentos já é difícil conhecer a
área total da floresta, ainda mais a área do estrato. O desenvolvimento de tecnologias de obtenção de
dados especiais tem facilitado a obtenção de áreas florestadas com certa precisão.
2. Critérios de estratificação
A estratificação é determinada pela subdivisão da floresta em estratos com base em alguns critérios,
como: características topográficas, tipos florestais, espécies ou clones, espaçamento, volume, altura,
idade, classe de sítio etc. Se possível, a estratificação deve ser baseada na mesma característica que
será estimada pelo procedimento de amostragem. Assim, se o volume por unidade de área é o
parâmetro a ser estimado, é desejável estratificar a floresta com base nas classes de volume. No
entanto, conveniências administrativas também devem servir de base para efeito da estratificação.
Muitas vezes, dependendo do objetivo do inventário, regiões geográficas compactas são preferidas para
constituir o estrato.
Uma forma arbitrária de estratificação, freqüentemente usada em grandes áreas florestais onde existe
pouca base para algum tipo de subdivisão natural e, às vezes, empregada em inventários de florestas
nativas, principalmente onde não existem mapas ou fotografias aéreas disponíveis ou quando a
fotointerpretação revela pouca base para uma estratificação, é a divisão da floresta em blocos quadrados
ou retangulares de tamanhos conhecidos e uniformes. Esses blocos resultantes podem não ser
homogêneos, porém é evidente que existirá maior homogeneidade dentro dos menores blocos do que
nos maiores, ou do que em toda a população florestal.
No caso específico de florestas naturais tropicais, nas quais a população é composta por diferentes
espécies, árvores com diferentes idades, distribuídas sobre as mais diversas condições de locais (solo,
topografia, exposição ao sol etc.), a estratificação torna-se mais complexa, tendo em vista que, além
dessas características, outras, a exemplo da área basal, volume e número de árvores por hectare,
devem ser consideradas em conjunto. Nesses casos, há a necessidade de utilizar técnicas de análise
multivariada para a estratificação da floresta (SOUZA, 1989).
3. Estimadores populacionais da amostragem casual

estratificada
Os estimadores populacionais, considerando-se uma amostra-gem casual estratificada, são assim
definidos:
a) Número total de unidades de amostra na população:
em que: M = número total de estratos; e A/y = número total de unidades de amostra em cada j-ésimo
estrato, j = 1,2.........M.
b) Número de unidades de amostra lançadas em todos os estratos:
\£
"=Z"j
j=i
em que: rij = número de unidade de amostra lançada em cada j-ésimo estrato,
c) Média estimada da variável Y em cada j-ésimo estrato:
tr.
em que: Yu= quantidade da variável Y na i-ésima unidade de amostra, do j-ésimo estrato.
d) Média estratificada ou média ponderada
Y = j=i ou
N >' t p / j
j=i
tal que:
em que: Pj = proporção do número de unidades de amostra em cada estrato em relação ao número total
de unidades de amostra ou proporção da área total de cada estrato em relação à área total.
e) Valor total estimado de Y para a população
Y = N.Y
f) Valor total estimado de Y para cada j-ésimo estrato
Y = N- 7 -
g) Variância estimada de Y em cada j-ésimo estrato:
/ FJ,
h) Desvio-padrão de Y em cada j-ésimo estrato:
i) Variância estimada da média estratificada:
(população finita)
(população infinita)
j) Erro-padrão da média estimada:
4. Estimação do tamanho da amostra e alocação das

unidades de amostra
Para estimar o número de unidades de amostra a serem empregadas em um inventário florestal, cuja
população foi estratificada, é necessário ter informações preliminares sobre a variabilidade dos estratos,
seja por meio de um inventário-piloto, seja por outras formas de avaliações. É necessário, também,
definir a precisão requerida e o nível de probabilidade, de forma semelhante à amostragem casual
simples.
O número total de unidades de amostra obtido em toda a população estratificada será, então, distribuído
nos diferentes estratos, de forma casual, pela fixação proporcional ou pela fixação ótima (método de
Neyman). Na fixação proporcional, a distribuição do número total de unidade de amostra nos diferentes
estratos é função da proporção das áreas dos estratos em relação à área total da população. Na fixação
ótima, além da proporção de áreas, a distribuição é em função da variabilidade do estrato.
4.1. Tamanho da amostra
Na amostragem estratificada, para estimar o tamanho da amostra deve-se levar em consideração,
p. = ^-
inclusive, a proporcionalidade de áreas, N , de cada j-ésimo estrato em relação à população.
Uma vez definida a área de uma unidade de amostra ou o fator de área basal, quando se tratar de uma
amostragem com probabilidade proporcional ao tamanho (amostragem PPS), conhecida a área da
população e estabelecidos a precisão requerida e o nível de probabilidade, torna-se necessário conhecer
a variabilidade de cada j-ésimo estrato.
Visando à utilização da fixação proporcional, o tamanho da amostra, considerando-se uma população
finita, é dado por:
M
O TE-1 'í
J=l
n=
Yp-S-
(*f +■
N
Se a população for considerada infinita, n é calculado por:
M
r.^PjS-
J=1
n =
(E)-
Se se pretende utilizar o método da fixação ótima, a estimação do tamanho da amostra, para dada
precisão, considerando-se uma população finita, é obtida pela aplicação da seguinte expressão:
r. E%sj
"> J=J
2
A 7
Para uma população infinita, será:
W
M
?!
Se a precisão requerida for expressa em porcentagem, é necessário calcular o coeficiente de variação
(CV) para a população estratificada, que, nesse caso, é dado pela expressão:
.v/
EpJsJ
CV = ^-=--------- .100
Y
De posse do coeficiente de variação, o tamanho da amostra, para uma população finita, é dado por:
r.(CF)-
(E%r+líMl
Para uma população considerada infinita, é:
r ,(cf}:
" = —---------
[E%y
Se não quiser calcular o coeficiente de variação, basta transformar a precisão requerida porcentual para
absoluta, através da seguinte expressão:
I: iw
Essa estimativa de E será empregada nas fórmulas apropriadas para o cálculo de n nas fixações
proporcional ou ótima, as quais utilizam as estimativas das variâncias dos estratos.
4.2. Alocação das unidades de amostra
Como discutido anteriormente, depois de se calcular o tamanho da amostra a ser empregado num
inventário florestal de uma população que foi estratificada, a alocação ou fixação das parcelas por
estrato pode ser feita de duas formas: pela fixação proporcional ou pela fixação ótima.
4.2.1. Fixação proporcional
Por esse procedimento, o número de unidades de amostra a ser casualmente lançado em cada j-ésimo
estrato é proporcional ao tamanho do estrato. Assim, o tamanho da amostra, n , é multiplicado pela razão
entre a área do j-ésimo estrato e a área total da população, dada por Pj = N/N, para se obter a
quantidade de parcelas a ser fixada em cada estrato (np, ou seja:
jfc
f) — —- f) - P.n
J N J
Nesse método, não se consideram o custo da amostragem e as estimativas de variância. Dessa forma,
ele possui uma restrição própria: os grandes estratos sempre irão receber um número maior de parcelas
que os menores, independentemente da maior ou menor variabilidade do estrato, representada pelos
desvios-padrão ou coeficientes de variação entre os volumes por unidade de amostra. No entanto, esse
método pode ser utilizado em uma amostragem inicial (inventário-piloto), uma vez que a variabilidade
dos estratos é desconhecida.
4.2.2. Fixação ótima (método de Neyman)
Neste método, o número de amostra por estrato (nj) é função do desvio-padrão de cada j-ésimo estrato
ponderado pela proporcionalidade entre as áreas do estrato e da população. A fixação ótima pode ser
feita independentemente da igualdade, ou não, dos custos das unidades de amostras nos diferentes
estratos.
A fixação do número de unidades de amostra, considerando-se custos iguais, em cada j-ésimo estrato é
feita pela aplicação da seguinte fórmula:
Pode-se verificar nestas fórmulas que, comparativamente à fixação proporcional, a distribuição pelo
método de Neyman leva em consideração a variabilidade dada pelos volumes por unidade de amostra
em cada estrato. Assim, esse método pode ser utilizado após o lançamento das unidades de amostra no
inventário-piloto, na complementação da amostra definitiva.
5. Análise de uma amostragem estratificada
Para efeito da análise da amostragem estratificada, considere o seguinte exemplo. Assim, seja uma
população florestal com 45,0 ha, dividida em três áreas (subáreas), na qual se realizou um inventário-
piloto, distribuindo-se sete unidades de amostra de 0,1 ha de área na subárea 1; oito unidades na
subárea 2; e sete unidades na subárea 3, de acordo com o Quadro 5.1.
Quadro 5.1 - Estimativas de volume e respectivas estatísticas das três subáreas
Volume (m3) - Y
Parcela
Subárea 1 Subárea 2 Subárea 3
i 7,90 10,20 10,65
2 3,80 15,25 12,15
3 4,40 13,40 14,60
4 6,25 13,60 10,90
5 5,55 14,20 16,55
6 8,10 9,85 17,90
7 6,10 10,20 13,35 Total
8 - 11,55 - Geral
42,10 98,25 96,10 236,45
E#-
268,8950 1.237,2275 1.365,5500 2.871,6725

5X =
Além dos dados apresentados no Quadro 5.1, considere ainda que as subáreas possuem 14,4 ha, 16,4
ha e 14,2 ha, respectivamente. O nível de probabilidade será igual a 95% e a precisão requerida, igual a
± 5%.
Com os dados desse exemplo, serão considerados três casos para exemplificar a eficiência da
amostragem estratificada, a saber:
1) A população será tratada como um todo, através da amostragem casual simples.
2) As subáreas serão tratadas de modo independente, através da amostragem casual simples
(inventários independentes em cada subárea).
3) Será considerada a amostragem casual estratificada, pela combinação das estimativas e das áreas
das subáreas, com a locação das unidades de amostra pelo método de fixação ótima.
1o Caso
a) Média estimada
- _ 236,45
= J 0,743
22~
(23<5.45f
2.871,$725
22 15,7320(m5)2
c) Desvio-padrão
S = ±^15,7320 =±3,996
3 QQ6
CV - ± "' 100 = ± 36,89%
10,748
Tamanho da amostra, considerando t(5%; 21 gl) = 2,08 e N = 450
: ■ (cvf 2.082(35.8^
= 154.5 % 155parcelas
( E % f +IMI hf
N 450
Recalculando para t(5%; 154 gl) » 1,96
n =---------------- :-------- — = 142,77 ** 143 parcelas

L962 {36£9)2
(.5 P ■+
450
Conclusão: Para garantir um erro de ± 5%, a 95% de probabilidade, seriam necessárias 143 parcelas.
Nesse caso, seria preciso lançar e medir mais 121 parcelas para a análise do inventário definitivo.
2o Caso
Utilizando as mesmas estatísticas apresentadas no Caso 1, a mesma precisão requerida e o mesmo
nível de probabilidade, têm-se as seguintes estimativas de cada subárea:
* Subárea 1
a) Média estimada da subárea 1
268,8950
S~ = 2,616 (ms)2
6
c) Desvio-padrão
S = ±42816 =±1,617 m
7 7
CV = ± -—- -100 = ±26.89%
6,014
e) Tamanho da amostra, considerando t(5%; 6 gl) = 2,447 e N = 144
78.6 * 19parcelas
Recalculando para t(5%; 78 gl) » 1,994, tem-se:
1,994-^26,89)"
= 63.94 =4; 64parcelas
1.9942 .(26.89 f
(5f -+
144
Nesse caso, seria preciso lançar e medir mais 57 parcelas na subárea 1 para a análise do inventário
definitivo.
* Subárea 2
f=^ll = j2r2S125w3
S
(9S.25)* 2
1 237,2275-
S" 4,37
c) Desvio-padrão
S = ±«J 4,371 =±2,091 nt
2 091
cv ------ 100= ±17,02%
12,28125
2M52.(umy
n■ 45,45 a Al parcelas
\cvf 2J 65" .(17.02)2
(£%f+- (5f
N 154
2.01477(17,02)2
3 6.55 sj 37 parcelas
(-5y . Z01477(17.02 )2
164
definitivo.
* Subárea 3
Y = ^AR = lSí72S5ms
[96,10f
1365,55
7
= 7706 ( nr r
6
c) Desvio-padrão
S =±77,706= ±2,776 m3
■t. y ~7 /C
CV =± — -100 = ±20.22%
137285
l(crf 2.447^.(2022)"
= 51 $6 * 58parcelas
'(cvf {5 j . 2A41 2 Í2022f
N 142
Recalculando para t(5%; 46 gl) = 2,0147, tem-se:
2,003". (2022)"
44,88 » 45pàrcêhis
2
5 f _ 2,003l(2022)
142
definitivo.
O número total de unidades de amostra, considerando-se as três subáreas, será:
ntotai = 64 + 37 + 45 = 146 parcelas
ou seja, dever-se-ia lançar mais 124 parcelas para o inventário definitivo.
Percebe-se que o inventário independente de cada subárea, através da amostragem casual simples, não
resultou em diminuição do tamanho da amostra, em comparação com o Caso 1. Isto poderia ter ocorrido
se a variabilidade dentro de cada subárea fosse menor e maior entre as subáreas.
Analisando o coeficiente de variação no Caso 1 (36,89%), com os coeficientes de cada subárea, no
Caso 2 verifica-se que estes últimos são menores, indicando que a utilização da amostragem
estratificada pode ser mais eficiente, reduzindo o tamanho da amostra, para uma mesma precisão
requerida e para um mesmo nível de probabilidade.
3o Caso
Considerando agora cada subárea como um estrato, têm-se as seguintes estatísticas da amostragem
casual estratificada:
Inventário-piloto
a) Média estimada para cada estrato:
— 42J 0 j
= —=— = 6,014 m
YE = ^^- = 12,28125ms
„ 96,10 i
Y,„
■ m=---------- = 13,7285rjj
b) Média estratificada {*)
- 144 164 142 í

