Influência do padrão espacial sobre a estimativa de densidade arbórea do método de quadrantes: um estudo por meio de simulação de Monte Carlo

Abstract

O método de quadrantes tem sido bastante utilizado em levantamentos fitossociológicos de florestas tropicais. O método pressupõe que as árvores tenham padrão espacial completamente aleatório para que a estimativa da densidade (árvores ha-1) não apresente viés. Neste trabalho, analisou-se através de simulação de Monte Carlo de florestas hipotéticas, o efeito de desvios da Completa Aleatoriedade Espacial (C AE) em direção a padrões agrupados e regulares, sobre a estimativa da densidade obtida pelo método de quadrantes para populações com diferentes densidades, bem como a influência do tamanho da amostra sobre as estimativas. O aumento do tamanho da amostra não mostrou efeito significativo na redução de viés. Entre os padrões de distribuição dos indivíduos testados através de simulação, o viés na estimativa da densidade obtida pelo método de quadrantes oscilou entre +70,3% (distribuição perfeitamente regular, correspondente ao padrão em lattice) e -75,7% (distribuição fortemente agrupada, correspondente ao padrão agrupado com raio médio de agrupamento de 25 m). Com exceção das florestas com padrão espacial completamente aleatório e com padrão regular em lattice aleatorizado, em todos os outros padrões espaciais testados não houve relação clara entre a densidade da floresta e a precisão da estimativa de densidade efetuada pelo método de quadrantes. O método de quadrantes superestima a densidade em florestas com padrão regular, e subestima a densidade em florestas com padrão agrupado. Seria importante saber, a priori, o padrão espacial dos indivíduos na floresta para que fosse possível aplicar o método de quadrantes e interpretar corretamente os seus resultados, sem viés.The point-centered quarter method (PCQM) is often used in phytosociological surveys of tropical forests. The method has a basic assumption that individual trees in the forest have a completely random spatial pattern. In this study, the effect of deviation from total spatial randomness on PCQM estimate of forest density was analysed through Monte Carlo simulation of hypothetical forests with regular and clustered spatial patterns and with different densities. The influence of sample size was also analysed, but showed no marked effect on estimation biases. The relative bias on the tree density estimation varied from +70.3% (regular lattice spatial pattern) to -75.7% (strongly clustered spatial pattern). Tree density did not affected estimation bias, except for the totally randomized spatial pattern and randomized regular lattice pattern. The point-centered quarter method overestimates (positive bias) tree density for regular patterns and underestimates this parameter (negative bias) for clustered patterns. Previous knowledge of tree spatial pattern in a forest is necessary for correct implementation and interpretation of results in this method.