Manejo Florestal para Sustentabilidade e Excelência

Eduardo Pagel Floriano
MANEJO FLORESTAL:
para sustentabilidade e excelência
1ª edição
Edição do autor
Rio Largo, AL, Brasil
2018
© Eduardo Pagel Floriano
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Setorial do Centro de Ciências Agrárias
Bibliotecária Responsável: Myrtes Vieira do Nascimento
Manejo Florestal – para sustentabilidade e excelência
PREFÁCIO
A motivação para elaborar este compêndio vem da necessidade de um texto

auxiliar no ensino do manejo florestal para futuros Engenheiros Florestais. Os poucos
textos em Língua Portuguesa, ou não estão disponíveis para aquisição, ou não
possuem a abrangência necessária para servirem de base para a disciplina.
Manejo florestal é um assunto extremamente amplo, abrangendo tecnologias

diversas, de diferentes subáreas, com o objetivo de subsidiar a produção de bens
florestais, tangíveis e intangíveis, de forma sustentada e com excelência. Usualmente,
os Engenheiros se especializam em uma ou poucas áreas correlacionadas do manejo
florestal, devido à abrangência e complexidade do assunto, tendo por vezes até
mesmo que apelar para profissionais de outras áreas, como a biologia, geografia,
matemática, etc, para resolver os problemas que surgem ao manejar florestas.
Aqui, procurou-se fazer uma introdução dentro do escopo das principais

técnicas atuais de manejo florestal utilizadas no Brasil, fornecendo-se uma referência,
principalmente aos acadêmicos, de forma simples e resumida e de fácil compreensão.
Rio Largo, 25 de novembro de 2018.
Eduardo Pagel Floriano
2
SUMÁRIO
INTRODUÇÃO 9
1.1 Requisitos do manejo florestal sustentável 19
1.1.1 Requisitos gerais 21
1.1.2 Requisitos específicos 21
1.2 Elementos do manejo florestal 22
2 ABORDAGENS DO MANEJO FLORESTAL 23
2.1 Florestas com objetivo de conservação 23
2.1.1 Unidades de Proteção Integral 23
2.1.2 Unidades de Uso Sustentável. 23
2.2 Florestas com objetivo de proteção 24
2.3 Florestas com objetivo de produção 26
3 FASES DO MANEJO FLORESTAL 29
3.1 Ambiente socioeconômico 30
3.1.1 Identificação dos atores 30
3.1.2 Caracterização socioeconômica 31
3.1.3 Políticas de desenvolvimento 31
3.1.4 Infraestrutura 32
3.1.5 Avaliação comparativa (Benchmarking) 32
3.2 Ambiente biofísico 33
3.3 Caracterização da cadeia produtiva 33
3.3.1 Características das indústrias de base florestal 34
3.3.2 Produtividade Industrial 35
3.4 Escolha de espécies 41
3.4.1 Objetivos da produção 41
3.4.2 Adaptação 44
3.4.3 Produtividade 45
3.5 Estatísticas 47
3.6 Caracterização das árvores e povoamentos 48
3.6.1 Diâmetro 49
3.6.2 Altura 52
3.6.3 Área Basal 53
3.6.4 Volume 55
3.6.5 Formas das árvores 57
3
3.6.6 Forma do tronco 66

3.6.7 Biomassa 70
3.6.8 Mortalidade 71
3.6.9 Qualidade da madeira 72
3.7 Espaço florestal 74
3.7.1 Áreas de preservação e conservação 74
3.7.2 Divisões e subdivisões espaciais 75
3.7.3 Rede viária 76
3.8 Tempo 79
3.8.1 Idade 80
3.8.2 Classes de idade 81
3.9 Estrutura florestal 81
3.9.1 Espécies 82
3.9.2 Índices de diversidade α 83
3.9.3 Índices de diversidade β 87
3.9.4 Diversidade por agrupamento 91
3.9.5 Estrutura Horizontal 99
3.9.6 Estrutura vertical 106
3.10 Crescimento 112
3.10.1 Fatores que afetam o crescimento 112
3.10.2 Representação matemática do crescimento 115
3.10.3 Incrementos 116
3.10.4 Curva de crescimento 117
3.10.5 Métodos de estudo do crescimento 119
4 MODELOS FLORESTAIS PARA O PLANEJAMENTO DA PRODUÇÃO 123
4.1 Classificação dos modelos matemáticos 126
4.1.1 Classes de objetivos da modelagem 126
4.1.2 Classificação teórico-empírica 126
4.1.3 Classificação pela técnica empregada 127
4.1.4 Classificação pela relação com o tempo 127
4.1.5 Classificação pelo tipo de previsão 127
4.1.6 Classificação de acordo com o tipo de dados 128
4.2 Modelagem linear por seleção de variáveis 128
4.3 Modelos de relação hipsométrica 130
4.4 Modelos para volume do tronco 131
4.5 Modelos para fator de forma 132
4.6 Modelos para casca 133
4
4.7 Modelos de crescimento florestal 134

4.7.1 Modelagem do crescimento 135
4.8 Modelos de distribuição de diâmetros 140
4.8.1 Florestas plantadas 140
4.8.2 Florestas inequiâneas 144
4.9 Modelos para forma e afilamento do tronco 145
4.9.1 Equação de afilamento do tronco 145
4.10 Tabelas de produção 148
4.11 Obtenção de dados para modelagem 149
4.11.1 Ajuste e construção de modelos 151
4.11.2 Avaliação de modelos 152
4.11.3 Coeficiente de Determinação Ajustado (R²aj) 155
4.11.4 Validação das equações de regressão 156
4.12 Análise de covariância 161
5 CLASSIFICAÇÃO DE SÍTIOS 162
5.1 Método da curva guia 164
5.2 Método da equação de diferença 166
5.3 Método da regressão aninhada 167
6 COMPETIÇÃO 168
6.1 Índices de competição 168
6.2 Índices baseados nas copas das árvores 173
6.2.1 Fator de Competição de Copas (FCC) 173
6.2.2 Índice de Ocupação do Espaço (IOE) 177
7 DENSIDADE DOS POVOAMENTOS 178
7.1 Densidade populacional 180
7.2 Área basal por unidade de área 181
7.3 Superfície de copa por unidade de área 181
7.4 Volume por unidade de área 182
7.5 Índices de densidade 182
7.5.1 Fator de Wilson 182
7.5.2 Índice de espaçamento relativo de Hart-Becking 183
7.5.3 Índice de densidade de Reineke 184
7.6 Controle da densidade 185
7.6.1 Densidade de plantio 185
7.6.2 Desbastes 186
7.7 Efeitos dos desbastes sobre a floresta e as árvores 187
5
7.7.1 Intensidade e Idade do 1º desbaste 189

7.7.2 Critérios para o 1º desbaste 190
7.7.3 Escolha das árvores a desbastar 190
7.7.4 Considerações sobre os Desbastes 190
7.7.5 Marcação de Desbastes 191
7.7.6 Cálculo de desbaste 191
7.7.7 Cálculo de desbaste pelo Índice de Hart-Becking 192
7.7.8 Método Inglês de desbaste 192
7.7.9 Método de Abetz de desbaste 193
7.7.10 Fator do espaçamento de Wilson 194
7.7.11 Método mexicano de desbaste 195
7.7.12 Método “croata” de desbaste 196
7.7.13 Considerações finais sobre densidade e desbastes 196
7.8 Desrama das florestas plantadas 197
8 ANÁLISE ECONÔMICA E FINANCEIRA 203
8.1 Valor Presente Líquido (VPL) 205
8.2 Razão Benefício/Custo (B/C) 206
8.3 Taxa interna de retorno (TIR) 207
8.4 Valor Anual Equivalente (VAE) 208
8.5 Valor Esperado da Terra (VET) 209
9 ROTAÇÃO FLORESTAL 210
9.1 Rotação de máxima produtividade 210
9.2 Rotação de máximo resultado financeiro 210
9.2.1 Rotação de máximo VET 211
9.2.2 Rotação de máximo VAE 212
10 PLANEJAMENTO DA PRODUÇÃO FLORESTAL 213
10.1 Processo de planejamento e regulação da produção 213
10.2 Exemplo 1 – Produção de lenha para uma indústria de laticínios 216
10.3 Exemplo 2 – Regulação da produção de lenha para abastecimento de um
frigorífico 220
11 PESQUISA OPERACIONAL FLORESTAL 224
11.1 Introdução 224
11.2 Métodos de Pesquisa Operacional 227
11.3 Benefícios da PO 229
11.4 Limitações da PO 229
6
11.5 Aplicações da PO 230

11.6 Programação Linear (PL) 231
11.6.1 Modelos de programação linear no manejo florestal 233
11.6.2 Exemplo 1 – Otimização de produtos a fabricar 239
11.6.3 Exemplo 2 – Otimização do transporte para a fábrica 241
11.6.4 Exemplo 3 – Otimização de máquinas na colheita 244
11.6.5 Exemplo 4 – Planejamento da produção florestal 246
11.7 CPM - Critical Path Method 253
11.7.1 Programação para Frente (Data Cedo) 254
11.7.2 Programação para Trás (Data Tarde) 254
11.7.3 Determinação do Caminho Crítico: 254
12 AVALIAÇÃO DE IMPACTOS 259
12.1 Métodos de AIA para a fase de identificação e sumarização 260
12.2 Métodos de AIA para a fase de avaliação 261
12.3 Princípios e critérios para avaliação ambiental 261
12.4 Classificação dos impactos ambientais 263
12.4.1 Classificação qualitativa: 267
12.4.2 Classificação absoluta: 268
12.4.3 Classificação relativa 269
12.4.4 Dimensionamento dos impactos 272
13 GESTÃO DE RISCOS 275
13.2 Classificação de riscos 277
13.3 Identificação e quantificação de riscos 279
13.4 Tratamento de riscos 285
13.5 Análise de risco financeiro (método de Monte Carlo) 286
14 MONITORAMENTO 288
14.2 Análise de decisão 291
14.2.1 Propósito da decisão (Objetivo da Decisão) 291
14.2.2 Critérios 292
14.2.3 Alternativas 293
14.2.4 Comparação das alternativas 294
14.2.5 Avaliação dos riscos 295
14.2.6 Grau de conforto das decisões 296
14.2.7 Ações sobre os riscos 297
7
14.3 Metodologia para desenvolvimento de sistemas de monitoramento

operacional 298
14.3.1 Levantamento de informações 302
14.4 2. Monitoramento de formigas cortadeiras 304
14.4.1 Considerações a respeito do sistema de monitoramento de formigas cortadeiras 312
14.5 3. Monitoramento de ervas daninhas 313
14.5.1 A situação 313
14.5.2 Levantamento de informações 313
14.6 4. Monitoramento de transporte de madeira 320
14.7 Monitoramento das florestas 327
14.7.1 Áreas de produção 327
14.7.2 Áreas de conservação e preservação 328
14.8 Monitoramento de solos 329
14.9 Monitoramento de estradas florestais 329
14.9.1 Seção transversal imprópria 332
14.9.2 Drenagem na estrada 333
14.9.3 Corrugações 334
14.9.4 Poeira 334
14.9.5 Buracos 335
14.9.6 Sulcos 337
14.9.7 Perda de agregação 337
14.9.8 Inspeção e avaliação de estradas vicinais 339
14.9.9 Monitoramento das obras de arte e sinalização 340
14.10 Monitoramento de pragas e doenças 341
14.11 Monitoramento de incêndios florestais 341
15 GESTÃO DOS ESPAÇOS FLORESTAIS 343
15.1 Sistema de Informações Geográficas (SIG) e Sistemas de Processamento
de Imagem 344
15.2 Uso da tecnologia LiDAR na área florestal 347
16 REFERÊNCIAS 348
8
INTRODUÇÃO
Floresta: Terrenos com uma extensão de mais de 0,5

hectares com árvores de mais de 5 metros e um copado de mais de
10 por cento, ou árvores que possam alcançar esses limiares in situ.
Não inclui terra que está predominantemente sob uso agrícola ou
urbano (FAO, 2010).
“Manejo florestal é a ordenação científica dos povoamentos

para a contínua produção de bens e serviços” (BAKER, 1950).
O manejo florestal é a ciência que trata da produção sustentável de bens

florestais tangíveis e intangíveis com o objetivo de satisfazer as necessidades
humanas, tendo como princípio a otimização dos recursos naturais e sua
sustentabilidade.
“Manejo Florestal” consiste na gestão de florestas com bases científicas para

atingir determinados objetivos, que podem ser de conservação, proteção, produção,
educação ou recreação (Figura 1).
O ser humano surgiu há cerca de 200 mil anos e desde então tem usado
intensamente todos os recursos das florestas de diferentes maneiras. As florestas não
são apenas uma comunidade de árvores. Também fazem parte delas o solo, os
mananciais e cursos de água, os animais e toda sua flora e fauna. No início, o homem
vivia em pequenos grupos de coletores que simplesmente extraíam do ambiente o
que ele oferecia naturalmente. Mas, com a evolução da civilização esses recursos
passaram a ser usados exaustivamente. Em vários locais, desde a antiguidade, os
recursos florestais passaram a ser escassos e até mesmo a serem extintos. Na
antiguidade, governos de povos como os chineses e os romanos chegaram a emitir
normas que disciplinavam e restringiam o uso das florestas com o objetivo de
salvaguardar e manter a produção florestal de forma mais sustentável.
9
Figura 1 – Principais objetivos das florestas.
Esforços foram realizados no passado com o objetivo de manejar florestas e

um dos compêndios mais antigos que trata do assunto é o de Hans Carl von Carlowitz
que, em 1713, publicou a obra Sylvicultura Oeconomica. Ele escreveu que as florestas
devem ser utilizadas com base nas suas características naturais para o bem estar da
população, manejadas e conservadas com cuidado e com a responsabilidade de
deixar um bom legado para as futuras gerações (GROBER, 2002).
O enfoque maior do manejo florestal é a produção de madeira, mas outros

serviços da floresta beneficiam a civilização e proporcionam bem estar às pessoas,
como abrigo e alimento para a fauna, proteção dos mananciais de água, amenização
do clima, fixação do carbono do ar, produção de nuvens, conservação da diversidade
genética, alimentos e, ainda, lazer e turismo.
10
Assim, o conceito atual de manejo florestal pode ser expresso como a ciência
que trata da produção sustentável de bens e serviços florestais com o objetivo de
satisfazer as necessidades humanas, tendo como princípio a otimização dos recursos
naturais, sua conservação e sustentabilidade.
Alguns fatos históricos caracterizaram a evolução da preocupação com as

florestas e são citados a seguir:
− 1122 a.C., um Imperador Chinês contratava um silvicultor com o objetivo
de realizar desbaste, poda e limpeza de povoamentos.
− 23-79 d.C., os romanos começaram a planejar a utilização das florestas e
já conheciam o regime de manejo em alto fuste e talhadia.
− 742 – 814 d.C. – início do ordenamento florestal, na Europa Central
(França, Alemanha, Áustria e Suíça).
− 1669 - França - lei requeria que houvesse uma autorização oficial para todo
tipo de corte, e que no caso de cortes finais fossem especificados a forma
de cubicação da madeira, extensão e procedimento de tratamentos. Nessa
época, também, foram desenvolvidos esforços esporádicos na Inglaterra.
− Durante a Idade Média, a madeira situava-se como um recurso importante
devido a seu amplo uso em construções domésticas, naval e como
combustível.
− Na Alemanha do século XIV foram realizadas práticas de rendimento
sustentado mediante o método de divisão de áreas. No século XVIII,
devido ao grave perigo de escassez de madeira, houve a elaboração de
uma teoria de ordenamento. Começava-se a regular o corte com base no
volume em vez da área da floresta.
− Em 1713 Hans Calowitz desenvolveu o primeiro conceito de
sustentabilidade florestal nos termos que se entende ainda hoje.
− A primeira Escola Florestal foi fundada por Hans Dietrich von Zanthier, em
Wernigerode, na Alemanha, que foi fechada com a morte do seu fundador,
em 1778.
− A Escola Prusiana, fundada em 1779, em Hessen, por Georg Ludwig
Hartig, teve grande importância no desenvolvimento da ciência florestal.
− A Hartig e Cotta deve-se a formulação, em 1804, da idéia básica de manejo
florestal sustentado, que tinha por significado: manejar as florestas de
maneira que os descendentes obtivessem dela pelo menos os mesmos
benefícios que a geração atual.
11
− No século XIX, foi formulado o famoso Modelo da Floresta Normal, por

Hundeshagen e Meyer. Esse modelo serviu como base da maioria dos
métodos de regulação de corte. Ainda, nesse século, foram executados
muitos estudos de produção e montadas várias tabelas de volume e de
produção, assim como, o cálculo com juros compostos, realizado por
Pressler em 1860.
− A primeira parte do século XX foi marcada por uma estagnação do
desenvolvimento florestal, causado principalmente pela luta inútil entre a
Escola de Renda Líquida do Terreno, que observa os juros sobre o valor
do povoamento como custo, e a Escola de Renda Líquida da Floresta, que
não inclui os juros sobre o valor dos povoamentos no cálculo de custos.
− Uma fase muito promissora do ordenamento começou depois da segunda
guerra mundial com o desenvolvimento da pesquisa operacional,
principalmente na Inglaterra e EUA. Os modelos matemáticos formulados
por esta disciplina são, especialmente, a otimização linear, a otimização
dinâmica, o sistema PERT/CPM e as técnicas de simulação que, quando
aplicadas ao manejo florestal, permitem soluções mais realísticas de
problemas mais complexos do que as técnicas clássicas de ordenamento.
No Brasil, pode-se dizer que não houve preocupação com o manejo de

florestas até a metade do Século XX, embora em 1934 tenha sido promulgado o
primeiro código florestal, o Decreto 23.793/34, que previa algumas ações de proteção
à fauna e à flora, como a limitação de desmatamento máximo de 75% da superfície
das propriedades, bem como a reposição das florestas homogêneas exploradas
intensivamente, e a obrigatoriedade das siderúrgicas em manter área suficiente
cultivada com florestas para garantir o abastecimento industrial; não havia
preocupação com o manejo das florestas para melhorar a produtividade, ou garantir
produção constante. Em 1960, o país contava com somente 500 mil hectares
plantados, com manejo florestal insipiente. Mas, no início da década de 1960, a
exploração indiscriminada das florestas de pinheiros do sul do país começaram a dar
sinais de necessidade de maior regulação no setor e do melhoramento do manejo das
florestas. Em 1965, foi promulgada a Lei nº 4.771 – Novo Código Florestal, que previa
12
a obrigatoriedade de planos de manejo para a floresta amazônica, mas somente em

1986 apareceu o termo manejo sustentado na legislação brasileira (Lei nº 7.511, de
1986).
Em 30 de maio de 1960, foi criada em Viçosa a primeira Escola Nacional de

Florestas pelo Decreto n° 48.247, transferida para Curitiba em 1963, que formou a
primeira turma de Engenheiros Florestais do Brasil em 8 de dezembro de 1964. Com
isso, a ciência florestal brasileira iniciou seu caminho para a excelência atingida no
Século XXI.
No Brasil, os cultivos florestais iniciaram com Navarro de Andrade, que

introduziu o Eucalyptus em 1903 para produção de dormentes de estradas de ferro
(SNIF, 2018).
Em 1966, o Brasil começou o programa de incentivos fiscais para criar a base

de uma cadeia de produção florestal com a promulgação a Lei 5.106, permitindo a
aplicação em florestamento de parte do imposto de renda a pagar, iniciando-se assim
o processo de formação da base florestal que existe hoje. Depois, em 1970, veio o
Decreto Lei 1134, que permitia também a participação acionária em empresas
florestadoras com incentivos fiscais. Com isso, foram efetivamente plantados cerca
de 5,5 milhões de hectares em todo o país até final dos anos 1980. Ainda, a partir de
meados da década de 1970, iniciou-se a implantação de indústrias de base florestal
com apoio do governo e, a partir de 2000, a cadeia produtiva da madeira passou a
andar com suas próprias pernas. De acordo com o IBGE (2018), as áreas dedicadas
à silvicultura brasileira somavam cerca de 10 milhões de hectares em dezembro de
2016, sendo 7,5 milhões de hectares de Eucalyptus, 2,1 milhões de hectares de Pinus
e o restante com outras espécies (Tabela 1).
13
A maioria das florestas plantadas brasileiras tem como proprietários a indústria

de celulose (34%), seguidas pelos produtores independentes (29%) e depois pelas
siderúrgicas (14%) (Figura 2).
Figura 2 – Plantações florestais por tipo de proprietário. Fonte: IBA e POYRY (2017).
Recentemente, a monocultura florestal tem dado espaço para novos plantios

em sistemas agroflorestais e silvipastoris com resultados econômicos positivos,
menos agressivos ao ambiente e socialmente mais justos. Na Figura 3 pode-se
visualizar a distribuição das florestas plantadas por unidade da federação.
As florestas plantadas no Brasil apresentam muitos aspectos desejáveis, como

a redução da pressão sobre florestas nativas, restauração de terras degradas pela
pecuária e agricultura, maior sequestro de carbono do que a maioria das atividades
rurais, proteção dos mananciais de água e do solo, ciclos de rotação mais curtos em
relação aos países com clima temperado e menor risco com as variações do clima
em relação às culturas anuais.
14
Figura 3 – Plantações florestais por Estado. Fonte: IBA (2018).
A silvicultura brasileira está distribuída na Região Sudeste (34%), Sul (37%),

Nordeste (9%), Norte (6%) e Centro-Oeste (14%), conforme a Tabela 1 (IBGE, 2018).
A produtividade inicial dos plantios de Eucalyptus, lá pelos idos de 1970, não

passava de 25 m³.ha-1.ano-1 e hoje a média supera os 35 m³.ha-1.ano-1 (Figura 7)..
Enquanto que algumas empresas já atingem os 60 m³.ha-1.ano-1 em rotações de 7
anos de Eucalyptus (SNIF, 2018).
15
Tabela 1– Área de silvicultura por unidade da federação, por espécie.

Unidades da Federação, Área existente em 31.12.2016 dos efetivos da silvicultura
Mesorregiões, (ha)
Microrregiões Espécie florestal
e Municípios Total
Eucalipto Pinus Outras espécies
Norte 602,403 511,772 5,291 85,340
Rondônia 28,000 2,600 4,800 20,600
Acre - - - -
Amazonas - - - -
Roraima 10,390 - - 10,390
Pará 201,714 154,907 - 46,807
Amapá 221,252 219,545 48 1,659
Tocantins 141,047 134,720 443 5,884
Nordeste 908,832 900,757 575 7,500
Maranhão 261,616 261,605 - 11
Piauí 36,316 36,316 - -
Ceará 270 7 - 263
Rio Grande do Norte 461 - - 461
Paraíba 6,084 1,040 - 5,044
Pernambuco 1,291 228 - 1,063
Alagoas 11,967 11,337 - 630
Sergipe 3,363 3,335 - 28
Bahia 587,464 586,889 575 -
Sudeste 3,363,590 3,129,918 227,207 6,465
Minas Gerais 1,880,538 1,839,459 38,933 2,146
Espírito Santo 289,376 287,057 2,047 272
Rio de Janeiro 37,373 36,552 8 813
São Paulo 1,156,303 966,850 186,219 3,234
Sul 3,736,702 1,678,478 1,832,974 225,250
Paraná 1,635,583 684,382 920,251 30,950
Santa Catarina 1,015,801 341,130 647,322 27,349
Rio Grande do Sul 1,085,318 652,966 265,401 166,951
Centro-Oeste 1,411,549 1,322,782 13,115 75,652
Mato Grosso do Sul 998,083 993,807 4,276 -
Mato Grosso 266,017 191,995 - 74,022
Goiás 144,049 134,280 8,139 1,630
Distrito Federal 3,400 2,700 700 -
Brasil 10,023,076 7,543,707 2,079,162 400,207
Fonte: IBGE (2018).
16
Outras espécies, além dos Eucalyptus e Pinus também tem sido cultivadas com
objetivos específicos em diferentes regiões do país, como acácia negra (Acacia
mearnsii), seringueira (Hevea spp.), teca (Tectona grandis), paricá (Schizolobium
parahyba), araucária (Araucaria angustifolia), álamo (Populus sp.), cedro australiano
(Toona ciliata) e mogno africano (Khaya ivorensis e Khaya anthotheca).
Os tipos de produtos obtidos das florestas cultivadas no Brasil são diversos e

com diferentes objetivos, como se vê na Figura 4, com isso, diferentes formas de
manejo são aplicadas para cada tipo de floresta, em cada local, para atingir os
objetivos de produção e abastecimento do mercado de produtos florestais.
17
A) Carvão vegetal (extrativismo); B) Carvão vegetal de Eucalyptus (silvicultura); C) Carvão vegetal de

outras espécies (silvicultura); D) Carvão vegetal de Pinus (silvicultura); E) Lenha (extrativismo; F) Lenha
de Eucalyptus (silvicultura); G) Lenha de outras espécies (silvicultura); H) Lenha de Pinus (silvicultura);
I) Madeira em tora (extrativismo); J) Madeira em tora de Eucalyptus para outras finalidades (silvicultura);
K) Madeira em tora de Eucalyptus para papel e celulose (silvicultura); L) Madeira em tora de outras
espécies para outras finalidades (silvicultura); M) Madeira em tora de outras espécies para papel e
celulose (silvicultura); N) Madeira em tora de Pinus para outras finalidades (silvicultura); O) Madeira em
tora de Pinus para papel e celulose.
Figura 4 – Produção por tipo de produto e de floresta no Brasil em 2015. Fonte: SFB
(2016).
18
1.1 Requisitos do manejo florestal sustentável

Requisitos são as condições exigidas para que o manejo florestal seja
sustentável, otimizando recursos e maximizando a produção com mínimo impacto
ambiental negativo e máximo impacto positivo socioeconômico. Muito se escreveu
sobre esses requisitos de forma desordenada no passado. Os sistemas de
certificação florestal os organizaram em normas claras. Os dois sistemas de
certificação mais conhecidos no Brasil são o Programa Brasileiro de Certificação
Florestal (Cerflor) e o Forest Stewardship Council (FSC)1. O FSC adota três requisitos
básicos, exigindo que o manejo florestal seja:
1) Ambientalmente Adequado – Protegendo e mantendo comunidades naturais e
florestas de alto valor de conservação;
2) Socialmente Benéfico – Respeitando os direitos dos trabalhadores,
comunidades e povos indígenas.
3) Economicamente Viável – Construindo mercados, agregando maior valor e
criando acesso equitativo aos benefícios.
Os princípios adotados pelo FSC para o bom manejo florestal são:

− Princípio 1: Conformidade com as Leis e Princípios do FSC;
− Princípio 2: Posse e Direitos e Responsabilidades de Uso;
− Princípio 3: Direitos dos Povos Indígenas;
− Princípio 4: Relações Comunitárias e Direitos dos Trabalhadores;
− Princípio 5: Benefícios da Floresta;
− Princípio 6: Impacto Ambiental;
− Princípio 7: Plano de Manejo;
− Princípio 8: Monitoramento e Avaliação;
− Princípio 9: Manutenção de Florestas de Alto Valor de Conservação;
− Princípio 10: Plantações.
O Cerflor adota cinco requisitos básicos na forma de princípios, como segue:
1 Conselho de Manejo Florestal
19
Princípio 1 - Cumprimento da legislação, o empreendimento florestal deve ser

gerido por meio de atitudes e ações que assegurem o cumprimento das
legislações federal, estadual e municipal, assim como os acordos, tratados e
convenções internacionais aplicáveis ao manejo florestal. A organização deve
fornecer uma proteção adequada da floresta, de forma a prevenir atividades
não autorizadas, como a extração ilegal de madeira e outras atividades
ilegais, e a respeitar a legislação aplicável às questões de manejo florestal,
como a proteção ambiental, espécies ameaçadas e protegidas, direitos de
posse, propriedade e uso da terra para os povos indígenas e comunidades
tradicionais, questões trabalhistas e de saúde e segurança, e ao pagamento
de royalties e impostos.
Princípio 2 - Racionalidade no uso dos recursos florestais a curto, médio e

longo prazos, em busca da sua sustentabilidade, o planejamento do manejo
florestal deve ter como objetivo a saúde e a vitalidade dos ecossistemas
florestais, buscando manter e aumentar os valores econômicos, ecológicos,
culturais e sociais da floresta. Deve-se manejar a floresta de modo que a
atividade contribua para conservação dos recursos naturais renováveis.
Como Princípio 3 - Zelo pela diversidade biológica, a organização deve

manejar a plantação florestal de modo a minimizar os impactos negativos de
sua atividade silvicultura sobre a flora e a fauna nativas. Deve zelar pela
manutenção e pelo aumento da diversidade biológica.
O Princípio 4 - Respeito às águas, ao solo e ao ar o manejo florestal e o

programa de desenvolvimento tecnológico indica às empresas que devem
prever e adotar técnicas que considerem a conservação do solo, dos recursos
hídricos e do ar.
O Princípio 5 - Desenvolvimento ambiental, econômico e social das regiões

em que, se insere a atividade florestal, a empresa deve ter uma política de
relacionamento com os trabalhadores florestais e comunidades locais, bem
como evidências dos benefícios da atividade florestal nos aspectos sociais,
ambientais e econômicos.
(TARGET, 2013).
O Cerflor é acreditado internacionalmente pelo Program for the Endorsement

of Forest Certification Schemes (PEFC)2, organismo que realiza a acreditação
internacional de sistemas de certificação florestal.
2 Programa para endosso de sistemas de certificação florestal (http://www.pefc.org).
20
Segundo o PEFC o manejo florestal sustentado é uma abordagem holística

definida como o manejo e uso das florestas e áreas florestais de uma maneira e a
uma taxa que mantenham sua biodiversidade, produtividade, capacidade de
regeneração, vitalidade e potencial para cumprir, agora e no futuro, relevantes fatores
ecológicos, funções econômicas e sociais, em nível local, nacional e global, sem
causar danos a outros ecossistemas.
1.1.1 Requisitos gerais

Os requisitos normativos para o manejo florestal sustentado definidos em nível
regional, nacional ou subnacional devem:
a) incluir requisitos de gestão e desempenho que sejam aplicáveis em nível de
unidade de manejo florestal, ou outro nível apropriado, para garantir que o objetivo
de todos os requisitos sejam alcançados no nível da unidade de manejo florestal;
nota: Um exemplo de uma situação em que um requisito pode ser definido como
sendo diferente do nível da unidade de gerenciamento de floresta (por exemplo,
grupo / região) é o monitoramento da integridade da floresta. Através do
monitoramento da saúde florestal em nível regional e da comunicação dos
resultados no nível da UMF, o objetivo do requisito é atendido sem a necessidade
de realizar o monitoramento individual de cada unidade de manejo florestal.
b) ser claro, objetivo e auditável;
c) aplicar-se às atividades de todos os operadores na área florestal definida, que
tenham um impacto mensurável no cumprimento dos requisitos;
d) requerer a manutenção de registros que forneçam evidências de conformidade
com os requisitos dos padrões de manejo florestal.
1.1.2 Requisitos específicos

Critério 1: Manutenção e aprimoramento apropriado dos recursos florestais e sua
contribuição para o ciclo global de carbono.
Critério 2: Manutenção da saúde e vitalidade do ecossistema florestal.
Critério 3: Manutenção e incentivo das funções produtivas das florestas (madeireiras
e não madeireiras).
21
Critério 4: Manutenção, conservação e melhoria apropriada da diversidade biológica

nos ecossistemas florestais.
Critério 5: Manutenção e aprimoramento apropriado das funções de proteção no
manejo florestal (principalmente solo e água).
Critério 6: Manutenção de outras funções e condições socioeconômicas.
Critério 7: Conformidade com os requisitos legais.
1.2 Elementos do manejo florestal

Os seis principais elementos a considerar no manejo das florestas são listados
a seguir:
1) Espacial – espaços produtivo, de conservação e de preservação;
2) Temporal – ciclos, rotação;
3) Econômico – mercado, recursos e objetivos de produção;
4) Ecológico – ambiente (solo, ar, água, clima, topografia) de produção, de
conservação e de preservação;
5) Político – leis, normas, políticas públicas;
6) Sociocultural – mão-de-obra, tecnologia.
Nas próximas secções, cada um destes elementos são tratados

individualmente.
22
2 ABORDAGENS DO MANEJO FLORESTAL
Os três diferentes objetivos das florestas (econômico, social e ambiental) levam

a diferentes abordagens e formas de manejo.
2.1 Florestas com objetivo de conservação

No Brasil são denominadas de Unidades de Conservação e seu manejo é
regulamentado pela Lei nº 9.985 de 18 de julho de 2000, que as divide em dois grupos:
as unidades de proteção integral e as unidades de uso sustentável.
2.1.1 Unidades de Proteção Integral

O objetivo das Unidades de Proteção Integral é preservar a natureza, sendo
admitido apenas o uso indireto dos seus recursos naturais.
Compõem o grupo das Unidades de Proteção Integral as seguintes categorias:

I - Estação Ecológica;
II - Reserva Biológica;
III - Parque Nacional;
IV - Monumento Natural;
V - Refúgio de Vida Silvestre.
2.1.2 Unidades de Uso Sustentável.