Y=------- . 6,014--------- .12,28125+---------. 13.,7285 = 10,7325 m3
450 450 450
c) Variância e desvio-padrão por estrato
{423 O)2
26S,S950--
---- 7------= 2,616(ms f SI=±l,617ms
T
{98,25)7
1.237f2275-
s
--------8----- = 4,371(m3 f S, = ± 2,091 m
7
(96,ioy
1.365,55 - -
----- 7 - ---- = 7706(m 3 f S s =±2776m s
J
d) Tamanho da amostra pela fixação ótima, considerando-se t(5%; 21 gl) = 2,08
Para facilitar o cálculo do tamanho da amostra será necessário transformar a precisão requerida
porcentual em termos absolutos e preencher um quadro auxiliar.
O erro absoluto em torno da média foi assim obtido:
E = ±10,7325. 0,05 = 0,53663 ms
O quadro auxiliar, com as respectivas estimativas, apresenta o seguinte formato:
Estrato rij h | PjSj
i 7 144 0,320 2,616 1,617 0,8371 0,5175

ii S 164 0,364 4,371 2,091 1,5910 0,7611
m 7 142 0,316 7,706 2,776 2,4351 0,8772
Totais 22 450 1,000 4,8632 2,1558
De posse dos dados do quadro auxiliar, calculou-se o tamanho da amostra:
(£f +
N
n■ CLp±)
■1^;
(Ef-i N
2.08l(2J558):
n = (50,07 ^ 6Ipatvelas
(0,53663f+2-08'4-86j2
450
2.002.(2.1558)3
= 5613 a 51 parcelas
23D0 .4,8632
(0,53çm? +
450
Nesse caso, para garantir um erro de ± 5%, a 95% de probabilidade, seriam necessárias 57 parcelas,
e) Alocação das parcelas (fixação ótima)
pjsj
J=!
Considerando os três estratos, tem-se:
fij = ^ ' I / ■ 57 = 13.68 nis 14 parcelas

21558
0.7611
57 = 2012 jÈtus 20parcelas
21558
0*8772 7
fi rrr =----------• 57 = 2519 nm ~ 23 parcelas
21558
De acordo com o método de fixação ótima, será necessário lançar e medir mais 7 parcelas no estrato 1,
12 parcelas no estrato 2 e 16 parcelas no estrato 3. Assim sendo, considere os dados a seguir (Quadro
5.2) como sendo do inventário definitivo (57 parcelas).
* Inventário definitivo
Quadro 5.2 - Estimativas de volume e respectivas estatísticas dos três estratos
Volume (m3) - Y
Parcela
Estrato 1 Estrato 2 Estrato 3
1 7,90 10,20 10,65
2 3,80 15,25 12,15
3 4.40 13,40 14,60
4 6,25 13,60 10,90
5 5,55 14,20 16,55
6 8,10 9,85 17,90
7 6,10 10,20 13,35
3 6,60 11,55 14,90
9 7,40 9,25 9,70
10 5,35 11,30 15,20
11 5,90 13,95 13,45
12 4,65 12,70 12,40
13 4,25 10,15 14,45
14 S,25 14,90 13,55
15 10,80 12,30
16 11,55 15,65
17 13,90 14,20
18 9,20 17,80
19 12,45 14,80
20 11,90 9,35
21 12,60
22 13,80
23 15,85
84,5 240,3 316,1
K--J
M
538,395 2955,91 4461,335

M
II
a) Média estimada de cada estrato
Z = (5.03(5 m5
Yu =12.015 nP
Ym=UJ43^
b) Média estratificada (3‘)
7 = 10.6470 ííí 3
c) Variância e desvio-padrão por estrato
Sf = 2.1829 (m3)2 % = ± 1,477?m3
5,} = 3.6161 (V1 ) 2 Sn =±1,9016m3
Sãj = 5.3192 (w3}2 :. Sm -±23063 w3
d) Variância da média estratificada
Para facilitar o cálculo da variância da média estratificada foi elaborado o seguinte quadro auxiliar:
Estralo ü 4 Pj % PjSj m
Sj
i 14 144 0,320 2,1829 1,4775 0,6985 0,4728
n 20 164 0,364 3,6161 1,9016 1,3163 0,6922
ui 23 142 0,316 5,3192 2,3063 1,6809 0,7288
Totais 57 450 1,000 3,6957 1,8938
M \-
.lí
zm zpA (1.8938)2 3.6957 ,,,
Í=1 J 3*1 ----------= 0,0047 i (m3)2
S, N 57 450
e) Erro-padrão da média estratificada
S- = =^j0.05471 = ±0.2339 m3
7 = jV.r = 450 .10.6470 = 4.79115 w3
O erro de amostragem absoluto, a 95% de probabilidade, considerando o valor de t(5%, 56 gl) = 2,0,
será:
E = ±ST ■ t = (0.2339)j(2.0) = ± 0,4(578 m3
Esse erro, em porcentagem, será:
S- t
■100 = = 0 ' i 6 / S ■100 = ±4.39%
7 10.(5470
Posto que a precisão requerida é de ± 5%, o número de unidades de amostra no inventário definitivo foi
suficiente para atender a essa precisão, haja vista que o erro de amostragem foi de 4,39%.
* Em termos do volume por unidade de amostra
lC = f±ST -t = 10.6470 = 0.4678ro3
* Para a produtividade média por hectare
IC = [y±Sv r)
t, areada parcela ;
* Para o volume total da população
IC(7) = N.7±N ,S^t = 450.1<|Ó470±450.0.4(578
= 4.791.157210.51 w3
i) Estimativa do volume por estrato
7r = 144. (5.036 = 8(59.184 nd
Yn= 164.12.015 = 1.970.46 m3
Yjbr = 142.13.743 = 1.951,506 m
SHIVER, B.D.; BORDERS, B.E. Sampling techniques for forest resource inventory. 1. ed. New York.
John Wiley & Sons, Inc., 1996. 356 p.
SOUZA, A.L. Análise multivariada para manejo de florestas naturais: alternativas de produção
sustentada de madeiras para serraria. Curitiba: UFPr, 1989. 255 f. Tese (Doutorado em Ciência Florestal)
- Universidade Federal do Paraná, Curitiba.
Capítulo 6
AMOSTRAGEM SISTEMÁTICA
Segundo Loetsch et al. (1973) a amostragem sistemática consiste em selecionar unidades de amostra a
partir de um esquema rígido e preestabelecido de sistematização, com os propósitos de cobrir a
população, em toda a sua extensão, e obter um modelo sistemático simples e uniforme.
Todos os métodos de seleção sistemática das unidades de amostra não se baseiam na teoria de
amostragem probabilística pelas seguintes razões:
1. Escolhe-se somente uma unidade de amostra ao acaso. As demais não são independentes
(estatisticamente, cada unidade não corresponde a um grau de liberdade). Assim, a variância da
amostra e a da média não podem ser calculadas através dos estimadores usuais, como os da
amostragem casual simples.
2. Escolhida a amostra sistematicamente, todas as outras unidades de amostra que não a integram
têm probabilidade igual a zero de serem eleitas, enquanto as que integram-na possuem probabilidade
1 de seleção, ou seja, muitas unidades de amostra são, nesse caso, rejeitadas. Isso se contrapõe ao
princípio básico de seleção.
A amostragem sistemática tem a vantagem de economizar tempo na obtenção dos dados de campo,
pois, com ela, tem-se menor tempo de caminhamento entre as unidades de amostra, pela uniformidade
de sua distribuição. Além disso, segundo Husch et al. (2003), outras razões justificam o uso da
http://www.mensuracaoflorestal.com.br/capitulo-6-amostragem-sistematica 1/8
amostragem sistemática, entre elas: a redução de custos ocasionados pelo caminhamento entre as
unidades de amostra, a facilidade de seleção das unidades de amostra e a maior facilidade na alocação
das parcelas no campo, por estarem as unidades de amostra distribuídas uniformemente. Outra
vantagem, talvez a maior delas, é que, com o emprego do método, é possível mapear a população.
2. Amostragem sistemática em faixas
Utilizando-se faixas como unidades de amostra, a distribuição sistemática é acompanhada primeiro pela
divisão da área em N faixas. As unidades são, então, selecionadas em intervalos de Kfaixas, de forma a
comporem uma amostra de n faixas. O intervalo entre as faixas é dado pela seguinte expressão:
í?
em que: N = número total de faixas; e n = números de faixas para satisfazer determinada precisão
requerida.
A seleção das n faixas, em um esquema de amostragem sistemática, pode ser conduzida de duas
maneiras:
1. Selecionar aleatoriamente um número entre 1 e N para definir a primeira faixa a ser selecionada.
Unidades de amostra, considerando um intervalo de K faixas, são selecionadas do lado direito e do
lado esquerdo da faixa inicialmente selecionada para compor uma amostra de n unidades.
2. Selecionar aleatoriamente um número entre 1 e K como sendo o número da faixa inicial. Todas as
faixas subseqüentes serão selecionadas, considerando-se um intervalo de K faixas para compor uma
amostra de n unidades.
Ambos os procedimentos irão produzir o mesmo número de unidades de amostras distribuídas
sistematicamente. O primeiro produzirá estimativa não tendenciosa da média, enquanto o segundo
poderá fornecer um resultado levemente tendencioso se o valor de N não for múltiplo exato
de K (HUSCH et al„ 2003).
3. Amostragem sistemática utilizando parcelas de área

fixa
Quando são utilizadas unidades de amostra, como parcelas de área fixa, em um esquema de
amostragem sistemática, a amostra deve ser tomada em duas dimensões, isto é, as unidades de
amostra têm de ser escolhidas em intervalo de K unidades em duas direções normais (90°),
considerando linhas e colunas. Para isso, deve-se dividir a população de acordo com o tamanho das
unidades de amostra, em N unidades. (PELLICO NETO e BRENA, 1997).
A seleção das unidades de amostra em um intervalo de K unidades pode ser conduzida de maneira
análoga à descrita para as faixas, considerando-se, contudo, duas dimensões em vez de uma. A seguir
são descritas duas maneiras de distribuir as unidades de amostra sistematicamente em uma floresta:
1. O primeiro passo é selecionar aleatoriamente um número entre 1 e o número total de colunas. Em
seguida, de forma semelhante, selecionar, aleatoriamente, uma das linhas. Os dois números indicam
a coordenada da primeira unidade de amostra a ser selecionada. As demais unidades de amostra,
conforme comentado anteriormente, são tomadas a cada K unidades em direções normais.
2. A seleção das unidades de amostra inicia-se em um dos cantos da população. Em seguida, a
seleção das unidades é feita considerando um quadrado de K por K unidades, de forma que a
primeira unidade de amostra seja selecionada entre 1 e K linhas e 1 e K colunas. Todas as unidades
subseqüentes serão tomadas levando-se em conta um intervalo de K unidades em duas direções.
4. O problema estatístico
Conforme exposto, a amostragem sistemática tem como desvantagem fundamental a impossibilidade de
se deduzir um estimador para a variância da média, por meio de uma única amostra, haja vista que a
escolha das unidades amostrais não é um processo independente.
Para contornar esse problema, pode-se casualizar a primeira unidade de amostra e a partir dela,
seguindo um esquema rígido, selecionaras demais unidades, constituindo, dessa maneira, uma amostra
composta de n unidades. Esta amostra, por sua vez, pode ser considerada uma das possíveis
combinações de n unidades de amostra, em uma amostragem casual simples. Segundo Campos e Leite
(2009), as expressões dessa amostragem resultam em estimativas livres de tendência, à medida que
aumenta a homogeneidade da população quanto à distribuição dos seus elementos constituintes ou
indivíduos.
Havendo heterogeneidade entre as áreas do povoamento florestal, deve-se proceder, quando possível, à
estratificação com posterior sistematização das unidades de amostra dentro de cada estrato, sendo a
primeira unidade de amostra selecionada ao acaso dentro do estrato. Dessa forma, utilizam-se as
expressões da amostragem casual estratificada para o cálculo das estimativas populacionais.
Alternativamente à estratificação, pode se utilizar o método das diferenças sucessivas para o cálculo da
variância da média, em situações em que se verifica uma tendência linear (gradiente de variação) entre
os elementos da população. Em casos de incertezas quanto à homogeneidade da distribuição dos
elementos na população, deve-se utilizar esse método para o cálculo da variância da média, em vez do
estimador da variância da média na amostragem casual simples, uma vez que esse método considera
que as unidades de amostra não são totalmente independentes.
5. Exemplo
Para exemplificar o uso dos estimadores da amostragem casual simples e do estimador da variância da
média pelo método das diferenças sucessivas, considere os dados de um inventário realizado em uma
floresta de eucalipto de 10 ha, em que foram lançadas 18 parcelas de 0,02 ha de área cada, distribuídas
sistematicamente. Os volumes das parcelas, nas três linhas de amostragem, foram:
Linha Parcelas - Volume (m3)
1 2 3 4 5 6 Total
i 6 8 9 10 13 12 58
2 23 24 20 20 19 18 124
3 26 30 31 31 33 32 183
365
Para o exemplo em questão, foi considerado o seguinte sentido de caminhamento, indicado pelas setas:
6 -» 3 -f 9 10 -» 13 12
4
23 <- 24 <-20 <-20 <-19 <- 18
i
26 -» 30 ->■ 31 31 33 -» 32
1o) Caso
Considerando os estimadores da amostragem casual simples, tem-se:
a) Média estimada
- 365 ,
Y =------- = 20,2S m3
IS
{365'f
8.795
IS
s- S1,9S( m3 )2
17
c) Desvio-padrão
S = ±^81,98 = ^9,054 m3
9,054
CV = ± ■ J00 = ±44,64° o
20,28
\S1,98 f ] _
\í 18 500)
Sf =±2,095 m3
f) Estimativa da produtividade total para a população
Y = N ■ Y = {500) - [20,28)= 10.140 nr
O erro de amostragem em porcentagem, considerando-se um nível de probabilidade igual a 95% e o
valor tabelado de t - 2,110, a 17 graus de liberdade, é:
ST-t 2,095.2,110
~Em —— ± ——— '100 — ± ■100 = ±21.80%
Y 20,28
O intervalo de confiança para o volume total da população, a 95% de probabilidade, é:
IC = N/Y ± N. S- • t
IC = 10.140 ± 2.210,225 ms
Analisando a Figura 6.1, observa-se que os volumes das parcelas tendem a aumentar do início do
caminhamento para o final, indicando um gradiente de variação. Caso não seja possível identificar áreas
homogêneas quanto à variável de interesse no campo para estratificar a floresta, o erro-padrão da média
deverá ser obtido através do estimador das diferenças sucessivas.
O estimador do erro-padrão da média, considerando-se as diferenças sucessivas, é dado por:

