Resumo |
Os modelos de crescimento e produção de povoamentos de eucalipto são empregados nos processos de decisão, principalmente no planejamento florestal. A simples inclusão de mais uma variável no modelo não garante consistência ou eficiência dos resultados, porém a inclusão de co-variáveis pode resultar em ganho de exatidão. Levando em consideração a importância da estimação cada vez mais exata da produção, para que o planejamento seja feito com erros e variações cada vez menores, foi proposta a inclusão da co-variável índice de local em alguns modelos sigmoidais (Gompertz, Richards e logístico) e dois exponenciais. Foram utilizados dados de idade, altura dominante e volume de povoamentos de eucalipto, onde a amplitude de altura dominante era de 14 a 38 m, na idade índice de 72 meses. A classificação da capacidade produtiva dos locais foi feita pelo método da curva-guia. Esse método foi escolhido pela simplicidade e eficiência, e por ser o método mais difundido nas empresas florestais. O modelo de regressão utilizado foi o logístico. Foram definidas seis classes de local com amplitude de 4 m de altura na idade índice. Para cada classe foram ajustados os seguintes modelos de produção (m³/ha) em função da idade: Schumacher na sua forma não linear, Schumacher linearizado, Gompertz, Richards e logístico. O modelo logístico resultou no melhor ajuste. Cada parâmetro da função logística foi então modelado em função do centro da classe de local, por meio do ajuste de modelos encontrados no software CurveExpert. As equações escolhidas foram utilizadas no lugar dos parâmetros do modelo logístico, sendo obtido um modelo para construção de curvas de produção polimórficas. Foi feita a comparação entre os volumes estimados pelo modelo polimórfico e pelo modelo de predição estimado inicialmente com a função logística, e os correspondentes volumes observados. Não houve diferença de exatidão ao utilizar o modelo polimórfico, em relação ao modelo usual de predição. Os desvios percentuais médios entre volumes observados e estimados pelas equações polimórfica e de predição, foram, respectivamente, -0,22 e -0,13%. Apesar disso, o modelo polimórfico é mais eficiente, uma vez que permite diferenciar tendências de crescimento em função da capacidade produtiva, o que é esperado do ponto de vista biológico. Ou seja, o erro não foi muito diferente em média, mas quando da aplicação das equações para fazer uma prognose, o polimorfismo estará presente na maioria das vezes. |