O objetivo das Unidades de Uso Sustentável é compatibilizar a conservação da
natureza com o uso sustentável de parte dos seus recursos naturais.
Constituem as Unidades de Uso Sustentável as seguintes categorias:
23
I - Área de Proteção Ambiental;

II - Área de Relevante Interesse Ecológico;
III - Floresta Nacional;
IV - Reserva Extrativista;
V - Reserva de Fauna;
VI – Reserva de Desenvolvimento Sustentável; e
VII - Reserva Particular do Patrimônio Natural.
2.2 Florestas com objetivo de proteção

As florestas de proteção são representadas principalmente pelas áreas de
preservação permanente cobertas por florestas. A Lei nº 12.651, de 25 de maio de
2012, define Área de Preservação Permanente (APP) como áreas protegidas, coberta
ou não por vegetação nativa, com a função ambiental de preservar os recursos
hídricos, a paisagem, a estabilidade geológica e a biodiversidade, facilitar o fluxo
gênico de fauna e flora, proteger o solo e assegurar o bem-estar das populações
humanas. Em seu Artigo 4º, considera Área de Preservação Permanente, em zonas
rurais ou urbanas, em seus nove parágrafos, as áreas citadas a seguir:
I - as faixas marginais de qualquer curso d’água natural perene e intermitente,
excluídos os efêmeros, desde a borda da calha do leito regular, em largura
mínima de: (Incluído pela Lei nº 12.727, de 2012).
30 (trinta) metros, para os cursos d’água de menos de 10 (dez) metros de
largura;
50 (cinquenta) metros, para os cursos d’água que tenham de 10 (dez) a 50
(cinquenta) metros de largura;
100 (cem) metros, para os cursos d’água que tenham de 50 (cinquenta) a 200
(duzentos) metros de largura;
200 (duzentos) metros, para os cursos d’água que tenham de 200 (duzentos)
a 600 (seiscentos) metros de largura;
500 (quinhentos) metros, para os cursos d’água que tenham largura superior
a 600 (seiscentos) metros;
II - as áreas no entorno dos lagos e lagoas naturais, em faixa com largura
mínima de:
24
100 (cem) metros, em zonas rurais, exceto para o corpo d’água com até 20
(vinte) hectares de superfície, cuja faixa marginal será de 50 (cinquenta)
metros;
30 (trinta) metros, em zonas urbanas;
III - as áreas no entorno dos reservatórios d’água artificiais, decorrentes de
barramento ou represamento de cursos d’água naturais, na faixa definida na
licença ambiental do empreendimento;
IV - as áreas no entorno das nascentes e dos olhos d’água perenes, qualquer
que seja sua situação topográfica, no raio mínimo de 50 (cinquenta) metros;
(Redação dada pela Lei nº 12.727, de 2012).
V - as encostas ou partes destas com declividade superior a 45°, equivalente
a 100% (cem por cento) na linha de maior declive;
VI - as restingas, como fixadoras de dunas ou estabilizadoras de mangues;
VII - os manguezais, em toda a sua extensão;
VIII - as bordas dos tabuleiros ou chapadas, até a linha de ruptura do relevo,
em faixa nunca inferior a 100 (cem) metros em projeções horizontais;
IX - no topo de morros, montes, montanhas e serras, com altura mínima de
100 (cem) metros e inclinação média maior que 25°, as áreas delimitadas a
partir da curva de nível correspondente a 2/3 (dois terços) da altura mínima
da elevação sempre em relação à base, sendo esta definida pelo plano
horizontal determinado por planície ou espelho d’água adjacente ou, nos
relevos ondulados, pela cota do ponto de sela mais próximo da elevação;
X - as áreas em altitude superior a 1.800 (mil e oitocentos) metros, qualquer
que seja a vegetação;
XI - em veredas, a faixa marginal, em projeção horizontal, com largura mínima
de 50 (cinquenta) metros, a partir do espaço permanentemente brejoso e
encharcado.
§ 1o Não será exigida Área de Preservação Permanente no entorno de
reservatórios artificiais de água que não decorram de barramento ou
represamento de cursos d’água naturais.
§ 2o (Revogado). (Redação dada pela Lei nº 12.727, de 2012).
§ 3o (VETADO).
§ 4o Nas acumulações naturais ou artificiais de água com superfície inferior
a 1 (um) hectare, fica dispensada a reserva da faixa de proteção prevista nos
incisos II e III do caput, vedada nova supressão de áreas de vegetação nativa,
salvo autorização do órgão ambiental competente do Sistema Nacional do
Meio Ambiente - Sisnama. (Redação dada pela Lei nº 12.727, de 2012).
§ 5o É admitido, para a pequena propriedade ou posse rural familiar, de que
trata o inciso V do art. 3o desta Lei, o plantio de culturas temporárias e
sazonais de vazante de ciclo curto na faixa de terra que fica exposta no
período de vazante dos rios ou lagos, desde que não implique supressão de
novas áreas de vegetação nativa, seja conservada a qualidade da água e do
solo e seja protegida a fauna silvestre.
25
§ 6o Nos imóveis rurais com até 15 (quinze) módulos fiscais, é admitida, nas
áreas de que tratam os incisos I e II do caput deste artigo, a prática da
aquicultura e a infraestrutura física diretamente a ela associada, desde que:
I - sejam adotadas práticas sustentáveis de manejo de solo e água e de
recursos hídricos, garantindo sua qualidade e quantidade, de acordo com
norma dos Conselhos Estaduais de Meio Ambiente;
II - esteja de acordo com os respectivos planos de bacia ou planos de gestão
de recursos hídricos;
III - seja realizado o licenciamento pelo órgão ambiental competente;
IV - o imóvel esteja inscrito no Cadastro Ambiental Rural - CAR.
Ainda, são também consideradas florestas de proteção as áreas de Reserva

Legal e aquelas com objetivo de paisagismo ou amenização do clima. A Reserva
Legal (RL) é definida na Lei 12.651/2012 como: área localizada no interior de uma
propriedade ou posse rural, delimitada nos termos do art. 12, com a função de
assegurar o uso econômico de modo sustentável dos recursos naturais do imóvel
rural, auxiliar a conservação e a reabilitação dos processos ecológicos e promover a
conservação da biodiversidade, bem como o abrigo e a proteção de fauna silvestre e
da flora nativa.
Algumas florestas de proteção podem ser produtivas, como as reservas legais,

mas o seu manejo deve ser realizado em sistema de baixo impacto e sem corte raso.
As demais são manejadas unicamente de forma a serem preservadas e, quando
degradadas, o manejo deve visar também a sua recuperação.
Qualquer atividade em florestas de proteção definidas em lei como APP ou RL,

depende de prévia autorização do órgão oficial competente.
2.3 Florestas com objetivo de produção

As florestas produtivas são todas aquelas que são utilizadas para a produção
de algum bem com valor monetário. O manejo destas florestas tem sido realizado com
26
diferentes objetivos, que implicam em diferentes dimensões de madeira a serem

obtidas e em diferentes escalas de produção. Dependendo da escala produtiva e dos
objetivos da madeira, as florestas têm sido objeto de manejo em diferentes
intensidades, desde o manejo extensivo sem orientação técnico-científica até o
manejo intensivo para maximização da produtividade ou rentabilidade (Tabela 2).
Tabela 2 - Intensidade do manejo florestal como geralmente tem sido praticado

no Brasil em função dos objetivos da madeira e escala de produção
Escala de produção
Pequena Média Grande
Objetivo da madeira
Mercado
Local Regional Nacional/Mundial
Uso geral na propriedade rural Baixa - - -
Energia doméstica e pequena indústria Baixa Média - -
Madeira serrada bruta para construções Baixa Média Intensivo Intensivo
Serraria e lâminas Média Média Intensivo Intensivo
Carvão para siderurgia - Média Intensivo Intensivo
Painéis de madeira reconstituída - - Intensivo Intensivo
Celulose - - Intensivo Intensivo
As dimensões e usos da madeira implicam em técnicas apropriadas de

silvicultura que farão parte do manejo dos povoamentos, como a definição do
espaçamento inicial, desramas e desbastes.
Espaçamentos mais largos são usados para obtenção de madeira de grandes

dimensões para serraria e lâminas, enquanto que madeira a ser usada na produção
de fibras, celulose e energia é produzida com espaçamentos menores. Espaçamentos
menores proporcionam o fechamento do dossel mais cedo e fazem com que as
árvores tenham menor crescimento individual e maior produtividade por unidade de
área, o que é uma vantagem em rotações mais curtas. Os troncos formados em
povoamentos muito espaçados, são menos cilíndricos, ou mais cônicos e resultam
em maior quantidade de resíduos ao serrar ou tornear a madeira, entretanto o
27
crescimento individual das árvores em diâmetro é maior, compensando parcialmente

as perdas na industrialização da madeira, ou até mesmo com excedente de madeira
serrada em relação à árvores que cresceram menos espaçadas e com tronco de
forma mais cilíndrica, mas de dimensões menores.
A desrama é realizada na produção de madeira maciça, sem nós e de melhor

aspecto quando exposta à vista, mas geralmente é desnecessária na produção de
madeira para energia, celulose ou fibras.
A produção de madeira de pequenas dimensões é produzida em rotações

curtas, sem desbastes, enquanto que a produção de madeira de médias e grandes
dimensões é realizada em rotações mais longas e com desbastes. Os espaçamentos
mais largos e poucos desbastes encurtam a rotação para a produção de madeira
grossa, mas os galhos se desenvolvem mais e em maior número, o que induz à
implantação de espaçamentos iniciais um pouco menos largos associados com
desbastes precoces.
28
3 FASES DO MANEJO FLORESTAL
O manejo florestal deve incluir algumas fases como as que se seguem e que
podem servir de orientação para quem pretende produzir madeira de forma
sustentável. A primeira fase é de levantamento de informações, depois vem a
definição dos objetivos, caracterização do empreendimento, definição de espécies e
dimensões da madeira, estudos de crescimento e planejamento da produção, estudos
econômicos e de viabilidade, definição da idade de rotação, prognose dos impactos
sociais, ambientais e econômicos, identificação dos riscos e dificuldades do
empreendimento e criação de um sistema de monitoramento sobre as florestas, do
ambiente natural, da infraestrutura e das operações para fornecer dados suficientes
com objetivo de verificação e correção.
A maioria dos processos de tomada de decisão no manejo de florestas incluem

as seguintes etapas (BETTINGER, 2009):
1) Permitir a participação do público e comentar sobre a gestão de uma área.
2) Determinar as metas para uma área de gerenciamento.
3) Inventariar as condições necessárias para avaliar os objetivos.
4) Analisar as tendências nas mudanças no uso da terra e no crescimento
vegetativo.
5) Formular alternativas para a área.
6) Avaliar as alternativas para a área.
7) Selecionar uma alternativa e desenvolver um plano de gerenciamento.
8) Implementar o plano de manejo.
9) Monitorar o plano de manejo.
10) Atualizar o plano de gerenciamento.
Os passos para elaboração de um plano de manejo podem ser como segue:

1) Estudo do ambiente socioeconômico.
2) Estudo do ambiente biofísico.
3) Caracterização da cadeia produtiva.
4) Estudo do mercado.
29
5) Identificação dos objetivos:

a. de produção
b. sociais
c. ambientais
6) Caracterização da organização (empreendimento):
a. localização e abrangência.
b. áreas: produtiva, preservada, de infraestrutura.
c. acionistas e cotas de participação.
d. área de influência.
7) Escolha de espécies e dimensões.
8) Planejamento da produção:
a. Estudo do crescimento.
b. Estudo da qualidade dos sítios.
c. Estudo da competição.
d. Estudo da densidade dos povoamentos.
e. Modelagem da produção florestal.
f. Determinação dos custos de produção.
g. Determinação das receitas a obter.
9) Estudo da viabilidade econômica.
10) Definição da idade de rotação.
11) Prognose dos impactos econômicos, ambientais e sociais.
12) Identificação de riscos e dificuldades.
13) Resultados esperados.
14) Sistema de controle e monitoramento florestal e operacional.
3.1 Ambiente socioeconômico
3.1.1 Identificação dos atores

Os atores em um plano de produção florestal são representados pelo líderes
da sociedade organizada, incluindo a sociedade local, regional e nacional, órgãos de
desenvolvimento, secretarias de estado de planejamento, gestão, infraestrutura,
agricultura, floresta e desenvolvimento agrário, órgãos ambientais, instituições de
30
ensino, pesquisa e extensão, instituições ambientais e de assistência, conselhos,

agentes financeiros, fundos de pesquisa e desenvolvimento, entre outros.
3.1.2 Caracterização socioeconômica

Esta fase envolve o estudo sobre índices de crescimento econômico regional
e nos demais níveis, estudo da evolução dos indicadores socioeconômicos, das
características da população, sobre a rede urbana, índices de saneamento,
disponibilidade e preço das terras, da agropecuária regional, das florestas plantadas
e nativas, importações e exportações, mercado de produtos florestais existente e
seus prognósticos. É importante também levantar dados sobre educação em todos os
níveis, identificar a disponibilidade de mão-de-obra, índices de emprego e
desemprego,
3.1.3 Políticas de desenvolvimento

É importante identificar as políticas de desenvolvimento governamentais que
possuam interface com a área florestal e procurar formas de se enquadrar a elas como
forma de obter isenções, empréstimos, redução de custos e buscar participações.
Um exemplo é o Programa Nacional de Florestas (PNF) criado pelo Decreto nº

3.420, de 20 de abril de 2000, com o objetivo de articular as políticas públicas setoriais
para promover o desenvolvimento sustentável, uso e conservação das florestas
brasileiras, constituído por projetos concebidos e executados de forma participativa e
integrada pelos governos federal, estaduais, distrital e municipais e a sociedade civil
organizada.
31
3.1.4 Infraestrutura
Estudar a infraestrutura pública existente é essencial para o sucesso de
qualquer empreendimento.
O primeiro passo neste sentido é identificar os modais de transporte disponíveis

para abastecer a silvicultura, transporte dos produtos da floresta à indústria ou
mercado, meios de transporte disponíveis para acesso de colaboradores,
fornecedores e clientes. Todos os modais de transporte devem ser identificados:
ciclovias, rodovias, hidrovias, ferrovias, portos e aeroportos.
Segue-se o estudo da produção e distribuição de energia elétrica para

abastecer a produção e disponibilidade de água para a produção da silvicultura e
industrial.
3.1.5 Avaliação comparativa (Benchmarking)

Esta é uma fase que muitos esquecem, o que pode ser fatal para o fracasso
de um empreendimento. Visitar, investigar e analisar outras organizações com
objetivos semelhantes é o que permite a uma organização situar-se no mercado de
forma construtiva e competitiva.
A análise comparativa permite identificar as melhores referências e práticas

realizadas por organizações da mesma faixa de mercado em todas as áreas: quem
são os seus investidores, quem são os colaboradores e como é a sua gestão de
pessoas, quem são seus fornecedores e clientes e como se relacionam com eles,
qual a qualidade de seu produtos e preços, que equipamentos de produção utilizam,
qual sua produtividade e custos, etc.
32
3.2 Ambiente biofísico

A caracterização do ambiente biofísico permite a escolha correta das estirpes
genéticas, práticas silviculturais e de manejo das florestas. Também auxilia na
determinação dos locais próprios para a silvicultura e aqueles que devem ser
priorizados para produção agropecuária, bem como as áreas que devem ser
destinadas à preservação e conservação.
Na caracterização do ambiente biofísico, deve-se caracterizar a fisiografia e a

vegetação natural, identificar o uso e cobertura da terra, unidades de conservação
particulares e públicas, zoneamentos ambientais governamentais, disponibilidade de
terras e tendências de ocupação, os tipos de solos e sua fertilidade, hipsometria,
declividade das terras, hidrologia, clima (temperaturas, precipitação,
evapotranspiração, insolação, balanço hídrico, etc.).
3.3 Caracterização da cadeia produtiva

As principais cadeias produtivas de base florestal são representadas pela
produção para:
− Indústrias de madeira sólida: madeira serrada, laminação e faqueamento;
− Industrias de celulose: fibra curta (angiospermas) e fibra longa
(gimnospermas);
− Produção de energia da madeira: termoelétricas;
− Produção de carvão vegetal: para siderurgias e consumo doméstico;
− Placas: MDF (Medium Density Fiberboard), MDP (Medium Density
Particleboard), OSB (Oriented Strand Board) e compensados (Figura 5);
− Indústria da construção civil (diversos produtos florestais, principalmente
placas e madeira serrada);
− Indústria moveleira (diversos produtos florestais), principalmente placas;
− Indústrias químicas: resinas, tintas, desinfetantes, aromatizantes,
medicamentos, cosméticos.
33
Figura 5 – Placas de madeira [de fibras (MDF), de partículas (MDP), de pedaços de

lâminas orientadas (OSB) e compensados (lâminas inteiras cruzadas).
3.3.1 Características das indústrias de base florestal

Os dados relacionados a seguir são aproximados e podem variar de acordo
com o tipo de empreendimento, tecnologia, localização, investimento, etc.
Neste tópico são abordados os principais aspectos dos diferentes subsetores

da cadeia produtiva da madeira quanto às necessidades e produtividades para a
implantação de empreendimentos de base florestal, como:
1) Produção econômica mínima; volume mínimo de produção considerado
sustentável e economicamente viável em longo prazo.
2) Consumo de água: quantidade de água necessária para a produção de uma
unidade.
3) Consumo de energia: quantidade de energia necessária para a produção de
uma unidade.
4) Consumo de químicos: quantidade de produtos químicos em grande volume
necessários para a produção de uma unidade.
5) Consumo de madeira: volume de madeira necessário para a produção de uma
unidade.
34
6) Área de cultivo: área de efetivo plantio necessária para a produção econômica

mínima.
7) Área total: área total necessária incluindo as áreas de produção, as reservas e
áreas de preservação permanente para atingir a produção econômica mínima.
8) Mão-de-obra: quantidade de trabalhadores para atingir a produção econômica
mínima.
9) Investimento: valor do investimento médio por unidade de produção.
3.3.2 Produtividade Industrial

A produtividade da madeira de Eucalyptus pode ter uma grande variação na
produção de celulose. O investimento no desenvolvimento de clones adequados tem
melhorado consideravelmente o rendimento das florestas plantadas que atualmente
ultrapassa as 10 toneladas de celulose por hectare por ano na maioria dos casos. Na
Tabela 3 são apresentados dois cenários, sendo o primeiro referente aos rendimentos
que eram obtidos nos anos 1970/80 e o segundo referente a uma situação ótima atual,
que as melhores companhias estão alcançando.
Tabela 3– Rendimentos médios das plantações de Eucalyptus com sete anos

de idade para produção de celulose.
Característica Cenário 1 - pior Cenário 2 - melhor
Produtividade em volume (m3/ha/ano) 30 45
Rendimento em celulose (%) 48 50
Consumo na fábrica (m3/t de celulose) 4,5 3,5
Produtividade florestal (t cel./ha/ano) 6,67 12,86
Os empregos gerados pelo setor de florestas plantadas no Brasil em 2016 foi

da ordem de 510 mil pessoas, sendo estimados cerca de 3,7 milhões empregos
indiretos.
A variação da produtividade da mão-de-obra em valor produzido anualmente

por trabalhador, demonstra a fase de mudanças tecnológicas que o país atravessa,
onde indústrias modernas com tecnologia avançada convivem com outras artesanais
35
e pouco produtivas que aos poucos tendem a desaparecer como pode ser observado
na Tabela 4.
Tabela 4- Produtividade da mão-de-obra em subsetores de base florestal.

Produtividade do trabalho (R$ / trabalhador)
Atividade Limite inferior Limite superior
Média (10% menos (10% mais
competitivos) competitivos)
Desdobro de madeira 12.246 334 32.749
Lâminas e painéis 21.985 85 54.043
Móveis 11.422 192 11.422
Fonte: IBGE (2005).
Um estudo mais consistente e abrangente do que o da Tabela 4 foi realizado

por Najberg e Pereira (2004), como é apresentado na Tabela 6. Mais recentemente o
SNIF publicou dados referentes a empregos no setor florestal (Tabela 5).
36
Tabela 5 – Evolução do número de empregos gerados por segmento florestal

no Brasil.
Segmento do setor florestal 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Atividades de apoio à produção
59197 60787 52376 44419 53069 54504 47289 39909 38530 33049
florestal 1
Desdobramento da madeira 2 100982 99183 87929 83114 87586 85215 81267 78078 75734 70654
Produção de celulose e papel 154419 158676 161354 163182 173219 175122 177230 181634 184767 177323
Produção de estruturas e artefatos
44386 45407 45061 43742 47559 48481 48688 48402 47540 44013
de madeira
Produção de lâminas e chapas de
52200 50786 45086 39491 42045 41208 40644 40888 40563 37869
madeira
Produção florestal - Florestas
8744 8671 6443 6382 7160 8189 8380 7380 8295 7668
nativas 3
Produção florestal - Florestas
51406 62499 65454 62877 69474 70316 66734 64543 62519 63058
plantadas 4
Produção moveleira 5 160117 168139 171218 172740 188178 196647 204743 207208 208481 191929
Total 631451 654148 634924 615947 668290 679682 674975 668042 666429 625563
* Quantidade de vínculos ativo em 31/12. 1 Atividades de apoio à produção florestal: inclui serviços
de abate, derrubada e transporte de toras, avaliação de madeira, dendrometria, descarregamento
de madeira e serviços ligados a silvicultura e exploração vegetal. 2 Desdobramento de madeira: inclui
produção de assoalhos, pisos, dormentes, tábuas, forros, tacos, postes de madeira, etc. e
beneficiamento de madeira serrada. 3 Produção florestal - florestas nativas: inclui atividades de
extração, derrubada, coleta, produção de carvão e beneficiamento. 4 Produção florestal - florestas
plantadas: inclui atividades de cultivo, produção de mudas, cascas, folhas e resinas, extração,
derrubada e reflorestamento com abate de árvores. 5 Produção moveleira: inclui fabricação de
móveis com predominância de madeira. Fonte: SNIF (2018).
Tabela 6 – Empregos Gerados por Aumento de Produção de R$ 10 milhões,

com preços médios de 2003 (Najberg e Pereira, 2004).
Número de empregos
Setor
Diretos Rank Indiretos Rank Efeito-Renda Rank Total Rank
Agropecuária 393 4 131 15 303 7 828 3
Extrat. Mineral 90 14 126 17 266 20 481 21
Petróleo e gás 9 38 84 30 329 2 422 25
Mineral ñ metálico 99 12 117 20 261 21 477 22
Siderurgia 8 39 135 14 259 22 402 27
Metalurg. Ñ ferrosos 18 34 97 28 202 40 316 38
Outros metalúrgicos 98 13 109 22 244 27 451 23
Máquinas e equip. 62 17 80 34 278 14 420 26
Material elétrico 37 25 121 18 213 34 371 31
Equip. Eletrônicos 41 22 83 32 208 36 332 35
Autom./cam/onibus 16 35 108 24 203 39 326 37
Peças e out. Veículos 37 26 117 21 234 30 387 28
Madeira e mobiliário 293 6 219 8 294 8 805 5
37
Número de empregos
Setor
Diretos Rank Indiretos Rank Efeito-Renda Rank Total Rank
Celulose, papel e
59 19 155 11 271 17 485 20
gráf.
Indústria da borracha 23 32 108 23 229 31 360 33
Elementos quimicos 14 37 188 9 289 11 491 19
Refino do petróleo 2 41 62 38 208 37 271 41
Químicos diversos 26 31 99 26 213 35 339 34
Farmac. E veterinária 38 24 117 19 222 33 377 30
Artigos plásticos 88 15 68 36 206 38 362 32
Ind. Têxtil 62 18 144 12 176 41 382 29
Artigos do vestuário 613 2 136 13 250 25 1000 2
Fabricação calçados 246 7 174 10 290 9 711 7
Indústria do café 41 23 356 2 323 3 719 6
Benef. Prod. Vegetais 58 20 327 4 259 23 643 11
Abate de animais 36 27 358 1 270 18 664 9
Indústria de laticínios 29 30 326 5 267 19 621 13
Fabricação de açúcar 32 29 307 6 337 1 677 8
Fab. Óleos vegetais 8 40 350 3 284 13 642 12
Outros prod. Aliment. 82 16 238 7 252 24 572 14
Indústrias diversas 124 11 126 16 250 26 501 18
S.i.u.p. 21 33 41 40 238 28 299 40
Construção civil 176 9 83 33 271 16 530 17
Comércio 449 3 84 31 278 15 810 4
Transportes 219 8 96 29 237 29 551 16
Comunicações 33 28 45 39 227 32 305 39
Instituições
47 21 80 35 310 5 437 24
financeiras
Serv. Prest. À família 665 1 104 25 311 4 1080 1
Serv. Prest. empresa 293 5 63 37 288 12 645 10
Aluguel de imóveis 15 36 10 41 307 6 331 36
Administração
165 10 98 27 290 10 553 15
pública
Fonte: Modelo de geração de Empregos – BNDES. Fontes de Dados: CN02, MIP96, PNAD01,
POF95/96. Última atualização: fevereiro 2004.
CELULOSE DE EUCALYPTUS, PROCESSO KRAFT
1) Produção econômica mínima: 700 mil toneladas por ano.

2) Preço médio de 1 tonelada de celulose: US$800,00.
3) Consumo de água: 25 m³ de água por tonelada de celulose.
4) Consumo de energia: 0,784 mW por tonelada de celulose.
38
5) Consumo de químicos: Cloro, 25 kg/t; Soda, 25 kg/t.

6) Consumo de madeira: 3,7 m³ de madeira por tonelada de celulose.
7) Área de cultivo (35 m³/ha/ano): 74 mil hectares.
8) Área total (com reservas nativas): 110 mil hectares.
9) Mão-de-obra: florestal, 2 trab./ 100 ha; industrial, 1 trab./ 1 mil t anuais.
10) Investimento: US$ 1.800 / tonelada de celulose anual.
MADEIRA SERRADA
1) Produção econômica mínima: 100 mil m³ por ano.

2) Preço médio da madeira serrada: US$160/m³.
3) Consumo de água: 0,1 m³ de água por m³ de madeira.
4) Consumo de energia: 2 mWh / m³ de madeira serrada.
5) Consumo de madeira: 2,42 m³ de madeira em pé / m³ serrado.
6) Área de cultivo (30 a 32 m³/ha/ano): 8,1 mil hectares.
7) Área total (com reservas nativas): 13,5 mil hectares.
8) Mão-de-obra: florestal, 3 trab. / 100 ha; industrial, 5 trab. / 1000 m³ anuais.
9) Investimento: US$ 300 / m³ serrado anual.
LAMINAÇÃO

2) Consumo de água: 5 m³ de água por m³ de madeira laminada.
3) Consumo de energia: 265 kW / m³ de madeira laminada seca.
4) Consumo de madeira: 3 m³ de madeira em pé / m³ laminado.
5) Área de cultivo (30 a 32 m³/ha/ano): 5 mil hectares.
8) Investimento: US$ 330 / m³ de lâminas anual.
Conforme a Revista Expressiva (2005), uma indústria que irá produzir 6 mil m³
mensais de laminados de madeira mensais em Santa Catarina, anunciou um
investimento total de R$ 10 milhões e a geração de 500 empregos diretos.
PAINÉIS DE FIBRAS DE MADEIRA

2) Preço médio dos painéis de fibras: US$400,00/m³.
3) Consumo de água: 20 m³ de água por m³ de placas.
39
4) Consumo de energia: 0,5 mWh / m³ de placas.

5) Consumo de químicos: 8% de resina tanino-formaldeído.
6) Consumo de madeira: 1,8 m³ de madeira em pé / m³ de painéis.
7) Classificação: baixa densidade <0,6 g/cm³; média densidade >=0,60 e <0,8
g/cm³; alta densidade >0,80 g/cm³.
8) Área de cultivo (35 m³/ha/ano): 13 mil hectares.
9) Área total (com reservas nativas): 20 mil hectares.
11) Investimento: US$ 600 / m³ anual de painéis.
TERMOELÉTRICA
1) Produção econômica mínima: 5 MWh.

2) Valor da energia gerada: US$95/MWh.
3) Consumo de água: 10 m³ por MWh.
4) Consumo de energia: autogerada.
5) Poder calorífico do Eucalyptus: 1915 kWh / m³.
6) Consumo de madeira: (13% de perdas na geração) 0,6 m³ por Wh.
7) Área de cultivo (35 m³/ha/ano): 2,4 mil hectares.
9) Mão-de-obra: florestal, 3 trab. / 100 ha; industrial, 3 trab. / MWh produzido.
10) Investimento: US$ 1,73 milhões / MW por ano.
Segundo Lopes e Wipieski (2001), um módulo, com área efetiva de 2.400 ha

de floresta plantada de Eucalyptus, tem capacidade de produzir de forma sustentada
cerca de 5 MW/ano e geraria cerca de 200 empregos nas áreas florestais, de colheita
e de operação, representando um investimento global de aproximadamente R$ 8
milhões. Informam também que uma serraria com uma produção anual da ordem de
36 mil m³ serrados, pode gerar de 10,8 mil a 13,2 mWh/ano a partir de resíduos,
suficientes para suprir uma demanda própria de energia.
Em 2014, o site “Celulose On Line” publicou o anúncio de implantação da maior

termoelétrica da América Latina, num investimento de R$650 milhões (cerca de
US$260 milhões á época), para gerar 150MW, necessitando de uma linha de
transmissão de 230 kV numa distância de 90 km para integrá-la ao sistema nacional
40
(SIN), com um custo previsto de aproximadamente US$23 milhões. Para a produção

da biomassa de Eucalyptus foram previstos cerca de 35 mil hectares de plantio.
Também foi previsto a geração de 800 empregos diretos e indiretos para a usina.
3.4 Escolha de espécies

Os principais fatores determinantes para escolha de espécies são os objetivos
de produção, a adaptação das espécies e procedências ao ambiente regional e aos
objetivos de produção, bem como a produtividade e rentabilidade.
3.4.1 Objetivos da produção

Os objetivos da produção devem ser estabelecidos conforme o mercado para
o produto que pretende-se produzir e a escolha da espécie deve levar em
consideração a sua adequação aos produtos que se pretende obter. O IPT (Instituto
de Pesquisas Tecnológicas) mantém informações sobre madeiras e suas aplicações
que podem ser consultadas online em https://www.ipt.br/consultas_online.
Os gêneros de árvores mais utilizados nos plantios comerciais são os Pinus e

Eucalyptus.
As espécies de Eucalyptus se prestam a uma grande variedade de produtos,

entre eles se podem citar:
− Construção civil: vigas, caibros, réguas, escoras, tapumes, andaimes e
estrutura para telhado.
− Energia: lenha, carvão vegetal;
− Celulose de fibra curta: papéis para imprimir e higiênicos;
− Celulose solúvel: é usada na produção de hidroxietilcelulose,
carboximetilcelulose, goma de celulose, celulose microcristalina, celulose
regenerada, utilizadas em diversos segmentos relacionados a seguir.
Têxteis: fabricação de viscose. Indústria automobilística: pneus de alta
resistência. Indústria química: tintas, vernizes, explosivos. Alimentos: é
41
usada em embalagens para bombons, goma de mascar, invólucro de

salsichas e linguiças; na composição de alimentos para conferir
cremosidade de refrescos, shakes dietéticos, sorvetes, maionese e
catchup, molhos, sopas e doces. Outros: filtro para cigarro, armação de
óculos, lentes de contato, filme fotográfico, creme dental, cápsulas
solúveis de medicamentos, sabonetes, telas de LCD (liquid crystal
display), etc.
− Óleo essencial: é utilizado na indústria de cosméticos e produtos de
limpeza, na composição de medicamentos como tranquilizante, relaxante,
indutor do sono, tem propriedades antibacterianas e antifúngicas na
cicatrização de feridas, queimaduras ou picadas de insetos; é usado na
composição de produtos para pele oleosa, diminuindo a secreção das
glândulas sebáceas.
As espécies de Pinus cultivadas no Brasil são principalmente o P. elliottii, P.

taeda e P. caribaea. As três espécies são usadas para produção de madeira e
somente o P. taeda não é usado para produção de resina.
A madeira de Pinus é macia e fácil de trabalhar. Tem como principais

aplicações as citadas a seguir. Construção civil: vigas aparentes internas; ripas; partes
secundárias de estruturas; cordões; guarnições; rodapés; forros; lambris; portas
internas; formas para concreto; pontaletes. Mobiliário: móveis de madeira maciça;
partes internas de móveis. Outros usos: cabos de vassoura; chapas compensadas;
lâminas decorativas; peças torneadas; artigos de esporte e brinquedos; embalagens;
bobinas e carretéis; pincéis.
A resina dos Pinus tem como principais subprodutos o breu e a terebintina. O

breu, principal subproduto da goma-resina, é obtido de três fontes, conforme a Figura
6, o breu de cepo (extraído com solventes a partir de resíduos e tocos deixados na
colheita da madeira), breu de tall oil (obtido da lixívia negra, que é um resíduo da
fabricação de celulose) e o produzido a partir da goma-resina extraída de árvores
vivas, apresentando muitas aplicações, tais como: colas utilizadas na fabricação do
42
papel, tintas e vernizes, hot melt, adesivos, borrachas sintéticas; indústria cosmética
e alimentícia, entre outras (NEVES et al., 2001).
Figura 6 - Sistema agroindustrial da goma-resina e seus derivados. Fonte: Adaptado

de Ferreira (2001).
Outras espécies são cultivadas em menor escala como a Acacia mearnsii

(acácia negra) cultivada no Rio Grande do Sul para produção de tanino e lenha; a teca
cultivada no centro-oeste para produção de madeira para serrar e laminar; o cedro
australiano (Toona ciliata) e o mogno africano (Khaya spp.), cultivados no sudeste,
também para serrar e laminar, usados como madeira aparente para carpintaria e
marcenaria.
Entre as espécies nativas, Carvalho (2003-2014) descreve em cinco volumes,

sob o título “Espécies Arbóreas Brasileiras”, as características e potenciais de cada
uma. As características de algumas espécies descritas pelo autor e são disponíveis
no endereço <http://www.cnpf.embrapa.br/pesquisa/efb/>, onde são relacionadas
43
como potenciais ou promissoras, com incremento médio anual em volume superior a

10 m³.ha-1.ano-1, as 21 espécies relacionadas na Tabela 7.
Tabela 7 - Espécies nativas potenciais ou promissoras para produção de

madeira.
Massa
IMA Idade específica
Nome científico Nome popular
(até) (anos) aparente
(g/cm3)
Hymenaea courbaril var. stilbocarpa Jatobá 10.25 10 0,90 a 1,10
Nectandra lanceolata Canela-amarela 10.4 9 0,47 a 0,70
Balfourodendron riedelianum Pau-marfim 12 26 0,80 a 0,90
Colubrina glandulosa var. reitzii Sobrasil 12.9 7 0,80 a 1,00
Parapiptadenia rigida Angico-gurucaia 13.4 12 0,75 a 1,00
Cabralea canjerana subsp. canjerana Canjarana 13.5 10 0,45 a 0,75
Centrolobium robustum Araribá-rosa 13.7 9 0,70 a 0,80
Prunus brasiliensis Varoveira 14.45 10 0,69 a 0,92
Talauma ovata Baguaçu 15.45 15 0,56 a 0,65
Caesalpinia leiostachya Pau-ferro 17.2 14 0,99 a 1,27
Cariniana estrellensis Jequitibá-branco 17.2 25 0,70 a 0,78
Myracrodruon balansae Pau-ferro-do-sul 18 28 1,10 a 1,25
Centrolobium tomentosum Araruva 19.3 14 0,70 a 0,80
Peltophorum dubium Canafístula 19.6 7 0,75 a 0,90
Dalbergia nigra Jacarandá-da-bahia 20.8 14 0,75 a 1,22
Cariniana legalis Jequitibá-rosa 21.7 14 0,50 a 0,65
Cordia trichotoma Louro-pardo 23 13 0,57 a 0,78
Zeyheria tuberculosa Ipê-felpudo 24 4 0,75 a 0,80
Araucaria angustifolia Pinheiro-do-paraná 27 20 0,50 a 0,61
Schefflera morototoni Mandiocão / morototó 33 8 0,53 a 0,60
Joannesia princeps Boleira 40 20 0,40 a 0,55
Fonte: CARVALHO (s.d.).
3.4.2 Adaptação
A adaptabilidade de uma espécie a uma região está relacionada com: o clima
(insolação, ocorrência de geadas e déficit hídrico); solo (profundidade, estrutura e
fertilidade); e, com a fitossanidade (ocorrência de pragas como as formigas
44
cortadeiras, besouro amarelo, sirex, pulgões, lagartas desfolhadoras) e doenças

causadas por agentes biológicos ou fisiológicos (ferrugem, gomose, cancro, seca de
ponteiros, armilariose).
A adaptação das espécies de Eucalyptus deve levar em consideração os

seguinte fatores de acordo com Ferreira (1990): região bioclimática, clima e
localidades, altitude (m), temperatura média anual (ºC), precipitação média anual
(mm), distribuição, geadas (dias/ano), temperatura mínima ambiente (ºC), deficiência
hídrica e a vegetação nativa. Existem espécies do gênero que não suportam geadas
(E. grandis, E. citriodora, E. urophylla), outras são mais resistentes (E. saligna, E.
dunnii, E. benthamii, E. camaldulensis), algumas são resistentes às secas (E.
camaldulensis; E. paniculata; E. citriodora). Ferreira (1979) faz recomendações para
as espécies do gênero para cada caso, que podem ser encontradas em:
<http://www.ipef.br/identificacao/Eucalyptus/>.
O primeiro passo do silvicultor deve ser o de testar espécies e procedências

adequadas aos objetivos de produção na região para determinar quais se adaptam.
O segundo passo são os plantios de comprovação, seguidos de melhoramento
genético das espécies e procedências selecionadas.
3.4.3 Produtividade
De nada adianta se ter árvores de espécies adequadas aos objetivos de
produção se não apresentarem produtividade adequada e proporcionarem uma boa
rentabilidade.
Em geral, as espécies de Pinus e Eucalyptus apresentam alta produtividade e

boa rentabilidade em todo o Brasil, mas outras espécies que estão sendo introduzidas
ainda necessitam de testes para determinar seu crescimento e rentabilidade. A teca
tem seu cultivo estabelecido em áreas do Centro-Oeste e demonstra boa
45
rentabilidade; alguns plantios de cedro australiano e mogno africano já apresentam

resultados positivos no Sudeste, mas ainda não têm um mercado consolidado para
sua madeira e fora destas regiões, onde estão sendo cultivados, não há informações
sobre seu crescimento e sua viabilidade. Das espécies nativas, pouco se sabe, exceto
por alguns raros estudos sobre Paricá (Schizolobium parahyba) e Araucária
(Araucaria angustifolia).
A produtividade inicial dos plantios de Eucalyptus, lá pelos idos de 1970, não

passava de 25 m³.ha-1.ano-1 e hoje a média supera os 35 m³.ha-1.ano-1, enquanto que
algumas empresas já atingem os 60 m³.ha-1.ano-1 em rotações de 7 anos de
Eucalyptus em alguns plantios comerciais (SNIF, 2018). Em 2016, o Brasil atingiu uma
produtividade de 35,7 m³/ha ao ano para os plantios de Eucalyptus e 30,5 m³/ha ao
ano nos plantios de Pinus (Figura 7).
Figura 7 – Produtividade e rotação média em diferentes regiões. Fonte: IBA (2017).
46
3.5 Estatísticas
As estatísticas florestais mais comuns para descrever a estrutura das florestas
são referentes à medidas de tendência central, medidas de dispersão e de relação
entre variáveis. Depois da descrição da estrutura, passa-se ao estudo do crescimento
e, então à modelagem das árvores e povoamentos, para finalmente prognosticar o
crescimento e a produção, geralmente por classes de sítio.
As principais estatísticas usadas para descrever florestas e correlações entre

variáveis são relacionadas na Tabela 8.
Tabela 8- Estatísticas comumente usadas para descrever florestas e relações

entre variáveis.
Tipo Estatística Observações Equação
É obtida pela soma
Média dos valores
n
aritmética observados, dividida X i