M
1
-N
' N-TI )
t
{*)
em que: n = número de unidades amostradas (igual a 18 neste exemplo); e N = número total de
unidades de amostra (igual a 10/0,02 = 500).
Figura 6.1 - Volumes das parcelas em relação ao sentido de caminhamento.
2o) Caso
Considerando o caminhamento mostrado anteriormente, tem-se que:
^ (Z -- {6-8}2 + (8-9)2 + ... + (33-32)z = 102
Assim,
j 102 f 500-1S\
Sy = ±0,4008 m3
2.18(17)' { 500 )
Considerando-se um nível de probabilidade de 95% e um valor de ípara 17 graus de liberdade igual a

2,110, o erro de amostragem em porcentagem será igual a:
E%=±Mâl*Í00=± 0’S43/.100 = 4,17%

Y 20,28
O intervalo de confiança para o total da população será:
IC = N .Y ±N ,ST .t = 10A40± 422,84 m3
CAMPOS, J.C.C.; LEITE, H.G. Mensuração florestal: perguntas e respostas. 3- ed. Viçosa, MG:
Editora UFV, 2009. 548 p.
Inc, 2003. 443 p.
LOETSCH, F.; HALLER, K.E.; ZOHRER, F. Forest inventory. 2. ed. Munich: BLV Verlagsgesellschaft,
1973. v. 2, 469 p.
PELLICO NETO, S.; BRENA, D.A. Inventário florestal. Curitiba: [s.l.]: 1997. 316 p.
Capítulo 7
AMOSTRAGEM EM MULTIESTÁGIOS
Em situações em que a realização de um inventário florestal está condicionada a restrições

orçamentárias e de tempo para a execução do trabalho, entre outros fatores limitantes, algumas
alternativas podem ser ventiladas para a realização do inventário (SHIVER; BORDERS, 1996):
1. Para atendimento da restrição de tempo, poder-se-iam contratar mais pessoas para realizar o
inventário. Esta alternativa pode encarecer muito o inventário, principalmente devido à
disponibilização de mais equipamentos e aos custos referentes aos encargos sociais, além de
mobilizar uma estrutura logística maior.
2. A floresta poderia ser inventariada com uma baixa intensidade amostrai. Nesse caso, poder-se-ia
se ter uma baixa precisão em relação às estimativas do estoque volumétrico, não atendendo aos
objetivos do inventário.
3. Estimativas do volume de madeira de florestas vendidas anteriormente poderiam servir como base
para o cálculo do estoque de madeira da floresta em questão.
Essas alternativas, obviamente, não são as ideais, ou seja, o inventário deveria ser realizado com uma
intensidade amostrai tal que: garantisse a precisão das estimativas, fosse viável economicamente e
pudesse ser realizado dentro do prazo de tempo estabelecido.
http://www.mensuracaoflorestal.com.br/capitulo-7-amostragem-em-multiestagios 1/10
Uma estratégia de amostragem muito empregada para contornar a situação apresentada anteriormente
é a utilização da amostragem em multiestágios, que é um método de seleção probabilístico com restrição
das unidades de amostra, haja vista que o segundo estágio ficará restrito dentro do primeiro. Essa
estratégia consiste, portanto, na divisão da população em unidades denominadas primárias, as quais são
subdivididas em unidades menores denominadas secundárias, que também podem ser subdivididas,
formando estágios sucessivos.
Deve-se ressaltar que a amostragem em multiestágios é uma alternativa que deve ser seguida para
fornecer boas estimativas no inventário de áreas extensas ou de difícil acesso quando não é possível
realizar um inventário florestal com uma intensidade amostrai adequada para atender a uma precisão
requerida, ou seja, ela deve ser preferencialmente utilizada em substituição à amostragem com baixa
intensidade amostrai.
De acordo com Husch et al. (2003), a principal vantagem da amostragem de multiestágio é a

concentração do trabalho de medição nas unidades primárias selecionadas, permitindo redução no
custo, principalmente no caminhamento pela floresta, bem como melhor supervisão e checagem das
atividades de campo.
No caso da amostragem em dois estágios, que é o esquema mais utilizado em inventários florestais,
algumas unidades primárias são selecionadas aleatória ou sistematicamente do conjunto das N unidades
primárias, e, dentro de cada unidade de amostra primária selecionada, unidades secundárias são
selecionadas e medidas, conforme exemplificado na Figura 7.1.
Figura 7.1 - Exemplo de amostragem em dois estágios com 12 unidades primárias divididas em 16
secundárias cada, sendo selecionadas, aleatoriamente, quatro unidades primárias e quatro secundárias
dentro das unidades primárias escolhidas.
2. Estimadores da amostragem em dois estágios
Quando as unidades primárias são selecionadas aleatoriamente na população e as secundárias dentro

dessas unidades primárias também são selecionadas aleatoriamente, o valor médio por unidade
secundária, na i-ésima unidade primária (Y- ), é dado por:
z**
----
m
em que: Yy = quantidade da variável Y na j-ésima unidade de amostra da i-ésima unidade primária;
e m = número de unidades secundárias medidas nas unidades primárias selecionadas.
A variância entre as unidades secundárias na i-ésima unidade primária é dada por:
(mV
5X
S- = tL
m -1
A estimativa média por unidade secundária na população é obtida através da seguinte expressão:
nm
zí*.
y _ r=i j=l
nm
em que: n = número de unidades primárias selecionadas no primeiro estágio; e m = número de unidades

secundárias medidas nas unidades primárias selecionadas.
A variância dentro das unidades primárias é obtida através da seguinte expressão:
lam-u
n.(m — l) " n.(m-l)
A variância entre as unidades primárias é dada por:
^.(X-rr
__________ _ s J
------------
n — il -------
*; =
m
O número de unidades primárias para atender a uma precisão requerida (E), em certo nível de
probabilidade, será obtido pelas seguintes expressões:
para populações finitas
para populações infinitas
Se o número de unidades primárias selecionadas no inventário-piloto for suficiente para atender à

precisão requerida, em certo nível de probabilidade, devem-se calcular as estatísticas do inventário
definitivo, do contrário, sortear a(s) unidade(s) primária(s) e as secundárias dentro da(s) unidade(s) para
completar a amostra.
A estimativa da variância da média (11 ) em uma população finita é dada por:
A variância da média em uma população infinita é dada por:
n }) m
O erro-padrão da média é dado pela seguinte expressão:
A estimativa para o total da população, por sua vez, é obtida por:
Y = N.M.Y
em que: N = número total de unidades primárias na população; e M = número total de unidades

secundárias dentro das unidades primárias.
O erro de amostragem em porcentagem é dado por:
E% = —jLlf. _ ] oo
Y
O intervalo de confiança para o total da população será dado por:
IC = X.M.Y±N.M.tS7
Embora os estimadores da amostragem em dois estágios possam parecer complexos e “grandes”, eles
podem ser facilmente conhecidos se forem organizados e calculados passo a passo, conforme
demonstrado nos tópicos subseqüentes.
2.1. Exemplo
Seja uma floresta de 10.000 ha, dividida em unidades primárias de 100 ha cada (N = 100), sendo essas
unidades primárias divididas em unidades secundárias de 1,0 ha (M = 100). Assim, realizou-se um
inventário por amostragem em dois estágios, sendo sorteadas inicialmente 10 unidades primárias (n =
10) e, dentro de cada unidade primária, quatro unidades secundárias (m = 4), para estimar o volume total
da floresta. Para isso, considerou-se um nível de probabilidade de 95% e uma precisão requerida de ±
10%.
De posse dos dados abaixo, foram obtidas as seguintes estatísticas:
Unidades Volume das unidades secundárias (m3)

primárias Total
i II m IV
i 39,0 42,0 51,í 58,1 190,2
2 48,0 53,0 72,0 53,4 226,4
3 42,0 55,0 67,2 63,0 227,2
4 63,0 49,0 61,8 66,4 240,2
5 66,0 61,0 63,0 57,7 247,7
6 43,0 62,3 64,2 58,3 227,8
T—Mn
7 65,6 44,0 59,4 81,0 250,0

O
r-
S 72,0 68,3 87,0 298,3

9 76,0 57,1 45,0 58,7 236,8
10 70,0 88,0 71,5 67,3 296,8
2.441,4
Inventário-piloto
a) Média estimada por unidade secundária na i-ésima unidade primária sorteada
190,2 - 227,S 3
t, = = 47,35 nr T6 =----------- = 56,95 m
- 226,4 ___ .. ^ - 250,0 ,

7-. =-------- = 3ô,ó0m 7- =--------— = 62,50 m5
4
- 227,2 M 3 - 298,3
X, =------------= 36,50 m' 7S =---------- = 74,575 m-
v _ 240,2 - 236,5 3
= 60.05 nr 70 =----------- = 59,20 m '
— 2Pò,S í
7, = —- = 61,925 ms Yj0 = —— = 74,20 nr
b) Variância entre as unidades secundárias sorteadas na i-ésima unidade primária sorteada
sj =75,9367 (m3)2 S2Õ =92^367 (m3)1
sf = 111,4400 (m3)2 S3 = 2345733 (m3)2
Sj =122,9600 (m3)2 Sl = 71,0558 (m3)2
S] = 5S,0633 (m3)2 Si = 162,8467 (m3)2
S] =122553 (m3)2 Sjc = 87,6600 (m3)2
c) Média estimada por unidade secundária na população
- 2 4414 *
7 =——- = 61,0350 m-
40
d) Variância dentro das unidades primárias ( 4)
^Sr.lw-l)
3.0S7,6S5
O-___r=i
= 102,9228 (m3)2
n.(m-l) 10.(3)
e) Variância entre as unidades primárias (Sis.

