Cubagem e modelos volumétricos"

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)

Vamos calcular o volume da seção de dados cubados pelo método de Smalian, conforme a fórmula: $$ V_{secao} = \frac{AS_{i} + AS_{i+1}}{2} . L $$

Vamos utilizar como exemplo os dado exfm7:

library(forestmangr)
data(exfm7)
dados <- exfm7
dados

Primeiro, calculamos o volume com casca por seção, com a função smalianwb. Inserimos nela o dataframe, o diametro com casca, a altura da seção, e a variável árvore:

dados_sma <- smalianwb(dados,"di_wb", "hi","TREE")
head(as.data.frame(dados_sma))

Agora, calculamos o volume sem casca por seção, utilizamos a função smalianwb. Fornecemos as mesmas variáveis de antes, e a variável correspondente à espessura da casca. Como essa variável está em milímetros, utilizamos o argumento bt_mm_to_cm como verdadeiro, para converte-la para centímetros:

dados_sma <- smalianwob(dados_sma, "di_wb", "hi", "bark_t","TREE", bt_mm_to_cm = T)
head(as.data.frame(dados_sma))

Esse processo pode ser feito de forma direta, utilizando pipes (%>%)

dados_sma <- dados %>% 
  smalianwb("di_wb", "hi", "TREE") %>% 
  smalianwob("di_wb", "hi", "bark_t", "TREE", bt_mm_to_cm = T)
head(as.data.frame(dados_sma))

Podemos visualizar a curva média das árvores desta área, utilizando o modelo de Kozak, com a função average_tree_curve:

avg_tree_curve(df=dados_sma,d="di_wb",dbh="DBH",h="hi",th="TH")

Para calcular o volume por árvore, utilizamos a função vol_summarise. Informamos o dataframe e as variáveis dap, altura, volume com casca e sem casca, e árvore:

dados_vol_arvore <- vol_summarise(dados_sma, dbh = "DBH", th = "TH", 
                                  vwb="VWB",tree = "TREE",vwob="VWOB")
dados_vol_arvore

Agora, para determinar o modelo volumétrico mais adequado para os dados, vamos ajustar dois modelos, e compará-los utilizando resid_plot.

Modelo volumétrico de Schumacher: $$ Ln(V) = \beta_0 + \beta_1Ln(dbh) + \beta_2Ln(H) $$

Modelo volumétrico de Husch: $$ Ln(V) = \beta_0 + \beta_1*Ln(dbh) $$

Vamos utilizar o o output merge_est da função lm_table. Isso irá estimar o volume para os dados observados automaticamente. Em seguida, iremos utilizar a função resid_plot, e comparar a variável observada com as estimadas:

dados_vol_arvore %>% 
  lm_table(log(VWB) ~  log(DBH) + log(TH),output="merge_est",est.name="Schumacher") %>%
  lm_table(log(VWB) ~  log(DBH),output="merge_est",est.name="Husch") %>%
resid_plot("VWB", "Schumacher", "Husch")

O modelo de schumacher foi mais simétrico, portanto vamos utilizá-lo. Para salvar os coeficientes em um dataframe, ajustamos o modelo novamente, e utilizamos o output padrão:

tabcoef_vwb <- lm_table(dados_vol_arvore, log(VWB) ~  log(DBH) + log(TH) )
tabcoef_vwb

Fazemos o mesmo para o volume sem casca:

tabcoef_vwob <- lm_table(dados_vol_arvore, log(VWOB) ~  log(DBH) + log(TH) )
tabcoef_vwob


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.