X = i =1
(X ) pelo número de n
elementos
É obtida pela raiz
quadrada da soma
n
Média do quadrado dos
quadrática valores observados, X 2
i
Xq = i =1
(Xq) dividida pelo n
número de
Tendência elementos.
central É obtida atribuindo-
se pesos (pi) que  n 
Média podem ser   pi .X i2 
ponderada proporções de X p =  i =1 n 
 
(Xp) ocorrência,   pi 
proporção da área  i =1 
total, etc.
É o elemento que
divide a população
Mediana
em duas partes com
(ME)
mesmo número de
elementos.
47
Tipo Estatística Observações Equação

É(são) o(s)
Moda elemento(s) de
(MO) maior frequência na
população.
Amplitude (AV) é a
diferença entre o
maior (LS=limite
Amplitude
superior=Xn) e o AV = LS − LI = X n − X i
de
menor valor
variação
(LI=limite
superior=X1) de
uma variável X
n
É o quadrado médio
Dispersão Variância
dos desvios da
(X i − X )2
(S²)
média. S2 = i =1
n −1
Desvio É a raiz quadrada
padrão (S) da variância. S = S2
Coeficiente É a expressão do
de desvio padrão em 100.S
CV =
variação percentagem da X
(CV) média.
Correlação Usada para dados

de com distribuição
Correlação Pearson normal.
entre
variáveis Correlação
Usada para dados
de postos
sem distribuição
de
normal.
Spearman
Fonte: Wonnacott e Wonnacott (1980).
3.6 Caracterização das árvores e povoamentos

A caracterização das florestas é realizada pelas variáveis dendrométricas,
espaço, tempo, comunidade florestal e estrutura dos povoamentos florestais.
− Características dendrométricas – diâmetro, altura, área basal, volume,
forma do tronco e copas das árvores;
48
− Espaço: localização, área ocupada e espaços influenciados pelas

atividades florestais, industriais e comerciais decorrentes do
empreendimento florestal;
− Tempo: idade dos povoamentos, ciclos e rotação florestal;
− Comunidade florestal: espécies que compõem os povoamentos comerciais
e demais áreas florestais;
− Estrutura da floresta: densidade, frequência e dominância das espécies;
riqueza e diversidade das espécies, etc.
3.6.1 Diâmetro
É uma das variáveis mais importantes para o manejo florestal. O diâmetro das
árvores é definido como o diâmetro tomado na altura do peito, que varia de país para
país, sendo tomado na altura de 1,3 m a partir da base da árvore no Brasil, nos
Estados Unidos a 1,37 m, na Inglaterra e outros países europeus, a 1,29 m e a 1,25
m no Japão.
O diâmetro é a variável que sempre é tomada de todas as árvores das unidades

amostrais nos inventários florestais, pois é de fácil medição e está intimamente
relacionada com as demais variáveis das árvores, como a altura, o volume do tronco
e o diâmetro da copa. A unidade de medida do diâmetro é o centímetro e geralmente
é representado com só uma casa decimal.
EXPRESSÕES DO DIÂMETRO
O diâmetro pode ter diferentes expressões, as principais têm as seguintes

definições:
− Diâmetro médio aritmético ( d ) – é a média aritmética dos diâmetros;
− Diâmetro da árvore de área basal média (dg) – é a média quadrática dos
diâmetros; pode ser obtido por d g = d ² + S 2 ;
− Diâmetro de Weise (dw) – é o diâmetro situado a uma probabilidade
acumulada de 0,6 e aproxima-se da árvore o volume médio do
povoamento;
49
− Diâmetro médio da árvore central de área basal (dz) – é o diâmetro obtido

à metade da área basal acumulada do povoamento;
− Diâmetros de Hohenadl (d-, d+) – são os diâmetros obtido a partir da
diminuição e soma de um desvio padrão (s) à média (d): d-= d -s; d+= d
+s.
A relação entre as expressões do diâmetro de uma floresta equiânea são as

seguintes:
d- < d < dg < dw < dz < d+
DISTRIBUIÇÃO DOS DIÂMETROS
Os resumos estatísticos usualmente são realizados classificando-se os

diâmetros em classes de tamanho e estudando-se a sua distribuição. A distribuição
de diâmetros é analisada em classes de diâmetros com intervalos calculados por
qualquer método como a regra de Sturges (k = 1 + 3,3 log10 n), ou de Floriano (k =
n0,175 . ∆d0,3), onde k é o número de classes a ser utilizado, n é o número de
observações (árvores) e ∆d é a amplitude dos diâmetros das árvores.
Nas florestas plantadas, a distribuição de diâmetros geralmente aproxima-se

da distribuição normal. Mas, quando há irregularidades no ambiente, ou após
desbastes, a distribuição normal pode não se ajustar mais à característica da floresta.
Nesses casos, recorre-se ao ajuste de outros tipos de modelos, como a distribuição
de Weibull, Beta, Gama, Lognormal, entre outros (ver ´secção 4.8). A Figura 8
apresenta o ajuste de funções de distribuição de densidade de probabilidade para os
diâmetros de uma plantação de candeia (Eremanthus erythropappus), realizado por
Ribeiro et al (2014).
Para as florestas inequiâneas são usados modelos exponenciais negativos, ou

modelos de distribuição acumulada que geralmente são mais adequados neste caso.
50
Nas florestas naturais, a distribuição aproxima-se de uma exponencial negativa, mas

geralmente há uma deformação na curva, pois as árvores jovens quando atingem a
maturidade têm mais resistência a doenças, pragas e intempéries e se mantem
saudáveis por um longo período até entrarem na senilidade, quando a mortalidade
aumenta novamente.
Figura 8 - Distribuição diamétrica e funções de densidade de probabilidade ajustadas

para um plantio experimental de candeia. Fonte: Ribeiro et al (2014).
Um exemplo é a distribuição de andirobeiras encontrada por Abreu et al (2014)

no Amapá (Figura 9), onde se percebe perfeitamente os erros de estimativas em
relação às observações pela equação exponencial negativa ajustada.
51
Figura 9 - Distribuição de frequência de andirobeiras em uma área da APA da

Fazendinha, Macapá. Fonte: Abreu et al (2014).
3.6.2 Altura
As principais expressões estatísticas da altura das árvores de um povoamento
florestal são as seguintes:
− Altura média aritmética ( h ) – é a média aritmética das alturas das árvores;
− Alturas das árvores de Hohenadl (h-, h+) - são as alturas das árvores de
Hohenadl com d- e d+, estimadas por relação hipsométrica [d=f(h)];
− Altura da árvore de área basal média (hg) – é a altura da árvore com o
diâmetro da árvore de área basal média, obtido por relação hipsométrica;
− Altura da árvore de Weise (hw) – é a altura correspondente à árvore com
diâmetro médio de Weiss, obtida por relação hipsométrica;
− Altura da árvore de área basal central (hz) – é a altura da árvore com
diâmetro correspondente à árvore de área basal central, obtida por relação
hipsométrica.
− Altura de Lorey (hL) – é a altura obtida pela ponderação das alturas com a
área basal; nos inventários pelo método de Bitterlich é a altura média
aritmética das árvores da unidade amostral, pois a altura já está
ponderada pela área basal neste tipo de amostragem; pode ser calculada
para as unidades amostrais de área fixa pela equação:
52
n n
hL = ( gi.hi ) /  gi ;
i =1 i =1
− Altura dominante de Assmann (h100) – é altura média das 100 árvores mais
grossas por hectare;
− Altura dominante de Weise (h0) – é a altura média das 8% mais grossas
árvores do povoamento por hectare;
3.6.3 Área Basal

A área basal individual (g) de uma árvore é determinada pelo quadrado do
diâmetro (d) multiplicado pela razão de π/4 (g=π*d²/4), ou seja, é a superfície
transversal do tronco ao nível do peito (1,3 m de altura). A área basal do povoamento
(G) é definida como a soma das áreas basais individuais das árvores por hectare. A
unidade de medida da área basal é o metro quadrado e, quando expressa para o
povoamento, é dada em metros quadrados por hectare.
A área basal dos povoamentos (G) é importante para a silvicultura porque,

assim como o diâmetro é correlacionada com o volume do tronco e com a competição
entre as árvores e pode ser usada para controle da densidade dos povoamentos
quando associada com a idade e qualidade dos sítios. A área basal das florestas
tende a aumentar com a idade à medida que as árvores crescem; povoamentos mais
antigos suportam maior área basal e competição entre as árvores do que
povoamentos jovens. A área basal por hectare varia também com a densidade de
árvores. Em povoamentos jovens, ou com densidade de estocagem muito baixa, a
área basal pode estar próxima de zero, enquanto que em povoamentos antigos, com
alta densidade populacional, pode exceder 100 m²/ha (WEST, 2009).
Na Figura 10 e Figura 11 são delineadas curvas para controle da densidade de

Pinus elliottii na Serra do Sudeste, no Rio Grande do Sul, em função da área basal
53
mínima e máxima por hectare, por idade e índice de sítio; os índices de sítio referem-
se à altura dominante na idade de referência de 22 anos (FLORIANO, 2006).
Figura 10 - Curvas de área basal mínima por hectare, para Pinus elliottii na Serra do
Sudeste – RS. Fonte: Floriano (2006).
54
Figura 11 - Curvas de área basal máxima por hectare, para Pinus elliottii na Serra do
Sudeste – RS. Fonte: Floriano (2006).
3.6.4 Volume
O volume de madeira do tronco das árvores é o principal produto comercial das
florestas cultivadas e contém uma quantidade significativa da biomassa total.
55
O volume é o resultado do incremento acumulado num determinado período

de tempo, cuja quantidade depende da espécie, idade, sítio, rotação e sistema de
manejo empregado.
O volume das unidades de produção é a variável mais importante para o

planejamento da produção, por isso interessa ao manejo os seguintes tipos de
volumes: volume real, volume normal, volume ideal e volume desejado.
VOLUME REAL
É o estoque de madeira que realmente existe no povoamento, determinado

com procedimento de amostragem, estando condicionado a um erro de amostragem
tolerável.
VOLUME NORMAL (FLORESTAS EQUIÂNEAS)
É o volume determinado para uma classe de manejo, que está condicionado à

semelhança de composição em espécies, sítio, mesma rotação e sistema de manejo,
sendo obtido com base no modelo de floresta normal.
VOLUME IDEAL (FLORESTAS INEQUIÂNEAS)
É o volume que melhor corresponde às condições do sítio e povoamento. É o

volume determinado como ideal para o manejo de florestas inequiâneas, obtido em
função do modelo de floresta balanceada
VOLUME DESEJADO
É o volume definido para determinados objetivos de planejamento da produção.

Normalmente é determinado com base na distribuição ideal dos povoamentos em
classes de idade.
56
3.6.5 Formas das árvores

Os principais componentes das árvores são a raiz, o tronco e a copa e podem
assumir muitas formas (Figura 12).
Figura 12 - Diferentes formas das plantas de grande porte. Fonte: Gennia News (2018).
FORMA DA RAIZ
As raízes árvores e pinheiros, geralmente apresentam uma raiz pivotante não

muito longa e forma-se uma taça com os extremos das raízes, mas isso irá depender
das características da espécie, áreas férteis e resistência do terreno. As palmeiras,
que também podem ser consideradas árvores, apresentam raiz fasciculada. O estudo
das raízes é realizado cavando-se trincheiras em raios a partir do tronco e por
amostragem, desenhando-se e pesando-se as raízes da trincheira e medindo-se o
57
volume da trincheira, é possível traçar um perfil e estimar a biomassa de raízes de

toda a árvore.
COPA DAS ÁRVORES
Tipos de copas
Árvores que crescem livres de concorrência apresentam a copa mais ampla e

o tronco mais grosso na base e geralmente são mais baixas, ao que se denomina de
forma florestal, enquanto que as árvores que crescem no interior da floresta, têm a
copa mais longa e estreita, o tronco mais cilíndrico e maior altura, cuja forma é
denominada de florestal. Em função do tipo de crescimento, podem apresentar uma
única gema apical dominante, formando copas mais longas e piramidais ou
alongadas, sendo denominadas de monopodiais (com dominância apical; outras não
apresentam dominância de uma gema na copa e os galhos crescem todos da mesma
forma, formando múltiplos galhos de mesmo porte, conferindo uma forma mais
arredondada, sendo denominadas de simpodiais (sem dominância apical) (Figura 13).
Figura 13 - A) Crescimento monopodial, forma florestal (A.1), forma natural (A.2); B)

Crescimento simpodial, forma florestal (B.1), forma natural (B.2). Fonte: Imaña et
al (2002).
58
As diferentes formas que as copas podem apresentar são representadas na

Figura 14.
Figura 14 - Diferentes formas das copas das árvores. Fonte: Copel (2018).
MEDIÇÕES DA COPA
A copa das árvores é responsável pela fotossíntese e, portanto, pelo seu

crescimento. Quanto mais a árvore realiza fotossíntese, mais ela cresce. A
intensidade da fotossíntese está relacionada com o tamanho da copa, principalmente
com a área atingida diretamente pela luz do sol e com o potencial genético das
árvores.
Em relação ao povoamento florestal, quanto mais a superfície das copas cobre

a superfície do terreno, maior a produtividade por unidade de área do terreno.
Portanto, a medição dos diâmetros das copas das árvores e consequente cálculo da
superfície de projeção das copas sobre o solo permite estimar o percentual de
cobertura do solo.
59
A densidade de copas também é utilizada como índice de densidade do

povoamento, permitindo estimar a necessidade de desbastes.
A determinação da superfície de projeção da copa (SPC) de uma árvore é

realizada medindo-se quatro raios da copa nos sentidos norte (RN), leste (RL), sul
(RS) e oeste (RO), sendo a superfície de projeção calculada por:
SPC = (π/4) . [(RN+RL+RS+RO)/2]²

Alguns autores sugerem a medição de um maior número de raios das copas
das árvores, mas isso só é necessário quando se pretende estudá-las
individualmente; nesse caso pode ser necessário de 8 a 16 raios (LAAR e AKÇA,
2007; ASSMANN, 1970). Para modelagem ou cálculos estatísticos, geralmente quatro
raios são suficientes, mas dependendo das irregularidades das copas e entre as
mesmas, podem ser necessários até 8 raios para garantir precisão nas estimativas.
A superfície total da copa é estimada pelo cálculo da superfície de sólidos de

revolução a que a forma da copa dos indivíduos se assemelha, sendo necessário
calcular a integral do topo até a base da copa para obter a superfície. O mesmo ocorre
com estimativas do volume das copas.
60
Figura 15 - Medição dos raios da copa para determinação da superfície de projeção

sobre o solo. Fonte: Laar e Akça (2007).
Segundo Laar e Akça (2007) as características da copa são úteis para

prognosticar o crescimento. Nos ensaios de espaçamento, desbastes e fertilização a
copa pode ser correlacionada com o crescimento e disponibilidade de água no solo,
em que se pode verificar a estreita relação entre o tamanho da copa e a quantidade
de folhagem fotossinteticamente ativa. O aumento do raio da copa com o aumento da
idade das árvores é controlado principalmente pela competição de árvores vizinhas.
Em posições densas, a excentricidade da copa é bastante alta, devido à competição
desigual das árvores ao redor. Por esta razão, o raio da copa é geralmente medido
61
em 4 sentidos ou mais. A morfologia geral da copa de uma árvore é ilustrada na Figura

16.
Onde: CE = comprimento da copa exposto ao sol; CS = comprimento da copa sob sombra; DC = largura
da base da copa = diâmetro da copa; CC = comprimento da copa; hbc = altura da base da copa; h =
altura da árvore; d = diâmetro da árvore.
Figura 16 - Morfologia da copa de Picea. Fontes: Burger (1939), Assmann (1970).
MORFOMETRIA
A morfometria das árvores pode ser definida como o estudo da forma das
árvores por meio das dimensões da copa, do diâmetro e altura das árvores e das
relações entre essas variáveis. As relações entre o diâmetro do tronco, altura da
árvore e dimensões da copa, relacionadas na Figura 17, são úteis para avaliação da
competição entre os indivíduos, prognose do crescimento e prever a necessidade de
tratos silviculturais.
62
Figura 17 - Morfologia e relações morfométricas da copa de Picea abies. Fonte:

Burger (1939); Assmann (1970); Laar e Akça (2007).
As relações entre as variáveis permitem investigar sobre a situação de

competição e crescimento das árvores.
O comprimento da copa é determinado pela altura total da árvore (h)

subtraindo-se a altura da base da copa (hbc). É preciso atenção na determinação da
altura da base da copa que vai do solo até o início da copa verde. Algumas vezes esta
63
altura se confunde com a altura do fuste (hf), mas os conceitos são diferentes, pois a
altura do fuste é a altura da parte comercial do tronco e nada tem a ver com a copa.
A Percentagem de Copa (PC = 100 . CC / h) mostra o quanto da altura é coberta

por copa viva. Floriano (2004) estudou o efeito da desrama artificial em Pinus elliottii
e demonstrou que o efeito da redução da copa começa a ser sentido quando se
remove a copa de mais de 40% da altura total da árvore, sendo já bastante
significativa quando se remove 50%.
A Proporção de Copa Exposta à luz do sol (PCE = CE / CC) é a parte da copa

que é responsável pela maior parte da fotossíntese realizada pela árvore e portanto,
por seu crescimento. Enquanto que a parte sombreada pode até mesmo consumir
mais nutrientes do que produzir. Muitas espécies tendem a perder os galhos inferiores
quando eles passam a ser sombreados pelos demais. Quando a Proporção de Copa
Sombreada (PCS = CS / CC) for grande, pode ser um indicativo de que há muita
competição lateral. Também pode ser interpretada como necessidade de desrama.
Quanto mais alongada a copa, maior a superfície da mesma para uma mesma área
de projeção no solo e, portanto, mais luz a copa recebe, tornando a árvore mais
eficiente em aproveitar a área do terreno.
A Superfície de Projeção da Copa (SPC = π DC² / 4) é usada para avaliar a

cobertura do solo. Enquanto as árvores crescem livres de competição, as copas são
amplas e ao começarem a se tocar e sombrear umas às outras, as copas passam a
ficar mais estreitas e o crescimento individual é afetado, sendo tanto mais reduzido
quanto menor for a árvore em relação às demais, até o grau extremo de competição
com a morte das árvores menores, ao que se denomina de autodesbaste. De acordo
com Assmann (1970) o número médio de árvores por hectare (N) pode ser
determinado em função do espaço ocupado pelas copas das árvores crescendo livres
de competição, da seguinte forma:
64
- Em espaçamento quadrado: N = 10000 / DC²;
- Em espaçamento triangular (ou hexagonal): 10000 / (0,866.DC²);
- Em espaçamento misto (entre quadrado e hexagonal): 10000 / (0,933.DC²).
A superfície de projeção da copa (SPC) de uma árvore individual pode ser

referenciada como aproximadamente proporcional ao espaço de crescimento ou área
nominal ocupada por esta árvore (SEEBACH apud Assmann, 1970).
O Grau de Esbeltes (GE = h / d) é um indicador de cilindricidade do tronco;

quanto maior, maior a cilindricidade, o que pode indicar excesso de densidade da
população por longos períodos.
O Formal de Copa (FC = DC / CC) é o correspondente para a copa do grau de

esbeltes do tronco. Copas mais alongada estão relacionadas a maior competição
entre as árvores, mas se for característica natural da espécie também pode ser
indicador de que a espécie é mais eficiente na ocupação do espaço, pois a copa mais
alongada recebe mais luz do que uma copa mais arredondada.
O Índice de Abrangência (IA = DC / h) é um indicador da ocupação do espaço

em função da altura; copas mais abrangentes significa que as árvores tem pouca
concorrência entre si.
O Índice de Saliência: (IS = DC / d), também conhecido como Fator de espaço

de crescimento de Seebach, ou proporção de projeção da copa, mostra o quanto as
copas estão contribuindo para o engrossamento do tronco da árvore; quanto menor o
IS, mais o tronco está engrossando com menor diâmetro de copa.
O Índice de Espaço Vital (IEV = DC² / d²), também é conhecido como cociente
da área de cobertura do solo e mostra o quanto de espaço vital está sendo ocupado
pela árvore em relação à área basal da mesma. O estudo de limites mínimos e
65
máximos de IEV por espécie e classe de sítio permite determinar o mínimo e máximo
de superfície a ser ocupada por uma árvore (ASSMANN, 1970).
CLASSIFICAÇÃO DAS COPAS
Um sistema de classificação para as copas das árvores em relação à posição

que ocupam em relação ao dossel florestal é útil na discussão de desenvolvimento
dos povoamentos, como o que segue:
1) Emergentes – São as árvores que projetam suas copas bem acima do dossel,
ficando acima até mesmo das dominantes; recebem plena luz de cima e laterais;
sua ocorrência é muito pequena e geralmente são selecionadas para entrar em
programas de melhoramento genético;
2) Dominantes – Árvores com copa se estendendo acima do dossel que recebem
pleno sol de cima e em parte dos lados. As copas são bem desenvolvidas e
mais largas que as do dossel;
3) Codominantes – São árvores com copas que formam o nível do dossel e
recebem plena luz de cima, mas pouca dos lados; suas copas possuem um raio
médio;
4) Intermediárias – Essas árvores são mais baixas que os das classes anteriores,
possuem o diâmetro da copa mais reduzido e seu topo recebe luz direta, mas
nenhuma dos lados;
5) Suprimidas (overtopped) – São árvores cujas copas situam-se abaixo do nível
do dossel e não recebem luz direta.
6) Lobas – São árvores que se desenvolvem e crescem livres de concorrência;
apresentam galhos de todos os lados, com ramos bem abaixo do nível do
dossel; suas copas recebem luz direta do alto e em boa parte das laterais.
7) Mortas – São as árvores mortas, independentemente de sua posição no dossel;
as árvores suprimidas tendem a morrer pelo excesso de competição e algumas
das demais classes podem morrer por ataque de doenças ou pragas, ou mesmo
por serem atingidas por fenômenos naturais como raios.
3.6.6 Forma do tronco

O tronco das árvores pode apresentar diferentes formas, desde as mais
regulares como a araucária (Araucaria angustifolia), ou tortuosas como a mangabeira
(Hanconia speciosa) (Figura 18). A parte mais importante do tronco é o fuste, que é a
66
parte comercial do tronco das árvores, sendo o principal objeto de estudo para
quantificação da madeira comercial (ORMOND et al., 2006).
Figura 18 - Araucaria angustifolia (A) e Hancornia speciosa (B). Fontes: A) autor; B)

Lima (2010).
O estudo da forma do tronco geralmente é associado a sólidos de revolução

como cilíndrico, parabólico, cônico ou neilóide, que pode ser realizado por meio da
seguinte função (GARCÍA, 2004):
S x = p.x r
h
v= S
x =0
x . dx
Onde: v = volume do sólido de revolução; Sx = superfície transversal do tronco à

distância x em relação ao topo (m²); x = distância (m) do topo; p, r = coeficientes,
sendo p o parâmetro que representa o tamanho, r é o parâmetro que representa
a forma.
67
Figura 19 - Relação das formas geométricas das quais os troncos das árvores se
aproximam e o valor do parâmetro (r) da função gx=p.xr.
FATOR DE FORMA ARTIFICIAL (F1,3)
O fator de forma artificial (f1,3) permite realizar uma estimativa grosseira do

volume das árvores, sendo determinado pela razão entre o volume real da árvore e
um cilindro com diâmetro igual ao diâmetro da árvore (d) e mesma altura (h):
f1,3 = (volume real) / ( h . π . d² / 4)
O volume da árvore pode ser calculado por:
v = f1,3 . h . π . d² / 4
FATOR DE FORMA NATURAL (F0,9)
Neste caso, o diâmetro da árvore considerado é o d0,9 da cubagem pelo método

de Hohenadl e o fator de forma (f0,9) se calcula pela fórmula:
f0,9 = volume real de Hohenadl (v) / volume do cilindro (vc)
O fator de forma natural pode ser encontrado pela equação:
68
f0,9 = v / (h . π . d0,9² / 4)
Ou, o volume da árvore pode ser calculado por:
v = f0,9 . h . π . d0,9² / 4
COCIENTE DE FORMA
Quociente de forma é a razão entre o diâmetro a uma determinada altura (di) e

o diâmetro do tronco a 1,3 m do solo (DAP). Não possui unidade de medida, é
expresso em proporção, sendo >0 e geralmente <2. Calcula-se pela função:
q0,ih = d0,ih / DAP

Onde: q0,ih = quociente de forma a 0,i vezes a altura; d0,ih = diâmetro da árvore a
0,i vezes a altura; DAP = diâmetro a altura do peito, tomado a 1,3 m da base do
tronco; 0,i = proporção da altura de medição do diâmetro.
O quociente de forma pode ser maior do que 1 quando se mede diâmetros

abaixo do DAP, ou em árvores de troncos de formatos incomuns, como Ceiba
glaziovii, ou ainda com deformações.
Figura 20 - Ceiba glaziovii apresenta tronco com quocientes de forma acima de 1.
69
Quociente de forma artificial (q0,5h)
É calculado medindo o diâmetro na metade da altura total (d0,5) da base ao topo

da árvore e dividindo-se pelo diâmetro a 1,3 m de altura (DAP).
q0,5h = d0,5h / DAP
Quociente de forma natural (ƞ0,5h)
É o quociente entre o diâmetro a 50% da altura (d0,5h) e o diâmetro a 90% da

altura (d0,9h), a partir do topo da árvore, ou seja com os diâmetros de Hohenadl d0,1 e
d0,9, conforme a equação
ƞ0,5h = d0,1h / d0,9h
Quociente de forma de Hohenadl (qH)
É o quociente de forma definido pela razão entre o diâmetro ao nível de 1,3 m

a partir da base (DAP) e o diâmetro a 90% da altura a partir do topo (d0,9h):
qH = DAP / d0.9h
3.6.7 Biomassa
A medição de biomassa é realizada separadamente para o tronco, galhos,
folhagem e raízes.
O tronco pode ser medido por qualquer equação de cubagem de ambas as

formas com e sem casca e sua densidade determinada por meio de secagem em
estufa e pesagem posterior de amostras representativas tomadas ao longo do tronco,
determinando-se a sua densidade e posteriormente a massa total do tronco.
Os galhos, geralmente são pesados diretamente quando ainda verdes e em

seguida também se tomam amostras representativas, podendo ser proporcionais ao
70
nível de ramificação, que depois também passam por processo de secagem e

pesagem para determinar a densidade, posteriormente, a massa total de galhos da
árvore.
As folhas são submetidas a um processo semelhante aos dos galhos, pesando-

se o total, ou uma amostra proporcional, e depois submetendo-se à secagem e
pesagem para determinação da densidade e depois a massa de folhas da árvore.
Raízes são mais complicadas de medir por estarem no substrato da floresta.

Uma das formas de estimar sua biomassa é abater a árvore e abrir uma trincheira
tomando todo um diâmetro da projeção máxima da copa da árvore. Todas as raízes
da trincheira devem ser classificadas por tamanho, limpas, pesadas e secas ainda
verdes para pesagem e posterior determinação da massa total em função da
proporção do volume da trincheira em relação ao volume calculado com a superfície
de projeção da copa e a profundidade da trincheira.
3.6.8 Mortalidade
A mortalidade (M) ocorre de maneira diferenciada entre florestas plantadas
equiâneas e florestas naturais inequiâneas. Nas florestas plantadas equiâneas a
mortalidade inicial é maior e vai diminuindo até praticamente estabilizar, tornando-se
geralmente rara, devido aos cuidados que se toma na silvicultura; portanto, ocorre por
de forma diferenciada por classe de idade dos povoamentos florestais, sendo maior
nas menores classes de idade. Nas florestas naturais inequiâneas, a mortalidade
ocorre de maneira diferenciada por classe de diâmetro, sendo maior nas classes de
diâmetro menores. Assim, a modelagem da mortalidade (M) nas florestas equiâneas
deve ter como variável independente principal a idade (t) das árvores [M=f(t)], mas
pode-se acrescentar outras como o índice de sítio (IS), representando-se as funções
por [M=f(t, IS)]. Nas florestas inequiâneas, a modelagem da mortalidade deve ter
71
como variável principal o diâmetro (d), sendo representada pela função [M=f(d)],
sendo que pode ser modelada de forma global para todas as espécies, ou
particularmente para espécies de interesse.
3.6.9 Qualidade da madeira

A qualidade da madeira é parte fundamental no planejamento da produção
florestal, mesmo quando é considerada um produto secundário, como no caso de
produção de casca para fabricação de tanino dos povoamentos de acácia negra, pois
pode representar aumento de valor do produto, ou maior facilidade de
comercialização. Nesse caso, dos povoamentos de acácia, uma maior densidade e
poder calorífico da madeira poderia ser importante na hora da venda, entretanto isso
é desprezado nos plantios do Sul do Brasil. A maior densidade da madeira poderia
ser obtida por manejo adequado dos povoamentos e melhoramento genético, por
exemplo.
A definição da qualidade da madeira a obter deve considerar o sortimento mais

desejado ou de maior valor para o produtor. Em alguns casos é desejável maior
densidade básica, então utiliza-se espaçamentos mais apertados e os povoamentos
são manejados com maior densidade para que resulte em maior quantidade de
madeira de outono-inverno (mais densa) do que de primavera-verão (menos densa).
Noutros casos, o volume é que interessa, não importando a dimensão da madeira e
se utiliza densidades de plantio elevadas. Mas, se a necessidade é de madeira de
maiores dimensões em maior volume, o espaçamento inicial deve ser maior e o
manejo da densidade deve ser realizado com maior espaço para as árvores
crescerem individualmente.
Outro fator que afeta a qualidade da madeira dependendo do objetivo é a

desrama, tanto natural quanto artificial. Se desejarmos madeira com menos nós e de
72
menores dimensões são recomendados espaçamentos iniciais mais apertados de

manejo com maior densidade do povoamento, pois os galhos serão mais finos e a
desrama natural será mais intensa. Entretanto, a desrama artificial geralmente tem
melhor resultado e pode ser associada com espaçamentos mais largos e manejo da
densidade do povoamento menor para se obter madeira de maiores dimensões em
rotações mais curtas, resultando em menores juros acumulados sobre as despesas
com o povoamento e consequente maior lucro.
A fertilidade e demais características do solo têm grande influência sobre o

crescimento. A adubação proporciona maior crescimento e madeira de maiores
dimensões mais rapidamente, mas geralmente de menor densidade básica,
influenciando sobremaneira a qualidade da madeira.
O clima é outro fator de influência sobre a qualidade da madeira, pois em climas

mais quentes e chuvosos, as árvores crescem mais.
Resumidamente, todos os fatores ambientais, de manejo e características

genéticas das árvores influenciam a qualidade da madeira.
Assim, os principais fatores que influenciam a qualidade da madeira que podem

ser controlados pelo homem, parcial ou completamente, são:
− o germoplasma;
− o solo - umidade, compactação, fertilidade;
− a densidade de plantio;
− o manejo da densidade dos povoamentos;
− a desrama artificial.
73
3.7 Espaço florestal

É representado pelas diversas unidades territoriais da empresa e pelo espaço
em que se situa o seu mercado. O espaço florestal é caracterizado pelas áreas
cobertas por florestas naturais e cultivadas e demais espaços associados as mesmas,
tais como áreas cobertas por outros tipos de vegetação, áreas dedicadas à
infraestrutura, superfície das lâminas de água, etc.
3.7.1 Áreas de preservação e conservação

O primeiro passo do manejador florestal na gestão do espaço florestal é
identificar as lâminas de água e nascentes. Posteriormente, conforme determina a Lei
12.651/2012 que dispõe sobre a proteção da vegetação nativa, é necessário
identificar as áreas de proteção permanente e locar as áreas de reserva legal,
definidas na Lei como:
− Área de Preservação Permanente - APP: área protegida, coberta ou não
por vegetação nativa, com a função ambiental de preservar os recursos
hídricos, a paisagem, a estabilidade geológica e a biodiversidade, facilitar
o fluxo gênico de fauna e flora, proteger o solo e assegurar o bem-estar
das populações humanas.
− Reserva Legal: área localizada no interior de uma propriedade ou posse
rural, delimitada nos termos do art. 12, com a função de assegurar o uso
econômico de modo sustentável dos recursos naturais do imóvel rural,
auxiliar a conservação e a reabilitação dos processos ecológicos e
promover a conservação da biodiversidade, bem como o abrigo e a
proteção de fauna silvestre e da flora nativa.
Em seguida, é essencial locar os pontos de apoio para a segurança da floresta
como reservatórios de água e torres de observação para detecção de incêndios. A
fase seguinte é de locação das estradas florestais para então realizar a divisão das
unidades produtivas e criar um sistema de identificação para as mesmas. Tanto os
espaços produtivos, quanto de conservação ou preservação apresentam custos para
74
a empresa e portanto precisam de um tipo de identificação a contabilidade, com

centros de custos que permitam acompanhar os resultados econômicos de cada
unidade para facilitar sua gestão. Centro de custos representam cada unidade
autônoma de uma empresa que possui autonomia quanto à administração financeira
(receitas e despesas), sendo que o conjunto de resultados de todos os centros de
custos irão representar o resultado de toda a empresa.
3.7.2 Divisões e subdivisões espaciais