• ):
-Yr
1=1 M 2 400,25-1022228
sJ =______t^zL = 40,9428 (m3)2
m
f) Tamanho da amostra
* E = 0,10.61,0350 = 6,1035 m3;
* N = 100;
* a = 5%;
* M = 100; e
*
t(5%; 9gl) = 2,262.
n- = 5.66 9 unidadesprimárias
1 í
= 8,98^ 9 unidadesprimàrias
Para garantir uma precisão requerida de ± 10% em torno da média, a 95% de probabilidade, são
necessárias nove unidades primárias com quatro unidades secundárias cada. Como o inventário-piloto
foi realizado com 10 unidades primárias, não será preciso lançar e medir mais nenhuma unidade no
campo. Nesse caso, deve-se proceder aos cálculos das estatísticas do inventário definitivo.
a) Variância da média
ÍN-n\ S] (M-m\
--------- . — + ----------------
^N ) n lM ) run
6,1550 (ims)3
b) Erro-padrão da média
5r = ±^6,1550 = 2,4809m3
c) Erro de amostragem em porcentagem
t(5%; 39 gl) = 2,02
24809.2,02
E% = .100 = 8,21%
61,0350
d) Volume total da populaçao
IC = 100.100.61,0350 = 610.350,00
e) Intervalo de confiança para o volume total da população
IC = 100.100.61,0350±100.100.2,02.2,4S09
IC = 610350,00 ±50.114,13 m 3
Inc, 2003. 443 p.
SHIVER, B.D.; BORDERS, B.E. Sampling techniques for forest resource inventory. 1. ed. New York.
John Wiley & Sons, Inc., 1996. 356 p.
Capítulo 8
ESTIMADOR DE RAZÃO
Nos procedimentos de amostragem descritos e exemplificados até agora, a variável de interesse era
medida em todas as unidades de amostra. No entanto, em algumas situações a variável de interesse no
inventário pode ser de difícil estimação ou ser extremamente cara a sua obtenção. Nessas situações,
torna-se necessário o uso de uma variável auxiliar, de fácil obtenção e cujo valor total na população seja
conhecido, para estimar a variável de interesse. Esse é o fundamento teórico do estimador de razão.
O estimador de razão, contudo, pode ser perfeitamente aplicado no caso de se utilizarem parcelas com
áreas diferentes no inventário florestal, seja porque foram lançadas no campo com áreas diferentes
(Figura 8.1), seja porque tiveram suas áreas corrigidas em função da declividade do terreno.
Figura 8.1 - Unidades de amostra (faixas) com áreas diferentes.
http://www.mensuracaoflorestal.com.br/capitulo-8-estimador-de-razao 1/4
Ao serem utilizadas unidades de amostra com áreas diferentes para a estimação do volume de madeira
ou de outras variáveis na floresta, pode-se destacar que a variabilidade entre as unidades de amostra se
deve à variação natural da floresta (intrínseca) e ao tamanho da unidade de amostra. Para que essa
variabilidade seja uma expressão somente da variabilidade natural da floresta, alguns procedimentos
podem ser realizados para contornar esse problema:
1) Extrapolar as estimativas das menores unidades de amostra para a área referente à maior unidade.
Esta é uma alternativa viável somente se as áreas das unidades de amostra não diferirem muito entre
si, a exemplo de quando as áreas das unidades são corrigidas em função da declividade do terreno.
2) Extrapolar as estimativas das unidades de amostra com áreas diferentes para uma unidade de área
comum, como o hectare. Esta alternativa implica assumir que, ao extrapolar as estimativas das
unidades de amostra para hectare, o coeficiente de variação entre as unidades será aproximadamente
o mesmo obtido com unidades menores. No entanto, espera-se que unidades de amostra maiores
tenham coeficientes de variação menores.
3) Aceitar a diferença de área entre as unidades de amostra e utilizar o estimador de razão. Para
ilustrar tal procedimento, bem como descrever os seus estimadores, tem-se o exemplo a seguir.
2. Exemplo
Da amostra aleatória de 10 faixas (n = 10) tomada em uma floresta composta por 30 faixas (N = 30), em
um estudo de regeneração natural foram obtidas as seguintes estimativas:
Faixa Volume (mi;) —yt Área (m:) - xi

1 6 100
2 6 125
3 £ 140
4 7 140
5 10 ISO
6 9 200
1 12 200
S 4 90
9 5 90
10 4 100
*Dados
* Área da floresta = 4.185 m2
* a = 5% * Txt = 1.365 m2 *X= 4.185 m2
*N=1Q * Eyí = 71 nf *Xyt = 567 (m5)2
* n = 10 *1x^=10.660 = 203.425 (m2)2
* Estatísticas
a) Estimativa da razão populacional (R ):
y Vi 7i
R = ^2- = ------ ------------- = 0,05201 mW
X*. 1365
b) Estimativa do volume total da população ( T ) :
n \ Vj 71 ,
Y = 4êt±-X=------------------------- .4185 = 217,68 nr
Ex* 1363
c) Variância para o total da população [ V(H]:
V( Y > = 50:. í i0~10 1. —í—. ( S67+ 0,05201 205425- 2.0,0521. 10.660i = 56,1305 (ms):
l 50 ; 10.(9)
d) Intervalo de confiança para o volume total da população
t(5%; 9 gl) = 2,262
IC = Y ± t . ^ j V ( Y )
1C = 217,6S ±2,262.456 J 305
IC = 217,6S±16,94Sms
e) Erro de amostragem em porcentagem
100 = 7,79o o
217,6S
Capítulo 9
AMOSTRAGEM EM OCASIÕES SUCESSIVAS
O inventário florestal em ocasiões sucessivas, também denominado Inventário Florestal Contínuo (IFC),
é realizado com o objetivo de analisar as mudanças ocorridas na floresta durante certo período de
tempo. Com isso, pode-se realizar o monitoramento de planos de manejo em florestas naturais,
determinar a idade de colheita técnica e econômica em florestas plantadas e gerar dados para a
modelagem de crescimento e da produção florestal.
O período de tempo entre medições sucessivas depende da taxa de crescimento da floresta e do custo
para a realização do inventário. No Brasil, os inventários contínuos (IFCs) são realizados anualmente em
plantações e a cada dois ou três anos no caso de florestas naturais, de preferência nas estações mais
secas do ano.
2. Procedimentos de amostragem
Entre os procedimentos de amostragem que podem ser utilizados nos inventários florestais em
sucessivas ocasiões, destacam os apresentados nos tópicos subseqüentes.
2.1. Amostragem com repetição total das unidades de amostra
http://www.mensuracaoflorestal.com.br/capitulo-9-amostragem-em-ocasioes-sucessivas 1/25
Também denominado Inventário Florestal Contínuo (IFC) propriamente dito, neste procedimento se
utilizam unidades de amostra permanentes, as quais são medidas em todas as ocasiões. Embora seja o
procedimento ideal para avaliar o crescimento, deve-se ressaltar que as árvores dentro das unidades de
amostra devem ser mapeadas e, ou, identificadas através de plaquetas metálicas, para que a análise do
crescimento seja completa. Apenas marcar o limite da unidade de amostra não é o bastante nesse caso.
A utilização de parcelas permanentes, com controle de árvore a árvore, permite avaliar alterações na
estrutura interna da floresta, através da análise dos seguintes componentes:
Ingresso (I): diz respeito às árvores que atingiram um tamanho mínimo mensurável, preestabelecido em
função do uso da madeira.
Mortalidade (M): diz respeito às árvores que morreram durante um período de tempo.
Corte ou desbaste (C): trata-se de árvores que foram removidas da floresta para um uso qualquer ou por
questão fitossanitária.
Crescimento propriamente dito (AY): refere-se à mudança nas dimensões das árvores durante o período
de crescimento.
Esses componentes podem ser expressos em termos do número de árvores, volume, área basal, entre
outros.
Em florestas naturais tropicais, nas quais a dinâmica de crescimento é complexa em função da sua
composição florística e do estágio de sucessão e, ou, degradação, a análise desses componentes serve
de balizamento para as tomadas de decisão e para as atividades a serem implementadas nos planos de
manejo florestal.
A título de exemplo, se em duas ocasiões sucessivas parcelas permanentes forem medidas e o volume
permanecer praticamente constante, isso não quer dizer que as árvores da floresta não cresceram. Pode
ter havido remoção de algumas delas, porém as árvores remanescentes cresceram, de tal forma que os
volumes nas duas ocasiões podem ter sido os mesmos. Percebe-se que essa análise do crescimento só
poderá ser realizada se as árvores estiverem identificadas em cada ocasião do inventário.
No caso de florestas plantadas, o ingresso (I), por exemplo, tem peso relativamente pequeno na análise
do crescimento. Estudos, no Brasil, têm apontado que, após 24 ou 30 meses, o número de árvores que
ingressam nas medições (normalmente árvores com DAP> 5,0 cm) é muito pequeno. A mortalidade, por
sua vez, tem peso maior, por ser um indicativo do grau de competição dentro da floresta, da capacidade
produtiva do local e de condições fitossanitárias, indicando ou não a necessidade de intervenções na
floresta.
Através de inventários em ocasiões sucessivas, podem-se definir as curvas e expressões do

crescimento em florestas plantadas (Figura 9.1).
Figura 9.1 - Curva de crescimento acumulado ou produção e curvas de incremento corrente (IC) e
incremento médio (IM).
Em que:
* Incremento Corrente (IC)\ é a diferença entre as dimensões de uma árvore ou uma floresta tomadas no
fim (Y2) e início (Y-i) do período de crescimento. O Incremento Corrente Anual (ICA) é calculado pela
seguinte expressão:
ICA = Y 2 - Y l
* Incremento Médio (IM): é quanto a floresta cresceu em média até uma idade (I) qualquer. O Incremento
Médio Anual (IMA) é calculado por:
Y
IMA = -
1
* Idade Técnica de Colheita (ITC): idade na qual se deve realizar a colheita da madeira, do ponto de vista
técnico. Ela ocorre no ponto máximo da curva do IMA.
Além das expressões do ICA e do IMA, pode-se calcular o Incremento Periódico Anual (IPA). Essa
expressão de crescimento normalmente é calculada para florestas naturais, em que o inventário é
realizado em períodos de tempo (t) superiores a um ano. O IPA é dado pela seguinte expressão:
jf
2.1.1. Exemplo 1
Através de medições sucessivas em uma plantação de eucalipto, obteve-se a produtividade média, em
m3/ha, aos 36, 48, 60, 72 e 84 meses de idade. Com as expressões definidas anteriormente, foram
calculados os Incrementos Correntes Anuais e os Incrementos Médios Anuais e definida a respectiva
Idade Técnica de Colheita:
Idade Volume ICA IMA

(meses) (írôlia) (m:7lia) (m-lia. ano)
36 85.12 - 28.71
48 131,81 45.69 32,95
60 172,91 41,10 34,58 => ITC = 60 meses
72 206.93 34,02 34.49
84 232,00 25,07 33,14
2.1.2. Exemplo 2
Para ilustrar o uso de parcelas permanentes na avaliação do crescimento de uma floresta de eucalipto
em um inventário contínuo, sejam as seguintes estimativas de volume por hectare de 10 unidades de
amostra, selecionadas aleatoriamente e medidas em 1996 e remedidas em 1997:
Unidade de amostra Volume (rnMia)

Ia ocasião (1996) 2a ocasião (1997)
1 211,5 261.0
2 220,5 280.5
3 185,0 229,5
4 205,5 264,0
5 199,5 240,0
6 165,0 225,0
7 189,0 246.0
8 198,0 255,0
9 174,0 222.0
10 166,5 228.0
* Dados
* Área = 90,0 ha * N = 1.500 * a = 5% * E% = ± 10% * Parcelas = 600 m2
* Primeira ocasião (1996)
a) Média estimada
— 70 J 4 S
r, = - = 191,45 msfha
10
(i 914,5 f
369.756,3
10 = 358,3639 (msfha)2
9
c) Desvio-padrão
Sj =:l^35S,3639 = ±1S, 9305 ms/ha
d) Erro-padrão
Í35S,3639
íi iíJ ) ■±^,9664 (10/ha)
r, j 10 ^ 1.500)
e) Erro de amostragem em porcentagem => t(5%; 9 gl) = 2,262
5,9664.2,262
EBo = .100 = ±7,05%
191,45
O erro de amostragem calculado foi menor do que a precisão requerida. Nesse caso, não será
necessário lançar mais nenhuma unidade no campo. Contudo, cabe ressaltar que, uma vez que o
inventário será realizado em mais de uma ocasião, deve-se ter em mente que a intensidade amostrai na
primeira ocasião deverá atender à precisão requerida em outras ocasiões. Para isso, devem-se lançar
mais parcelas do que o indicado na primeira ocasião, dando margem a um possível aumento do erro de
amostragem calculado.
* Segunda ocasião (1997)
a) Média estimada
2.451
Y --------= 245,1 m-fhain
10
{2451)2
604.201p
10 = 3S4,60 (m3/ha):
9
c) Desvio-padrão
S2 = 384,60 =-19,6112 m:'/ha
d) Erro-padrão
l3S4,60 ( ] 0 )
} ±6,1 S09 (m5fha)
1 ™ C 1500}
e) Erro de amostragem em porcentagem => t(5%; 9 gl) = 2,262
±sjm2je2
245,1
* Análise do crescimento em volume no período 1996-1997
a) Crescimento (ou diferença entre as médias)
ãm = Y: - Y, = 245,1 -191,45 = 53,65 m-'fha
b) Erro-padrão
2Sv i-,
V. • S : n
sendo:
Vrr
10 544piS9 W/ha)2
■V r- n—1
Assim,
2x344,0389
h. = (5,9664)* + (6J S09}~ = ±2,2347 m-Zha
' 1Ú
c) Erro de amostragem para o crescimento => t(5%; 18 gl) = 2,101
±2,2347.2,101
E% . 100 = ± S,75%
53,65
d) Intervalo de confiança do crescimento
IC = 53,65 ± 2J01.2,2347
IC = 53,65 ± 4,6951 ms/ha
2.2. Amostragem sucessiva independente
Neste procedimento de amostragem são utilizadas parcelas temporárias, as quais são medidas uma
única vez, sendo abandonada toda a estrutura de amostragem para a medição no período seguinte. Este
não é o melhor procedimento para analisar as mudanças na floresta, uma vez que os indivíduos
(árvores) amostrados não são os mesmos em cada ocasião.
Na análise do crescimento utilizando parcelas temporárias, podem ser empregados os estimadores da
amostragem casual simples em cada ocasião, caso as unidades de amostra tenham sido selecionadas
aleatoriamente, à semelhança da amostragem com parcelas permanentes no item anterior. No entanto,
na análise do crescimento a estimativa do erro-padrão da diferença média será obtida por:
+
sí #1
Esse estimador é semelhante ao do erro-padrão da diferença média na amostragem com parcelas
permanentes. No entanto, como as unidades não são as mesmas nas duas ocasiões, a co-variância
entre elas é zero.
2.2.1. Exemplo
Considerando os dados apresentados no exemplo do item 2.1.2 como de inventários sucessivos
utilizando parcelas temporárias, têm-se as seguintes estatísticas paras as duas ocasiões:
Estatísticas Primeira ocasião (1996) Segimcla ocasião (1997)
F 191,45 mMia 245.10 m3/há

