Amostragem"

knitr::opts_chunk$set(collapse = T, comment = "#>")
knitr::opts_chunk$set(fig.width=7, fig.height=5)
options(tibble.print_min = 6L, tibble.print_max = 6L)
library(forestmangr)

Primeiro carregamos o pacote e os dados:

library(forestmangr)
data(exfm1)
data(exfm2)
data(exfm3)
data(exfm4)
data(exfm5)

dados_acs_piloto <- exfm3
dados_acs_def <- exfm4
dados_ace_piloto <- exfm1
dados_ace_def <- exfm2
dados_as <- exfm5

Amostragem Casual Simples

O objetivo deste exemplo é realizar uma amostragem casual simples de uma área, de 46,8 ha com um erro de 20%. Foram lançadas 10 parcelas de 3000 m² para um inventário piloto. Os dados são o seguinte:

dados_acs_piloto

Agora, rodamos o inventário piloto considerando um erro de 20% e a população como finita com a função sprs. Lembrando que os valores de área da parcela devem ser inseridos em metros quadrados, e os valores de área total devem ser inseridos em hectare:

sprs(dados_acs_piloto, "VWB", 3000, 46.8,error = 20, pop = "fin")

Com esses resultados, percebe-se que para atingirmos o erro desejado, precisaremos de mais 15 amostras. Após uma nova amostragem, os novos dados são os seguintes:

dados_acs_def

Agora o inventário definitivo será realizado, com 20% de erro e considerando uma população finita:

sprs(dados_acs_def, "VWB", 3000, 46.8, error = 20, pop = "fin")

O erro foi atingido.

Os valores de área podem ser inseridos também como colunas:

sprs(dados_acs_def, "VWB", "PLOT_AREA", "TOTAL_AREA", 
     error = 20, pop = "fin")

Também é possível realizar vários inventários casuais simples. Para demonstrar isso vamos utilizar o dado de exemplo para inventário estratificado, porém, vamos utilizar as estatísticas de acs. Utilizamos a função sprs, e indicamos a variável de grupo no argumento .groups. Neste caso, como temos várias áreas, a área total deve ser informada como uma coluna:

sprs(dados_ace_def, "VWB", "PLOT_AREA", "STRATA_AREA",
     .groups = "STRATA" ,error = 20, pop = "fin")

Amostragem Casual Estratificada

O objetivo deste exemplo é realizar uma amostragem casual sistemática de uma área, com um erro de 5%. A área foi dividida em 3 estratos: 1 com 14,4 ha e 7 parcelas, um com 16,4 ha e 8 parcelas, e outro com 14,2 ha e 7 parcelas. As parcelas tem uma área de 1000 m². Ao total foram 22 parcelas para o inventário piloto. Os dados são o seguinte:

dados_ace_piloto

Agora realizamos o inventário com um um erro almejado de 5%, considerando a população como finita utilizando a função strs. Os valores de área podem ser inseridos como números, ou como variáveis. No caso da área dos estratos, um vetor numérico pode ser utilizado. A área da parcela deve ser inserida em metros quadrados, e a área dos estratos em hectares:

strs(dados_ace_piloto, "VWB", 3000, c(14.4, 16.4, 14.2), 
     strata = "STRATA", error = 5, pop = "fin")

Analisando a tabela 1, vemos que para atingir o erro de 5%, precisaremos amostrar mais 24 parcelas. 4 no estrato 1, 8 no estrato 2, e 12 no estrato 3.

Com as parcelas lançadas, os dados para o inventário definitivo são esses:

dados_ace_def

Agora, realizamos o inventário novamente, dessa vez para os dados definitivos. Consideramos novamente um erro de 5% e a população como finita:

strs(dados_ace_def, "VWB", "PLOT_AREA", "STRATA_AREA", 
     strata = "STRATA", error = 5, pop = "fin")

O erro desejado foi atingido.

Amostragem Sistemática

Agora iremos amostrar uma área de 18 hectares em que 18 parcelas de 200 metros quadrados foram lançadas sistematicamente:

dados_as

Primeiro, vamos ver qual seria o erro atingido, pelo método da amostragem casual simples:

sprs(dados_as, "VWB", 200, 18)

O erro obtido foi de 22,2%. Agora iremos calcular o erro utilizando o método das diferenças sucessivas com a função ss_diffs. Lembrando que os dados devem ser inseridos na ordem de medição, valores de área da parcela devem ser inseridos em metros quadrados, e valores de área total, em hectares.

ss_diffs(dados_as, "VWB", 200, 18)

O erro obtido foi de 4,2%. Houve uma redução significativa no erro.



Try the forestmangr package in your browser

Any scripts or data that you put into this service are public.

forestmangr documentation built on Aug. 16, 2021, 5:08 p.m.