As áreas podem ser divididas com base em classificação ecológica, produtiva
e técnica. A classificação das áreas é definida particularmente por cada empresa, mas
de uma forma geral podem ser definidas como segue:
− Ecológica – classificação das áreas quanto ao hábitat;
− Produtiva – é a classificação técnico-silvicultural de forma hierárquica em
regiões, distritos ou horto, fazenda, unidade de manejo, talhão, secção e
subsecção. As unidades de produção preferencialmente devem ter
tamanho e forma padronizados; uso padronizado e controle estatístico
rigoroso (estoque, corte e plantio). As unidades geralmente são definidas
em até 5 níveis, como segue:
1) Região: é uma área do território nacional que concentra propriedades da
empresa sob uma mesma administração;
2) Distritos ou hortos: são subdivisões menores das regiões que concentram
fazendas próximas;
3) Fazenda: usualmente são áreas contíguas com matrícula em cartório;
4) Unidade de manejo – são áreas contínuas de produção, com ou sem
subdivisões como talhões e secções, com plantios usualmente da mesma
espécie e idade, sob o mesmo sistema silvicultural; são as unidades que
recebem um centro de custo contábil; podem reunir vários talhões, não
necessariamente contíguos, mas próximos, com características ambientais
semelhantes; são as unidades principais para o controle, planejamento e
manejo florestais;
As divisões e subdivisões devem receber uma codificação numérica
hierárquica de forma a facilitar seu controle e identificação, sendo que as unidades de
75
manejo podem ser sempre identificadas pelo seu código de centro de custo contábil
para se integrar- o manejo florestal com a contabilidade empresarial.
SUBDIVISÃO TÉCNICA DAS ÁREAS FLORESTAIS
É a classificação em classes de aproveitamento (áreas de povoamentos

semelhantes de mesma espécie e rotação com mesma meta econômica). É realizada
com os objetivos de controle sobre o ordenamento dos povoamentos, resumir as
informações quanto às diferentes classes de sítio e idade, planejamento e controle da
sustentabilidade da produção para as diferentes classes.
3.7.3 Rede viária

O uso dos espaços rurais, depende do acesso, portanto a locação das vias de
acesso, principalmente às áreas produtivas, vem a seguir. De acordo com Carvalho
(2013): “obrigatoriamente, as estradas devem atender às atividades de silvicultura,
proteção florestal, pequenas atividades, vizinhos, terceiros, colheita e transporte”.
Inicialmente, localiza-se os pontos obrigatórios de passagem e locais a evitar. Pontos
obrigatórios são os locais onde se pode construir pontes e bueiros, pontos de acesso
à vizinhos, locais de abastecimento de água (reservatórios, rios, etc), acesso a torres
de observação, entre outros. Áreas a evitar, são os locais onde a construção da
estrada pode afetar as áreas a serem preservadas e locais onde o custo de
construção é muito caro, como encostas muito íngremes, rochas que necessitem ser
explodidas, banhados, arroios e rios torrenciais.
A construção da rede viária é cara, portanto deve ser otimizada, construindo-

se o mínimo para se obter a máxima capacidade de transporte. Uma das modalidades
de desenho de estradas florestais é a “espinha de peixe” (Figura 21), constituídas de
estradas paralelas que se inserem num ângulo de cerca de 60º a uma estrada
76
principal, que se inserem por sua vez à outras vias mais importantes da mesma
maneira. O ângulo de inserção deve ser suficiente para permitir a manobra e acesso
dos caminhões extrapesados utilizados na atualidade para o transporte de madeira.
Nos pontos extremos da rede de vias secundárias, é preciso prever a manobra para
retorno dos caminhões e parques para estacionamento, carga de madeira e descarga
de materiais, insumos e máquinas utilizados na silvicultura, manutenção e colheita de
madeira.
Figura 21 - Planejamento de estradas florestais em espinha de peixe. Fonte: IAMAZON

(2015).
A época de implantação das estradas pode ser realizada como recomendado

por Carvalho (2016), conforme a Figura 22.
O custo do transporte florestal está relacionado principalmente com o custo de

construção da própria estrada, com sua manutenção, com os custos de extração
(baldeio) e redução da área produtiva (Figura 23), e também com o custo do
transporte principal até o mercado ou indústria.
77
Após planejar as estradas é preciso locar os limites dos talhões destinados à

silvicultura, prevendo-se como a madeira será baldeada do interior do talhão para a
margem das vias de acesso onde a madeira será carregada nos veículos de
transporte principal (caminhões). Os talhões, preferencialmente, devem ter um
tamanho que minimize o custo de baldeio da madeira do seu interior para os locais de
descarga e carga.
Figura 22 - Época de implantação das estradas florestais. Fonte: Carvalho (2016).
78
Figura 23 - Determinação da densidade ótima de estradas de acordo com Carvalho

(2016).
3.8 Tempo
O tempo florestal é regulado pela idade das árvores, sendo tratado de maneira
diferente para florestas naturais e florestas plantadas.
Os períodos de tempo mais comuns considerados no manejo florestal são:

− Rotação - Florestas equiâneas - Período de tempo entre o plantio e a
colheita final;
− Ciclo de desbastes – Período de tempo entre um desbaste e outro;
− Ciclo de corte – é o termo usado para florestas inequiâneas que significa o
tempo entre um corte de produção e outro.
− Duração da produção – é representado pela idade de aproveitamento; é o
tempo que a floresta leva para tornar-se produtiva, sendo determinada em
função da produtividade da floresta, do mercado, das vias de acesso,
condições do tempo e mão-de-obra disponível para colheita.
− Período de renovação – período entre o corte e o início da nova cultura;
− Período de ordenamento – período de planejamento do plano de
ordenamento;
− Período de transformação – período necessário para a transformação de
uma floresta de um sistema silvicultural para outro;
− Período de equilibração – período para equilibrar a falta ou excesso de
estoque em cada classe de idade;
79
− Horizonte de planejamento – É o período de tempo considerado para o

planejamento da produção ou avaliação econômica de um
empreendimento florestal.
3.8.1 Idade
Nas florestas equiâneas é o tempo transcorrido do plantio até o momento
considerado. Nas florestas naturais, geralmente não há caracterização da idade, pois
é particular de cada indivíduo.
O período de tempo entre o plantio e a colheita final das florestas plantadas é

chamado de rotação, enquanto que o período de tempo entre um corte e outro nas
florestas naturais é denominado de ciclo de corte.
Os povoamentos podem ser classificados quanto à idade (t) como equiâneos

ou inequiâneos:
− Equiâneos – a amplitude de idade das árvores do povoamento está entre
+/- 10% da idade média;
− Inequiâneos – a amplitude de idade das árvores do povoamento ultrapassa
+/- 10% da idade média.
IDADE MÉDIA
Idade média aritmética
I = ∑ ti / n
I = idade média aritmética; ti = idade da árvore i; n = número de árvores.
Idade média de áreas
Ia = ∑ (tj . Aj) / ∑ Aj
Ia = idade média de áreas; Aj = área do povoamento j; tj = idade média das
árvores do povoamento j.
80
Idade média de volumes
Iv = ∑ (tj . Vj) / ∑ Vj
Iv = idade média de volume; Vj = volume de estoque do povoamento j; tj = idade
média do povoamento j.
3.8.2 Classes de idade

Classes naturais de idade
− Povoamentos manejados em alto fuste passam pelos estados de:
renovação, denso, desbaste, madeira;
− Povoamentos manejados em talhadia passam pelos estados de: brotação,
ressalvo.
Classes silviculturais de idade
Os povoamentos são considerados em fase de renovação, de tratos

silviculturais ou melhoramento.
Classes artificiais de idade
Neste caso, mais comum para o manejo florestal, os povoamentos são

divididos em classes de idade em anos.
3.9 Estrutura florestal

A estrutura florestal é caracterizada principalmente por:
− Espécies;
− Estrutura horizontal;
− Estrutura vertical.
As áreas produtivas florestais são entremeadas com áreas de proteção e o

estudo da estrutura florestal é importante não só para o manejo de florestas
produtivas, mas também para as áreas de proteção. O monitoramento da estrutura
81
florestal permite verificar a manutenção da riqueza de espécies, biodiversidade,

estado evolutivo, crescimento, densidade, etc., facilitando o planejamento da
produção ou de ações para garantir sua conservação e preservação.
3.9.1 Espécies
A composição florística de um ecossistema é representada pela lista de
espécies existente no mesmo, sendo quantificada principalmente pela diversidade e
agregação de espécies.
DIVERSIDADE DE ESPÉCIES
Os índices de diversidade são indicadores da situação dos ecossistemas

(Magurran, 1988) e estimam dois elementos básicos: riqueza e uniformidade. Riqueza
é a quantidade de espécies existentes em uma comunidade. Uniformidade é a
quantidade de indivíduos existente por espécie. Os índices de diversidade podem ser
divididos em três tipos:
− Riqueza – mede o número de espécies em uma unidade de amostra;
− Abundância – mede a quantidade de indivíduos de uma espécie em uma
comunidade;
− Abundância proporcional – mede a riqueza e a uniformidade.
Os índices de diversidade são classificados em 5 níveis pela sua ordem de
abrangência de local para regional, como segue:
− Pontual – diversidade de um simples ponto, de uma única unidade
amostral, ou de um micro ambiente;
− Alpha – dentro da diversidade de um hábitat; geralmente é composta por
várias subamostras de um único hábitat; a diversidade alfa refere-se ao
número e abundância de espécies de uma comunidade;
− Beta – diversidade de espécies de um hábitat, transecto ou de um
gradiente; a diversidade beta expressa a diferença na composição e
abundância de espécies entre ou dentro de comunidades;
82
− Gama – diversidade de uma unidade geográfica de tamanho médio, como

de uma ilha, ou micro bacia hidrográfica; obtida pela contagem do número
total de espécies dentro de uma área (IBGE, 2007);
− Épsilon – diversidade de uma ampla região, como um bioma, ou bacia
hidrográfica de um grande rio, de 5ª ordem ou maior.
3.9.2 Índices de diversidade α

A diversidade alfa é determinada pela contagem do número de espécies e do
número de indivíduos de cada espécie, ou por meio de curvas de dominância
acumulada para as espécies amostradas (IBGE, 2007).
RIQUEZA DE ESPÉCIES
A riqueza de espécies é representada somente pelo número de espécies

presentes num ecossistema. Comparações entre a riqueza de espécies de duas
comunidades é válida se a intensidade amostral em cada uma tenha sido tal que a
curva de espécies por área tenha atingido estabilidade em seu máximo; caso contrário
pode ser que não se tenha obtido o número total verdadeiro de espécies das
comunidades para realizar a comparação.
ABUNDÂNCIA RELATIVA DE ESPÉCIES
Representa a percentagem de indivíduos de cada espécie sobre o número total

de indivíduos. É a equitabilidade da espécie ou uniformidade da abundância entre
espécies.
ÍNDICE DE BERGER-PARKER
O índice de diversidade de Berger-Parker é uma medida de dominância que

expressa a importância proporcional da espécie mais abundante (Newton, 2007),
sendo definido pela equação:
83
N max
d=
N
onde: d = dominância da espécie considerada; Nmax = número de indivíduos da
espécie mais abundante; N = número total de indivíduos de todas as espécies.
ÍNDICE DE ENTROPIA DE RÉNYI
Entropia estatística é a medida da quantidade de incerteza que há num lote de

dados.
Alfred Rényi desenvolveu um índice de entropia de ordem α, generalizando o

índice de entropia de Shannon e o índice de divergência de Kullback-Leibler, criando
um índice de diversidade serial amplo.
A riqueza de espécies, o índice de Shannon, o índice de Simpson, e o índice

de Berger-Parker podem ser classificados como casos particulares da entropia de
Rényi (RÉNYI, 1961, apud Bhamidipati, 2009). A entropia de Rényi de ordem α, onde
α ≥ 0, é definida como:
1 S
Hα = log  ϕ iα
1−α i =1
Onde: ϕ i = ni/N, ou fração de indivíduos da espécie i; α = 0, 1, 2, 3,..., ∞.
ÍNDICE DE DIVERSIDADE DE SHANNON-WIENER
O índice de diversidade categórica de Shannon-Wiener é o mais utilizado

(Newton, 2007), podendo ser calculado por:
S
H ′ = −ϕ i . lnϕ i
i =1
onde: ϕ i = ni/N, ou fração de indivíduos que pertencem à espécie i; ni = número

de indivíduos amostrados para a espécie i; S = número de espécies amostradas;
N = número total de indivíduos amostrados de todas as espécies.
84
O Índice de Shannon considera que os indivíduos são amostrados ao acaso a

partir de uma população infinita de distribuição aleatória; considera que todas as
espécies existentes na comunidade estejam representadas na amostra, o que
geralmente não ocorre, sendo uma fonte de erro do método (Magurran apud
UFSM/SEMA-RS, 2003). Apesar disso, é o mais utilizado em fitossociologia, sendo
recomendado para comparação com outras comunidades florestais. Quanto maior o
valor de H', maior a diversidade florística. O valor médio situa-se entre 1,5 e 3,5;
abaixo de 1,5 pode ser considerado baixo e, acima de 3,5, é alto, sendo que
raramente é maior do que 4,5. É sensível à presença de espécies de fraca cobertura.
ÍNDICE DE DIVERSIDADE DE BRILLOUIN
É um índice semelhante ao índice de Shannon-Wiener (BARROS, 2007),

sendo calculado por:
S
HB = (ln N ! −  ln ni !) / N
i =1
Onde: HB = índice de diversidade de Brillouin, ni = número de indivíduos da

espécie i; S = número de espécies; N = número total de indivíduos de todas as
espécies.
QUOCIENTE DE MISTURA DE JENTSCH
Este índice mede a diversidade da população (UBIALLI, 2007), sendo

calculado por:
QM = S
N
Onde: S = número de espécies amostradas; N = número total de indivíduos

amostrados.
Quanto mais próximo de 1 (um) o valor de QM, mais diversa é a população. O

valor de QM pode ser apresentado em forma de proporção, ou seja, executando-se a
85
inversão da expressão original N/S, apresentando-se o resultado na forma de

proporção do número de indivíduos em relação ao número de espécies para cada
parcela e para o total.
ÍNDICE DE UNIFORMIDADE DE PIELOU
É um índice que mede a uniformidade entre comunidades (PIELOU, 1977),

sendo calculado pela expressão:
H'
C=
Ln (S)
Onde: C = índice de uniformidade de Pielou; Ln (S) = Hmax = diversidade máxima;
S = número de espécies amostradas = riqueza.
O valor de C tem amplitude entre 0 e 1, onde 1 representa a máxima

diversidade, ou seja, todas as espécies são igualmente abundantes.
ÍNDICE DE SIMPSON
Edward Hugh Simpson desenvolveu um índice de diversidade para os

ecossistemas que indica a probabilidade de dois indivíduos colhidos aleatoriamente
numa população pertencerem à mesma espécie (Newton, 2007), sendo calculado por:
D = Σpi2
Onde: D = diversidade de Simpson; pi = proporção de indivíduos da espécie i.
Para comunidade finita deve-se utilizar a seguinte equação:
 n (n − 1) 
D =   i i 
 N ( N − 1) 
Onde: ni = número de indivíduos da espécie i; N = número total de indivíduos; 0≤
D ≤1.
86
À medida que D aumenta, decresce a diversidade. Assim, o índice de Simpson

é expresso normalmente como 1/D. É sensível à presença de espécies com elevada
cobertura.
3.9.3 Índices de diversidade β

As medidas de diversidade β, ou medidas de diferencial de diversidade,
descrevem o quanto às comunidades são distintas (ou similares) em termos de
composição de espécies. Ao se comparar duas comunidades distintas, a diversidade
β é tanto maior quanto menor o número de espécies que ocorrem em ambas. Para
sua obtenção é necessário garantir a suficiência amostral com a construção da curva
espécie-área e realizar o cálculo de índices de similaridade entre unidades amostrais
(IBGE, 2007). Os índices de diversidade β entre pares de comunidades podem ser
qualitativos ou quantitativos.
São exemplos de medidas de diversidade β os índices de Jaccard e Sørensen,

Morisita-Horn e Whittaker, descritos a seguir, e as medidas de Cody, Routledge,
Wilson e Shmida. Os coeficientes de similaridade são medidas bastante úteis para
comparação de três comunidades ou mais, permitindo verificar quais são as mais
similares (ou dissimilares). Os índices são calculados para cada par de comunidades
e os resultados podem ser comparados.
Ao se comparar um grande número de comunidades ou gradientes

simultaneamente a determinação da diversidade β deve ser realizada por meio de
análise de agrupamento.
SIMILARIDADE ENTRE COMUNIDADES
Os índices de similaridade são usados para comparar a flora de duas ou mais

comunidades vegetais, indicando o grau de semelhança entre elas. O conceito de
87
similaridade entre comunidades vegetais foi desenvolvido por diversos

pesquisadores, com diferentes interpretações subjetivas, até que começou a ser
expresso matematicamente em função do número de espécies comuns entre duas
comunidades, ou na forma inversa, expressando a dissimilaridade pelo número de
espécies diferentes que ocorrem na primeira e não ocorrem na segunda comunidade.
Podem ser distintos dois grupos de índices de similaridade: os taxonômicos e os
biocenóticos. Os primeiros consideram somente a presença ou ausência de cada
espécie em cada comunidade, enquanto os biocenóticos levam em consideração a
quantidade de indivíduos de cada espécie presentes em cada biocenose.
Entre os índices de similaridade taxonômicos mais conhecidos e utilizados

estão o de Jaccard e o de Sørensen. Entre os biocenóticos estão o de Czekanowski
e o de Morisita-Horn.
ÍNDICE DE SIMILARIDADE DE JACCARD
O índice de similaridade de Jaccard é simples, sendo expresso somente pela

percentagem de espécies comuns a duas comunidades em relação ao somatório de
espécies presentes independentemente em ambas (Mueller-Dombois e Ellenberg,
1974). O coeficiente de comunidade de Jaccard é calculado pela equação:
ISj = 100 . c / (a + b + c)
Onde: a = número de espécies existentes na comunidade A e ausentes na
comunidade B; b = número de espécies existentes na comunidade B, e ausentes
na comunidade A; c = número de espécies comuns a ambas as comunidades.
É comum encontrar a equação anterior reescrita da seguinte maneira e dando

o mesmo resultado:
88
ISj = 100 . c / (A + B - c)
Onde: A = número total de espécies existentes na comunidade A; B = número
total de espécies existentes na comunidade B; c = número de espécies comuns
a ambas as comunidades.
ÍNDICE DE SIMILARIDADE DE SØRENSEN
Entre os muitos índices de similaridade derivados ou inspirados no de Jaccard,

o mais conhecido é provavelmente o de Sørensen. É um índice qualitativo que se
baseia na presença ou ausência das espécies (Mueller-Dombois e Ellenberg, 1974),
sendo calculado por:
ISs = 100 . c / (1/2) . (A+B)

ou, ISs = 200. c / (A+B)
Onde: A = número total de espécies existentes na comunidade A; B = número
total de espécies existentes na comunidade B; c = número de espécies comuns
a ambas as comunidades.
O índice pode ser expresso como dissimilaridade, ou Coeficiente de Distância

(CDs), pela seguinte equação:
CDs = 100 – ISS = 100 – { 200. c / (A+B) }
ÍNDICE DE SIMILARIDADE DE CZEKANOWSKI
O índice de Czekanowski é semelhante ao de Jaccard, entretanto utiliza dados

qualitativos e quantitativos, variando entre 0 (dissimilaridade absoluta) a 1
(similaridade absoluta) (IBGE, 2007).
O índice de Czekanowski (HENRIQUES et al., 1996) é calculado por:
ISc = 2 . min (xi, i) / (xi+i)

Onde: min (xi, i) = menor número de indivíduos para as espécies encontradas em
ambas as comunidades; xi e i = número de indivíduos da espécie "i" encontrados
nas duas áreas.
89
N
2 min (X i1 ,X i 2 )
i =1
Ps1,2 = N
 (X
i =1
i1 + X i2 )
Onde: Xi1 e Xi2 = número indivíduos da espécie i nas comunidades 1 e 2,

respectivamente; min (Xi1, Xi2) = mínima quantidade da espécie i comum a ambas
as comunidades.
Ou, considerando-se as proporções do número de espécies:

N
Ps1' ,2 =  min (Yi1 ,Yi 2 )
i =1
N N
Yi1 = X i1 /  X i1 Yi 2 = X i 2 /  X i 2
Onde: i =1 ; i =1 .
ÍNDICE DE MORISITA-HORN
Este índice é pouco influenciado pelo tamanho da unidade amostral e pela

riqueza de espécies, apresentando boa aproximação do grau de dispersão (BARROS,
2007; HENDERSON, 2003, apud Newton, 2007). O índice de Morisita-Horn é mais
complexo que os de Jaccard e Sørensen e considera a abundância das espécies,
sendo calculado pela equação:
2. X ij . X ik
CH =
  X ij 2    X ik 2 
 + .N .N
 N j   N 2  j k
2
  k 
Onde: CH = índice de Morisita-Horn; Xij = número de indivíduos da espécie i na
comunidade j; Xik = número de indivíduos da espécie i na comunidade k; Nj =
número total de indivíduos na comunidade j; Nk = número total de indivíduos na
comunidade k.
A percentagem de similaridade é calculada por:
90
S
P = 100 − 0 ,5  (Pai − Pbi )
i =1
Onde: P = percentagem de similaridade; Pai = abundância percentual da espécie

i na comunidade a; Pbi = abundância percentual da espécie i na comunidade b;
S = número total de espécies.
O coeficiente de similaridade varia de 0, quando não há uma só espécie comum

entre as comunidades, até 1, quando todas as espécies que ocorrem na comunidade
1 estão presentes na comunidade 2 e vice-versa. A similaridade tende a diminuir
quando a abundância de espécies é considerada, caso deste índice.
MEDIDA DE WHITTAKER
A medida de Whittaker (Newton, 2007), como os coeficientes de similaridade,

tem o objetivo de avaliar o quanto à composição de espécies muda ao longo de um
gradiente ou transecto, sendo obtida pela equação:
S
βw =   −1
α 
Onde: βW = medida de Whittaker; S = número total de espécies; α = número
médio de espécies por unidade amostral.
3.9.4 Diversidade por agrupamento

A análise de agrupamento é realizada por meio de uma matriz de similaridade
(ou dissimilaridade) de pares de amostras (Barros, 2007). Geralmente é realizada
para agrupar unidades amostrais ou comunidades semelhantes com a intenção de
definir as diferentes associações presentes na área de levantamento. As unidades de
maior similaridade são combinadas formando grupos, originando um dendrograma.
Um exemplo de levantamento fitossociológico é apresentado na Tabela 9, com cinco
unidades amostrais. Foi utilizado o índice de Jaccard para determinar o coeficiente de
dissimilaridade, cuja matriz está na Tabela 10. Na Figura 25 é apresentado o
91
dendrograma resultante. Os grupos são formados com as unidades de menor

dissimilaridade.
Tabela 9- Matriz de ocorrência (1) ou ausência (0) de espécies por unidade

amostral (Locais).
ESPÉCIES
LOCAIS
A B C D E F G H I J K L
Local 1 1 1 0 1 1 1 1 0 1 0 1 1
Local 2 1 0 1 0 0 0 1 1 0 1 1 0
Local 3 0 1 1 1 0 0 1 0 1 0 1 0
Local 4 1 0 1 1 1 1 0 1 0 1 0 0
Local 5 0 1 0 1 0 0 1 1 1 0 1 1
Tabela 10 - Matriz de dissimilaridade de Jaccard (ou distâncias de Jaccard)

Local1 Local2 Local3 Local4 Local5
Local1 0.00000 . . . .
Local2 0.75000 0.00000 . . .
Local3 0.50000 0.66667 0.00000 . .
Local4 0.66667 0.55556 0.81818 0.00000 .
Local5 0.40000 0.70000 0.37500 0.83333 0
O Programa SAS para análise é apresentado na Figura 24 a seguir:
92
DATA A;
INPUT LOCAL $6. SP1 SP2 SP3 SP4 SP5 SP6 SP7 SP8
SP9 SP10 SP11 SP12;
CARDS;
LOCAL1 1 1 0 1 1 1 1 0 1 0 1 1
LOCAL2 1 0 1 0 0 0 1 1 0 1 1 0
LOCAL3 0 1 1 1 0 0 1 0 1 0 1 0
LOCAL4 1 0 1 1 1 1 0 1 0 1 0 0
LOCAL5 0 1 0 1 0 0 1 1 1 0 1 1
;
PROC DISTANCE DATA=A METHOD=DJACCARD ABSENT=0
OUT=DISTJACC;
VAR ANOMINAL(SP1--SP12);
ID LOCAL;
PROC PRINT DATA=DISTJACC;
TITLE1 "MATRIZ DE DISTANCIAS DE JACCARD";
ID LOCAL;
GOPTIONS VSIZE=6IN HTEXT=3PCT HTITLE=3PCT;
AXIS1 ORDER=(0 TO 1 BY 0.1);
PROC CLUSTER DATA=DISTJACC METHOD=WARD SIMPLE
TREE=TREE PRINT=14;
TITLE1 'AGRUPAMENTO DAS UNIDADES PELO METODO DE
WARD';
TITLE2 'EM FUNCAO DA DISTANCIA DE JACCARD';
ID LOCAL;
VAR LOCAL1-LOCAL5;
PROC TREE DATA=TREE NCLUSTERS=14 GRAPHICS
HAXIS=AXIS1;
RUN;
QUIT;
Figura 24 – Programa SAS (v. 9) para análise de agrupamento.
93
Figura 25- Agrupamento, pelo método de Ward, dos locais (unidades amostrais) em
função da matriz de distâncias de Jaccard.
Entre outras medidas utilizadas para análise de agrupamento está a Distância

Euclidiana (DE) (GARCIA e LOBO-FARIA, 2007), considerada um índice quantitativo,
calculado por:
DE = √ (x²+y²)
Onde: DE = Distância Euclidiana; x = diferença entre a abundância da espécie A
e a espécie B na comunidade ou unidade amostral 1; y = diferença entre a
abundância da espécie A e a espécie B na comunidade ou unidade amostral 2.
AGREGAÇÃO DAS ESPÉCIES
Os índices de agregação estimam o padrão de distribuição espacial dos

indivíduos de cada espécie numa comunidade (Figura 26). Entre eles, encontram-se
os índices de MacGuinnes, de Fracker e Brischle e o de Payandeh.
94
Figura 26- Padrões de distribuição horizontal de espécies em diferentes

comunidades. Fonte: IB-USP (2009).
ÍNDICE DE AGREGAÇÃO DE MACGUINNES
Este índice estima o grau de agregação da espécie tomando por base as

densidades observada (Di) e esperada (di), sendo calculado por:
IGAi = Di / d i
Onde: IGAi = índice de agregação da espécie i; Di = ni / ut = densidade observada
da espécie i; di = - ln (1-fi) = densidade esperada da espécie i; fi = ui / ut =
frequência observada da especie i; ni = número de indivíduos da espécie i; ui =
número de unidades amostrais em que a espécie i ocorre; ut = número total de
unidades amostrais.
A distribuição dos indivíduos das espécies é classificada como:

− IGAi < 1 – distribuição uniforme;
− IGAi = 1 – distribuição aleatória;
− 1< IGAi ≤ 2 – distribuição com tendência ao agrupamento;
− IGAi > 2 – distribuição agregada ou agrupada.
ÍNDICE DE FRACKER E BRISCHLE
Estima a forma da distribuição espacial das espécies (UBIALLI, 2007), sendo

expresso pela equação:
95
K i = (Di − d i )/d i2
Onde: Ki = índice de de agregação de Fracker e Brischle para a espécie i; Di =
densidade observada da espécie i; di = densidade esperada para a espécie i.
A classificação do padrão de distribuição espacial dos indivíduos das espécies

obedece a seguinte escala:
− Ki ≤ 0,15 - distribuição aleatória;
− 0,15 < Ki ≤ 1,0 - tendência ao agrupamento;
− Ki > 1 - distribuição agregada ou agrupada.
ÍNDICE DE PAYANDEH
Estimando-se este índice obtém-se o grau de agregação da espécie por meio

da relação entre a variância do número de árvores por parcela (PAYANDEH, 1970),
e a média do número de árvores:
S i2
Pi =
ni
2
 n 
n
  ni  n
 ni −  
n
2 i =1
i
n
= i =1 e ni = i =1
2
Si
n −1 n
Onde: Pi = Índice de Payandeh para a espécie i; Si² = variância do número de
n
árvores da espécie i; ni = número de árvores da espécie i na parcela j; i = média
do número de árvores da espécie i; n = número total de árvores da espécie i.
A classificação do padrão de distribuição espacial dos indivíduos das espécies

obedece a seguinte escala:
− Pi < 1 – distribuição aleatória ou não-agrupamento;
− 1 ≤ Pi ≤ 1,5 – tendência ao agrupamento;
− Pi > 1,5 – distribuição agregada ou agrupada.
96
ÍNDICE DE FIDELIDADE
Uma espécie fiel é aquela que só ocorre em determinado tipo de comunidade.

Fidelidade pode ser definida, portanto, como o nível de restrição da ocorrência de uma
espécie a determinada comunidade. As espécies que ocorrem em determinada
comunidade e não ocorrem ou têm ocorrência muito pequena em outras, são
chamadas de espécies características, e são consideradas fiéis a tal comunidade.
Assim como há plantas que vivem restritas a determinados solos ou climas, há
também as estritamente confinadas a certas comunidades. Espécies de fidelidade
absoluta são denominadas de exclusivas.
É possível então definir grupos de vegetais caracterizados pela fidelidade de

espécies características pelo fato do que estas espécies só estão presentes em um
ou mais grupos (onde seu grau de presença não é necessariamente grande) e
ausentes em todos os outros.
Para que os valores da fidelidade sejam exatos, são importantes o

reconhecimento e classificação da comunidade. Só devem ser usadas áreas de
vegetação em estado de desenvolvimento completo. Áreas queimadas, inundadas ou
sujeitas a recentes intervenções humanas apresentam mudanças na vegetação,
ocorrendo aí associações ecologicamente instáveis e não representativas da
comunidade original, devendo-se evitar sua classificação por meio da fidelidade
estatística.
A Escola de Zurich-Montpellier reconhece cinco graus de fidelidade:

− Espécies exclusivas - aparecem restritas a determinadas comunidades, em
uma região geográfica particular;
− Espécies seletivas - encontradas especialmente em uma comunidade,
podendo ocorrer ocasionalmente em outra;
− Espécies preferenciais - presentes em várias comunidades, mas
predominantes em uma delas;
97
− Espécies indiferentes ou companheiras – não apresentam afinidade

especial por um tipo de comunidade;
− Espécies estranhas ou acidentais – são raras em uma comunidade
particular.
A fidelidade é determinada pela presença de cada espécie nas unidades
amostrais representativas das diferentes comunidades.
Segundo Matteucci (1982), Goodall propôs uma técnica para se definir

quantitativamente a fidelidade. O grau de fidelidade se define como a diferença das
frequências da espécie em ambas as comunidades expressa na proporção da menor
frequência:
Onde: a,b,c,d = unidades amostrais de duas comunidades A e B que se quer

comparar; a=espécie x presente em A; b=espécie x presente em B; c=espécie x
ausente em A; e d=espécie x ausente em B.
Quando F=0 a espécie é presente (em igual frequência) em ambas as

comunidades; quando F tende a infinito a espécie está confinada à comunidade A, ou
seja, é fiel a A.
Segundo Braun-Blanquet são muito mais abundantes as espécies que não se

limitam a determinadas áreas, pois não estão sociologicamente restritas a certas
comunidades vegetais. O estreito confinamento social das espécies características
são o resultado de causas tais como:
− mutações benéficas que possibilitaram maior vitalidade de certas
populações representantes do algumas espécies separadas por
isolamento geográfico ou por formação de pequenas comunidades de
reprodução, fazendo com que tais populações se tornassem fiéis a uma
comunidade, podendo estas populações se especiarem até constituir
novas espécies endêmicas;
98
− isolamento geográfico permitindo uma endogamia persistente das espécies

fazendo com que estas perdessem a. capacidade de variação e expansão
(disseminação) devido ao estreitamento das relações bióticas e abióticas
na área (adaptações a condições físico-químicas do habitat, parasitismo,
competição, etc.);
− algumas espécies podem ser generalistas em certos locais, mas
apresentarem características exclusivistas em outras regiões, pois só
nestas áreas podem satisfazer suas necessidades vitais;
− ausência de comunidades afins entre as grandes zonas fitogeográficas;
− algumas espécies que poderiam se desenvolver bem em determinadas
áreas não o fazem, pois existe espécie melhor adaptada (competição).
ÍNDICE DE EQUITABILIDADE
Este índice é obtido a partir do índice de Shannon. Traduz a relação entre a

diversidade real e a diversidade máxima teórica. O cálculo é realizado com a equação:
J = H' / H' máx

S
= − π i . ln π i
Onde: J = índice de equitabilidade; H' = índice de Shannon i =1 ;
H' máx = valor máximo do índice de Shannon; πi = ni/N, ou fração de indivíduos
que pertencem à espécie i; ni = número de indivíduos amostrados para a espécie
i; S = número de espécies amostradas; N = número total de indivíduos
amostrados de todas as espécies.
O valor do índice varia entre 0 e 1. Quanto mais próxima de 1 maior a

equitatibilidade mais equilibrada é a distribuição de espécies na comunidade.
Valores próximos de 0 significam que todos ou quase todos os indivíduos são

da mesma espécie.
3.9.5 Estrutura Horizontal

O estudo da estrutura horizontal de uma comunidade vegetal tem como
principal objetivo determinar a importância fitossociológica de cada espécie tomando
por base as variáveis densidade, frequência e dominância, que são utilizadas no
99
cálculo do índice de cobertura de cada espécie e do seu valor de importância na

comunidade.
DENSIDADE
A densidade total de uma determinada comunidade é a expressão do número

total de indivíduos nela existente em relação à área total considerada (UBIALLI, 2007),
sendo calculada por:
DT = 10000 . N / A
Onde: DT = densidade total da comunidade; N = número total de indivíduos da
comunidade; A = área total da comunidade em m².
A densidade de uma espécie numa comunidade nada mais é do que o número

de indivíduos por unidade de área, sendo calculada por:
DAs = 10000 . ns / A
Onde: DAs = densidade absoluta da espécie s; ns = número de indivíduos da
espécie s; A = área considerada em m².
As espécies podem ser classificadas com relação à densidade, em níveis de

abundância, como segue:
− espécie muito rara - <1%;
− espécie rara – de 1% a <5%;
− espécie ocasional – de 5% a <25%;
− espécie abundante – de 25% a <75%;
− espécie muito abundante – 75% ou mais.
A densidade, quando expressa em percentagem, compõe o índice de
densidade relativa da espécie, sendo calculada pela expressão:
DRs = 100 . DAs / DT

Onde: DRs = densidade relativa da espécie s; DAs = densidade absoluta da
espécie s; DT = densidade total da comunidade.
100
FREQUÊNCIA
A avaliação da ocorrência de uma espécie ao longo de toda uma comunidade

é realizada por amostragem, locando-se unidades amostrais de forma sistemática ou
aleatória sobre a sua área. A frequência com que determinada espécie ocorre nas
várias unidades amostrais é um indicador da uniformidade da sua distribuição espacial
na comunidade em estudo. Se a espécie se dispersa homogeneamente, tenderá a
aparecer em grande número de unidades amostrais. Quanto mais heterogênea for a
sua distribuição, menor deverá ser o número de unidades amostrais em que irá
aparecer e vice-versa. A frequência absoluta de uma espécie em uma comunidade é
simplesmente o número de unidades amostrais em que foi encontrada (UBIALLI,
2007), como segue:
FAs = Us
Onde: FAs = frequência absoluta da espécie s; Us = número de unidades
amostrais com presença da espécie s.
Não existe muito sentido nesse índice, pois quanto menores as unidades
amostrais e maior a intensidade de amostragem, tanto maior o valor encontrado.
Portanto, deve ser expresso sempre em percentagem de unidades amostrais em que
a espécie ocorre em relação ao número total de unidades que compõem a amostra,
podendo ser calculado pela seguinte equação:
FRs = FAs / U
Onde: FRi = frequência relativa da espécie s; FAs = frequência absoluta da
espécie s (ou nº de unidades amostrais em que a espécie s ocorre); U = número
total de unidades amostrais.
Na Figura 27 há três comunidades em que a espécie "A" ocorre, sendo que na

comunidade I a distribuição é mais uniforme do que nas comunidades II e III, cujas
frequências absolutas são, respectivamente, 7, 4 e 3 e os correspondentes índices de
frequência relativa são 77,8%, 44,4% e 33,3%.
101
Braun-Blanquet (1979) criou a tabela de frequência a seguir:

− ou VI – quase sempre presente (entre 80-100%);
− 4 0u V - presente na maioria das vezes (60-80%);
− 3 ou IV – presente frequentemente (40-60%);
− 2 ou III – pouco frequente (20-40%);
− 1 ou II - rara (2-20%);
− ss ou I - esporádica (menos de 2%).
Figura 27 - Ocorrência da espécie "A" nas unidades amostrais de 3 comunidades de

mesmo tamanho.
DOMINÂNCIA
A dominância expressa a ocupação do espaço por determinada espécie.