358.3639 (mMia)2 384,6000(m3;lia)2
5 ± 18,9305 m3/ha ± 19.6112 mVha
± 5.9664 Bof ha ± 6,1809 m3/ha
%
E% 7,05 5,70
* Análise do crescimento em volume no período 1996-1997
dm = Y: - Y 1 = 245,1 -191,45 = 53,65 ms/ha
b) Erro-padrão
S , = ±J(5, 9664) - - r { 6,1809)' = ±S,590S nèfha

“m ■
Uma vez que a co-variância entre as medidas das duas ocasiões é igual a zero, o erro-padrão da média
aumenta significativamente o seu valor, em comparação com o erro-padrão da média na amostragem
utilizando parcelas permanentes (exemplo do item 2.1.2).
c) Erro de amostragem do crescimento => t(5%; 18 gl) = 2,101
:S,590S. 2,101
E% = ■ .100 = ±33,64%
53,65
d) Intervalo de confiança do crescimento
/C = 53,65 ± 2,101. S,590S
1C = 53,65 ±1S,05 m}/ha
2.3. Dupla amostragem
Neste procedimento de amostragem sucessiva, apenas parte das unidades de amostra medidas em uma
primeira ocasião é remedida em uma segunda oportunidade. Assim, a estimativa da média da população
é obtida na segunda ocasião, com o auxílio de regressão linear.
Esse procedimento pode ser utilizado no caso de restrições orçamentárias em que não é possível
remedir todas as unidades de amostra em uma segunda ocasião ou no caso de áreas de difícil acesso
em que, por qualquer impedimento, podem ser medidas somente algumas unidades de amostra.
2.3.1. Exemplo
Para ilustrar a utilização deste procedimento em inventários sucessivos, têm-se os dados de 20 unidades
de amostra de 0,5 ha cada, selecionadas aleatoriamente e medidas em uma primeira ocasião, em uma
floresta de 100 ha, das quais apenas 12 foram remedidas em uma segunda ocasião.
Volume (m3)
Primeira ocasião - x Segunda ocasião - y
66,0 -
61,0 -
54,0 -
78,0 -
50,0 -
77,0 -
60,0 -
29,0 -
93,0 119.0
82,0 113,0
45,0 77.0
81,0 103,0
27,0 42.0
47,0 67,0
54,0 S2.0
39,0 57,0
95,0 116.0
38,0 61,0
70,0 86,0
92,0 109,0
* Dados
N = 200, o = 5% e f(5%; 19 gl) = 2,093
* Notações
= número total de unidades de amostra medidas na 1a ocasião => 20;
u = número de unidades de amostra medidas na 1a ocasião e que não foram medidas na 2a => 8;
n2 = m = número de unidades de amostra medidas na 1a ocasião e remedidas na 2a => 12;
Pu = proporção de unidades de amostra medidas na 1a ocasião e que não foram medidas na 2a => 8/20
= 0,4; e
Pm = proporção de unidades de amostra medidas na 1a ocasião e remedidas na 2a => 8/12 = 0,6.
* Primeira ocasião
a) Médias estimadas
a.1) das unidades de amostra medidas na 1a ocasião e que não foram medidas na 2a (u = 8)
- 475
Y=---------= 59375 m- 3
8
a.2) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (m = 12)
- 763 *
Ym = ------------------ = 63383 m~
12
a. 3) de todas as unidades de amostra medidas na 1a ocasião (n-| = 20)
- 1.238
7;=----------= ól,P00n3
20
b) Variâncias e desvios-padrão estimados
b. 1) das unidades de amostra medidas na 1a ocasião e que não foram medidas na 2a (u = 8)
= 249,125(m3J Sw = ±-j249,125 = ±15,78 m3
b.2) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (m = 12)
<763r
55.167-
12 604,81l[m3): :■ S* =±^604,811 = ±24,59ms
11
b.3) de todas as unidades de amostra medidas na 1a ocasião (n1 = 20)
(1,238)2
S5.114-
Sj = 20 446,411 [w1 I' Sj =±<J446,411 = ±21,13 m
19
c) Variância da média
446,411
fi 20 1 = 20,09 (m3)2
i -vj 20 t 200)
d) Erro-padrão
ST/ = ±^20,09 = ±4,482 m5
e) Erro de amostragem em porcentagem
:Sr t ±4,482.2,093
E% = .100 = .100 = 15,15%
61,900
f) Volume total estimado na primeira ocasião
Yj = NYj = 200.61,900 = 12.3S0,0 m?
g) Intervalo de confiança para a média e para o volume total
IC = Y1 ± tX- = 61,900 ±9,381 m3
IC = N. Y1 ± N. t.St = 12.380,0 ± 1.876,165 nr
* Segunda ocasião
Com os dados das unidades de amostra medidas na segunda ocasião, obtiveram-se as seguintes
estatísticas:
a) Média estimada
1.032 ^,ÁÁA j
7- --------= Só ,000 m'
12
[1032):
96.14S
12 = 672,364 (m\)2
11
c) Desvio-padrão
■'S* = ±4672,364 = ± 25,93 ms
d) Estimativa média na segunda ocasião, obtida por regressão
tal que a estimativa do coeficiente angular é dada por:
n2
A =--------------
X*2 Hj
em que: X e Y = volumes das unidades de amostra medidas na 1a ocasião e remedidas na 2a,
respectivamente.
Assim,
[763).[1.032)
72.461
Í2 6.843
1,028571
(763Y_ 6.652,92
55.167-
12
Consequentemente,
Y:r = 86,000^ 1,028571(6]900 - 63,583) = 84,270 nr
Esta é uma estimativa da média se todas as 20 unidades de amostra tivessem sido medidas na segunda
ocasião.
e) Variância da média obtida por regressão
sendo:
/ \
[ó.S43):
35,7493 m)2
6.652,92
Desta maneira,
35,7493 _ 672,364 - 35,7493

= 34,810 (m3)2
12 20
f) Erro-padrão obtido por regressão
S1r =±J34,S10 = 5,90nis

:
g) Volume total estimado na segunda ocasião
Y, = N.Y:t = 200.84,270 = 16.854,0 nr
h) Erro de amostragem em porcentagem => t(5%; 11 gl) = 2,201
S? ■ t + T ço 2201
E%=±^á^.l00 = ———-------------------------------------------------------------- .100 = 15,41%
Y2t S4,270
i) Intervalo de confiança para a média e do volume total
IC = f2r ± tSf = 84,270 ±12,986 m*
IC = N.% ±N.t. Sv = 16.854,0±2.59720 m1
* Análise do crescimento
3 = f2r 2fj = 84270-61,900 = 22,37 ms
b) Variância
l + r.[r-2'j
(si-sYl
sendo:
J32 ■ Sm 1,028571.24,59
r= = 0,9754
S- 25,93
Assim,
l + 0,9754.{0P754-2)
(i672,364 - 35,7486).
0P7542
sd
20
c) Erro-padrão
f| = ±4^00 = ±1,732 ms
d) Crescimento total estimado
7 = d . N = 22,37.200 = 4.474,0 m3
e) Erro de amostragem porcentual => t[5%; (nr1) + (n2-1) = 30 gl] = 2,042
E%± 100= 15,SI%

d 22,37
f) Intervalo de confiança para crescimento
IC = d ±t.Sj =22,37±3,537t}r*
IC = N. d ± N. t.S3 = 4.474,0 ± 707,4 m3
2.4. Amostragem com repetição parcial das unidades de amostra
Neste procedimento de amostragem sucessiva, parte das unidades de amostra medidas na primeira
ocasião é remedida em uma segunda e a outra parte se refere a unidades de amostra novas. Ware e
Cunia (1962), citados por Pellico Netto e Brena (1997), apresentaram, de forma detalhada, a teoria
desse procedimento de amostragem aplicada à inventários florestais.
2.4.1. Exemplo
Para ilustrar a utilização deste procedimento na estimação do crescimento florestal em inventários
sucessivos, têm-se os dados de unidades de amostra de 0,5 ha, selecionadas aleatoriamente e medidas
em duas ocasiões, em uma floresta de 100 ha.
Volume (m3)
Primeira ocasião - x Segunda ocasião - y
66,0 -
6Í,0 -
540 -
78,0 -
50,0 -
93,0 119=0
82,0 113=0
440 77,0
81,0 103,0
27,0 42,0
47,0 67,0
540 82,0
39,0 57,0
95,0 116,0
38,0 61,0
- 86,0
- 109,0
- 70,0
- 92,0
58,0
* Dados
N = 200, a = 5% e t(5%; 14 gl) = 2,145
* Notações
n-| = número total de unidades de amostra medidas na 1a ocasião => 15;
n2 = número total de unidades de amostra medidas na 2a ocasião => 15;
u = número de unidades de amostra medidas na 1a ocasião e substituídas na 2a => 5;
m = número de unidades de amostra medidas na 1a ocasião e remedidas na 2a => 10;
n = número de unidades de amostra medidas na 2a ocasião e que não foram medidas na 1a => 5;
Pu = proporção de unidades de amostra medidas na 1a ocasião e substituídas na 2a => 5/15 = 0,33; e
Pm = proporção de unidades de amostra medidas na 1a ocasião e remedidas na 2a => 10/15 = 0,67.
* Primeira ocasião
a.1) das unidades de amostra medidas na 1a ocasião e substituídas na 2a (u = 5)
- 309
Y.. = —— = õl,S00 rir
a.2) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (m-| = 10)
Ym = — = 60,100ms
10
a.3) de todas as unidades de amostra medidas na 1a ocasião (n-| = 15)
- 910 i
Y r =------------------= 90.097 m
15
b.1) das unidades de amostra medidas na 1a ocasião e substituídas na 2a (u = 5)
( 309r
19.577-
5 120,200 [nr í
4
S„ = ±^120,200 = ±10,99 ws
b.2) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (m<| = 10)
(601)2
41, S03-
K =■ — = 631,433 [m:')' :. Sm = ±V631,433 = ±25,13 nr
b.3) de todas as unidades de amostra medidas na 1a ocasião (n-| = 15)
(.610)2
61.380-3--------
SJ =----------- ^ 15— = 440,952{m3f :. Sj = ±V440,952 = ±21,00m3
c) Variância da média
440.952
fi-”') í i l5) = 27,19 (m3)2
*f?=T ~ 15 '{ 200)
1
d) Erro-padrão
Sf = ±^27,19 =±5J14
e) Erro de amostragem, em porcentagem
±$Y -t +5214 2145

E% = —32—.1QQ=-", a ,100=18,44%
Y, 60,667
f) Volume total estimado na primeira ocasião
Yj =NY1 = 200.60,667 = 12.133,40 nr
g) Intervalo de confiança da média e do volume total
IC = 7, ± tSt = 60,667 ±11,184 m1
IC = N. Yl ± N. T.Sy =12.133,40 ± 2.236£1 m3
* Segunda ocasião
Com os dados das unidades de amostra medidas na segunda ocasião, obtiveram-se as seguintes
estatísticas:
a.1) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (rri2 = 10)
Ym = — = S3,700m3
10
a.2) das unidades de amostra medidas na 2a ocasião e que não foram medidas na 1a (n = 5)
Y„ = —=S3,QQQm3
b.1) das unidades de amostra medidas na 1a ocasião e remedidas na 2a (m2= 10)
(337 r
76.S71-
S~ - — = 757,122 (m3 f
= ±4757122 = ±27,52m 3
b.2) das unidades de amostra medidas na 2a ocasião e que não foram medidas na 1a (n = 5)
(415 f
36.005
s- = 2— = 390,0 { m 3 f : . S „ = ±4390,0 = ±19,75 m3
b.3) de todas as unidades de amostra medidas na 2a ocasião (n2 = 15)
(1252)
112.876-
Si = ■ -----------= 5981267 f
f S, = =7598,267 = -24,46 mi
14
c) Estimativa da média na segunda ocasião ( )
O estimador não tendencioso de ^é:
K=<r +c.r„,+(i-c).r„
sendo:
_ y*yt
y AT - — ^
__________ m
m-1
“----------------------- T ■} —— 1 c =-------------------- - '
- Px,.n.r~ Sx n2 -Pk.n.r ■ Jr
em que: X e Y - volumes das unidades de amostra medidas na 1a ocasião e remedidas na 2a,
respectivamente;
Sr = .
Assim,
503.037
56.413-
10
= 0,9815
25,13.27,52
10.0,33 27 p 2
a ■■ 0,9815. = 0,2645
15-0,33. 5.0,9815- 25,13
10
0,7457
15-0,33.5.0,9815-
Logo,
Y* = 0,2645.61,500- 0,2645.60,100- 0.7457.53,700- [1 - 0,7457]. 53,000

= 53,972ms
d) Variância da média ( )
(1 í\ 2 S{- , * Sj _
sr: = ° ■
-+—\+c.— — -2.a .c.r .——-
t u m j m f) ni
~jc~j j^ 7)7 / ??
S5. = 02645'.631,433.
jMÍ^f1-\ - - — \ - 074577^ + (l - 07457'f. -—— -
15 10,! 10
25,13.27,52
... 2. 0,2645.0,7457.0,9515. &$Í0õ99{m3'f
10
e) Erro-padrão
Sr = ±-J38,3699 = =6,194 nr
f) Erro de amostragem em porcentagem
±Sr. t ]Ç4 2243

E%= _i; .100= ’ ’ .100 = 15,82%
Y* 83,972
g) Volume total estimado na segunda ocasião
= AflY* = 200.83,972= 16.794,40 m3
h) Intervalo de confiança da média e do volume total
IC = ?2 ±r.ST-, = 83,972± 13,286 m3
IC = N. Y* ±NJ.ST: = 16794,40± 2657,20nr
* Análise do crescimento
a) Crescimento ( )
ã = A . r m i + í i - A ) . r „ + B . ¥ n - ( i + B).ru
em que:
m n ■ P. Si
A=
n-, -P.fi.r" tu-P r í .ti.r 2 S Y
— m.P Sj fl2 - K,
B=
P„ .n.r ■ P„. n . r
Assim,
10 5.0,67 2513
A =----------------------------n -i- — . 0,9S13—— = 0.96958
15-0,33.5.0,9S152 15- 0,33 5 „ 0,9815* 27,52
-10.0,33 27,52 15.0,67

B = - 0,9S15 ■ = -1,01391
15-0,33.5.0,9815- 25,13 15-0,33.5.0.9S15-
Logo,
d =0.96958.83,700-^(1-0,96958), 83.000-1.01391. (50.100-(1^1,01391). 61,800= 2Jsó02>n3
b) Variância da média
Assim,
c) Erro-padrão
Sd = ±^2,7947 = ±1,6717 m3
d) Crescimento total estimado
Y = d ,N = 23,602.200 = 4.720,40tn3
e) Erro de amostragem porcentual => t[5%; (n-j-1) + (n2-1) = 28 gl] = 2,048
E%= .100= 14,5 r á

d 23,602
f) Intervalo de confiança para o crescimento
IC = d ± f. S-. = 23,602 ±3,424 m3
1C =N. d ± N. T. S7 = 4.720,40 ± 684,80rn'
3. Referência Bibliográfica
PELLICO NETO, S.; BRENA, D.A. Inventário florestal. Curitiba: [s.l.]: 1997. 316 p.
Capítulo 10
INVENTÁRIO POR BITTERLICH
1. Preliminares
Os inventários florestais são realizados, em sua maioria, utilizando-se parcelas de área fixa. No entanto, no
princípio idealizado pelo engenheiro florestal austríaco Walter Bitterlich, em 1948, as unidades de amostra
possuem área variável e a seleção dos indivíduos é efetuada com probabilidade proporcional à área basal
ou ao quadrado do diâmetro e à freqüência do número de árvores. A amostragem empregando o princípio

de Bitterlich também é conhecida na literatura como método de amostragem proporcional ao tamanho
(PPS), bem como a amostragem por ponto horizontal.
Devido à simplicidade do procedimento para obtenção dos dados, a aplicação desse princípio pode ser de
extrema utilidade, principalmente nas situações em que se necessita de diagnóstico rápido e preciso do
estoque de madeira, entre outras características das florestas, a um menor custo. Porém, deve-se ressaltar
que, para fins de planos de manejo, nos quais há a necessidade da caracterização da composição de
espécies da floresta, este procedimento deve ser realizado com cautela. Se a floresta possuir diversidade
grande de espécies, estas podem não ser caracterizadas, uma vez que um número menor de árvores é
amostrado em cada ponto, necessitando-se, portanto, de maior intensidade amostrai (FARIAS, 2001).
2. Parcelas de área fixa versus parcelas de áreas variáveis
http://www.mensuracaoflorestal.com.br/capitulo-10-inventario-por-bitterlich 1/8
Kirby (1965), trabalhando em povoamentos de Spruce aspen de várias idades, comparou a amostragem
por ponto horizontal com aquela por parcelas de área fixa, em igual número de pontos de amostragem,
estabelecidos no centro de cada parcela. Segundo esse autor, os pontos foram estabelecidos em tempo de
três a quatro vezes menor que as parcelas. Além disso, os dois tipos de amostragem forneceram
estimativas de área basal estatisticamente iguais.
Trabalhando com simulações de formas e tamanhos de unidades de amostra e considerando alguns
processos de amostragem para povoamentos de Eucalyptus alba Rewien, Silva (1997) concluiu que
unidades de amostras retangulares foram as mais eficientes. Outras formas de parcelas e a amostragem
utilizando o princípio de Bitterlich, com os fatores de área basal 1, 2, 3 e 4, não atenderam à precisão
requerida definida previamente (10%). Todavia, segundo esse autor, diante do reduzido número de
indivíduos observados por ponto, o método torna o trabalho de operações de coleta de dados mais
econômico, sendo viável a ampliação da intensidade amostrai, diminuindo, assim, o erro de amostragem.
Souza (1981) comparou a amostragem utilizando parcelas de área fixa e variável em
povoamento Eucalyptusgrandis de origem híbrida, concluindo que a amostragem por ponto horizontal
(princípio de Bitterlich) foi mais eficiente que a por parcela de área fixa, considerando-se os tempos totais
de medição e de alocação das parcelas, bem como os tempos de qualificação e medição das árvores
selecionadas, com o fator de área basal igual a 1.
Couto et al. (1990) compararam a amostragem utilizando o princípio de Bitterlich (fatores iguais a 2, 3 e 4)
com o método de parcela de área fixa, na estimação do número de árvores por hectare em uma área plana
e em outra acidentada, em plantios de Eucalyptus saligna. Concluíram que o método de Bitterlich estimou
com precisão o valor médio do número de árvores por hectare nas diferentes áreas, nos três fatores de
área basal estudados. Contudo, verificaram maior variância entre as estimativas obtidas pelos pontos em
relação à variância entre parcelas de área fixa, o que indica a necessidade do aumento do número de
pontos para se atingir dada precisão requerida.
Moscovich et al. (1999), ao compararem a amostragem utilizando parcelas de área fixa e variável, em
floresta de Araucaria angustifólia, verificaram que o método de Bitterlich foi o que mais se aproximou do
valor real do volume por hectare. No entanto, ele superestimou o número de árvores por hectare e
subestimou a estimativa de área basal também por hectare, em relação à estimativa obtida pelas parcelas
de área fixa.
3. O princípio de Bitterlich
O princípio a que Bitterlich denominou prova de numeração angular baseia-se no seguinte postulado: “o
número de árvores (n) em um povoamento, cujo DAP em um ponto fixo aparece superior a determinado
valor constante (a), é proporcional à sua área basal por hectare (B)”. Assim, a área basal por hectare em
um ponto de amostragem pode ser obtida multiplicando o número de árvores com DAP superior ou igual à
abertura angular (árvores qualificadas) por um fator de área basal (K).
Além da área basal por hectare, o procedimento de amostragem utilizando o princípio de Bitterlich pode
fornecer outras estimativas populacionais em um ponto de amostragem, por exemplo o número de árvores
e o volume por hectare e a altura e o diâmetro médios. Os estimadores desses parâmetros são dados por:
Parâmetro Estimador
Afea basal por hectare B = n x K
Número de árvores por hectare

Nfha = V — = V^.,to
Volume por hectare rr

V/ha - y" Vi x NtZha
i=l
Diâmetro médio
Pg DAP 2 x A\/kt
q ~1 V N,/ha
Altura média JN
H»,
H=
n
Em que: As/ = área seccional da i-ésima árvore qualificada no ponto de amostragem, em m2; n = número
de árvores qualificadas no ponto de amostragem; V, = volume da i-ésima árvore qualificada, em m3; DAP =
diâmetro da i-ésima árvore qualificada, em cm; K = fator de área basal, em m2/ha; A/,- /ha = número de
árvores por hectare que a i-ésima árvore qualificada representa; e = altura da i-ésima árvore qualificada.
A escolha do fator de área basal (K) dependerá de fatores como:
a) Densidade populacional: em florestas com muitos indivíduos por hectare, a utilização de fatores menores
acarretará grande número de árvores qualificadas. Além disso, há a possibilidade de haver dificuldade de
visualização das árvores mais distantes do observador, devido à sobreposição de árvores na linha de
visada. No entanto, se as árvores estiverem muito distantes umas das outras, fatores maiores podem
qualificar muito poucas árvores, ou nenhuma, no ponto de amostragem.
b) Declividade do terreno: no local com declividade acentuada, o operador terá dificuldade de se posicionar
corretamente para a qualificação das árvores, bem como para realizar as medições das árvores
qualificadas. Nesses casos, ele pode optar por um fator que agilize a coleta de dados, porém isso pode
implicar a necessidade de lançar um número grande de pontos de amostragem na floresta.
c) Heterogeneidade do povoamento: tanto do ponto de vista dos tamanhos quanto da diversidade de
espécies. Florestas com uma única espécie e tamanhos (diâmetros) bem uniformes podem ser amostradas
com fatores maiores. Florestas naturais compostas por várias espécies e com uma amplitude grande de
tamanhos devem ser amostradas com fatores menores.
Outro aspecto importante da amostragem por pontos é a possibilidade de se qualificar uma árvore mais de
uma vez, tendo em vista que não são delimitadas as unidades de amostra no campo. Para que isso não
aconteça, os pontos de amostragem devem estar no mínimo a uma distância equivalente a duas vezes a
distância crítica (R) da árvore de maior diâmetro possível na floresta mais um A (distância) qualquer.
4. Exemplo
Seja uma floresta de 11,0 ha, na qual se realizou um inventário-piloto, através da amostragem por ponto
horizontal (Bitterlich), sendo lançados cinco pontos de amostragem e utilizando um fator de área basal (K)
igual a 1. Assim, têm-se os seguintes dados brutos e processados por ponto de amostragem:
Da d üs brutos Dados processados Dad os brutos D ad üs p E'o c es sa d □ s

Ponte Arvore DAP Ht Vi A Si V ha, Pente Arvora DAP Vi Aà; V, ha-.
N.-liai Ht (m) N.hi
(N*) <N=) (™> (m) (m3) <mJ ha} (N=) (cm) (nf) (nr) (mJ ha)
I 1 193 6,0 0,0995 0,0311 32.15 3,1976 4 i 14,9 11,0 0,1232 0,0174 57,35 7,0674
1 T
J. 17,6 12,0 0,1S13 0,0243 41,10 7,4518 4 "1m
JL 20,4 8,0 0.1452 0,0327 30,59 44432
I 3 7, 5 3,0 0,0084 0,0014 22635 1,8925 4 3 14,5 10,0 0,1052 0,0165 60,56 6,3730
I 4 13.1 10,0 0,0885 0,0135 74,19 6,5652 4 4 18,8 11,0 0,1833 0,0278 36,02 6,6025
1 5 21,4 15, S 0,3491 0,0360 27,30 9,7062 4 5 21,0 9,0 0,1751 0,0346 28,87 5,0558
i 6 4 C.S 15,0 0,9887 0,1307 7,65 7,5624 4 6 6,0 6,0 0,0128 0,0028 353,63 4,5416
T ofal=> 409,28 3633 4 7 7,6 7,0 0,0230 0,0045 220,44 5,0747
"Ti 1 6,7 7,0 0,0 IS 6 0,0035 283,64 5,2654 4 3 6,7 7,0 0,0186 0,0035 283,64 5,2654
-Ti
2 S .6 7,0 0,0284 0,0058 172,15 4,8944 4 9 7,3 8,0 0,0251 0,0042 23893 6,0021
-Ti
.iL 3 12,3 9,0 0,0703 0,0119 84,16 5,9126 T oiaL => 1.310,08 50,43
2 4 3,3 6,0 0,0104 0,0022 45327 4,7095 5 i 18,0 9,0 0,1346 0,0254 39,30 5,2891
2 5 12,0 10,3 0,0789 0,0113 88,42 6,9727 5 TI
jL- 15,9 10,0 0.1232 0,0199 50,36 6,2034
2 6 12.7 S,0 0,0647 0,0127 78,94 5,1042 5 3 9,7 5,0 0,0236 0,0074 13532 3,1887
2 7 14,S 11,0 0,1218 0,0172 58,13 7,0814 5 4 9,5 6,0 0,0281 0,0071 141,08 3,9701
"1
J. S 5,1 4,0 0,0061 0,0020 48932 2,9653 5 5 7: 2 6,0 0,0175 0,0041 245,61 4,3056
1
JL 9 25,0 11,0 0,2982 0,0491 20,37 6,0^42 5 6 3,8 5.5 0,0223 0,0061 164,42 3,6675
T ofal=> 1.728.60 48,98 5 7 7.9 6,0 0,0205 0,0049 204,01 4,1903
3 1 13,4 11,7 0,1105 0,0141 70,91 7,8354 5 8 7,3 6,5 0,0197 0,0042 238,93 4,7083
3 2 27,7 13 0,4318 0,0603 16,59 7,1655 5 9 21,8 12,0 0,2613 0,0373 26,79 6,9994
3 3 21,6 22,4 0,5334 0,0366 27,29 14.5557 T oiaL=> 1.245,82 42,52
3 4 18,5 12,9 0,214 S 0,0269 37,20 7,9915
T Qtal=> 15199 37,88
O volume de cada árvore individual foi obtido pela equação fornecida pelo CETEC (1995):
V, = 0,00007423 .DAP 1'°'34S .Ht116873 R2 = 97,30%
em que: DAP = diâmetro à altura do peito, em cm; e Ht = altura total, em m.
As estimativas dos parâmetros populacionais, por ponto de amostragem, são mostradas a seguir:
Afea basal Volume q H