Devido à alta correlação que a área transversal do tronco à altura do peito apresenta
com a ocupação total de espaço por uma árvore, convencionou-se usar esta variável
para representar a dominância de espaço. A soma das áreas transversais de todas
as árvores de uma espécie por unidade de área representa a dominância absoluta
(DoA) de uma espécie sobre as demais em determinada comunidade (UBIALLI,
2007).
O percentual da dominância absoluta de uma espécie sobre a área basal total

é a sua dominância relativa (DoR). Para o cálculo, usam-se as equações a seguir:
102
S nj
 g i,s
DoA = s =1 i =1
P
=G
 Area
p =1
p
Onde: DoA = G = dominância absoluta de todas as árvores de todas as espécies

em m²/ha, ou área basal por unidade de área em m²/ha; gi,s = área basal da
árvore i da espécie s; S = número total de espécies; ns = número de árvores da
espécie s; Áreap = superfície da unidade amostral p em hectares (ha); P =
número total de unidades amostrais.
n
g i
DoAs = i =1
Área p
Onde: DoAs = dominância absoluta da espécie s em m²/ha na unidade amostral
p; gi = área basal da árvore i em m²/ha; Área = superfície da unidade amostral p
em hectares (ha).
100 . DoAs
DoRs =
DoA
Onde: DoRs = dominância relativa da espécie s; DoAs = dominância absoluta da
espécie s em m²/ha; DoA = dominância absoluta de todas as espécies em m²/ha.
VALOR DE COBERTURA
A cobertura é representada pela superfície ocupada pelos indivíduos em

relação à área total considerada, expressa em percentagem. Pode ser medida ou
estimada. Segundo Dansereau (1946), a cobertura pode ser determinada por diversas
formas, entre elas: pela densidade, volume, área basal e número de indivíduos. O
mesmo autor recomenda que deve ser estimada independentemente para cada
sinúsia. A cobertura é expressa em percentagem e o total de uma sinúsia raramente
chega a 100% de cobertura.
Para estimar o valor do índice de cobertura de uma espécie, soma-se a

densidade e a dominância relativa da mesma numa comunidade vegetal. Este valor é
103
considerado por alguns fitossociologistas como o mais importante de uma espécie por
expressar a sua ocorrência e dominância em relação às demais (UBIALLI, 2007). O
valor de cobertura varia, portanto entre 0 e 200%, sendo calculado por:
VCs = DRs + DoRs

onde: VC = valor de cobertura da espécie s; DR = densidade relativa da espécie
s; DoR = dominância relativa da espécie s.
É considerada medida de abundância, quando a determinação da densidade

não é possível (caso das gramíneas e espécies estoloníferas). Braun-Blanquet (1979)
desenvolveu uma escala de cobertura de seis níveis, como segue:
− = contínua ou dominante - mais de 75% de cobertura;
− 4 = frequente ou interrompida - 50 a 75% de cobertura;
− 3 = dispersa ou comum - 25 a 50%;
− 2 = rara - 11 a 25%;
− 1 = muito rara - 1 a 10%;
− + = esporádica - menos de 1%.
Quando a vegetação é estruturada em estratos verticais, é necessário
determinar a cobertura por estrato. Esta metodologia é recomendada para unidades
amostrais de até 10 m²; em unidades maiores onde a diversidade é grande, é difícil
estimar o valor de cobertura, exceto com auxílio de aerofotos em escala grande. Deve-
se atentar para o fato de que em vegetação sazonal a cobertura pode variar de uma
época do ano para outra.
Quando o inventário é realizado em parcelas de área fixa, pode-se utilizar o

método direto para cálculo da cobertura, medindo-se a superfície das copas das
árvores, ou de forma indireta, estimando a percentagem de cobertura em função de
pontos distribuídos de forma eleatória ou sistemática sobre a comunidade em estudo
e determinando a ocorrência ou não de cada espécie em cada ponto. Este último
método é útil principalmente quando não se pode identificar os indivíduos
104
separadamente, como no caso das espécies estoloníferas e gramíneas, no

levantamento de vegetação herbácea.
ÍNDICE DE ABUNDÂNCIA
O valor da abundância é estimado para cada espécie em cada unidade

amostral (DANSEREAU, 1946), sendo classificado na escala da Tabela 11, da mais
abundante para a menos abundante.
Tabela 11 - Escala de abundância

Nível Abundância Dominância Cobertura
Dominante pelo menos na sua Maior valor de
Muito
5 sinúsia - formação pura ou cobertura
abundante
quase 81 a 100%
Grande cobertura
4 Abundante Dominante ou subdominante
61 a 80%
Notável cobertura
3 Comum Comum
41 a 60%
Cobertura restrita
2 Frequente
21 a 40%
Cobertura reduzida
1 Ocasional
1 a 20%
Cobertura
+ Rara insignificante
0,1%
Raros indivíduos
- Presente
<0,1%
VALOR DE IMPORTÂNCIA
O valor de importância ecológica de uma espécie numa comunidade vegetal é

calculado pela soma do seu valor de cobertura e da sua frequência, como segue
(UBIALLI, 2007):
105
VIs = VCs + FRs

Onde: VIs = valor de importância ecológica da espécie s; VCs = Valor de cobertura
da espécie s; FRs = Frequência da espécie s.
3.9.6 Estrutura vertical

As espécies florestais podem formar diferentes arranjos horizontais que
resultam em múltiplos arranjos verticais, dependo do ambiente e da evolução da
mesma ao longo do tempo. A vegetação tende a apresentar uma mesma estrutura,
tanto horizontal quanto vertical, para uma mesma sucessão de eventos
edafoclimáticos, mas a própria evolução da vegetação pode derivar em diferentes
estruturas sob condições ambientais semelhantes. Há fatores de aleatorização que
influenciam a formação da vegetação como a fauna, o vento e a chuva e, de outro
lado há fatores limitantes como o microcllima, a topografia, o solo (fertilidade, umidade
e estrutura) e as características das próprias espécies.
Além de cada espécie ter um porte diferente da outra, ocupando estratos

diferentes da vegetação (Figura 28), em determinadas situações uma espécie pode
ter seu crescimento facilitado. Enquanto, noutras, pode ser prejudicado e embora
presente em uma grande área existirão partes onde terá maior frequência e densidade
devida a uma regeneração mais intensa, com crescimento mais vigoroso e porte mais
alto, enquanto que, em outras, será menos densa e de menor porte, sofrendo mais
com a competição das demais espécies. Isso faz com que, não só a estrutura
horizontal varie de um local para outro, mas também a estrutura vertical. Portanto, o
estudo e caracterização da vegetação implicam em descrição da sua estrutura
vertical, além da horizontal, para seu perfeito entendimento.
106
•
Figura 28- Estrutura vertical de uma comunidade florestal hipotética. Fonte: IB-USP
(2009).
A ocupação do espaço vertical de uma espécie é definida como a sua posição

sociológica na comunidade vegetal. Unindo-se a posição sociológica das espécies
com as características de sua regeneração, tem-se um estudo completo da estrutura
vertical de uma comunidade vegetal.
POSIÇÃO SOCIOLÓGICA
As diferentes espécies em diferentes estágios vitais presentes numa

comunidade vegetal formam estratos verticais característicos resultantes da
composição de espécies num determinado ambiente representando a sua estrutura
vertical sociológica ou expansão vertical das espécies da floresta. Numa comunidade
florestal natural, a posição sociológica de uma árvore é determinada pela expansão
vertical em relação aos seus vizinhos, que pode ser descrita em três estratos
arbóreos, segundo Schneider (2002):
− Estrato arbóreo superior - atinge as árvores cujas copas formam o dossel
mais alto da floresta; compõe-se das copas emergentes;
107
− Estrato arbóreo médio - corresponde às árvores cujas copas se encontram

abaixo do dossel mais alto, mas na metade superior do espaço ocupado
pela vegetação; é o dossel principal das copas;
− Estrato arbóreo inferior - inclui as árvores cujas copas se encontram na
metade inferior do espaço ocupado pela floresta; é composto pelas
árvores e arbustos do sub-bosque.
Às vezes divide-se em 4 estratos, acrescentando-se um quarto estrato, abaixo
do inferior, que pode ser uma das duas opções abaixo, para florestas nativas (sub-
bosque) ou plantadas (dominadas), como a seguir:
− Sub-bosque - arbustos e pequenas árvores abaixo do estrato inferior; usa-
se com florestas nativas em clímax ou avançado estágio de sucessão;
− Dominadas ou suprimidas – estrato abaixo do inferior composto por árvores
pequenas, doentes, ou geneticamente inferiores que não conseguiram
vencer a concorrência das demais; este tipo é utilizado mais comumente
com florestas plantadas.
Matematicamente, separam-se as três classes empíricas por limites referentes

a três classes de diâmetro, pois a altura das copas das árvores é de difícil medição
em florestas naturais.
Tem-se aceito a teoria de que há espécies estáveis e instáveis numa

comunidade vegetal. Entende-se por espécies estáveis aquelas presentes em todos
os estratos verticais com uma distribuição de diâmetros formando uma curva
exponencial negativa. As espécies consideradas instáveis são as que apresentam
distribuição irregular de nos diferentes estratos verticais, sendo tanto mais instáveis
quanto mais irregular a sua distribuição e menor a sua regeneração, pois tendem a
não permanecer na composição da comunidade vegetal.
108
REGENERAÇÃO NATURAL
A regeneração natural de uma comunidade florestal pode ser entendida como

todas as mudas de espécies arbóreas que ainda não atingiram o porte de árvore. Este
é um limite que deve ser estabelecido de acordo com o porte da vegetação, mas, de
uma forma geral, pode-se considerar como regeneração todas as árvores com menos
de 5 cm de DAP. Deve-se considerar que as plantas com até 1,3 m de altura não
possuem DAP e devem ser medidas em separado, criando duas classes de
regeneração: a das plantas que podem ter seu DAP medido e as que não. Assim,
para efeito prático, tem sido considerada a existência de pelo menos duas classes,
como segue:
− Regeneração 1 – mudas de árvores e arbustos com até 1,5 m de altura;
− Regeneração 2 – mudas de árvores e arbustos com mais de 1,5 m de altura
e menos de 5 cm de DAP.
Há situações em que o número de mudas de pequeno porte é muito grande e

há necessidade de dividir a classe de Regeneração 1 em duas (Regeneração 1A e
1B, com até 0,75 m de altura e até 1,5 m de altura, respectivamente, por exemplo)
para facilitar a amostragem, realizando-a em tamanhos diferentes de unidades
amostrais para cada subclasse de regeneração (1,0 m² e 4,0 m², respectivamente,
por exemplo). Nesse caso, a experiência tem mostrado que se deve ater para que as
unidades amostrais possuam tamanho suficiente para conter mais de 20 indivíduos
mensuráveis com a finalidade de que a distribuição da regeneração seja bem
caracterizada.
A avaliação da regeneração de uma comunidade pode ser realizada pela

densidade e pela frequência, da mesma forma que se faz para indivíduos adultos.
Adicionalmente, é conveniente determinar a taxa de transferência ou ingresso de
indivíduos das classes de menor para as classes de maior dimensão, utilizando-se
109
uma distribuição de classes de altura com igual intervalo. Um exemplo de como se

pode realizar a determinação da taxa de ingresso é dado na Tabela 12, onde a razão
entre a frequência de arvores entre as classes de maior e as de menor tamanho
representa a taxa de plantas que se transferem de uma classe menor para outra maior
(q), calculada como segue:
C S
 n s ,c / n s ,( c −1)
q= c =1 s =1
C
Onde: q = taxa de transferência das classes de menor para as de maior dimensão
(razão média entre a frequência de árvores nas classes de altura de maior e de
menor tamanho); C = número de classes de altura; c = número de ordem da
classe de altura; S = número de espécies; s = número de ordem da espécie; n =
número de arvores; ns,c = número de árvores da espécie s na classe c; ns,(c-1)
= número de árvores da espécie s na classe c-1.
O índice "q" é tanto maior quanto maior o ingresso das classes de menor nas
de maior dimensão e pode ser expresso em percentagem. O intervalo de classe de
altura deve ser constante, como no exemplo da Tabela 12, para que se possa
comparar uma comunidade com a outra.
110
Tabela 12- Razão de transferência de árvores das classes de menor para as de

maior dimensão (dados hipotéticos).
Espécie (s) Classe (c) Altura (m) ns,c qs,c qc
A 25 0,50
B 20 0,67
1 < 0,75 0,59
C 40 0,80
D 30 0,38
A 10 0,40
B 10 0,50
2 ≥ 0,75 e < 1,50 0,48
C 20 0,67
D 10 0,33
A 3 0,30
B 5 0,50
3 ≥ 1,50 e < 2,25 0,40
C 10 0,50
D 3 0,30
A 1 0,33
B 3 0,60
4 ≥ 2,25 0,36
C 5 0,50
D 0 0,00
Médias ns qs q
A 39 0,38
B 38 0,57
0,45
C 75 0,62
D 43 0,25
Total 195
Nas comunidades em fase inicial de colonização há intensa germinação de

sementes de espécies pioneiras, mas poucas sobrevivem e, das que sobrevivem,
poucas conseguem se transferir para as classes de maior tamanho; assim, espera-se
um valor baixo de q. Por outro lado, nas comunidades clímax, há pouca germinação
de sementes no solo da floresta e uma grande parte das sementes germinadas
consegue formar mudas que crescem e atingem as classes de maior dimensão,
resultando numa maior taxa de transferência.
111
3.10 Crescimento
Estudar o crescimento das árvores tem como objetivo conhecer os diferentes
fatores do meio (exógenos) e das próprias árvores (endógenos) que o influenciam,
bem como o efeito dos diferentes tratamentos a que as mesmas são submetidas
durante sua vida.
3.10.1 Fatores que afetam o crescimento

Os fatores exógenos que influenciam o crescimento são os fatores do meio,
como a competição entre plantas, o solo, o clima, a altitude, a latitude e a topografia;
enquanto que os fatores endógenos dizem respeito ao potencial genético, porte e
idade da planta. Todos esses fatores irão influenciar a fisiologia das plantas e sua
capacidade de crescer.
De acordo com Kramer e Kozlowski (1972) os processos e condições

fisiológicas mais importantes relacionados ao crescimento são:
− Fotossíntese: a síntese de hidratos de carbono a partir de gás carbônico e
água realizada pelas árvores na presença de luz supre os alimentos
básicos para os demais processos;
− Metabolismo do nitrogênio: a incorporação do nitrogênio inorgânico em
compostos orgânicos permite a posterior síntese de proteínas e do
protoplasma das células;
− Metabolismo de gorduras: síntese de gorduras e compostos afins;
− Respiração: a oxidação promovida pela respiração, que ocorre na ausência
de luz, libera a energia dos alimentos utilizada na assimilação, na
absorção mineral e demais processos que consomem energia;
− Assimilação: é um processo fundamental no crescimento, responsável pela
conversão dos alimentos em novo protoplasma, paredes celulares e outras
substâncias;
112
− Armazenamento de alimentos: o armazenamento de amido e outras

substâncias nutritivas nas células das sementes e estruturas lenhosas
garante o suprimento alimento para a germinação e outros processos e
em época de escassez;
− Acumulação de sal: pode ser prejudicial em níveis elevados, mas níveis
moderados de sal, garantem ótimo crescimento, relacionado com a
capacidade das células de acumularem íons no vacúolo, diminuindo a
quantidade tóxica no citosol.
− Digestão: conversão de alimentos de forma complexa ou insolúveis (como
o amido) em outras mais simples e solúveis que podem ser transportadas
e usadas na respiração e outros processos;
− Absorção: é representada pela entrada de água, e minerais do solo e de
oxigênio e gás carbônico do ar;
− Transporte: é a movimentação de água, ar, nutrientes e hormônios no
interior das árvores.
Kramer e Kozlowski (1972) relacionam também os fatores do meio mais

importantes em cada fase do crescimento, separando a vida das árvores em 5
estágios (Tabela 13): 1) germinação da semente; 2) estabelecimento de plântulas; 3)
crescimento vegetativo; 4) reprodução; e, 5) decrepitude.
113
Tabela 13- Fatores do meio importantes por fase da vida das árvores
Fatores do meio mais
Fase de vida das árvores Processos e condições
importantes
Absorção de água
Temperatura
Digestão
Germinação da semente Água
Respiração
Oxigênio
Assimilação
Fotossíntese Luz
Estabelecimento de Assimilação Água
plântulas Transporte Temperatura
Equilíbrio hídrico interno Substâncias nutritivas
Fotossíntese
Luz
Respiração
Água
Crescimento vegetativo Assimilação
Temperatura
Transporte
Substâncias nutritivas
Equilíbrio hídrico interno
Fotossíntese
Equilíbrio C/N
Luz
Predisposição floral
Reprodução Substâncias nutritivas
Iniciação dos primórdios
Temperatura
florais
Acumulação de alimento
Desconhecidos
(provavelmente água e
Agua
relações hormonais,
Decrepitude Substâncias nutritivas
transporte e equilíbrio
Pragas e doenças
entre fotossíntese e
respiração
Fonte: Kramer e Kozlowski (1972).
O crescimento das árvores se dá por adição de células. O embrião da semente

contém os meristemas primários nas pontas da radícula e do caulículo; ambos são
ativados por giberelinas que promovem o crescimento primário, também denominado
de alongamento. O meristema primário ao iniciar a produção de células, inicia também
o processo de diferenciação celular que possibilita a formação dos meristemas
114
secundários, ativados por auxinas e que promovem o crescimento secundário, ou

engrossamento.
O crescimento das árvores é complexo e as variáveis biométricas podem ter

seu crescimento descrito matematicamente para caracterização dos povoamentos e
suas potencialidades produtivas. O crescimento em diferentes genótipos e ambientes,
permitem selecionar e melhorar espécies para cada ambiente. Outras fases do
manejo como o planejamento de desramas e desbastes dependem do conhecimento
sobre o crescimento. O estudo do crescimento das árvores é imprescindível para o
bom manejo das florestas de forma sustentada, servindo de base para o planejamento
de todas as atividades produtivas florestais. Os fatores que influenciam o crescimento
das árvores são relacionados na Figura 29 a seguir.
Figura 29- Fatores que influenciam o crescimento e a produção.
3.10.2 Representação matemática do crescimento

Praticamente todos os fenômenos naturais iniciam com uma velocidade lenta
de crescimento que vai aumentando até certo ponto, quando atingem seu máximo;
115
então, passam a se desenvolver mais devagar até cessar o crescimento. As

integrais matemáticas representam somas de fenômenos consecutivos e quando se
procura representar graficamente o crescimento acumulado de um fenômeno natural,
como o crescimento em altura das árvores, a curva tem a forma sigmoide semelhante
ao símbolo de integração, que apresenta semelhança com a curva integral de
crescimento, apresentada pela maioria dos fenômenos naturais.
3.10.3 Incrementos
O incremento é o crescimento ocorrido no valor da variável num determinado
intervalo de tempo (Imanã et al., 2005) e pode ser calculado matematicamente como
a derivada primeira da função de crescimento.
•O incremento pode ser diferenciado, dependendo do tempo transcorrido em

que o crescimento é medido (anual, periódico, etc); o valor do incremento pode ser
determinado para um indivíduo ou para uma população, podendo ainda ser expresso
por unidade de área quando a variável medida também o for. Todas variáveis
biométricas podem ter seu incremento medido; as mais comuns são: d, g, G, h, hdom,
v, e V.
TIPOS DE INCREMENTOS
Incremento corrente anual (ICA)
É o crescimento ocorrido entre o início da estação de crescimento e o final da

estação de repouso vegetativo em um período de 12 meses, calculado como:
ICA = Y(t+1) – Y(t)

Onde: t = tempo, ano ou idade de referência; Y = dimensão considerada.
116
Incremento porcentual (p)
p = 100 . (Y(t+1) – Y(t)) / Y(t+1)
Incremento periódico (IP)
É o crescimento total ocorrido num determinado período de tempo:
IP = Y(t+n) – Y(t)
Onde: n = período de tempo; quando n = 1 ano, IP = ICA.
Incremento periódico anual (IPA)
É o crescimento médio por ano, ocorrido em um período de tempo, utilizado

para espécies de crescimento lento:
IPA = ( Y(t+n) – Y(t) ) / n

Onde: Y = dimensão considerada; t=tempo, ano ou idade de referência; n =
período de tempo em anos.
Incremento médio anual (IMA)
É o crescimento médio por ano até a data considerada, calculado por:
IMA = Y(t) / t
Onde: Y(t) = Valor da variável na idade considerada; t = idade.
3.10.4 Curva de crescimento

A curva de crescimento acumulado geralmente tem forma sigmoide e a área
sob a curva é representada por uma função integral (Figura 30). Na juventude, o
crescimento acelera e a curva é côncava, até o ponto de inflexão, quando o
crescimento corrente anual (ICA) é máximo, ponto em que inicia a maturidade; depois
o crescimento desacelera gradualmente e quando o crescimento médio anual (IMA)
e o ICA se igualam, a curva forma uma tangente máxima com a origem, ponto em que
117
o IMA é máximo e inicia a senilidade. O ICA é a derivada primeira [f ’(t)] da curva de

crescimento. O máximo da curva é representado pela sua assíntota. A idade (t) em
que o IMA é máximo é considerada a idade de rotação técnica, pois é a idade em que
ocorre a máxima produtividade e pode ser determinada igualando-se a derivada
primeira [ICA=f ’(t)] com o incremento médio anual calculado por [IMA=f(t)/t], através
da equação: t = f(t) / f ’(t)
Figura 30 - Curva de crescimento [ y=f(t) ] e suas características.
118
3.10.5 Métodos de estudo do crescimento

•O crescimento (Y) de uma variável biométrica é uma função do tempo e do
ambiente e da planta. Se o ambiente não mudar, pode-se considerar o crescimento
como função exclusivamente do tempo: Y = f (t). •Portanto, o estudo do crescimento
deve levar em conta a medição da variável considerada e do tempo transcorrido ou
idade. •O crescimento é estudado, principalmente, para:
− fazer prognoses para o futuro e planejar a produção;
− avaliar a qualidade do ambiente;
− avaliar a qualidade genética dos indivíduos e populações;
− avaliar a qualidade da interação do genótipo com o ambiente.
Os principais métodos de medição de variáveis para estudo do crescimento

(Imanã et al., 2005):
− Parcelas permanentes medidas anual ou periodicamente;
− Árvores individuais identificadas e medidas continuamente ou
periodicamente (cinta);
− Análise de tronco
• análise de tronco completa (Figura 33 e 35) – árvores
abatidas;
• análise de tronco parcial (Figura 31 e 33) – árvores em pé
(trado de Pressler).
Estimativas da idade em estudos de crescimento
A idade das árvores pode ser estimada por:

− observação e registro de árvores individuais ou parcelas permanentes com
árvores identificadas individualmente, cuja data de plantio é conhecida;
− Contagem de verticilos das espécies de crescimento monopodial – permite
o cálculo do IMAd e estimar todos incrementos em altura;
− Contagem dos anéis de crescimento.
119
Figura 31 - Análise de tronco parcial (trado de incremento e amostras).
Figura 32 - Cilindros de incremento de Pinus taeda. Fonte: Coelho e Hosokawa (2010).
120
Figura 33 - Análise de tronco completa (toragem).
Figura 34 - Análise de tronco completa (toragem).
A medição dos anéis de crescimento pode ser realizada com lupa de mesa com
diâmetro de 9 cm ou mais e aumento de 10x ou mais e paquímetro (Figura 35).
121
Figura 35 - Medição de anéis de crescimento com lupa articulada e paquímetro.
Ou com aparelhos desenvolvidos especificamente para este fim como o Lintab

da empresa alemã Rinntech (Figura 36), composto por uma lupa com mesa móvel
provida de micrômetro, acoplada a um computador com o software Tsap por meio do
qual se faz o registro das medições para posterior processamento.
Figura 36 - Medição de anéis de crescimento com LINTAB (hardware) + TSAP

(software).
122
4 MODELOS FLORESTAIS PARA O PLANEJAMENTO DA

PRODUÇÃO
Modelo é uma representação simplificada de uma parte da realidade. Os

modelos podem ser mentais, verbais, materiais, ou matemáticos. Os modelos podem
representar objetos ou sistemas. Objetos são quaisquer coisas concretas existentes,
como uma rocha, ou um parafuso. Sistemas são grupos de coisas (compostos de
matéria, ou energia) que funcionam em conjunto, como o clima, ou uma floresta, ou
um fluxo de produção de madeira para determinados fins.
Os modelos apresentam características próprias que os identificam. A primeira

característica é sua natureza que pode ser material ou abstrata. Modelos materiais
(ou físicos) são aqueles produzidos à semelhança do que representam, como a
maquete de um terreno. Um modelo abstrato é uma descrição mental, verbal, gráfica,
ou matemática de algo real. Um modelo mental é uma ideia que se faz de algo, por
exemplo, quando alguém pensa numa árvore, tem uma ideia de seu aspecto que
permite reconhecer uma quando a vê e a distinguir de uma erva.
O modelo mental pode ser traduzido num modelo verbal, como exemplo pode-
se citar a descrição de uma árvore: vegetal de grande porte, composto por raízes,
tronco e copa. O mesmo modelo pode ser mais detalhado, como: uma árvore é um
vegetal da classe das gimnospermas, ou angiospermas, composto de raízes, tronco
e copa, cuja altura total quando adulto é superior a 7 metros e o diâmetro do tronco é
maior do que 5 cm a 1,3 m de altura do solo. Ou seja, um modelo pode ser simples
ou detalhado.
Modelos podem gerar resultados que são sempre os mesmos, como partituras
musicais, são ditos determinísticos; ou podem gerar resultados com certa
123
probabilidade de ocorrência, como os delineamentos experimentais e são ditos

estocásticos, ou probabilísticos.
Modelos podem ser de dois tipos: físicos ou abstratos. Modelos físicos são
quaisquer representações físicas de objetos ou sistemas, geralmente em escala.
Exemplos são as maquetes de terreno, de construções, ou de veículos e aeroplanos.
Modelos abstratos são representações descritivas, gráficas ou matemáticas de
objetos ou sistemas.
Pode-se classificar os modelos ainda quanto ao tempo (estáticos ou

dinâmicos), quanto ao tipo de equação (lineares ou não-lineares), quanto ao tipo de
predição (estocásticos ou determinísticos), quanto aos objetivos (analíticos ou
preditivos) e quanto às variáveis (discretos ou contínuos).
Modelos estocásticos estão relacionados a uma probabilidade de erro, são

ajustados com os dados de várias observações; é o caso das equações de regressão.
Enquanto, os determinísticos resultam em valores exatos que podem ser sobre uma
única observação ou indivíduo, por exemplo, os modelos para cubagem de árvores
como Smalian Huber, Newton e Hohenadl.
O desenvolvimento de um modelo é um processo pelo qual se analisam

exaustivamente um conjunto de dados atuais e históricos para definir uma regra que
permita predizer um determinado evento futuro.
Na área de negócios, os modelos preditivos normalmente exploram padrões

encontrados em dados históricos e transacionais para identificar riscos e
oportunidades. Sendo assim, os modelos capturam relações entre vários fatores que
permitem avaliar o risco ou potencial associado a um conjunto particular de condições
e assim tomar decisões ou escolhas mais certeiras.
124
Modelos de produção são ferramentas de planejamento usados na definição

de políticas florestais em nível regional e nacional. Um modelo de produção deverá
prever corretamente a produção florestal ao longo do tempo sob hipóteses de
exploração alternativas ou sujeito a agentes físicos e bióticos distintos. (TOMÉ, 2002).
O planejamento da produção de povoamentos florestais deve levar em

consideração três elementos principais: o técnico (crescimento e produção), o
econômico (financeiro e social) e o ambiental (conservação da biodiversidade, do
solo, da água e do ar).
O tempo é outro elemento importante no manejo florestal, entrando diretamente

nos cálculos para elaboração de prognose como variável independente, podendo
assumir diferentes aspectos. Na regulação de desbastes para Pinus taeda, por
exemplo, Schulte et al. (1998) levaram em conta os seguintes parâmetros referentes
ao tempo: data de plantio do povoamento, data do primeiro desbaste, período de
tempo entre desbastes e a rotação.
O crescimento das árvores é influenciado, principalmente, por (WYCOFF et al.,

1982):
− espécie - variando com a adaptação ao local e melhoramento genético;
− condições do sítio - representadas pela declividade, aspecto, altitude e tipo
de hábitat;
− condições do povoamento - estrutura e ocupação do espaço vertical e
horizontal, reguladas pelo manejo da floresta;
− dimensões da própria árvore - representadas pelo DAP, altura, razão de
comprimento das copas e classe de valor.
125
4.1 Classificação dos modelos matemáticos

Os modelos reais são compostos por uma série de submodelos de diferentes
tipos e usam diferentes métodos de modelagem. A classificação auxilia a tarefa de
modelagem. Os modelos podem ser, por exemplo:
− Simples ou complexos;
− De esclarecimento ou previsão;
− Empíricos ou determinísticos;
− Estáticos ou dinâmicos.
4.1.1 Classes de objetivos da modelagem

Os objetivos da modelagem podem ser classificados como:
− Descrição estrutural – Estrutura ligações e efeitos retroativos e interativos;
− Comportamento do sistema – descreve matematicamente as ligações e
demais interações do sistema estrutural e investiga causas;
− Prognose – só as reações resultantes do sistema interessam. O
mecanismo interno é visto como “caixa preta”. Exemplo: projeção de copa
no lugar de área foliar; taxa de interesse.
4.1.2 Classificação teórico-empírica

Modelos empíricos matemáticos: com poucos dados descrevem
matematicamente uma teoria. Exemplo: v=f1,3.h.π.d²/4.
Modelos empírico-estatísticos: sem muita teoria, com muitos dados, geram

regressões. Exemplo: v=b0+b1.d².h.
126
4.1.3 Classificação pela técnica empregada

As classes são caracterizada pelo recurso empregado para processamento
dos dados, tais como:
− Tabelas
− Funções;
− Diagramas;
− Relações lógicas (se ... então ... ).
4.1.4 Classificação pela relação com o tempo

Modelos estáticos: modelam o estado de um sistema num determinado
momento; exemplo: PPL=PPLmax.(1-e-b.t), em que PPL=produção primária líquida,
PPLmax=produção primária máxima, x=precipitação, b=coeficiente.
Modelos dinâmicos: descrevem a modificação de um estado com o passar do

tempo, por exemplo, a altura de inserção da copa das coníferas é modificada com o
tempo devido à desrama natural.
4.1.5 Classificação pelo tipo de previsão

Modelos determinísticos: são modelos que não permitem variações ao acaso;
duas simulações com os mesmos dados produzem resultados idênticos.
Modelos estocásticos: são modelos que admitem modificações por números

randômicos (de distribuição normal ou uniforme) semelhantes à realidade. Uma
simulação é uma amostra. O resultado é uma distribuição de valores. Pode predizer
a probabilidade de ocorrência da prognose.
127
4.1.6 Classificação de acordo com o tipo de dados

Os modelos podem ser classificados quanto ao objeto como modelos para
árvores singulares e modelos para povoamentos.
4.2 Modelagem linear por seleção de variáveis

A modelagem linear por seleção de variáveis está disponível no SAS, sendo
possível utilizar os métodos STEPWISE, FORWARD, BACKWARD e RSQUARE, que
são opções da declaração MODEL do procedimento PROC REG do software. Isso
permite realizar diversas transformações de cada variável independente (x) e depois
realizar a seleção daquelas mais significativas para manter no modelo, tais como: x,
x², x³, x4, x5, 1/x, 1/x², 1/x³, 1/x4, 1/x5, ln x, ln x², ln x³, ln x4, ln x5, ln 1/x, ln 1/x², ln 1/x³,
ln 1/x4, ln 1/x5, x1/2, x1/3, x1/4, x1/5, entre outras. Deve-se tomar cuidado de não deixar
no modelo resultante as variáveis independentes de menor significância que
produzam inflação de variância, o que pode ser verificado pela opção VIF (Variance
Inflaction Factor) da declaração MODEL; quando o VIF for maior do que 10, há
inflação de variância indesejável e a variável de menor significância, ou de menor R²
parcial deve ser retirada do modelo, repetindo-se isso até encontrar um modelo
adequado. O ideal é que o VIF fique abaixo do valor 3, mas a maioria dos autores
admite até um valor menor ou igual a 10. O código do programa pode ser como segue:
DATA ARQUIVO;
INPUT X Y;
X2=X**2; X3=X**3; X4=X**4; X5=X**5; IX=1/X;
IX2=1/X2; IX3=1/X3; IX4=1/X4; IX5=1/X5;
LNX=LOG(X); LNX2=LOG(X2); LNX3=LOG(X3);
LNX4=LOG(X4); LNX5=LOG(X5); LNIX=LOG(IX);
LNIX2=LOG(IX2); LNIX3=LOG(IX3);
LNIX4=LOG(IX4); LNIX5=LOG(IX5); RX2=X**(1/2);
RX3=X**(1/3); RX4=X**(1/4); RX5=X**(1/5);
128
DATALINES;
6 7
8 9
9 10.5
10 12.5
12 13
14 14
16 15
18 16
20 17.5
22 18.5
24 19
26 20
20 20.5
30 20.5
;
PROC MODEL DATA=ARQUIVO;
MODEL Y = X2 X3 X4 X5 IX IX2 IX3 IX4 IX5 LNX
LNX2 LNX3 LNX4=LOG(X4); LNX5 LNIX LNIX2 LNIX3
LNIX4 LNIX5 RX2 RX3 RX4 RX5 /
SELECTION=STEPWISE VIF;
RUN;
Este tipo de método facilita muito encontrar funções para estimar diferentes
variáveis no meio florestal. Infelizmente, não existe procedimento análogo para
modelar funções não lineares, estas últimas têm de ter seus modelos
predeterminados, sendo ajustados individualmente.
129
4.3 Modelos de relação hipsométrica

Relação hipsométrica é a relação existente entre a altura (h) e o diâmetro das
árvores (h), podendo ser representada pela função h = f ( d ). Müller (2004) testou os
19 modelos apresentados na Tabela 14.
Tabela 14- Modelos de relação hipsométrica utilizados por Müller (2004).