Ponto (N°) N/ha
(m:/ha) (m3/ha) (cm) (m)
i 6 409.25 36.38 13,7 10,3
1
Xi 9 1728.60 48.98 8.1 8,1
3 4 151.99 37.55 18.3 15.0
4 9 1310.08 50.43 9.4 8.6
5 9 1245.82 42.52 9.6 7,3
Total => 31,0 4845.74 215:S6 59,0 49.3
Média => 7.4 969.15 43.17 11,8 9,9
Prosseguindo a análise do inventário-piloto, obtêm-se as seguintes estatísticas do volume por hectare:
a) Média estimada
Y = 21 6 = 43,17 m5íha
iMssmJãÊÊÊL
S2 =-----------------------^------ = 41,1430 (m3Zha)2
c) Desvio-padrão
S = ±^41,1430 = ±6,4142 (m3/ha)
6 4142
CV 4£±—------ --100=±14,S6%
43,17
e) Tamanho da amostra
Para atender a uma precisão requerida (E) de ± 20%, em um nível de probabilidade igual a 95% a amostra
deveria ter o seguinte tamanho:
■t(5%; 4 gl) = 2,776
_ r . ( C V f . _2776=.<14^ = 4i25x5pomos
ff = n=
(E%f (20)'J
Recalculando o tamanho da amostra para t(5%; 4 gl) novamente, tem-se que os cinco pontos de
amostragem foram suficientes para garantir uma precisão requerida de ± 20%, a 95% de probabilidade.
Cabe ressaltar que, se fossem necessários mais pontos de amostragem para garantir a precisão requerida,
dever-se-ia completar a amostra para depois efetuar os cálculos das estatísticas do inventário definitivo.
a) Média estimada
- 215,86
Y =------ -— = 43J / m-/ha
(215,S6):
9.4S3,6S-
SJ = 41,1430 (m3Zha)2
c) Erro-padrão da média
\41,1430
= ±2,S6S5 ms/ha
d) Erro de amostragem em porcentagem
■ t(5%; 4 gl) = 2,776
E% = x 2 , S õ S X 2 ' / / Õ .100= ±18,45%

43,17
e) Estimativa do volume total da população
Y =43,17.11 = 474,87
f) Intervalo de confiança
IC = 43 J 7. 11± 2,8685.2776.11
1C= 474,87 ±8779 m3
COUTO, H.T.Z.; BASTOS, N.L.M.; LACERDA, J.S. A amostragem por pontos na estimativa da altura de
árvores dominantes e número de árvores por hectare em povoamentos de Eucalyptus saligna. IPEF, n.
43/44, p. 50-53, 1990.
FARIAS, C.A. Comparação de métodos de amostragem para análise florística e estrutural de
florestas inequiâneas. Viçosa, MG: UFV, 2001. 49 f. Dissertação (Mestrado em Ciência Florestal) -
Universidade Federal de Viçosa, Viçosa.
KIRBY, C.L. Accuracy of point sampling in white spruce - aspen stands of Saskatchewan. Journal of
Forestry, p. 294-296, 1965.
MOSCOVICH, F.A.; BRENA, D.A.; LONGFII, S.J. Comparação de diferentes métodos de amostragem, de
área fixa e variável, em uma floresta de Araucaria angustifolia. Ciência Florestal, v. 9, n. 1, p. 173-191,
1999.
SILVA, L.B.X. Tamanhos e formas de unidades de amostra aleatória e sistemática para florestas plantadas
de Eucalyptus alba Rewien. Floresta, v. 8, n. 1, p. 13-18, 1997.
SOUZA, A.L. Comparação de tipos de amostragem, com parcelas da área fixa e variável, em
povoamentos de Eucalyptus grandis de origem híbrida, cultivados na região de Bom Despacho,
Minas Gerais. Viçosa, MG: UFV, 1981. 79 f. Dissertação (Mestrado em Ciência Florestal) - Universidade
Federal de Viçosa, Viçosa.
Capítulo 11
INVENTÁRIO FLORESTAL PARA PLANOS DE MANEJO
1. Preliminares
Existem Portarias e Instruções Normativas, no Brasil, que orientam a elaboração dos planos de manejo em
diferentes biomas, descrevendo as atividades que devem ser contempladas para esse fim. Dentro desse
contexto, o inventário florestal é um dos itens obrigatórios de qualquer plano de manejo, pois a partir das suas
estimativas podem-se estabelecer o nível de intervenção na floresta e as medidas para a manutenção da sua
produção (produção sustentável).
Como exemplo, tem-se a Portaria 191, do Instituto Estadual de Florestas (IEF), de 16.09.2005, que dispõe
sobre as normas de controle da intervenção em vegetação nativa e plantada no Estado de Minas Gerais. Essa
portaria estabelece, em seu Anexo II, a partir do subitem 4.2, os seguintes pontos que o inventário florestal
obrigatoriamente deverá conter:
“4.2 - Inventário Florestal: devem ser mensurados os indivíduos com DAP (diâmetro à altura do peito)
maior ou igual a 5,0 cm.
4.2.1 - Relações volumétricas utilizadas.
4.2.1.1 - Definição do método de amostragem utilizado.
4.2.1.2 - Definição da intensidade amostrai.
4.2.1.3 - Método de cubagem rigorosa utilizado e apresentação dos dados obtidos.
4.2.1.4 - Método utilizado para cálculo de estimativas de volume (equação volumétrica).
http://www.mensuracaoflorestal.com.br/capitulo-11-inventario-florestal-para-planos-de-manejo 1/13
4.2.2 - Processo de amostragem.
4.2.2.1 - Descrição e justificativas do processo de amostragem utilizado.
4.2.2.2 - Tamanho e forma das unidades amostrais.
4.2.2.3 - Análise estrutural da floresta contendo: perfil da floresta, dados de abundância,

dominância, freqüência e índice de valor de importância.
4.2.3 - Análise dos dados estatísticos de amostragem.
4.2.3.1 - Estimativa da média volumétrica por unidade amostral/hectare em m3 e st.
4.2.3.2 - Estimativa do volume total da população em m3 e st.
4.2.3.3 - Variância.
4.2.3.4 - Desvio-padrão.
4.2.3.5 - Volume médio.
4.2.3.6 - Valor de "t" de Student a 90% de probabilidade.
4.2.3.7 - Erro-padrão da média.
4.2.3.8 - Coeficiente de variação.
4.2.3.9 - Limite do erro de amostragem admissível de 10%, no nível de 90% de probabilidade.
4.2.3.10 - Erro calculado de amostragem.
4.2.3.11 - Intervalos de confiança.
4.2.3.12 - Outros dados pertinentes.
4.2.4 - Relatório final contendo as tabelas de saída para atender aos objetivos do desmatamento.
4.2.4.1 - Listagem das espécies florestais (nome regional e nome científico).
4.2.4.2 - Número de árvores: por espécie, por classe de diâmetro e por hectare.
4.2.4.3 - Área basal, volume e freqüência: por espécie, por classe diamétrica, por unidade
amostrai e por hectare a ser explorado e remanescente.
4.2.4.4 - Relatório final contendo tabela de DAP médio, área basal, altura média, número de
árvores por hectare e volume em m3 e em st por parcela, por hectare e volume total em m3 e em st.”
Independentemente da legislação que dispõe sobre as normas para a elaboração dos planos de manejo, o
inventário florestal para essa finalidade deverá conter, no mínimo, os seguintes itens no relatório final:
1. Relações alométricas utilizadas.
2. Procedimentos de amostragem.
3. Listagem das espécies florestais (nome científico).
4. Análise e interpretação dos dados estatísticos de amostragem.
5. Análise estrutural da floresta (perfil e fitossociologia).
6. Número de árvores, volume e área basal: por espécie, classe de diâmetro e hectare.
2. Exemplo
Embora não seja recomendável este tamanho de unidade de amostra em inventários de florestas naturais,
considere, para efeito didático, os dados de seis parcelas de 100 m2 de área cada (Quadro 11.1), lançadas
aleatoriamente em uma floresta de 9,0 ha (N=900), na qual se mediram o DAPe as alturas totais das árvores
com diâmetro acima de 3,0 cm:
Quadro 11.1 - Espécie, diâmetro à altura do peito {DAP) e altura total (Ht) das árvores nas seis parcelas
amostradas
Clique para acessar os dados do Quadro 11,1
2.1. Listagem de espécies
De posse da identificação das espécies florestais dentro das parcelas, elaborou-se a listagem de espécies
(Quadro 11.2).
Quadro 11.2- Listagem de espécies e número de indivíduos amostrados
Família Espécie tij

Annonaceae Annona cacans 5
Bígnoniaceae Sparathosperma leucantkum 10
Compositae Vemonia diffusa 34
Euphorbiaceae Mabea fistiãifera O
Lauraceae Ocotea sp. 1
Leguminosae Bauhinia forficata 1
caesalpiníoideae
Leguminosae mimosoideae Anadenanthera macrocarpa s
Stryphinodendron guianensis 1
Piptadenia gonoacantha 22
Leguminosae papilionoideae Dalbergia nigra 1
Platiciamus regnelli 1
Melastomataceae Tibouchina granulosa 4
Miconia candolleana 13
Myrsinaceae Myrsine ferruginea 2
Rutaceae Zanthoxylum rhoifólium 1
Total 117
2.2. Estatística da amostragem
Com os dados de DAP e alturas totais das árvores individuais e do emprego da seguinte equação de volume:
Vc/c = 0,00007423*D/AP1’707348*HT1’16873, as parcelas foram totalizadas, obtendo-se as seguintes estimativas

dos parâmetros número de árvores, diâmetro médio, área basal, volume total de madeira com casca do fuste e
altura média:
Parcela 11 q (cm) B (m1) Vcc (m3 j Ht (m)

i 20 15,4 0.37253 3,291237 9,3
2 20 11.9 0.22064 1,399173 7,6
3 17 11.7 0.18246 1,247791 7,4
4 18 11.8 0.19603 1,168287 7,5
5 18 8.1 0.09299 0,541130 7,5
d 24 7.8 0.11364 0,536469 6,5
Média => 19.5 11.1 O.í 96379 1,364015 7,6
Média/lia => 1.950 19.6379 136.4015
Considerando o volume total de madeira com casca, a variável de interesse do inventário e um nível de
probabilidade igual a 95%, têm-se as seguintes estatísticas:
a) Média estimada
- _ S,1S40S7
1,364015m3
6
16 292426
S2 =------------------------------ £---------= 1,025842(m3 f
5
c) Desvio-padrão
S = ±V1,025842 = ±1,012839 nr
1012S39
CV =± 100 = ±74,25%
1,364015
\l ,025842 f; i 1
1 900)
sf = ±0,4121 m3
Y = N-Y = (900)-(1£64015)= 1.227,6135 m3
O erro de amostragem a 95% de probabilidade, considerando-se o valor tabelado de t = 2,571 para cinco
graus de liberdade, é:
E = ±S- t = ±(0,4121).(2,571)= ± l,05951m3
Este erro, expresso em porcentagem da média, é igual a:
E% = ±Sl 'r- ■100 = ± 1>0^951 .100 = ±77,68%

Y 1,364015
Tendo em vista 0 tamanho reduzido das unidades de amostra e a baixa intensidade amostrai, esperava-se que
o erro de amostragem calculado fosse grande. Considerando-se uma precisão requerida de ± 20% em torno
da média, o número de unidades da amostra para atender a essa precisão seria de:
h) Tamanho da amostra considerando t(5%; 5 gl) = 2,571
i-.[çvf 2,571-.(74,25r
n- n=- = S2,73 *S3 parcelas
r .{cvy 2,571' .(74,25Y
{,e%:f + (.20f +
W. 9Õ9
1,992.(74,25)2 _T ^ e_
n — ---------------- — -------- - = 51,46 * 52parcelas
{20f + l99 -.V 4,25 y
v1 900
Para garantir um erro de ± 20%, a 95% de probabilidade, seriam necessárias 52 parcelas, ou seja, deveriam
ser lançadas mais 46 parcelas, haja vista que seis já haviam sido lançadas e medidas.
i) Intervalo de confiança
Considerando-se as estatísticas das seis parcelas apresentadas anteriormente, o intervalo de confiança (IC)
da média verdadeira da população é:
IC=Y±S--t = 1364015± l,05951m3
O intervalo de confiança da produtividade média por hectare da população é:
IC = (1,364015 ± 1,05951). (10.000/100)