N0 Modelos de Funções de Altura
h
01 = b0 + b1 .d
d
h
02 = b1 .d + b2 .d 2 + b3 .d 3 + b4 . ln d
d
03 h = b0 + b1 .d 2
04 ln h = b0 + b1 . ln d
05 ln h = b0 + b1 .d
1 1
06 = b0 + b1 .
h − 1 .3 d
07 h − 1.3 = b0 + b1 .d + b2 .d 2
08 h = b0 + b1 .d + b2 .d 2
09 h = b0 + b1 .d + b2 .d 2 + b3 .d 3
1
10 h = b0 + b1 .
d2
1 1 1
11 = b0 + b1 . + b2 . 2
h − 1 .3 d d
d2
12 = b0 + b1 .d + b2 .d 2
h − 1.3
ln (h − 1.3) = b0 + b1 .
1
13
d
14 h − 1.3 = b0 + b1 .d
1
15 ln h = b0 + b1 .
d
130
16 h = b0 + b1 .d
17 ln (h − 1.3) = b0 + b1 . ln d
18 ln (h − 1.3) = b0 + b1 . ln d + b2 . ln 2 d
 d 
19 ln(h − 1.3) = b0 + b1 . ln 
1+ d 
Onde: d = Diâmetro a 1,30 m de altura, em centímetros; h = Altura da árvore, em metros; b0, b1, b2,
b3 e b4 = Coeficientes das equações; ln = Logaritmo natural.
4.4 Modelos para volume do tronco

Muitos modelos matemáticos foram desenvolvidos para estimativas
volumétricas a partir do diâmetro e da altura (v = f ( d, h). Um estudo com um número
exagerado de modelos foi realizado por Silvestre et al (2014) que ajustaram os 33
modelos para estimativas volumétricas de povoamentos de Pinus taeda L., no
município de Lages, SC, relacionados na Tabela 15.
131
Tabela 15 - Modelos matemáticos utilizados para ajuste de equações

volumétricas por Silvestre et al (2014).
4.5 Modelos para fator de forma

O fator de forma, embora em desuso, devido a tecnologias mais adequadas
para realizar estimativas de volume, ainda há situações em que se deseja estudar a
132
forma das árvores por meio desta variável. Loetsch et al (1973) relacionam 11
modelos para estimar o fator de forma a partir de diâmetro e da altura das árvores
(Tabela 16).
Tabela 16 - Modelos de equações para fator de forma.

Número Modelos
1 f = b0 + b1.1/d2h + b2.1/h + b3.1/d2
2 f = b0 + b1.1/d2h + b2.1/dh + b3.1/d + b4.1/h + b5.1/d2
3 f = b0 + b1.1/h + b2.h/d + b3.h/d2
4 f = b0 + b1.d0,3/d2 + b2.h/d2
5 f = b0 + b1.d0,32/d2 + b2.h/d2
6 f = b0 + b1.d0,3/d2 + b2.h/d2 + b3.1/d
7 f = b0 + b1.(d0,1.d0,5)/d2 + b2.d0,3/d2
8 f = b0 + b1.(d0,1.d0,5)/d2 + b2.d0,32/d2 + b3.h/d2
9 f = b0 + b1.(d0,5/d)2 + b2.(d0,3/d)2
10 f = b0 + b1.logd + b2.logd0,3 + b3.logh
11 f = b0 + b1.logd + b2.logh
Onde: f=fator de forma; d = diâmetro do tronco a 1,30 m de altura; d0,i = diâmetros de Hohenadl em
centímetros; h = altura em metros;. Fonte: Loetsch et al (1973).
4.6 Modelos para casca

É muito difícil obter boas equações para estimar a espessura da casca das
árvores (e) em função de variáveis como o diâmetro (d), altura (h), idade (h) e
diâmetros relativos à altura (d0,i). Funções do tipo e = f (d, h, t, d0,i) geralmente resultam
em alto coeficiente de variação e baixo coeficiente de determinação. Entretanto, o
diâmetro sem casca é facilmente estimado por meio do diâmetro com casca em
qualquer posição do tronco e o diâmetro com casca pode ser estimado para qualquer
posição no tronco por meio de funções de afilamento. Mas, a natureza é imprevisível
e é possível que em alguns casos se consiga boas equações. Para isso, Schneider
cita modelos relacionados por Loetsch et al (1975) (Tabela 17).
133
Tabela 17 - Modelos de equações para estimativas de espessura de casca.

Número Modelos Autor
1 e = d/(b0+b1.d) Korsun
2 log e +1 = b0+b. logd Oestlin
3 e = b0+b. d+b2.t+b3.dt Laar
4 e = b0+ b. d Meyer
5 log e = b0 + b. log d Mayer
6 log E = b0 + b. log d +b2.log(d.h)+ b3.log(t.h) Schneider & Silva
Sendo: e = espessura de casca em centímetros; t = idade em anos; d = diâmetro à 1,3 m de altura;
h = altura em metros. Fonte: Loetsch et al (1975) apud Schneider (2002).
Peso de casca é uma variável importante quando se deseja fabricar produtos

obtidos da casca, como o tanino. Schneider (2002) relaciona os 5 modelos da Tabela
18:
Tabela 18 - Equações para estimar o peso de casca.

Número Modelos Autor
1 log y = b0 +b. log d²h Clark III & Schroeder (1977)
2 log y = b0 + b1.log d Kraffenbauer & Andrae (1977)
3 log y = b0+b1.log d+b. log h Meyer
4 log y = b0+ b. v Meyer
5 log y = b0 + b1.log dg Loetsch et al. (1975)
Sendo: y = peso de casca; d = diâmetro à altura do peito; h = altura total; dg = diâmetro da árvore de
área basal média; v = volume da árvore. Fonte: Loetsch et al (1975) apud Schneider (2002).
4.7 Modelos de crescimento florestal

Os modelos florestais podem ser classificados em três tipos principais quanto
ao objeto a modelar, como:
− Modelos de crescimento para árvores singulares;
− Modelos de crescimento para classes de dimensão (dap);
− Modelos de crescimento para povoamentos.
A modelagem de crescimento florestal tem como objetivos:
134
− a compreensão dos processos de crescimento;

− auxiliar em opções concretas silviculturais e econômicas;
− previsão do desenvolvimento em diferentes cenários.
Kiviste et al (2002) realizaram uma exaustiva compilação dos modelos de

crescimento utilizados na área florestal na obra “Funciones de crecimiento de
aplicación en el ámbito forestal”, disponível no Research Gate, no endereço:
<https://www.researchgate.net/publication/305473874_Funciones_de_crecimiento_d
e_aplicacion_en_el_ambito_forestal>.
4.7.1 Modelagem do crescimento

•O crescimento pode ser modelado por meio de modelos de equações
empíricas ou fenomenológicas, como por exemplo:
− Empíricas: polinômios e função de Backmann;
− Fenomenológicas: equações de Mitscherlich e Gompertz.
Considerando-se o crescimento em anos, tem-se que a função integral de

crescimento é representada por:
yt = f (t)
A sua 1ª derivada (y’) é o incremento corrente anual (ICA):
y ’ ≈ ICAt = yt – yt-1
E, o incremento médio anual (IMA) é dado pela integral dividida pelo tempo:
IMAt = y ≈ yt / t
135
Onde: y é o valor apresentado pela variável (d, h, v, ou outra) na idade t; y foi

t t-1
o valor apresentado pela variável no ano anterior t-1; t é a idade em anos; ICA é
t
o incremento sofrido no último ano (t); IMA é a média dos incrementos até a
t
idade atual t.
O modelo de Mitscherlich (Sit, 1994), também denominado de Chapman-

Richards é um dos mais utilizados no meio florestal para modelagem do crescimento,
sendo representado por:
Y = A . (1 – e-k.t)r
Onde: A, k, r = são os parâmetros da equação; A = é associado à assíntota
superior; k = é associado à velocidade de crescimento (0 até 1); r = é associado
ao ponto de inflexão da curva; Y = é a variável dependente (variáveis
dendrométricas); t = variável independente (tempo).
Crescimento em altura
•A curva de crescimento em altura (h) é conhecida também por Integral de

crescimento em altura e pode ser representada como uma função da idade:
h = f(idade), ou h = f(t)
Onde: h= altura em metros; t = idade em anos.
•O incremento que a árvore sofre a cada ano em sua altura é dito Incremento
Corrente Anual em altura (ICAh), que são as diferenças da altura de um ano para o
outro:
ICAh(t) = h(t) – h(t-1)

Onde: ICAh(t) = incremento corrente anual da altura na idade t; h(t) = altura na
idade t; h(t-1) = altura na idade t-1; t = idade.
O incremento médio apresentado até a idade considerada é denominado de

Incremento Médio Anual em Altura (IMAh), que nada mais é do que a altura
apresentada no ano considerado dividida pela idade da árvore naquele ano:
IMAh(t) = h(t) / t
136
Onde: IMAh(t) = incremento médio anual da altura na idade t; h(t) = altura na idade
t; t = idade.
Supondo-se uma muda de árvore plantada com 0,30 m de altura e que ela
tenha crescido durante 7 anos, até atingir 21 metros de altura. Considere-se que tenha
tido incrementos anuais de:
− 2,2 m no 1º ano, atingindo 2,5 m de altura;
− 3,5 m no 2º ano, atingindo 6 m de altura;
− e, 2,0 m no 7º ano, atingindo 21 m de altura.
Portanto, a árvore apresentou o Incremento Corrente Anual (ICAh), a Altura (h)

e o Incremento Médio Anual (IMAh), relacionados na Tabela 19 e Figura 37.
137
Tabela 19 - Crescimento de uma árvore.

Idade (t) ICAh (m) h (m) IMAh (m)
0 = plantio 0,3 0,3 0,3

1 2,2 2,5 2,5
2 3,5 6,0 0,6
3 4,0 10,0 0,6
4 3,5 13,5 0,6
5 3,0 16,5 0,6
6 2,5 19,0 0,6
7 2,0 21,0 0,6
Ajustando-se uma função de 5º grau para a integral de crescimento como:
f(t) = b0+ b1 t + b2 t² + b3 t³ + b4 t4 + b5 t5
Tendo-se como sua derivada primeira a equação:
f ‘(t) = b1 + 2 b2 t + 3 b3 t² + 4 b4 t³ + 5 b5 t4
Sendo o IMA dado por:
IMA = f(t) / t = (f(t) = b0+ b1 t + b2 t² + b3 t³ + b4 t4 + b5 t5) / t

E, o IMA máximo podendo ser determinado igualando-se a derivada primeira
com o IMA [ f(t) / t = f ‘(t) ], então a idade em que ocorre o máximo IMA pode ser
encontrada dividindo-se a função integral [f(t)] pela derivada primeira [f ’(t)], ficando
t = f(t) / f ‘(t), como segue:
b 0 + b1 t + b 2 t 2 + b 3 t 3 + b 4 t 4 + b 5 t 5
Idade de IMA máximo = t =
b1 + 2b 2 t + 3b 3 t 2 + 4b 4 t 3 + 5b 5 t 4
138
Figura 37 - Gráficos do crescimento e incrementos em altura de uma árvore.
139
4.8 Modelos de distribuição de diâmetros
4.8.1 Florestas plantadas
DISTRIBUIÇÃO NORMAL
A função densidade de probabilidade da distribuição Normal de uma variável

x, com média µ e variância σ², é definida como:
Onde: µ = média, ou parâmetro de locação; σ = desvio padrão, ou parâmetro de

escala; −∞ <x< ∞.
A função de distribuição acumulada é expressa por:
Um exemplo do ajuste de distribuição normal de diâmetros é apresentado na

Figura 38.
140
Figura 38 – Normalidade das frequências por classe de diâmetro, das árvores

contidas na área útil das parcelas, aos 15 anos de idade.
DISTRIBUIÇÃO LOGNORMAL
Uma variável aleatória x tem a distribuição Lognormal quando o seu logaritmo
y=Ln(x) tem a distribuição normal com média eµ+σ²/2, variância (eµ²-1) e2µ+σ² e
função de densidade dada por:
Onde: para x > 0, onde µ e σ são a média e desvio padrão do logaritmo da

variável (por definição, o logaritmo da variável é normalmente distribuído).
141
DISTRIBUIÇÃO DE WEIBULL
Uma variável x com distribuição de Weibull tem média λΓ(1+1/k), variância

λ²Γ(1+2/k)-µ² e função densidade de probabilidade expressa por:
, ou
Onde: para x ≥ θ e f(x; k, λ, θ) = 0 para x < θ, onde k > 0 é o parâmetro de forma,

λ > 0 é o parâmetro de escala e θ é o parâmetro de locação da distribuição;
quando θ = 0, a distribuição é reduzida a 2 parâmetros.
A distribuição de probabilidade acumulada para o modelo com dois parâmetros

é expressa por:
DISTRIBUIÇÃO GAMA
Uma variável x com distribuição Gama tem média kθ, variância kθ² e função de
densidade de probabilidade definida por:
142
Onde: a distribuição Gama é uma família de distribuição contínua de

probabilidade de dois parâmetros; tem um parâmetro de escala θ e um parâmetro
de forma k; se k é um inteiro, então a distribuição representa a soma de k
variáveis aleatórias exponencialmente distribuídas, cada uma delas têm um
parâmetro θ. Modelos de funções para probabilidade acumulada: Lineares; Não-
lineares.
A distribuição de probabilidade acumulada é expressa por:
DISTRIBUIÇÃO BETA
.x α −1 .(1 − x )β −1
1
f x ( x) =
β (a, b )
Onde: α > 0 e β > 0 , então x é definido para ter distribuição Beta; α , β =

parâmetros da equação.
A função de densidade de probabilidade da distribuição Beta satisfaz a

diferencial:
A distribuição de probabilidade acumulada é calculada por:
143
Onde: onde B ( x ; α , β ) é a função beta incompleta e Ix ( α , β ) é a função

beta incompleta regularizada.
4.8.2 Florestas inequiâneas

Liocurt percebeu que a distribuição diamétrica das árvores de uma floresta
natural segue um padrão que pode ser calculado por (SCHNEIDER, 2002):
N1 N 2 N
= = ... = s −1 = q
N2 N3 Ns
Onde: q = quociente de Liocurt; Ni = Frequência da classe de diâmetro de ordem
i ou do estrato de ordem i; i = 1, 2, 3, ... , s = nº de ordem do estrato vertical ou
da classe de diâmetro; s = nº de ordem do último estrato ou da classe de diâmetro
de ordem mais alta.
Mayer estudou a distribuição de diâmetros das populações naturais verificando

que as mesmas possuem distribuição exponencial negativa, podendo-se determinar
a frequência em cada classe pela equação a seguir:
Ni = K . e– a . di
Onde: Ni = Frequência da classe de diâmetro de ordem i ou do estrato de ordem
i; “K” e “a” = coeficientes da equação a estimar para cada povoamento; di = valor
do centro de classe de diâmetro em cm.
Considerando-se a constante q de Liocurt como a proporção ideal de

frequência entre uma classe e outra e a equação de Mayer como o modelo de
144
distribuição ideal de diâmetros numa floresta natural, obtém-se o sistema de

balanceamento da distribuição de diâmetros de Mayer-Liocurt, como segue
(Schneider, 1979):
a = ln q / h
q = e –b1.h
ln Ni = b0 + b1 . di
K = densidade / (Σ (C1 + C2.di + C3.di²) . e –di.(ln q)/h )
densidade = C1 . Σ Ni + C2 . Σ Ni.di + C3 . Σ Ni.di²
Gi = Y = C1 + C2.di + C3.di²
yi = b0 + b1. xi
Onde: di= centro de classe de DAP; q = quociente de Liocurt; h=intervalo de
classe de diâmetros; Ni= Frequência da classe i; Y = Gi = área basal da classe i
em m²/ha; b0, b1, C1, C2, C3 = coeficientes das equações; yi = ln Ni; b0 = ln K; b1
= ln (ea); xi = ln (edi).
Ajustando-se as equações do sistema, obtêm-se os coeficientes balanceados

da equação de Mayer, com a qual se calcula a frequência teórica para cada classe.
Concluindo-se: quanto mais a frequência real de diâmetros de uma espécie se
aproxima da distribuição balanceada, tanto mais estável é a espécie na comunidade.
4.9 Modelos para forma e afilamento do tronco
4.9.1 Equação de afilamento do tronco

O polinômio de Prodan pela sua versatilidade de ajuste a diferentes espécies,
tem sido utilizado por muitos autores e resultado quase sempre entre os melhores, ou
melhor modelo, tendo sido utilizada por Müller (2004) com Eucalyptus, Machado et al.
145
(2004) com Pinus oocarpa e Scolforo et al. (1998) num estudo sobre Pinus elliottii. A
equação de 5º grau de Prodan é expressa como:
di/d = b0+b1.(hi/h)+b2.(hi/h)2+b3.(hi/h)3+b4.(hi/h)4+b5.(hi/h)5
Onde: d = diâmetro à 1,3 m de altura (cm); h = altura total (m); i = posição no
fuste em relação à base da árvore; di e hi = diâmetro e altura na posição i,
respectivamente.
Müller (2004) testou os 19 modelos de afilamento de tronco para Eucalyptus,

relacionados na Tabela 20.
Tabela 20 - Modelos de afilamento de tronco testados por Müller (2004).

Nº Modelos de Funções de Forma Autores
di  hi 
01 = b0 + b1.  Munro (1966)
d  h − 1,30 
2
d i2  hi   hi 
02 = b0 − b1 .  + b2 . 
d  h − 1,30   h − 1,30 
2
d i2  hi   hi2  Kozak et al.

03 = b .  + b . 
d2
1
h −
2  h 2 − 1,00  (1969)
 1,00   
d i2  hi   hi2  Kozak et al.
04 = b0 + b1 .  + b2 . 2  (1969)
d  h − 1,00   h − 1,00 
2
Modificada
d   1  Ormerad
05 ln i  = b0 + b1 . ln 
(1973)
d   hi + 1,30 
di  1   h   1  Bennett &
06 = b0 + b1.  + b2 .  + b3 . .(h + hi +1,30) Swindel (1972)
d  hi +1,30  hi +1,30  hi +1,30 Modificada
1/ 2
di  1  Gray (1956)
07 = b0 + b1 . 
Modificada
d  hi + 1,30 
d   h − hi 
08 ln i  = b0 + b1 . ln  Anonym
d   h 
146
Nº Modelos de Funções de Forma Autores

d   h − hi  2  h − hi  Silva & Sterba
09 ln i  = b0 + b1 . ln  + b2 . ln  
d   h   h  (1975)
d   h 
10 ln i  = b0 + b1 . ln 
d   h + hi 
2 3
di  h   h   h 
11 = b0 + b1 .  + b2 .  + b3 . 
d  h + hi   h + hi   h + hi 
2 3 4
di  h   h   h   h 
12 = b0 + b1 .  + b2 .  + b3 .  + b4 . 
d  h + hi   h + hi   h + hi   h + hi 
2 3 4 5
di  h   h   h   h   h 
13 =b0 +b1. +b2.  +b3.  +b4.  +b5. 
d h+h h+h
 i  i  i  i  i h+h h+h h+h
2
d i2 h 
14 = b0 + b1 . i  Munro (1968)
d h
2
2
d i2 h  h 
15 = b0 + b1 . i  + b2 . i  Munro (1968)
d h h
2
2 3
di h  h  h 
16 = b0 + b1 . i  + b2 . i  + b3 . i 
d h  h h
2 3 4
di h  h  h  h 
17 = b0 + b1 . i  + b2 . i  + b3 . i  + b4 . i 
d h h h h
2 3 4 5
di h  h  h  h  h 
18 = b0 + b1. i  + b2 . i  + b3 . i  + b4 . i  + b5 . i 
d h h h h h
19 f K (X) = AK (X − X K )3 + BK (X − X K )2 + CK (X − X K ) + DK
Onde: di = Diâmetro a uma altura relativa hi, em centímetros; d = Diâmetro à altura do peito (1,30 m),
em centímetros; hi = Altura na posição i, em metros; h = Altura total da árvore, em metros; b0, b1, b2,
b3, b4, b5, Ak, Bk, Ck e Dk = Coeficientes; ln = Logaritmo natural.
147
4.10 Tabelas de produção

A elaboração de tabelas de produção depende do modelo de distribuição
diamétrica utilizado, mas o processo é semelhante em todos os casos, sendo
apresentado aqui, o mais simples que seria o uso da distribuição normal.
O processo de construção das tabelas de produção com a distribuição normal

envolve os 20 passos relacionados a seguir, utilizando as equações modeladas
previamente, para cada sítio, individualmente por idade e por classe de diâmetro.
1) Determinação da altura dominante (h0) por sítio e idade pela equação.
2) Determinação do diâmetro médio (d) por sítio e idade.
3) Determinação do coeficiente de variação do diâmetro (CVd) por sítio e idade e
o desvio padrão (sd).
4) Determinação dos centros de classe de diâmetro (di) para 7 classes (i) por idade
e por sítio com base em múltiplos do desvio padrão (s) em relação ao diâmetro
médio (d), sendo calculados da menor para a maior classe por:
• Classe 1 – di = d - 1,5 . s;
• Classe 2 – di = d - 1,0 . s;
• Classe 3 – di = d - 0,5 . s;
• Classe 4 – di = d;
• Classe 5 – di = d + 0,5 . s;
• Classe 6 – di = d + 1,0 . s;
• Classe 7 – di = d + 1,5 . s.
5) Determinação da frequência teórica do centro de classe (fti) pela distribuição
Normal.
6) Determinação do número total de árvores por hectare por idade e por sítio,
sendo que as frequências reais por hectare são tomadas na metade do intervalo
de tempo entre desbastes, devido ao fato de a equação estimar pela média.
Assim, o número de árvores de estoque aos 10 anos de idade antes do desbaste
é o número estimado pela equação de densidade aos 8 anos e o número de
árvores remanescentes é o valor calculado pela equação para os 12 anos. Para
o povoamento antes do desbaste aos 14 anos, usa-se o valor calculado pela
equação para os 12 anos e para o povoamento remanescente é atribuído o
número de árvores calculado para os 16 anos de idade com equação de
densidade e assim sucessivamente.
7) Determinação do número de árvores por hectare (Ni) por classe de diâmetro (i)
para cada sítio e idade com a frequência teórica (fti), tendo sua soma corrigida
para 100%, sendo calculada pelo produto do número total de árvores por
148
hectare (N), para a idade em questão estimada no passo anterior, multiplicado

pela frequência teórica, por meio da seguinte equação: Ni = N . fti / ( ∑ (fti . N).
8) Determinação da altura média (h).
9) Determinação do coeficiente de variação da altura média (CVh%) por idade e
por sítio.
10) Determinação da altura por classe de diâmetro usando procedimento
semelhante ao cálculo do diâmetro por classe conforme o passo 4;
11) Determinação dos sortimentos por classe de diâmetro em função do diâmetro e
alturas do centro de cada classe e do volume individual, esse pela soma dos
sortimentos, com auxílio da equação de afilamento do tronco e programa
desenvolvido em linguagem SAS.
12) Determinação da percentagem de cada sortimento por classe de diâmetro e do
total por hectare, por classe e por idade em cada sítio.
13) Determinação da área basal individual por classe e da área basal total por
hectare.
14) Determinação do número de árvores a serem cortadas por hectare em cada
desbaste, pela diminuição do estoque e previsão de remanescentes
estabelecidos nos passos 5 a 7.
15) Determinação do número de árvores a serem desbastadas em cada classe em
cada ocasião de desbaste por idade e sítio.
16) Determinação da área basal por hectare a desbastar em cada classe e do total
por hectare através do produto do número de árvores a desbastar multiplicado
pela área individual na classe, por idade e sítio.
17) Determinação do volume a desbastar por classe em procedimento semelhante
ao usado para a área basal.
18) Determinação dos sortimentos desbastados por classe, pela multiplicação de
proporção de árvores desbastadas pelo volume de estoque por sortimento em
cada classe, por idade e sítio.
19) Determinação do número de árvores remanescentes, da área basal e do volume
por hectare, através da diminuição do estoque existente antes do desbaste pelo
que foi eliminado no corte.
20) Determinação dos sortimentos remanescentes pela redução do estoque
existente antes do desbaste pelo que foi eliminado no corte.
4.11 Obtenção de dados para modelagem

O tipo de amostragem, o tamanho da amostra e a frequência de indivíduos por
classe de tamanho da variável dependente têm influência direta na qualidade do
modelo a ajustar ou construir.
149
O tamanho da amostra deve ser suficiente para permitir o ajuste ou construção

do modelo e sua análise. Deve-se considerar que a curva de distribuição de um grupo
de dados de uma variável (y) só aparece quando se tem certa quantidade de
indivíduos. Partindo-se da equação de Sturges (k = 1 + 3,3 log10 N) para calcular o
número de classes de tamanho (k) a usar para determinada variável de uma amostra
com N indivíduos, pode-se calcular o número de indivíduos (ni) por classe de tamanho
(i) com a equação ni = N / k. O número de indivíduos por classe ni deve ser suficiente,
portanto, para formar uma curva de distribuição que possa ser analisada
estatisticamente. A regra de Sturges é considerada útil para pequenas amostras
(menos de 200 indivíduos). Amostras maiores devem se valer de regras como a de
Scott (h = 3,5 . s . N-(1/3)), ou de Freedman-Diaconis (h = 2 . IRQ . N-(1/3)), onde h =
amplitude de classe; N = número de observações; s = desvio padrão; IRQ = diferença
interquartil. A seguinte regra empírica, desenvolvida com base em inúmeros estudos
com florestas nativas e plantadas, é aplicável à distribuição de diâmetros:
k = n0,175 . ∆d0,3, onde k é o número de classes de diâmetro, n é o número de árvores
e ∆d é a amplitude dos diâmetros em centímetros.
De uma maneira geral, a curva de distribuição por classe só é perceptível com

mais de 5 observações, passando a ser melhor visualizada com mais de 10 e se torna
estável quando se aproxima de 30 observações por classe. Então, se tivermos 6
classes, deve-se considerar uma amostragem mínima de 30 indivíduos, ou seja 5
indivíduos em cada classe; pode-se considerar que um número superior a 30
indivíduos por classe provavelmente seria desnecessário, o que daria um total de 180
observações. A validação do melhor modelo escolhido para o propósito desejado,
após o seu ajuste ou construção, é que irá revelar se o número de observações
utilizado foi adequado.
150
Para permitir um bom ajuste e uma análise de resíduos adequada faz-se

necessário que o número de indivíduos por classe seja semelhante, assim as curvas
de distribuição de resíduos por classe de tamanho da variável dependente terão o
mesmo número de observações.
Na amostragem, deve-se respeitar o princípio da não influência humana na

seleção dos indivíduos ou unidades a amostrar e demais regras de amostragem.
Pode-se utilizar qualquer processo de amostragem sistemática ou aleatória.
Para equações de volume, ou para análise de tronco, pode-se utilizar o sistema

de unidade pontual da árvore mais próxima. Para tanto, sorteia-se ou sistematiza-se
um número de pontos igual ao de indivíduos que se deseja mostrar sobre a população
a ser estudada. Então, dividem-se os indivíduos por classe de tamanho para saber-
se quantos indivíduos por classe de tamanho serão sorteados e realiza-se o sorteio
do tamanho do indivíduo para cada ponto de amostragem.
4.11.1 Ajuste e construção de modelos

A construção ou ajuste de modelos envolve os seguintes passos:
1) Definição da variável dependente (objetivo da pesquisa);
2) Revisão de literatura para encontrar modelos adequados ao objetivo;
3) Definição das variáveis independentes;
4) Definição da população de estudo e amostra;
5) Coleta dos dados;
6) Escolha do software adequado para a modelagem;
7) Criação do arquivo para processamento;
8) Tradução dos modelos selecionados para a linguagem do software;
9) Processamento dos dados;
10) Interpretação dos resultados e comparação entre os modelos;
11) Escolha do melhor modelo;
12) Validação do modelo selecionado.
151
4.11.2 Avaliação de modelos

A análise de regressão é uma ferramenta estatística extremamente utilizada no
meio florestal para ajustar e avaliar modelos estocásticos para fazer estimativas de
variáveis difíceis e demoradas de medir em função de variáveis medidas com maior
facilidade e rapidez.
O ajuste de equações pode ser realizado por softwares estatísticos e planilhas

eletrônicas, que se baseiam nos métodos de mínimos quadrados simples e
generalizados.
A qualidade de modelos de regressão é influenciada diretamente pela

qualidade da amostra. Uma amostra adequada, com número suficiente de indivíduos
para a análise da variância de regressão e que permitam a sua verificação e validação
é essencial para a avaliação da qualidade dos mesmos.
No passado, pesquisadores transformavam indiscriminadamente as variáveis

na esperança de encontrar melhores modelos, mas esta prática inviabiliza a análise
de regressão, pois a discrepância logarítmica deturpa os valores quadrado médio dos
erros e, por consequência, do F de Snedecor na análise da variância da regressão,
sendo impossível estimar as estatísticas verdadeiras por aproximações como já foi
tentado por Meyer e Furnival. Os valores calculados são como pacotes fechados e
somente podem ser obtidos extraindo o logaritmo da variável dependente, refazendo-
se a análise de variância da regressão com os valores observados e estimados sem
a transformação logarítmica.
As expressões “verificação de modelos” e “validação de modelos” são

comumente usadas para indicar a avaliação de modelos. A validação de modelos é
uma das fases da avaliação de modelos, envolvendo o processo para determinar se
152
o desempenho de um modelo apresenta um nível aceitável para o seu propósito

(BURKHART e TOMÉ, 2012).
A avaliação mais simples de um modelo deve envolver a análise da variância

da regressão, o cálculo do Coeficiente de Determinação (R²) e do Erro Padrão de
Estimativa em percentagem da média das observações (Syx%) também denominado
de Coeficiente de Variação, bem como a sua validação pela análise de resíduos.
A validação de modelos de regressão é realizada pela comprovação das três

pressuposições em relação à análise de resíduos: normalidade dos resíduos,
homocedasticidade da variância dos resíduos e independência dos resíduos. Alguns
autores consideram que a análise gráfica de resíduos pode ser suficiente para
validação, entretanto, não existem regras aceitas universalmente para a análise
gráfica. Floriano (2004) desenvolveu um modelo para a análise gráfica que necessita
ser melhor avaliado para que possa ser usado de forma generalizada. Entretanto,
recomenda-se o uso de testes estatísticos.
Outros testes complementares são usados para a avaliação de modelos, mas

não são considerados essenciais, tais como: a verificação da falta de ajuste (lack of
fit), verificação de tendenciosidade (bias), avaliação da eficiência do modelo (model
efficiency), correlação no tempo, correlação entre componentes e o uso de amostra
independente de validação.
ANÁLISE DA VARIÂNCIA DE REGRESSÃO
A Tabela 21 apresenta a análise da variância da regressão de uma função

y=f(x1, x2, ..., xn).
O valor do F de Fisher, encontrado na análise da variância da regressão

informa o valor para verificar se o modelo de regressão em análise é significativo.
Usualmente os softwares estatísticos informam a probabilidade de significância de F
153
(Pr>F), não sendo necessário recorrer a tabelas de F. Quando Pr>F é menor ou igual
a 0,01, F é “altamente significativo”, ou significativo ao nível de 1% de probabilidade;
quando Pr>F é maior do que 0,01 e menor ou igual a 0,05, F é dito “significativo”,
sendo significativo ao nível de 5% de probabilidade; e, quando Pr>F é maior do que
0,05, o modelo de regressão é “não significativo”. O nível de significância pode ser
representado colocando-se os símbolos a seguir, como sobrescrito, ao lado do valor
de F:
a) ** – para F altamente significativo;
b) * – para F significativo;
c) ns – para F não-significativo.
Tabela 21 – Análise da variância de regressão.

Fator de Graus de Soma de Quadrado
Valor de
Variação Liberdade Quadrados Médio
F
(FV) (GL) (SQ) (QM)
Regressão p-1 Σ(ye-ym)² SQreg/GLreg QMreg/QMres
Resíduo n-p-1 Σ(y-ye)² SQres/GLres
Total n-1 Σ(y-ym)²
Onde: y=valor observado da variável dependente; ye=valor estimado da variável dependente;
ym=média das observações de y; GLreg=graus de liberdade da regressão; SQres=graus de
liberdade do resíduo; SQreg=soma de quadrados da regressão; SQres=Soma de quadrados dos
resíduos; QMreg=quadrado médio da regressão; QMres=quadrado médio dos resíduos=variância.
Fonte: Bussab (1986)
ERRO PADRÃO DE ESTIMATIVAS (SYX)
A raiz quadrada do Quadrado Médio dos Resíduos representa o Erro Padrão

de Estimativas (Syx), ou seja, é o erro médio das estimativas realizadas com a equação
de regressão em relação às observações reais da variável dependente. Pode ser
representado na forma de percentagem da média das observações, sendo então
154
denominado de Erro Padrão de Estimativas em Percentagem (Syx%), também

chamado de Coeficiente de Variação (CV) da regressão.
COEFICIENTE DE DETERMINAÇÃO (R²)
Equações lineares
O coeficiente de determinação é dado pelo cociente entre a soma de

quadrados da regressão e a soma de quadrados do total:
R² = SQreg / SQtotal
Sendo: R²=coeficiente de determinação; SQreg=soma de quadrados da
regressão; SQtotal=soma de quadrados totais.
Equações não lineares
O coeficiente de determinação é dado pela diferença da unidade e a razão

entre a soma de quadrados dos resíduos e a soma de quadrados do total:
R² = 1 – (SQres / SQtotal)
Sendo: R²=coeficiente de determinação; SQres=soma de quadrados do resíduo;
SQtotal=soma de quadrados totais.
4.11.3 Coeficiente de Determinação Ajustado (R²aj)

Quando necessário, nos casos de número diferente de parâmetros entre os
melhores modelos, ou quando um modelo é linear e o outro não linear, ou ainda,
quando dois modelos lineares são comparados e um deles apresenta a constante b0
e o outro não, o R² deve ser ajustado, para possibilitar a comparação entre os modelos
e escolha do melhor, pela equação:
155
 k −1 
R 2 aj. = R 2 −   . (1 − R )
2
 N − k 
Sendo: R²aj. = coeficiente de determinação ajustado; k=número de parâmetros
da equação; N=número de observações.
4.11.4 Validação das equações de regressão

Os testes utilizados para validação das equações de regressão foram
realizados utilizando-se o pacote estatístico SAS System conforme procedimentos
descritos por SAS (2004).
A validação das equações selecionadas foi realizada determinando-se:
1) A homocedasticidade da variância através do teste χ de White;

2
2) A independência dos resíduos através do teste de Durbin-Watson,ou por meio

do teste de Breusch-Godfrey ;
3) A normalidade da distribuição dos resíduos através dos testes de Kolmogorov-
Smirnov ou de Shapiro-Wilk.
1. Homocedasticidade da variância
Uma das principais pressuposições para os mínimos quadrados da regressão

usual é a homogeneidade da variância (homocedasticidade). Se o modelo for bem-
ajustado, não deveria haver nenhum padrão para os resíduos delineados (plotados)
contra os valores ajustados. Se a variância dos resíduos não é constante, então é dito
que a variância residual é "heterocedástica". Há métodos gráficos e não gráficos para
detectar heterocedasticidade. Um método gráfico geralmente usado é delinear (plotar)
os resíduos contra valores ajustados, conforme descrito na seção “3.9 Critérios para
seleção de equações de regressão”. O SAS System calcula os resíduos e valores
ajustados através dos procedimentos GLM, REG e NLIN, que podem ser
apresentados em um gráfico. Quando os resíduos são distribuídos sem nenhum
padrão, não há heterocedasticidade.
156
Um método matemático para determinar se há homogeneidade de variância

dos resíduos e que é possível de ser executado através do SAS System é o teste de
White (SAS, 2004). O teste de White é computado achando nR2 de uma regressão de
ei2 sobre todas as variáveis distintas em X x X, onde X é o vetor de variáveis
dependentes incluindo uma constante. Esta estatística é distribuída assintoticamente
como Qui-quadrado ( χ ) com k-1 graus de liberdade, onde k é o número de

2
regressores.
O método testa a hipótese nula de que a variância residual é homogênea.

Então, se o valor “p” for muito pequeno, a hipótese é rejeitada e aceita-se a hipótese
alternativa de que a variância não é homogênea. Para isso é utilizada a opção “SPEC”
na declaração do modelo conforme o exemplo a seguir:
PROC REG;
MODEL Y = X / SPEC;
O teste também pode ser executado através da opção WHITE da declaração

FIT do procedimento MODEL no SAS, como no exemplo a seguir:
PROC MODEL;
PARMS A B C;
Y = A + B * X1 + C * X2;
FIT Y / WHITE;
2. Independência dos resíduos
Teste de Durbin-Watson
O teste de Durbin-Watson realiza a avaliação de erros do tipo AR(1). O valor

da estatística “d” de Durbin-Watson (SAS, 2004) é obtido através da opção CLM da
declaração MODEL do procedimento GLM do SAS, ou ainda da opção DWPROB da
157
declaração FIT do procedimento MODEL, ou ainda da opção DW da declaração

MODEL do procedimento REG, conforme o exemplo abaixo:
PROC REG;
MODEL Y=X1 X2 / DW;
É esperado que a estatística “d” seja aproximadamente igual a 2, se os
resíduos forem independentes. Caso contrário, se os resíduos forem correlacionados
positivamente, tenderá a ser próxima de 0 (zero), ou próxima de 4, se os resíduos
forem correlacionados negativamente (Nemec, 1996).
O valor de d é dado por:

n
 (E − Ei −1 )
2
i
d= i=2
n
E
2
i
i =1
^
Y i − Yi
Sendo: d = estatística “d” de Durbin-Watson; Ei = erro estocástico = ;
^
n = número de observações; Y i = valor estimado; Yi = valor observado.
Teste de Breusch-Godfrey
O teste de Breusch-Godfrey contempla a possibilidade de erros do tipo

ARMA(p,q), com erros de ordem de 1 a n. O teste está disponível no SAS como opção
da declaração FIT, do procedimento MODEL, como no exemplo:
PROC MODEL DATA=DADOS;
PARMS A=1 B=1;
Y=A*X**B;
FIT Y / GODFREY=3; *TESTA A
AUTOCORRELAÇÃO DE
ERROS DE ORDEM 3;
158
3. Normalidade da distribuição dos resíduos
O princípio deste teste baseia-se na comparação da curva da frequência

cumulativa dos dados com a função de distribuição teórica em hipótese. Quando as
duas curvas se sobrepõem a estatística de teste é calculada através da máxima
diferença entre ambas. A magnitude da diferença é estabelecida segundo a
distribuição de probabilidade dessa estatística, que se encontra tabelada. Se os dados
experimentais se afastam significativamente do que é esperado da distribuição em
hipótese, então as curvas obtidas devem encontrar-se igualmente afastadas e, por
um raciocínio análogo, se o ajustamento ao modelo hipotético é admissível, então as
curvas têm um desenvolvimento próximo.
A estatística (D) de Kolmogorov-Smirnov (SAS, 2004) é uma estatística do tipo

Função de Distribuição Empírica (EDF). A Função de Distribuição Empírica (EDF) é
definida para um conjunto de n observações independentes X1,... , Xn com uma função
de distribuição comum F(x). Sob a hipótese de nulidade, F(x) é a distribuição normal.
As observações são ordenadas da menor para a maior como X(1),... , X(n).
A função de distribuição empírica Fn(x), é definida como:
Fn(x) = 0, x < X(1)

Fn(x) = i/n, X(i) ≤ x < X(i+1), i = 1,2,...,n-1
Fn(x) = 1, x(n) ≤ x
Fn(x) é uma função sequencial que avança em [1/n] a cada observação. Esta
função calcula a função de distribuição F(x). A qualquer valor x, Fn(x) é a proporção
de observações menor que ou igual a x, enquanto F(x) é a probabilidade de uma
observação ser menor que ou igual a x. Estatísticas de EDF medem a discrepância
entre Fn(x) e F(x). As fórmulas computacionais para as estatísticas de EDF fazem uso
da transformação da integral de probabilidade U=F(X). Se F(X) é a função de
distribuição de X, a variável aleatória U é distribuída uniformemente entre 0 e 1.
159
Dadas n observações de X(1),... , X(n), os valores U(i)=F(X(i)) são computados

como mostrado a seguir. A estatística (D) de Kolmogorov-Smirnov é baseada na
maior diferença vertical entre F(x) e Fn(x), sendo definida como:
D=supx |Fn(x) – F(x)|
A estatística de Kolmogorov-Smirnov é computada como o máximo de D+ e D-

, onde D+ é a maior distância vertical entre o EDF e a função de distribuição quando
o EDF é maior que a função de distribuição e D- é a maior distância vertical quando o
EDF for menor que a função de distribuição.
D+ = maxi ( (i/n) - U(i) )

D- = maxi ( U(i) – (i-1)/n )
D = max ( D+, D- )
O procedimento CAPABILITY do SAS System usa a estatística D de

Kolmogorov modificada para testar os dados contra a distribuição normal com média
e variância igual à média e variância da amostra. No procedimento MODEL a
estatística é utilizada somente para amostras acima de 2000 indivíduos. No caso de
pequenas amostras é utilizado o teste de Shapiro-Wilk descrito na secção “3.8 Teste
de normalidade dos dados” em substituição ao teste de Kolmogorov-Smirnov. No
procedimento MODEL o teste de normalidade é obtido pela opção NORMAL da
declaração FIT como no exemplo:
PROC MODEL;
PARMS A B C;
Y=A+B*X1+C*X2;
FIT Y / NORMAL;
160
4.12 Análise de covariância

A análise de covariância é realizada para verificar a necessidade do uso de
funções independentes para as covariáveis, por exemplo, para descrição de relação
hipsométrica e de volume em que a covariável pode ser representada pelo índice de
sítio, ou a idade. Segundo Storck e Lopes (1998), no cálculo da covariância é possível
verificar a pressuposição da homogeneidade dos coeficientes da regressão linear
estimados ( βˆ ), calculando-se separadamente um coeficiente para cada classe e,

então, testando-se a igualdade dos mesmos.
Schneider (1998) utiliza o valor de “F” da interação da covariável com a variável
dependente estimada ( Yˆ ), calculada pela soma de quadrados de produtos

corrigidos, para comparar as diferenças entre as inclinações e utiliza o valor de “F”
calculado para a covariável através da soma de quadrados de produtos corrigidos do
modelo sem interação para comparar a diferença entre níveis, quando não há
diferença entre inclinações. No SAS, as somas de quadrados de produtos corrigidos
são obtidas através da opção SS3 da declaração MODEL do procedimento GLM.
161
5 CLASSIFICAÇÃO DE SÍTIOS
A qualidade dos sítios pode ser verificada por meio de fatores intrínsecos dos
povoamentos ou extrínsecos.
Fatores intrínsecos dos povoamentos são os que dizem respeito às

características relacionadas às árvores e à própria floresta, como:
− Altura dominante ou média.
− Crescimento médio máximo.
− Volume total ao final do ciclo ou rotação.
− Intercepção.
Fatores extrínsecos dos povoamentos são aqueles relacionados ao ambiente,
como:
− Fatores do biótopo – clima; litologia; edafologia; morfologia.
− Fatores da biocenose – espécies indicadoras (sociologia); associações
indicadoras (fitossociologia).
A qualidade do sítio é definida como a capacidade de uma área de Crescimento

árvore. É a resposta, não desenvolvimento de uma espécie em particular, para todas
as condições ambientais. Tem sido quase universalmente adotada para representar
a qualidade do site através de valores quantitativos conhecidos como índice de
produtividade e índice de sítio.
O índice de produtividade é normalmente expresso pelo aumento médio do

volume anual com a idade de rotação. Geralmente, o índice de sítio é expresso por
meio altura dominante de Assmann (h100) em uma idade de referência.
Os métodos para desenvolver as funções de índice de sítio variam com 4

fatores: principio aplicado, tipo de dados, método de construção e modelo empregado.
162
O método mais amplamente utilizado tem sido ou que usa a altura como índice de
sítio. As árvores dominantes são utilizadas porque são as menos afetadas pelo
manejo da população e se mantém não estande até ou final da rotação. É necessário
descrever matematicamente ou crescimento da altura dominante por meio de
funções, para estabelecer a classificação dos sítios.
As curvas de índice de sítio de uma floresta com diferentes qualidades de sítios

podem ser semelhantes e proporcionais sendo denominadas de monomórficas, ou
não e apresentar curvas de diferentes formas, sendo denominadas de polimórficas
(Figura 39).
Figura 39 - Formas das curvas de índice de sítios.
Os dados para desenvolver curvas de índice de sítio podem ser derivados de:
− Parcelas temporárias – só é possível para calcular curvas isomórficas;
− Parcelas permanentes - curvas isomórficas ou polimórficas;
− Análise de tronco - curvas isomórficas ou polimórficas.
Há três métodos para construção das curvas de índice de sítios:

− Método da curva guia;
− Método da equação de diferença;
163
− Método da regressão aninhada.
5.1 Método da curva guia

É ou método mais tradicional para construção de curvas isomórficas. Primeiro
ajusta-se uma equação geral para estimar a altura dominante e estima-se a altura
dominante por meio da equação para todas as idades, sendo a curva assim
determinada chamada de “curva guia”. Então, escolhe-se uma idade em torno de 70%
da idade de rotação do povoamento para servir de referência. Nesta idade, verifica-
se a altura dominante ocorrida e aproxima-se para o valor par mais próximo que será
o índice de sítio central ou base (exemplo: se a h100 ocorrida na idade escolhida for
20,5m, arredonda-se para 20; se for 21,2m, arredonda-se para 22). Depois, atribui-se
valores para os índices de sítio de 2 em 2 metros para abranger toda a amplitude de
valores da altura dominante que ocorrem na idade de referência, a partir do índice de
sítio central; estes serão os Índices de Sítio (IS) da tabela. Depois, calcula-se os
valores da altura dominante de cada índice de sítio (IS) em cada idade (t) por
proporção das alturas dominantes determinadas pela equação, como se descreve a
seguir.
Após a determinação dos IS na idade de referência, determina-se os valores

das alturas dominantes (HDOM) para as demais idades em cada IS pelas equações:
− Para idades menores que a idade de referência:
HDOM(t) = IS . h100(t) / h100(t+1)
− Para idades maiores que a idade de referência:
164
HDOM(t) = IS . h100(t) / h100(t-1)

Onde: HDOM(t) = altura dominante na idade t para o IS considerado, em metros; IS
= Índice de Sítio em metros; h100(t) = altura dominante da curva guia na idade t;
h100(t+1) = altura dominante da curva guia na idade t+1; h100(t-1) = altura dominante
da curva guia na idade t-1; t = idade em anos.
Exemplo:
Considere-se a seguinte equação ajustada para a altura dominante:
h100 = 40 (1-e(-0,07.t))1,7
Calculando-se a curva guia como na Tabela 22 e escolhendo-se os 15 anos

como idade de referência, obtém-se a altura dominante de 19,2 metros nesta idade,
que se aproximou para 20 metros, por ser o valor par mais próximo de 19,2m, como
o índice de sítio central. Para abranger as alturas dominantes dos povoamentos
florestais determinadas no inventário florestal, que apresentam valores mínimo de
16,5m e máximo de 23,8m, determinou-se os índices de sítios de 2 em 2 metros
partindo-se do IS central de 20m: 16, 18, 20, 22, e 24, que formam os títulos das
colunas da tabele de IS e são os mesmos valores da HDOM dos IS na idade de
referência. Depois calculou-se os valores das HDOM(t) em cada idade t e IS
considerado.
165
Tabela 22 - Exemplo de tabela de índices de sítios.

h100
Idade Índices de Sítios – IS
Curva Guia
(anos) (m) 16 18 20 22 24
1 0,4 0,3 6,0 6,7 7,3 8,0
2 1,2 1,0 1,1 1,3 1,4 1,5
3 2,3 1,9 2,2 2,4 2,6 2,9
4 3,6 3,0 3,4 3,8 4,1 4,5
5 5,0 4,2 4,7 5,2 5,7 6,3
HDOM(t) por idade por IS, em metros

6 6,4 5,3 6,0 6,7 7,3 8,0
7 7,9 6,6 7,4 8,2 9,1 9,9
8 9,4 7,8 8,8 9,8 10,8 11,8
9 10,9 9,1 10,2 11,4 12,5 13,6
10 12,4 10,3 11,6 12,9 14,2 15,5
11 13,8 11,5 12,9 14,4 15,8 17,3
12 15,3 12,8 14,3 15,9 17,5 19,1
13 16,6 13,8 15,6 17,3 19,0 20,8
14 17,9 14,9 16,8 18,6 20,5 22,4
15 19,2 16,0 18,0 20,0 22,0 24,0
16 20,4 17,0 19,1 21,3 23,4 25,5
17 21,5 17,9 20,2 22,4 24,6 26,9
18 22,6 18,8 21,2 23,5 25,9 28,3
19 23,7 19,8 22,2 24,7 27,2 29,6
20 24,7 20,6 23,2 25,7 28,3 30,9
5.2 Método da equação de diferença

Utiliza-se para gerar tanto curvas anamórficas como polimórficas. É suposto
que todo par de observações se aplica sobre a mesma relação altura-idade. Os dados
são modificados algebricamente para produzir pares de diferenças consecutivas por:
Onde: Hd= altura dominante; I = idade; índices 1 e 2 = sucessivas observações.
A seguinte equação é ajustada por regressão linear e é utilizada para gerar as

outras curvas:
166
Onde: Hd= altura dominante; I = idade; índices 1 e 2 = sucessivas observações.

Quando I1 é igual à idade de referencia (Ib) Hd1 é igual ao índice de sítio (S).
5.3 Método da regressão aninhada

Pode ser gerada a partir de dados de análise de tronco ou parcelas
permanentes. É um método de regressão hierárquica que compreende dois tipos:
− Equações com inclinação comum;
− Equações com termo independente comum.
167
6 COMPETIÇÃO
6.1 Índices de competição

Índices de competição são uma tentativa de quantificar a influência de plantas
vizinhas sobre o crescimento de uma árvore individual. Muitos índices têm sido
propostos, mas nem todos podem ser considerados funcionais; os índices de
concorrência oferecem pouca utilidade para a previsão de rendimento em
povoamentos "típicos", sendo que poucos índices fornecem melhores previsões do
que a área basal e outras medidas simples de densidade de povoamentos e
classificação de árvores, que são mais fáceis de estimar (VANCLAY, 1992).
Vanclay (1992) realizou uma revisão sobre os índices de competição entre

árvores e concluiu:
Modelos de crescimento "silviculturais" projetados para investigar opções de

manejo devem empregar índices de concorrência para fornecer previsões
confiáveis sob extrema silvicultura. A necessidade de o modelo responder
sensatamente a extremos de desbaste e poda sugere que os índices
baseados na interceptação de luz (ou seja, tanto a área da copa quanto a
vista do céu) têm maior potencial. Mesmo modelos relativamente simples
baseados nesses princípios podem ser úteis (VANCLAY, 1992).
Portanto, antes de descrever os índices de competição, é bom frisar que os

índices mais relacionados com o crescimento, são aqueles que levam em
consideração a área basal do tronco e o diâmetro da copa. Entre os índices que têm
apresentado boa correlação com o crescimento estão o índice BAL (Basal Area
Larger), índice IOE (Índice de Ocupação do Espaço) e o índice de espaço vital (S%),
que é calculado como porcentagem da razão entre o espaço médio entre árvores e a
altura dominante. A maioria dos demais índices algumas vezes demonstram alguma
correlação com o crescimento, mas raros se tornaram operacionais.
168
Contreras et al (2011), avaliaram 16 medidas de competição entre árvores e

sua eficácia como estimadores do crescimento em área basal numa região semiárida,
para três espécies de coníferas, encontrando fortes correlações entre vários índices
de competição e crescimento de árvores. Os autores concluíram que os índices de
competição dependentes da distância foram mais fortemente correlacionados com o
crescimento, com o melhor deles explicando uma proporção maior de variação de
crescimento do que o melhor índice independente de distância (64% vs. 56%),
indicando que a competição ocorre em nível local. Baixas correlações entre os índices
de valor de luz e o crescimento sugerem que nas condições semiáridas locais, as
árvores não competem primariamente pela luz. Os índices utilizados são relacionados
na Tabela 23.
169
Tabela 23 - Índices de competição avaliados por Contreras et al (2011).
Onde: N = árvores por ha na parcela; dg = diâmetro médio quadrático (cm); n = número de vizinhos
dentro da área de competição de 11 m de raio; cwi = largura da copa da i-árvore vizinha (m); S =
Àrea da parcela (m2); BAL = área basal das árvores vizinhas maiores que a árvore central (m²/ha);
G = área basal total das árvores no raio de 11 m (m²/ha); RS = Índice de espaçamento relativo da
parcela; Oi Área da zona de influência sobreposta entre a i-árvore vizinha e a árvore-central (m²); Z
= área da zona de influência da árvore central (m²); di = DAP da i próxima árvore (cm); d = DAP da
árvore central (cm); disti = distância horizontal da i-árvore vizinha à árvore central (m); hi = altura da
i-árvore vizinha (m); h = altura da árvore central (m); Bi = Variável binária que é 1 se o raio de luz i é
bloqueado, ou 0 caso contrário; BNi = Variável binária associada a raios de luz orientados ao norte
(azimutes de 270 a 90), sendo 1 se bloqueada e 0 caso contrário; BSi = Variável binária associada
a raios de luz orientados para o sul (azimute de 90 a 270), 1 se bloqueado e 0 caso contrário.
Maleki et al (2015) estudaram a relação de 18 índices de competição com o

crescimento diamétrico de Betula pendula (Tabela 24).
170
Tabela 24- Índices de competição testados para uso em modelo de crescimento

diamétrico por Maleki et al (2015).
Onde: Nc = número de árvores concorrentes; di = d da árvore central (cm); dj = d da árvore concorrente (cm); dg = diâmetro
da parcela ponderado pela área basal (cm); lij = distância entre o competidor j e a árvore central i (m); G = área basal das
árvores dentro da parcela (m²/ha); gi = área basal da árvore central i (m²/ha); gj = área basal da árvore concorrente j (m²/ha);
CZR = raio da zona de influência (m); RS = índice de espaçamento relativo da parcela; Oij = sobreposição de copas entre a
árvore vizinha j e a árvore central i (m2); CZ = a área da zona de influência (m²); S = área da parcela (ha).
171
Os autores concluíram que o crescimento do diâmetro é uma função das

interações da vizinhança e que os índices dependentes da distância (espaciais) foram
melhores preditores de crescimento, mas as diferenças foram insignificantes em
relação aos índices independentes da distância (não espaciais); verificaram também
que os valores de luz de Ellenberg não contribuíram para a quantificação dos efeitos
da competição.
Silveira et al (2015) estudaram a associação entre o incremento em diâmetro

de Trichilia claussenii e índices de competição (Tabela 25).
Tabela 25 - Índices de competição utilizados por Silveira et al (2015).
Onde: n: número de árvores competidoras; Gj: área basal das árvores competidoras (m²/ha); di: DAP
da árvore central (cm); dj: dap das árvores competidoras (cm); ̅ : DAP médio das árvores
competidoras (cm); lij: distância entre árvore central i e árvore competidora j (m); DC: diâmetro da
copa; k: fator de área basal; hj: altura das árvores competidoras; i: número de ordem da árvore central
considerada; j: número de ordem da árvore competidora.
Os autores concluíram que o crescimento em diâmetro da espécie estudada

possui maior relação com o índice BAL. Quanto maior a competição, menor o
crescimento, mostrando que a espécie é fortemente afetada pelas competidoras. A
relação do crescimento com o índice de saliência (IS) apontou que, quanto maior a
copa, maior o crescimento da espécie, ou seja, árvores de Trichilia claussenii crescem
172
melhor com menor competição e maior copa. Os autores sugerem que o ajuste da
densidade por meio de intervenções silviculturais poderia resultar em maior
crescimento, sendo o IS uma informação relevante para o manejo florestal.
6.2 Índices baseados nas copas das árvores
6.2.1 Fator de Competição de Copas (FCC)

A determinação do FCC foi realizada em uma época em que o acesso a
computadores era difícil e os cálculos com árvores individuais era quase impossível,
além disso foi atrelado ao sistema de unidades inglês, o que dificulta comparações
com o sistema decimal, tendo sido desenvolvido com base numa regressão linear
simples para estimar o diâmetros das copas, o que pode não ser o melhor, pode ser
considerado como um índice pouco prático e pode ser impreciso. Assim, sugere-se
utilizar a proporção de ocupação do espaço pela projeção das copas das árvores
(secção 6.2.2), que pode ser determinado com mais precisão e permite comparação
com outros estudos, independentemente do sistema de unidades.
O FCC foi desenvolvido por Krajicek et al. (1961) e reflete a área disponível
para a árvore média em um povoamento florestal em relação à área máxima que
poderia usar se fosse em cultivo aberto. Para determinar os valores de FCC, deve ser
estabelecida a razão entre o diâmetro da copa e o diâmetro do tronco para árvores de
crescimento livre da espécie em estudo. Ajustando-se uma função para estimar o
diâmetro da copa (DC) em função do diâmetro do tronco (d), representada por [
DC=f(d) ], que ser uma regressão linear simples do tipo:
DC = b0 + b1 . d (a)
Considerando que as copas das árvores cultivadas em áreas abertas têm
forma circular, a máxima superfície de projeção da copa (MSPC), expressa em
173
percentagem por hectare (10000m²), ocupada pela copa de uma árvore com um
diâmetro (d), é computada como:
MSPC = 100. (π/4) . DC² / 10000m² = 0:007854.DC² (b)
Substituindo-se (a) em (b), tem-se:
MSPC = 0,007854.( b0 + b1 . d )²
⸫ MSPC = 0,007854.(b0²+2b0.b1.d+b1².d²) (c)
O FCC de um povoamento é calculado a partir de uma tabela de distribuição

por classe de diâmetro para o povoamento somando os valores de MSPC para cada
classe de diâmetro e dividindo pela área em ha. O FCC é expresso pela equação:
FCC = (1/A) . (a0.∑ni+a1.∑ni.di+a2.∑ni.di²) (d)

Onde: FCC = fator de competição de copas; A = área de 1 ha (10000m²); ni =
frequência da classe i de diâmetros; di = diâmetro central da classe i; a0, a1, a2 =
parâmetros da equação a ajustar.
É necessário ajustar previamente uma função para estimar o diâmetro da copa

em função do diâmetro do tronco diâmetro de árvores de crescimento livre para
determinar o valor do FCC. Embora não seja tão usado como outros índices de
densidade de povoamento, verificou-se que ele está bem correlacionado com o
crescimento e a produtividade de várias espécies (BURKHART e TOMÉ, 2012).
Krajicek et al. (1961) demonstraram o uso do FCC, iniciando pelo ajuste de

uma função para estimar o DC em função de d para Picea abies (Figura 40).
174
Figura 40 - Função para estimar o diâmetro da copa de Picea abies em função do

diâmetro do tronco de árvores crescendo livres. Fonte: Krajicek et al (1961).
Sendo:
DC = 3,12 + 1,826.d, onde b0=3,12 e b1=1,826
Substituindo-se b0 e b1 na equação:
MSPC=0,007854.(b0²+2b0.b1.d+b1².d²)
Tem-se a equação para estimar o MSPCi:
MSPCi= 0.007853982 ( 9.7344 + 11.41296 d + 3.345241 d² )

⸫ MSPCi= ( 0.076453799 + 0.089637178 d + 0.026273461 d² ) (e)
Com a equação (e), o MSPC total é determinado para dados tabulados por
classe de diâmetro de acordo com a Tabela 26.
175
Tabela 26 - Determinação do FCC para um povoamento equiâneo.

di ni MSPC MSPC total
ni.di ni.di²
(cm) (árv./ha) individual da classe i
1 24,7 24,711 24,711 0,192 4,753
2 17,3 34,595 69,189 0,361 6,241
3 123,6 370,658 1111,973 0,582 71,886
4 155,7 622,705 2490,820 0,855 133,162
5 190,3 951,355 4756,774 1,181 224,801
6 192,7 1156,452 6938,713 1,560 300,701
7 163,1 1141,626 7991,381 1,991 324,762
8 121,1 968,652 7749,218 2,475 299,683
9 76,6 689,423 6204,811 3,011 230,676
10 42,0 420,079 4200,788 3,600 151,236
11 17,3 190,271 2092,981 4,242 73,368
12 7,4 88,958 1067,494 4,935 36,587
13 2,5 32,124 417,608 5,682 14,040
Totais 1134,213 6691,608 45116,461 - 1871,897
Fonte: SCHNUR (1937) apud Krajicek et al (1961).
Substituindo-se os somatórios resultantes da tabela anterior na equação:
MSPC = 0,076453799 ∑ ni + 0,089637178 ∑ ni.di + 0,026273461 ∑ ni.di²
Obtém-se o resultado final para o valor da Máxima Superfície de Projeção das

Copas (MSPC) ocupadas pelas árvores em um hectare, denominado de Fator de
Competição de Copas (FCC):
FCC = 0,076453799 . 1134,213 + 0,089637178 . 6691,608 + 0,026273461 . 45116,461

FCC = 86.71486945 + 599.8168423 + 1185.365587
FCC = 1871,897298
176
6.2.2 Índice de Ocupação do Espaço (IOE)

Partindo-se do mesmo princípio de Krajicek et al (1961), utilizando-se o máximo
de ocupação do espaço pelas árvores crescendo livres de competição para
determinar a proporção do espaço do terreno ocupado pelas projeções de suas copas
e ajustando-se uma equação de regressão qualquer para estimar o diâmetro das
copas em função do diâmetro e de outras variáveis que sejam necessárias, como a
altura, para se obter uma equação dom melhores estatísticas, pode-se determinar a
proporção do espaço ocupado pela superfície de projeção das copas das árvores.
Considerando-se uma função do tipo DC=f(d), e que a superfície de projeção

da copa no terreno é calculada por SPC = π DC² / 4, a proporção do espaço ocupado
pela projeção das copas, ou Índice de Ocupação do Espaço pelas projeções das
copas das árvores de uma unidade amostral pode ser calculado por:
n
π
( 4 . DC ) i
2
IOE = i=1
A
Onde: IOE = índice de ocupação do espaço pelas árvores de uma unidade
amostral; DC = diâmetro da copa da árvore i, calculado pela função DCi = f (di);
n = número de árvores da unidade amostral; i = número de ordem da árvore na
unidade amostral; A = área da unidade amostral.
Este índice permite a comparação com o resultado de outras pesquisas

independentemente do sistema de unidades utilizado e da equação usada para
estimar o diâmetro das copas, podendo ser considerado como uma variação do Fator
de Competição de Copas (FCC) de Krajicek et al (1961).
177
7 DENSIDADE DOS POVOAMENTOS
Densidade é a medida de ocupação do terreno pelas árvores. Também, pode

ser chamada de densidade do estande ou do sítio, podendo ser representada por
vários índices, desde os mais simples como o número de árvores por hectare, até os
baseados em teorias mais complexas.
Entretanto, as variáveis dos povoamento como número de árvores por hectare,

área basal por hectare ou volume por hectare, só terão valor para o manejo da
densidade se tiverem um padrão para comparação por idade e qualidade de sítio, pois
sozinhas não expressam o nível de cobertura e uso do solo florestal. Os índices de
densidade baseados em variáveis dendrométricas são principalmente os seguintes:
− Número de árvores (N – árvores/ha);
− Área basal (G – m²/ha);
− Volume (V – m³/ha);
− Fator de Competição de Copas (FCC);
− Índices especiais (Reineke, Hart-Becking, etc).
O principal objetivo de estudo da densidade dos povoamentos florestais é

determinar quais árvores a colher em cada período para otimizar a produção de
madeira para o fim desejado.
Considerando-se a densidade como a ocupação do espaço pelas árvores,

quanto maior a taxa de ocupação, tanto mais massa verde existirá para promover o
crescimento. Até uma determinada taxa de ocupação não haverá concorrência e as
árvores crescerão livremente.
Nos povoamentos mais densos as árvores crescem mais retas e cilíndircas.