IC = 136,4015 ±105,9510 nr/ha
O intervalo de confiança do volume total da população, a 95% de probabilidade, é:
IC=N/Y±N. S - - t
IC = 1.227,6135 ± 953,5590 m3
2.3. Análise estrutural da floresta
2.3.1. Perfil
Através da análise do perfil da floresta, pode-se verificar como a vegetação está distribuída nos diferentes
estratos da floresta: a altura da vegetação, a qualidade dos fustes das árvores, a presença de cipós e o grau
de adensamento do sub-bosque, entre outras informações (Figura 11.1).
Figura 11.1 - Perfil da floresta.
2.3.2. Análise da estrutura horizontal
As estimativas dos parâmetros da estrutura horizontal são obtidas através das seguintes expressões
(MUELLER-DOMBOIS; ELLENBERG, 1974; MARTINS, 1993):
a) Densidades absoluta e relativa
DA
DA.. DRt = ———*100
A
±DA
em que: DA/ = densidade absoluta da i-ésima espécie, em número de indivíduos por hectare; n; = número de
indivíduos da i-ésima espécie na amostragem; A = área total amostrada, em ha; DR, = densidade relativa da i-
ésima espécie, em porcentagem; e S = número de espécies amostradas.
b) Dominâncias absoluta e relativa
AB
DoA{ = 43,. DoRi = ———*100
A
±AB,
em que: DoA,■ = dominância absoluta da i-ésima espécie, em m2/ha; ABj = área basal (somatório das áreas
seccionais) da i-ésima espécie, em m2, na área amostrada; A = área amostrada, em ha; e DoR; = dominância
relativa da i-ésima espécie, em porcentagem.
c) Frequências absoluta e relativa
FA{ = . 100; 100

u.
E?4
em que: FA, = freqüência absoluta da i-ésima espécie; u, = número de unidades de amostra em que se
encontrou a i-ésima espécie; ut = número total de unidades de amostra medidas; e FRi = freqüência relativa da
i-ésima espécie, em porcentagem.
d) índice de Vaior de Importância (%)
DR. + DoR, -1-FRi

mi(%) =
3
Para 0 exemplo em questão, as estimativas dos parâmetros da estrutura horizontal são apresentadas no
Quadro 11.3.
Quadro 11.3- Estimativas dos parâmetros da estrutura horizontal
Espécie DA DoA FA FR DR DoK WI%

Vernonia diffksa 566,7 4,8074 50,00 15,79 29,06 24,48 23,11
Piptadenia gonoacantha 366.7 3,2300 33,33 10,53 18,80 16,45 15,26
Mabea fistulifera 216,7 3,2460 33,33 10,53 11,11 16,53 12,72
Anadenanthera macrocarpa 133,3 3,0250 16,67 5,26 6,84 15,40 3,17
Miconia candolleana 216,7 1,1939 16,67 5,26 ll.il 6,08 7,48
Sparathosperma leucanthun 166,7 0,7151 16,67 5,26 8,55 3,64 5,82
Ocotea sp. 16.7 1,6935 16,67 5,26 0,85 8,62 4,91
Amona cacans 83,3 0,5303 16,67 5,26 4,27 2,70 4,08
Tíbouchina granulosa 66,7 0,2485 16,67 5,26 3:42 1,27 3,32
Stryphimdendron guiamnsts 16,7 0,5264 16,67 5,26 0.85 2,68 2,93
Myrsmeferrugmea 33,3 0,1497 16,67 5,26 1,71 0,76 2,58
Dalbergia nigra 11.7 0,1275 16,67 5,26 0,85 0,65 2,26
Bauhinia forficata 16,7 0,0531 16,67 5,26 0,85 0,27 2,13
Platiciamus regndli 117 0,0479 16,67 5,26 0,85 0,24 2,12
Zanthoxylum rhoifolmm 117 0,0430 16,67 5,26 0,S5 0,22 2,11
Total => 1.950,0 19,6379 316,7 100,0 100,0 100,0 100,0
Uma vez que o Quadro 11.3 é ordenado pelo índice de Valor de Importância (IVI), algumas considerações
podem ser feitas, analisando-se esse índice:
1. Espécies com baixo IVI possivelmente são espécies com poucos indivíduos, com diâmetros pequenos, e
não ocorrem distribuídos na floresta toda. Caso existam muitas espécies nessa situação, a exploração florestal
deve ter o menor impacto possível, pois essas espécies podem desaparecer da floresta. Além disso,
tratamentos silviculturais deverão ser aplicados para promover o crescimento e o desenvolvimento dessas
árvores.
2. Espécies com IVI alto devem ser observadas com cuidado, uma vez que esse índice é composto por três
parâmetros. Uma espécie que apresente um indivíduo amostrado e com diâmetro extremamente grande pode
possuir IVI alto. No entanto, essa espécie possivelmente não poderá ser explorada, posto que deverá ser
deixada na floresta como matriz.
2.4. Quadros auxiliares
Os quadros auxiliares são de extrema importância, pois podem complementar a análise da estrutura horizontal.
Através da distribuição de parâmetros como número de árvores, área basal e volume por hectare, por espécie
e por classe de diâmetro, é possível identificar, na floresta, as espécies que serão passíveis de exploração,
bem como definir quanto será colhido e o que ficará na área após a exploração (remanescente).
Considerando-se os dados do exemplo em questão, as árvores foram agrupadas em classes de 5,0 cm de

amplitude, gerando os seguintes quadros auxiliares:
Quadro 11.4- Número de árvores por hectare, espécie e classe de diâmetro
Classe de diâmetro DAP (cm)

Espécie 2,5 7,5 12,5 17,5 22,5 27,5 32,5 37,5 Total
Anadenanthera macrocarpa m 66,7 16,7 16,7 16,7 133,3
Annona cacans 50,0 33,3 £3,3
Stryphinodendron guianensis 16,7 16,7
Ocotea sp. 16,7 16,7
Mabea fistulifera 150,0 16,7 33,3 16,7 216,7
Myrsme ferruginea 33,3 33,3
Sparathosperma leuccmthum 150,0 16,7 166,7
Dalbergia mgr a 16,7 16,7
Piptadenia gonoaccmtha 316,7 33,3 16,7 366,7
1—1
Zanthoxylwn rhoifolium 16,7

Bauhinia forficata 16,7 16,7
Vernonia diffusa 450,0 100,0 16,7 566,7
Platiciamus regnelli 16,7 16,7
Tibouchina granulosa 66,7 66,7
Miconia candolleana 153,3 33,3 216,7
Total 16,7 1.533,3 200,0 66,7 50,0 16,7 16,7 50,0 1950,0
Quadro 11.5- Área basal por hectare, espécie e classe de diâmetro

Espécie 2,5 7=5 12,5 17,5 22=5 27,5 32=5 37,5 Total
Anadenanthera macrocarpa 0,0133 0,4394 0,2930 0,4012 1,8782 3,0250
Armoria cacans 0,1158 0=4145 0,5303
Stryphinodendron guianensis 0=5264 0,5264
Ocotea sp. 1=6935 1=6935
Mabea fistulifera 0,7336 0=3316 1=2671 0,9137 3=2460
Myrsine ferruginea 0,1497 0,1497
Sparathosperma leucanthum 0,5618 0=1533 0,7151
Dalbergia nigra 0,1275 0,1275
Piptadenia gonoacantha 1,1995 0=7312 1=29 99 3=2306
Zanthoxylum rhoifolium 0,0430 0=0430
Bauhinia forficata 0,0531 0,0531
Vernonia diffusa 2,0108 1=1625 1=6341 4=8074
Platiciamus regnelli 0,0479 0,0479
Tibouchina granulosa 0,2485 0=2485
Miconia candolleana 0,8491 0,3448 1,1939
Total 0,0133 6,5796 2=3681 1=4640 1=7935 0,9137 1=2999 5=2058 19,6379
Quadro 11.6- Volume por hectare, espécie e classe de diâmetro

"l/i
Espécie 2,5 7=5 12,5 22,5 27,5 32,5 37,5 Total

Anadenaníhera macrocarpa 0=0586 2=4683 2,0681 2,4197 21=5089 28=5237
Annona cacans 0,7415 2,1439 2=8854
Stryphinodendron guianensis 3,7757 3=7757
Ocotea sp. 17=5169 17=5169
Mabea fistulifera 3,3301 2,2986 9,4115 6,0454 21=0856
Myrsine ferruginea 0,7569 0=7569
Sparathosperma leucanthum 2=5650 1,0644 3=6294
Dalbergia nigra 0,7004 0=7004
Piptadenia gonoacantha 5,3581 4,7292 11,4329 21=5201
Zanthoxylum rhoifolium 0=1978 0=1978
Bauhinia forficata 0,2368 0=2368
Vernonia diffusa 10,6976 6,8301 10=9043 28=4320
Platiciamus regnelli 0=2169 0=2169
Tibouchina granulosa 1,2426 1=2426
Miconia candolleana 4,2469 1,4342 5=6812
Total 0=0586 32,7591 13,5408 9,4474 13=1872 6,0454 11,4329 49=9301 136,4015
Em se tratando de uma floresta natural, a expectativa era de que a distribuição do número de árvores por
classe de diâmetro apresentasse a distribuição clássica de J-invertido. Nesse exemplo, como o diâmetro de
inclusão foi de 3,0 cm (bem pequeno) e somente se amostrou um indivíduo de Anadenanthera macrocarpa na
primeira classe de diâmetro, houve pequena distorção na distribuição diamétrica.
MARTINS, F.R. Estrutura uma floresta mesófila. Campinas, SP: Unicamp, 1993.
MUELLER DOMBOIS, D.; ELLENBERG, H. Ains and methods of vegetation ecology. New York: John Wiley
& Sons, 1974. 547 p.

Livro Inventário Florestal - OCR

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Livro Inventário Florestal - OCR

Hochgeladen von

Copyright:

Verfügbare Formate

22/12/2018 Livro Dendrometria e Inventário Florestal | Mensuração Florestal

Livro Dendrometria e Inventário Florestal

d. Descrição de acessos (estradas, rios, ...).

e. Facilidade de transporte de madeira.

f. Estimativas da quantidade e da qualidade de diferentes recursos florestais.

g. Estimativas de crescimento (se o inventário for realizado mais de uma vez).

2. Planejamento do inventário florestal

Um passo importante na elaboração de um procedimento de inventário é o desenvolvimento de um plano

a. Mapas, fotografias aéreas e levantamentos passados.

b. Indivíduos ou organização do suporte do inventário.

c. Facilidade de transporte, acesso e topografia.

d. Características gerais das florestas.

4. Definição do desenho de amostragem

c. Tamanho e forma das unidades amostrais.

d. Método de seleção e distribuição das unidades de amostra.

e. Precisão requerida no inventário (erro admissível).

g. Tamanho da amostra para satisfazer a precisão requerida (inventário piloto).

5. Procedimentos para o trabalho de campo

a. Equipes de trabalho (número de equipes e de pessoas por equipe).

b. Suporte logístico e de transporte.

c. Procedimento de locação e marcação das unidades amostrais.

f. Planilhas e fichas para anotação dos dados e informações.

g. Controle de qualidade (verificação de erros).

h. Fatores de conversão dos dados (CAP para DAP, ...).

6. Compilação e procedimentos de cálculo

a. Conversão das variáveis de campo para expressões de quantidades desejáveis (equações,

b. Cálculo do erro de amostragem.

c. Métodos a serem utilizados (programas, computadores).

b. Pessoal responsável pela preparação.

c. Método de reprodução (xerox, impressora).

f. Informações requeridas no relatório final.

f.1. Tabelas e gráficos.

f.2. Mapas e mosaicos.

f.3. Relatório descritivo (narrativo),

g. Estimativa de tempo para o preparo.

a. Estocagem dos dados.

b. Planos para a atualização do inventário.

3. Tipos de inventário florestal

a) Inventário pré-corte: realizado antes da exploração, com alta intensidade amostrai.

b) Inventário florestal convencional:realizado para obtenção do estoque de volume de madeira.

e) Inventário de sobrevivência: realizado após o plantio, com o objetivo de verificar o porcentual de

a. Quanto à forma de coleta de dados

a.1) Enumeração ou censo.todos os indivíduos são observados e medidos. Nos inventários

b. Quanto à abordagem da população no tempo

b.1) Inventários temporários: é realizado apenas uma vez. A estrutura da amostragem é

c.2) Inventário de reconhecimento: o principal objetivo desse inventário é determinar a

Livro Dendrometria e Inventário Florestal

CENSO OU INVENTÁRIO 100%

Essa Instrução Normativa se fez necessária considerando: a necessidade de ajustar os procedimentos

eminentemente florestal da região amazônica; e a necessidade de estimular modelos de uso apropriado

2. Metodologias de inventário 100%

coordenada y de cada árvore mapeada correspondia à distância percorrida ao longo da picada e a

Ao término da varredura do setor de inventário, iniciava-se o inventário do próximo setor, e assim

FREITAS, L.J.M. Inventário de prospecção e otimização da colheita visando a sustentabilidade do

FUPEF - Inventário comercial de um bloco de exploração na Floresta Nacional do Tapajós.

Livro Dendrometria e Inventário Florestal

1) Os indivíduos de uma população são da mesma natureza.

h) Exatidão: refere-se ao grau de aproximação de uma estimativa em relação ao parâmetro da

Em um inventário florestal, como em qualquer procedimento de amostragem, primeiramente deve-se

um inventário visando ao máximo de precisão requerida e eliminar, ou reduzir a um mínimo, o efeito de

1) Erros de medição, de ocorrência casual.

2) Erros consistentes, causando tendência “bias”.

2. A estatística na teoria da amostragem