Enquanto a altura da copa de uma árvore mantêm-se maior do que 50% da sua altura
178
total, há pouca influência da densidade no crescimento individual; este indicador varia

com a espécie, sítio e idade.
Quando a densidade se torna excessiva pelo crescimento das árvores e

aumento da ocupação do solo, passa a induzir as árvores à morte, iniciando pelas
dominadas e mais fracas e com menor copa. A esta mortalidade denomina-se de
autodesbaste.
A partir de determinada taxa de ocupação, estabelece-se a concorrência. O

tronco das árvores passa a engrossar menos, inicialmente na base das árvores
menores. A medida que a densidade aumenta, o crescimento em diâmetro é reduzido
também nas árvores maiores e em alturas mais elevadas. A altura das árvores é
menos influenciada pela densidade, mas quando muito elevada, também o
crescimento em altura é afetado.
A extrema concorrência entre plantas causada pela densidade pode levar à sua
miniaturização. Uma leve concorrência pode levar a um maior crescimento em altura.
Com a densidade, formam-se menos e menores ramos.
Com os desbastes, procura-se evitar a concorrência excessiva, impedindo o

autodesbaste e a redução do crescimento individual, entretanto, há redução da massa
verde e portanto, do crescimento por unidade de área.
A determinação e controle da densidade ideal deve levar em consideração as

seguintes condições:
− Das próprias árvores – espécie, germoplasma e idade;
− Ambiente ou capacidade do sítio - solo, clima, topografia;
− Fatores econômicos – mercado e preço da madeira, custos da madeira em
pé, custos de colheita, custo de transporte, etc.
− Disponibilidade de mão-de-obra.
− Destino da madeira - densidades mais elevadas do povoamento resultam
em maior densidade e resistência da madeira, maior produção por hectare
e árvores de menores dimensões.
179
Um bom índice de densidade deve apresentar as seguintes características:

− Simplicidade e objetividade;
− Quantificação absoluta e relativa;
− Independência do tipo de povoamento, idade e qualidade do sítio;
− Correlação com outras variáveis do povoamento;
− Permitir comparações quantitativas intra e entre povoamentos no espaço e
no tempo;
− Facilitar a determinação da época e intensidade de desbastes.
Há muitas formas de medir a densidade, cada uma com suas características,

mas nenhuma é considerada ideal. A escolha da medida para manejar a densidade
dependerá da espécie, objetivos da produção, ambiente e de preferências pessoais.
A avaliação da densidade pode ser realizada por medidas simples, por índices de
densidade ou ainda por diagramas de densidade:
− Medidas simples: N, G, V, SPC;
− Índices de densidade: D-máximo de Mitchell; lei de autodesbaste de Yoda;
índice de densidade de Reineke; Fator de Wilson; índice de espaçamento
de Hart-Becking.
− Diagramas de densidade: IDS (SDID), DMDP (SDMD).
Os índices de densidade procuram combinar uma variável biométrica (d, h, g,

v) com o nº de árvores por ha.
7.1 Densidade populacional

É representada pelo número de árvores existentes por unidade de área, sendo
a medida mais simples de densidade.
180
É muito utilizada para compor índices junto com outras variáveis, mas não deve
ser utilizada sozinha, pois não dá ideia da ocupação do espaço pelas árvores –
poucas árvores grandes podem ocupar maior percentagem do espaço do que muitas
árvores pequenas.
A densidade populacional é calculada por:
N = 10000 . n / S
Onde: N = número de árvores por hectare (n/ha); n = número total de árvores
amostradas; S = área total de terreno amostrada.
7.2 Área basal por unidade de área

Representa a ocupação da área pela secção transversal dos troncos das
árvores. Pode ser utilizada como índice de densidade, pois envolve a dimensão das
árvores e o espaço ocupado e tem alta relação com a superfície de copa. Quando
determinada em termos de máximo e mínimo por idade, permite determinar a taxa
de desbaste. É calculada por:
G = 10000 ∑ g / S
Onde: G = área basal por hectare (m²/ha); ∑ g = soma das áreas basais das
árvores amostradas; S = área total de terreno amostrada.
7.3 Superfície de copa por unidade de área

Representa a ocupação da área pela secção transversal das copas das
árvores. Pode ser utilizada como índice de densidade, pois envolve a dimensão das
árvores e o espaço ocupado e tem alta relação com a capacidade fotossintética.
Permite determinar a taxa de desbaste ao se estabelecer valores mínimos de
181
ocupação por sítio para obter-se a máxima produtividade com as dimensões

desejadas para a madeira.
É calculada por:
Scopa = 10000 ∑ scopa / S

Onde: Scopa = superfície de copa por hectare (m²/ha); ∑ scopa = soma das
superfícies das copas das árvores amostradas; S = área total de terreno
amostrada.
7.4 Volume por unidade de área

Representa a ocupação tridimensional da área pelos troncos das árvores. Pode
ser utilizado como índice de densidade, pois envolve a dimensão das árvores e o
espaço ocupado. Quando monitorado, permite otimizar a produtividade e estabelecer
limites máximo e mínimo para o estoque em cada idade, para cada sítio.
É calculado por:
V = 10000 ∑ v / S
Onde: V = volume por hectare (m³/ha); ∑ v = soma dos volumes das árvores
amostradas; S = área total de terreno amostrada.
7.5 Índices de densidade
7.5.1 Fator de Wilson

Wilson (1946) considerou a distância média entre árvores como derivada da
relação entre a altura dominante e um fator de espaçamento fw:
182
E =hdom . fw
E, sendo:
E= √(10000/N)
Substituindo-se a primeira equação na segunda, têm-se:
hdom . fw =√(10000 / N),

De que se deduz o Fator de Wilson (fw), que é calculado por:
fw = 100 / (hdom.√N)
Onde: hdom = altura dominante (m); N = número de árvores por hectare.
O Fw varia com espécie e com o tratamento do povoamento. Diminui com a

tolerância da espécie e aumenta com a intensidade de desbaste.
Um estudo na Inglaterra demonstrou que fw = 0,2 é o valor apropriado para o

grau de desbaste C/D, admitido como padrão e os graus C, D e E representariam,
respectivamente, 1,5; 0,75 e 0,5 do índice de densidade do grau padrão, ou seja,
valores de fw iguais a 1,6, 0,23 e 0,28, respectivamente.
7.5.2 Índice de espaçamento relativo de Hart-Becking

É determinado pela percentagem da distância média entre árvores em relação
à altura dominante.
Pode ser utilizado para a determinação da taxa de desbaste desde que

conhecidos os valores máximo e mínimo para cada idade.
Povoamentos de coníferas mais velhos e sítios melhores suportam menor

espaçamento relativo do que os de folhosas mais jovens em sítios piores ( as taxas
máximas variam entre mínimo de 16% e máximo de 25% dependendo da espécie, da
qualidade do sítio e idade do povoamento).
O índice é calculado por:
183
S% = 100 DM / hdom
Onde: S% = índice de espaçamento relativo (%); DM = distância média entre
árvores (m) = √(10000/N); hdom = altura dominante (m).
O índice de espaçamento relativo (S%) é apresentado na tabela a seguir em

função da distância e altura dominante. Os valores em verde claro são os que
geralmente combinam maior produtividade do povoamento por unidade de área com
maiores dimensões das árvores.
7.5.3 Índice de densidade de Reineke

Desenvolvido em 1933, é calculado pelo número de árvores (N) e o diâmetro
da árvore de área basal média (dg) (BURKHART e TOMÉ, 2012).
Reineke obteve uma relação linear entre o logaritmo de N e do dg, pela função:
log N = a . log dg + K
A medida de densidade baseada nestas duas variáveis é denominada de Índice

de Densidade do Povoamento (IDR).
A reta definida pela equação representa o nº árvores/ha de uma série de

observações para uma floresta equiânea em densidade completa.
Reineke (1933) observou que a inclinação da reta era muito semelhante em

diversas situações podendo-se utilizar o valor de -1,605, ficando:
log N = -1,605. log dg + K

Onde: N = número de árvores/acre; d = diâmetro da árvore de área basal média;
K = constante que varia com a espécie.
184
Reineke mostrou que levando a um papel logaritmo, o do número de árvores

(N) na ordenada e o do diâmetro quadrático médio (dg) na abcissa obtém-se uma
relação linear entre as variáveis.
O índice independe da idade e do sítio e expressa o número de árvores por

hectare para um povoamento equiâneo em densidade completa.
7.6 Controle da densidade

O controle da densidade ao longo da vida de um povoamento florestal é
realizado por meio de cortes intermediários entre a plantação da floresta até o final da
rotação, denominados de desbastes.
7.6.1 Densidade de plantio

A densidade de plantio depende das dimensões da madeira a obter e do
tamanho das máquinas utilizadas para manutenção e colheita. Toras mais grossas
são obtidas com espaçamentos mais largos, mas a produtividade por hectare é maior
com espaçamentos iniciais menores, pois as copas se fecham mais cedo, realizando
mais fotossíntese. As máquinas de manutenção usualmente tem menos de 2,5 m de
largura e cruzam em espaços entre 3 e 3,5 m com alguma facilidade, enquanto as
máquinas de colheita tem limitações quanto ao alcance para fazer desbastes
seletivos. Espaçamentos de plantio de 3 metros entre linhas e de 2 a 3 metros entre
plantas na linha são comuns para produção de madeira fina. Para madeira com
destino à serraria e torno, há empresas que adotam espaçamentos de 4 a 6 metros
entre linhas e de 2 a 3 metros entre plantas nas linhas.
A experimentação com espaçamentos de plantio é uma prática desejável para

se definir o melhor para obter os produtos desejados.
185
7.6.2 Desbastes
São cortes culturais intermediários executados nos povoamentos imaturos para
favorecer o crescimento das árvores que permanecerão no povoamento por mais
tempo com a finalidade de obter madeira de maiores dimensões e de maior valor
agregado.
OBJETIVOS DOS DESBASTES
Os principais objetivos dos desbastes são:

1) Utilizar ou vender as árvores que poderiam morrer e se decompor.
2) Redistribuir o crescimento da madeira de árvores de menor qualidade para as
de maior, aumentando o valor da madeira das árvores remanescentes.
3) Aumentar a rentabilidade das árvores em crescimento, reduzindo o investimento
em pleno volume.
4) Prover dinheiro para pagar os investimentos, com a renda do desbaste.
5) Melhorar usos não-madeireiros da floresta, tais como pastejo, vida selvagem e
recreação.
6) Obter rendas periódicas mais frequentes.
TIPOS DE DESBASTES
Podem ser de três tipos principais:

− Seletivos - são cortadas árvores de algumas classes de dominância;
− Sistemáticos - são cortadas linhas inteiras de árvores;
− Mistos - são combinações de sistemáticos e seletivos.
Desbaste seletivo por baixo - são cortadas as menores árvores do

povoamento. Exemplo: desbaste por baixo em plantio original de 3m x 2m, ou 1667
árvores/ha, com remanescência das 950 árvores/ha (57%) superiores. Alguns pontos
ficam mais concentrados do que outros nos desbastes por baixo, sendo necessário
fazer controle dos espaços entre as árvores durante a marcação do desbaste. A
186
qualidade da marcação depende da habilidade e experiência dos marcadores. Como

resultado dos desbastes por baixo obtém-se povoamentos com mais espaço para as
remanescentes, árvores maiores e de maior valor, portanto.
Desbastes sistemáticos – Eliminam-se linhas inteiras de árvores em cada

ocasião; podem ser programados de diferentes formas; por exemplo: corte da 5ª linha
no primeiro desbaste para formar os carreadores de baldeio; corte de uma a cada
duas linhas em uma única ocasião; corte da 13ª linha no primeiro, da 5ª e 9ª linhas no
segundo e da 3ª, 7ª e 11ª no terceiro; corte da 6ª linha no primeiro desbaste e da 3ª
linha no segundo; etc.
Usualmente, é realizado um corte misto na primeira ocasião, eliminando-se a

5ª linha de plantio, pois as máquinas (harvester e feller-buncher) alcançam a duas
linhas de distância para cada lado, permitindo realizar um desbaste seletivo
complementar no restante das linhas intermediárias - o corte sistemático, neste caso,
tem também como objetivo a facilitação do baldeio da madeira. Na segunda ocasião,
pode ser realizado somente um novo corte seletivo por baixo;
7.7 Efeitos dos desbastes sobre a floresta e as árvores

A fotossíntese é o processo que armazena energia para as árvores, sendo
controlada pela disponibilidade de:
− Temperatura;
− Luz solar;
− Água;
− Nutrientes;
− Massa verde da árvore (quantidade de clorofila).
A temperatura controla a respiração, que usa o alimento para manter os

processos de vida da árvore e liberar a energia necessária para o crescimento. A taxa
187
de crescimento depende de quanta energia e alimento sobram depois que a árvore

usa o que necessita para a respiração.
Removendo algumas árvores e reduzindo a competição sobram mais

nutrientes e água para as remanescentes. A abertura provocada no dossel aumenta
a disponibilidade de luz para as árvores que ficaram. Isso faz com que aumente a
produção de carboidratos. Inicialmente, após desbastes, há uma aceleração do
crescimento em diâmetro. Normalmente, há maior aceleração do crescimento em
diâmetro do que em altura. O crescimento em altura somente será afetado se a
densidade anterior tivesse chegado a níveis prejudiciais para o crescimento em altura.
O efeito sobre o crescimento das árvores varia de espécie para espécie e com
a idade das árvores. Árvores mais velhas (após o culmínio do ICA) respondem menos
aos desbastes, particularmente as espécies heliófilas. Espécies tolerantes à sombra
podem crescer na sombra e respondem mais aos desbastes em idades mais
avançadas. Em alguns casos, o desbaste provoca desaceleração do crescimento e
até a morte de árvores. Esta reação indesejável ao desbaste é chamada “choque de
desbaste”. Ocorre em árvores com copas pequenas com comprimento menor que 1/3
da altura total da árvore.
Desbastes Repetidos estimulam vigoroso crescimento e promovem a formação

de copas com mais de 40% da altura total da árvore. O choque causado pelos
desbastes é improvável em tais povoamentos.
Bertoloti et al (1983) estudaram o efeitos do desbaste sobre o crescimento das

árvores num experimento de desbaste com Pinus caribaea com os seguintes
tratamentos:
1) Desbaste mecânico (corte raso) em toda 3a linha;
2) Desbaste por baixo (retirada das árvores inferiores)
3) Desbaste mecânico em toda 5a linha + desbaste por baixo (Método combinado);
4) Desbaste mecânico em toda 9a linha + desbaste por baixo (Método combinado);
188
5) Desbaste mecânico em toda 13a linha + desbaste por baixo (Método

combinado);
combinado);
combinado)
8) Testemunha (sem desbaste);
9) Desbaste por baixo -30% das árvores inferiores a cada 2 anos.
Os autores concluíram que, considerando os resultados obtidos até os 14 anos

de idade: o primeiro desbaste pode ser realizado aos 11-12 anos de idade para a
espécie Pinus caribaea var. hondurensis plantado em espaçamento de 2m x 2m, em
Agudos - SP; os desbastes tiveram como consequência aumentar consideravelmente
o número de indivíduos com diâmetro superior a 25 cm em relação à testemunha até
o triplo, dependendo do tratamento, mas sem aumentar a produção total em volume
de madeira.
Os desbastes sempre reduzem a produção total de madeira, pois a área

ocupada pelas copas é reduzida com a operação, diminuindo o crescimento por
unidade de área florestal. A produção de madeira grossa é aumentada, pois as
árvores remanescentes crescem com maior vigor após o desbaste.
7.7.1 Intensidade e Idade do 1º desbaste

O 1º desbaste deve ser realizado antes do máximo ICA em diâmetro, enquanto
as árvores estão com suas copas bem formadas; depois, já estarão perdendo
vitalidade e não serão capazes de aproveitar integralmente a ampliação do espaço.
O crescimento das remanescentes é maior quando o desbaste é mais cedo e

as copas ainda não se fecharam completamente.
Quando o 1º desbaste for cedo, o período de rotação será menor.
189
A produção total será tanto maior, quanto menor a intensidade dos desbastes.
Quanto mais forte for o desbaste e mais longo seu ciclo maior será a proporção
do estoque removido.
7.7.2 Critérios para o 1º desbaste

− Deve ser desbastada uma quantidade suficiente de madeira para ser
econômico – quanto mais tardio e maior a intensidade, melhor;
− Não deve afetar a estabilidade do povoamento – quanto mais tardio e
intenso, pior (ventos);
− Não deve ser tardio demais que reduza o incremento individual futuro;
− Deve ser realizado na idade de máximo ICA em DAP;
− Deve ser realizado quando o S% cair abaixo de 18 % e antes de atingir
16% (para Pinus elliottii e Eucalyptus sp.);
− A intensidade deve ser tal que o povoamento volte a fechar as copas no
período previsto até o próximo corte.
7.7.3 Escolha das árvores a desbastar

− Sanidade – árvores saudáveis são preferidas para remanescer.
− Qualidade do fuste – árvores de boa qualidade devem remanescer;
− Dimensões – árvores pequenas são preferidas para desbastar;
− Distribuição espacial – evitar excesso de densidade local.
7.7.4 Considerações sobre os Desbastes

De um lado deve ser cortado um volume de madeira suficiente para ser
econômico, do outro lado, a percentagem cortada não deve afetar a estabilidade do
povoamento nem afetar o incremento futuro (produtividade por hectare);
Deve ser combinado com espaçamento adequado de plantio para os objetivos

da floresta e para proporcionar o menor número possível de desbastes consecutivos,
pois são geralmente operações de baixa lucratividade
190
Algumas vezes, o primeiro desbaste é considerado como pré-comercial, pois o

seu objetivo principal, neste caso, não é a produção de madeira.
7.7.5 Marcação de Desbastes

O tamanho das árvores a desbastar depende do crescimento previsto para as
remanescentes; pode ser determinado por vários métodos, como o que usa o
espaçamento relativo à altura dominante.
A escolha de cada árvore a desbastar é determinada levando-se em

consideração os seguintes critérios de prioridade:
− Tamanho da árvore (diâmetro limite de corte e classe de dominância);
− Vitalidade e sanidade;
− Qualidade e forma do tronco;
− Distribuição espacial das árvores.
7.7.6 Cálculo de desbaste

Alguns dos métodos mais divulgados:
− Mexicano - usa a fórmula de juros compostos aplicada ao crescimento;
− Inglês - corte de 30% do volume previsto de crescimento até o próximo
desbaste;
− Da Área Basal – usa limites de área basal máxima e mínima desejados por
hectare por idade (baseado em experimentos ou dados locais);
− Pelo S% - usa o índice de espaçamento relativo de Hart-Becking;
− Croata – semelhante ao mexicano;
− Abetz – usa a relação h/d como referência para desbaste;
− Wilson – usa a relação entre o espaçamento, a altura dominante e o fator
de espaçamento de Wilson.
191
7.7.7 Cálculo de desbaste pelo Índice de Hart-Becking

Altura dominante (h100): é a altura média das 100 árvores mais grossas por
hectare;
Espaçamento relativo (S%): é a razão, expressa em percentagem, entre a

distância linear média (EM) entre árvores e a altura dominante (h0).
Desbastes por baixo determinados pelo espaçamento relativo(Índice de Hart-

Becking):
− Espaçamento relativo de 24% é muito aberto;
− Espaçamento relativo de 16% é muito fechado;
− Os desbastes devem ser realizados quando o S% está entre 16% e 18%,
ampliando-se para 21% a 24%;
− Povoamentos mais velhos, suportam maior densidade.
7.7.8 Método Inglês de desbaste

O método inglês (SCHNEIDER, 1993) determina uma taxa anual de corte de
70% do IMA máximo;
Para conhecer o Incremento Médio Anual máximo (IMAmáx), é necessário

utilizar uma tabela de produção, pois na idade de 1º desbaste, ainda não foi atingido;
É recomendado também um peso de desbaste máximo de 40% do volume,

devido aos riscos de danos por vento e redução excessiva do incremento anual pós-
desbaste.
A taxa de corte (TC) é calculada por:
TC = 70 * IMAmáx / 100
192
EXEMPLO DE CÁLCULO PELO MÉTODO INGLÊS
Considere-se uma floresta com as seguintes características:

− Estoque atual = 320 m³
− IMAmáx = 35 m³/ha/ano
− TC = 0,7 . 35 = 24,5 m³.ha-1.ano-1
− Intervalo entre desbastes = 5 anos
A taxa de corte (TC) e o peso de desbaste (P) são calculados da seguinte

forma:
TC = 24,5 m³.ha-1.ano-1 . 5 anos = 122,5 m³/ha

P = 100 . 122,5 / 320 = 38,28 %
7.7.9 Método de Abetz de desbaste

Abetz desenvolveu vários métodos de desbaste seletivo, em que as árvores a
remanescer até o final da rotação são escolhidas no momento do primeiro desbaste.
O método de Abetz descrito por Schneider (1992) usa a relação h/d como referência
para o desbaste, considerando uma relação h/d=1 como equilibrada; quando o valor
da relação h (m) / d (cm) for:
− = 1 – o crescimento em altura e diâmetro é considerado equilibrado;
− > 1 – a altura está crescendo proporcionalmente mais do que o diâmetro e
há necessidade de executar um desbaste;
− < 1 – o diâmetro está crescendo mais do que a altura e há pouca
competição e, geralmente, não há necessidade de desbaste;
− < 0,9 – nesse caso, se o desbaste for executado, o seu peso não deve ser
maior do que 40%.
193
Não há necessidade da determinação da idade e do índice do sitio. Não pode

ser usado quando a distribuição de DAPs é irregular e de grande amplitude. Não serve
para objetivos específicos, como atingir certo diâmetro desejável em determinado
periodo.
A relação h/d indica o nível de concorrência e, também, a vitalidade, o potencial

de crescimento e estabilidade das árvores contra o vento.
7.7.10 Fator do espaçamento de Wilson

Este critério foi, originalmente, introduzido por Wilson (1946), nome pelo qual
passou a designá-lo, bem como ao respectivo índice.
De acordo com este índice o número de árvores por unidade de superfície (N)
pode ser obtido em função da altura dominante (h0) do povoamento e de um fator f,
espaçamento médio, expresso como percentagem dessa mesma altura do
povoamento.
Considerando-se uma distribuição em quadrado, com a distância média entre

as árvores e = h0. f, tem-se que N, número de árvores por hectare, passa a ser:
N = 10.000 / e²
Desta expressão deduz-se o Fator de Wilson (FW):
FW = 100 / (h0.√N)
Este índice de densidade do povoamento é independente da idade e da classe
de qualidade do sítio. Segundo o autor, o fw varia com espécie e com o tratamento do
povoamento. Este índice diminui com a tolerância da espécie e aumenta com a
intensidade de desbaste.
Num estudo feito na Inglaterra, foi considerado, a partir das experiências feitas
sobre desbastes, que fw = 0,2 seria o valor apropriado para o grau de desbaste C/D,
194
admitido como padrão e que os graus C, D e E representariam, respectivamente, 1,5;

0,75 e 0,5 do índice de densidade do grau padrão, ou seja, valores de fw iguais a 1,6,
0,23 e 0,28, respectivamente.
Na Tabela da próxima página encontram-se os valores numéricos para alturas

dominantes variando entre 8 a 36 metros, grau de desbastes C, C/D, D, E. e índice
de Wilson de 0,16; 0,20; 0,23; 0, 28, respectivamente.
Tabela do número de árvores/ha de acordo com a altura dominante e grau de

desbaste. Fonte: Monteiro Alves (1982) apud Schneider (2009).
7.7.11 Método mexicano de desbaste

É relativo aos incrementos anuais volumétricos de uma árvore, que se
acumulam seguindo a lei dos juros compostos estendida aos povoamentos florestais.
O volume do desbaste é função do estoque existente antes e depois dos cortes e do
ICAv antes dos cortes; permite determinar o ciclo e o peso do desbaste.
Permite determinar cortes segundo o crescimento, com intensidades variáveis,

a cada povoamento sujeito a ordenação, com intervalo (ciclo de corte) fixo, durante o
qual o povoamento florestal responde ao incremento das árvores remanescentes,
estabelecendo-se rotações que tendem a se repetir indefinidamente.
EXPRESSÕES MATEMÁTICAS:
a) Possibilidade de corte anual (PC):
PC = VC / cc
b) Existências reais antes dos cortes (ER):
ER = VP. 1,0pcc
c) Ciclo de corte em anos (cc):
195
cc = (log ER – log VP) / log 1,0p.

d) Intensidade de corte (IC):
IC = [1 - (1 / 1,0pcc)]. 100
7.7.12 Método “croata” de desbaste

Foi desenvolvido por Klepac (1980/4) apud Schneider (1992); é semelhante ao
método mexicano, mas a intensidade de corte é multiplicada por um fator de desbaste.
Por este método, em floresta normal não se distingue a produção final e

antecipada separadamente, com isto a taxa de corte representa a diferença entre o
volume normal do povoamento antes e após os cortes.
EXPRESSÕES MATEMÁTICAS DO MÉTODO CROATA
TC = V – VN
VN = V / 1,0pcc
TC = V. {1 - (1 / 1,0pcc)}
Onde: TC=Taxa de corte; V = volume normal, antes do corte seletivo; VN =
volume normal, após o corte seletivo; p = percentagem do incremento; cc = ciclo
de corte; TC = taxa de corte.
A remoção pelos desbastes é só de uma parte do incremento e não o

incremento total acumulado, removido pelo método mexicano, calculada por:
TC = {VN . (1,0pcc - 1). 1/q} / (VN. 1,0pcc) .100

Sendo: 1/q = fator de desbaste, varia de acordo com as circunstâncias: em
povoamentos jovens é 1/4; em povoamentos de idade média é de 1/3; e em
povoamentos velhos é de 1/2 ou maior; p = percentagem do incremento.
7.7.13 Considerações finais sobre densidade e desbastes

− Quanto maior a densidade:
196
• Menor o crescimento do diâmetro e do volume individual das

árvores;
• Maior o crescimento em altura até um ponto de máximo,
quando passa a ser reduzido com aumento da densidade;
• Maior o crescimento em volume por hectare até um ponto de
máximo, quando passa a ser reduzido;
• Mais cilíndricos são os troncos, mais finos e com maior
densidade da madeira.
− O controle da densidade de árvores é uma das tarefas mais importantes do
manejo de florestas com desbastes, pois tem grande influência sobre a
produtividade individual e a produção total;
− Os desbastes influem diretamente nas receitas e custos de produção;
− A densidade e os desbastes Influem na estabilidade dos povoamentos em
relação aos ventos e resistência a pragas e doenças.
7.8 Desrama das florestas plantadas

Devido à relação com a desrama das árvores cultivadas e a densidade dos
povoamentos, decidiu-se por associa-la a este capítulo.
O processo de desrama natural é lento e os ramos laterais persistem em

algumas espécies, formando nós geralmente secos e soltos que depreciam a
madeira. Povoamentos mais espaçados proporcionam madeira de maiores
dimensões. Entretanto, árvores que crescem mais livres têm galhos mais grossos e
em maior quantidade. Uma das técnicas para reduzir o tamanho e o número de ramos
laterais é o aumento da densidade de plantio. Entretanto, tem-se observado que
árvores crescendo em povoamentos florestais densos, apresentam tendência de
desrama natural imperfeita, sendo que a presença de um só galho é o suficiente para
depreciar várias peças de madeira obtidas de uma tora; adicionalmente, o
crescimento individual é reduzido devido à alta competição entre as árvores, sendo,
ao final, obtidas toras de menores dimensões, diminuindo o rendimento em serrarias
e laminadoras.
197
A forma encontrada para evitar a formação de nós na madeira de espécies de

Pinus é a poda ou desrama artificial, prática considerada dispendiosa mas geralmente
compensada pela maior valorização da madeira que é produzida. Entretanto, tem-se
constatado que a produção é influenciada pela intensidade com que a desrama é
aplicada; portanto, determinar a intensidade máxima com que deve ser realizada é de
suma importância para a maximização da produção de madeira sem nós. A qualidade
da madeira é altamente influenciada por tratamentos como a desrama, operação que
reduz a produtividade das árvores, mas necessária na produção de madeira para uso
nobre como carpintaria, aumentando consideravelmente o seu valor.
Desrama artificial é o corte dos galhos inferiores das copas das árvores
cultivadas para produção de madeira, com o objetivo de obter madeira livre de nós,
de melhor qualidade tecnológica, mais homogênea e de melhor aspecto.
Enquanto as árvores crescem, a competição aumenta e a disponibilidade por

luz, nutrientes e água diminuem para cada árvore individualmente, os galhos inferiores
morrem e, apesar de haver diminuição do crescimento individual das árvores, o
estoque em volume continua a aumentar e o crescimento radial do tronco é reduzido
nas partes mais baixas (KRAMER E KOZLOWSKI, 1972), resultando em uma forma
mais cilíndrica. Isso torna a desrama importante, pois elimina os galhos vivos e mortos
das árvores, proporcionando maior quantidade de madeira desprovida de nó e,
consequentemente, de melhor qualidade e de maior valor comercial (GIBSON et al.,
2001), além de proporcionar maior facilidade de acesso e visibilidade através do
povoamento florestal (WARNER, 1997).
Floriano (2004) estudou tratamentos com o objetivo de determinar a influência

da intensidade da desrama sobre o crescimento e a forma de Pinus elliottii em uma
plantação de 6 anos de idade, em Piratini, sudeste do Rio Grande do Sul, ustilizando
quatro tratamentos representados pelas porcentagens de desrama: de 0% (controle
198
sem desrama) e de 40%, 60% e 80% de desrama em relação a altura total das
árvores. Os tratamentos iniciaram quando as árvores tinham 6 anos de idade e
repetidos anualmente até alcançar a altura de 6 metros em todos os tratamentos. Os
resultados, quando a plantação tinha 15 anos, demonstraram que não houve
influência significativa da desrama sobre a altura média, altura dominante e
mortalidade; o diâmetro e o volume sem casca foram influenciados significativamente
pela desrama, apresentando as seguintes reduções em relação ao tratamento de
controle sem desrama: 2,0% do diâmetro e 3,5% do volume no tratamento de 40% de
desrama; 7,5% do diâmetro e 15,0% do volume no tratamento de 60% de desrama;
13,5% do diâmetro e 26,9% do volume no tratamento de 80% de intensidade de
desrama. A desrama influenciou a forma das árvores significativamente, tendo-se
constatado que os tratamentos desramados apresentaram forma cônica com
pequena tendência à paraboloide e o tratamento de controle sem desrama apresentou
forma cônica com pequena tendência à neilóide. A porcentagem de madeira limpa,
sem nó, obtida nos três tratamentos desramados, foi semelhante, alcançando média
geral de 46% do volume total individual sem casca produzido até os 15 anos de idade.
A madeira pode apresentar três tipos de nós: vivos, secos e presos ao lenho e
secos soltos. Os mais prejudiciais são os últimos, conferindo buracos na madeira
serrada ou laminada.
Os benefícios que a desrama apresenta são, principalmente: madeira limpa,

sem nós; aumento da receita e lucro com a madeira; facilitação da penetração e
visualização; redução dos custos de desbaste redução do uso de produtos químicos
na produção de celulose; melhoria na qualidade da massa de fibras e partículas na
produção de chapas; redução dos resíduos no processamento da madeira e aumento
da produtividade.
199
Como consequências, a desrama produz: redução do crescimento (Figura 41);

alteração da forma das árvores; aumento da manta florestal com maior intensidade
de incêndios; aumento da população de determinadas pragas e doenças que usam a
manta florestal para se alimentar e propagar.
Figura 41 - Redução do crescimento de Pinus elliottii, aos 15 anos de idade, causado

pela desrama iniciada aos 6 anos de idade, em Piratini, RS.
A primeira desrama geralmente é realizada sobre 100% das árvores do

povoamento com o objetivo de facilitar as operações mecanizadas no interior do
povoamento e melhorar a qualidade da madeira. A operação é cara e nas desramas
subsequentes não se justifica desramar todas as árvores, pois as de menores
dimensões certamente serão eliminadas nos primeiros desbastes e não terão tempo
para acumular uma camada significativa de madeira limpa de nós que justifique a
operação.
As desramas usualmente são manuais e realizadas até os 2,5 m de altura na

primeira ocasião, aos 5 m na segunda ocasião e até os 7,5 m na terceira. O
200
planejamento das desramas deve considerar o diâmetro máximo desejado para

núcleo enodado do tronco. Considerando-se um torno de laminação que tenha um
limite de laminar até os 10 cm de diâmetro, quando a base das toras a serem obtidas
das árvores destinadas à desrama atingirem esta dimensão, a desrama é realizada.
Isso pode ser planejado, utilizando-se uma equação para crescimento diamétrico do
tipo [d=f(t)], equações de afilamento do tronco [di=f(d,hi/h) e hi=f(h,di/d)] e uma
equação de distribuição de diâmetros por idade e sítio [ni=f(d,IS,t)]. Com a distribuição
diamétrica na idade desejada, escolhe-se as árvores que serão desbastadas,
considerando-se aquelas que poderão acumular madeira sem nós suficiente antes de
serem abatidas, e determina-se a que altura que irão apresentar o diâmetro máximo
para o núcleo enodado em cada idade e classe diamétrica. Resumidamente: na
primeira ocasião, aos cerca de 5 anos de idade para Pinus e cerca de 1,5 anos para
Eucalyptus, todas as árvores são desramadas; nas demais ocasiões, somente as
árvores que irão permanecer no povoamento por mais 5 a 8 anos.
No planejamento das desramas deve-se considerar as seguintes regras gerais,

mas que podem variar dependendo do caso:
− A desrama não deve ultrapassar os 40% da altura total da árvore a partir
do solo, para evitar redução significativa do crescimento;
− O diâmetro máximo do núcleo enodado varia em função do uso futuro da
madeira livre de nós, geralmente, entre 8 e 11cm.
− 1ª desrama - deve ser realizada até cerca de 2,5 m de altura , sendo
iniciada quando as árvores estão com cerca de 6 a 6,5 m de altura; o
diâmetro, a cerca de 20 cm do solo, das árvores com DAP acima da média,
não deve ultrapassar o diâmetro limite do núcleo enodado;
− 2ª desrama - deve ser realizada até cerca de 4,5 m de altura, devendo ser
iniciada quando o diâmetro a 2,5 m de altura, das árvores a desramar,
estiver com o diâmetro limite para o núcleo enodado;
− 3ª desrama - deve ser realizada até cerca de 6,5 m de altura, devendo ser
iniciada quando o diâmetro a 4,5 m de altura, das árvores a desramar,
estiver com o diâmetro limite para o núcleo enodado;
201
− A desrama deve ser realizada na estação mais fria, quando as plantas

estão em repouso vegetativo e sofrem menor estresse;
− A desrama somente deve ser realizada na estação mais quente quando for
extremamente necessária em talhões com desrama atrasada, desde que
não implique em retirada de galhos verdes;
− As idades próprias para a desrama variam com o sítio e a espécie;
normalmente em Pinus, as idades de 1ª, 2ª e 3ª desramas são realizadas
aos 4-6, 6-8 e 9-11 anos, respectivamente, variando de acordo com o
crescimento das árvores.
Na escolha do diâmetro para o núcleo enodado (Figura 42) deve-se considerar

o produto a ser obtido, como segue:
− Madeira para serraria - mínimo possível;
− Laminação em torno - igual ao limite que a máquina (torno) consegue
atingir (em geral de 8 a 11 cm);
− Laminação paralela (faqueado) - mínimo possível.
− Fibras e partículas - mínimo possível.
Figura 42 - Núcleo enodado, madeira desramada e madeira não desramada.
202
8 ANÁLISE ECONÔMICA E FINANCEIRA
De acordo com Rezende e Oliveira (2001), a avaliação econômica de um

projeto baseia-se em seu fluxo de caixa, representado pelos custos e receitas
distribuídos ao longo da vida útil do empreendimento, resultando numa receita líquida
para cada período considerado, obtida pela diferença entre receitas e custos
associados ao projeto. O autor sugere os seguintes critérios para análise economica
e financeira de projetos florestais:
− Valor Atual (VA) ou Valor Presente Líquido (VPL);
− Taxa Interna de Retorno (TIR);
− Custo (ou Benefício) Periódico Equivalente (CPE ou BPE), também
denominado de Valor Anual Equivalente (VAE);
− Custo Médio de Produção (CMPr);
− Razão Benefício/Custo (B/C);
− Valor Esperado da Terra (VET), ou Valor da Produção do Solo (VPS);
− Tempo de Recuperação do Capital.
Um projeto de investimento pode ser representado esquematicamente por

meio de um fluxo de receitas e despesas monetárias, estimado ao final de cada
período de tempo (FARO, 1979), como na Figura 43, que ilustra o fluxo de caixa de
um projeto convencional, em que as receitas líquidas positivas são representadas por
setas ascendentes as receitas líquidas negativas por setas descendentes.
Existem vários fatores que podem influenciar a idade econômica de corte,

como: o horizonte de planejamento, os custos envolvidos na produção, o preço da
madeira, a produtividade do local e a taxa de desconto utilizada (SOARES et al.,
2003). Investir num projeto significa aplicar recursos durante algum tempo, na
expectativa de obter produtos nos períodos subsequentes.
203
Figura 43 - Esquema genérico do fluxo de caixa de um projeto de investimento

convencional. Fonte: Rezende (2005).
Só faz sentido analisar um, ou uma sequência de investimentos, dentro de um

período de tempo ou Horizonte de Planejamento (HP) determinado. Faro (1979),
define o HP como o período de tempo estimado durante o qual o empreendimento
em análise irá operar. Para Solomon e Edin (1977), Horizonte de Planejamento é o
período de tempo no qual se está disposto a fazer previsões e cálculos para os
planos futuros. Johnston et. al. (1977) consideram que o HP é o período de tempo
relevante para a análise de uma atividade, ou seja, nem tão longo que passe a ser
mera especulação e nem tão curto que não permita a avaliação de seus resultados
econômicos, sociais e ambientais.
As avaliações econômicas florestais geralmente são realizadas dentro do

conceito de projetos de investimentos florestais, que é entendido como a inversão de
capital em determinado empreendimento, com a finalidade de obtenção de receitas,
num horizonte de planejamento igual a uma rotação para a utilização mais comum da
madeira a ser produzida.
A avaliação econômica parte da determinação das receitas e despesas,

considerando-se uma taxa de desconto obtida a partir da taxa de juros praticados no
mercado financeiro para o tipo de empreendimento considerado.
204
As receitas podem ser calculadas por:

r
R r +  Dj * 1,0i r − j + N q * 1,0i r − q
j =1
Onde: Rr = valor do corte final na idade de rotação (r) por hectare; Dj = receitas
de desbaste na idade j por hectare; Nq = receitas com produtos não madeireiros,
já descontados os custos de produção, na idade “q” por hectare; r = rotação, em
anos; j = idade de desbaste.
As despesas são determinadas por:
C * 1,0i r + A * (1,0i r − 1)
Onde: C = custos de produção; i = taxa de desconto; A = custo de administração.
8.1 Valor Presente Líquido (VPL)

O VPL é definido como a quantia equivalente, na data zero, de um fluxo
financeiro, descontando-se a taxa de juros determinada pelo mercado. É obtido
atualizando-se os rendimentos e as despesas até o ano de início da implantação do
projeto, descontando-se anualmente as despesas atualizadas das receitas
atualizadas (JOHNSTON et al., 1977), ou seja, calculando-se o valor atual de um fluxo
de caixa futuro, que pode ser expresso pela fórmula (SCHNEIDER, 2002):
 a+t 
 Rr +  Dj.1,0i − C.1,0i − 0,0i .(1,0i − 1) 
r− j r r
VPL =  
 1,0i r 
 
Em que: VPL = valor presente líquido; Rr = receita do corte final na idade r; Dj =

receita do desbaste realizado no ano j; C = custo de implantação; a = custo de
administração anual; r = rotação, em ano; t = custo do arrendamento anual; i =
taxa de juros ao ano.
205
De acordo com Johnston et al. (1977), o VPL é mais preciso quando calculado
para uma só rotação da cultura considerada, tendo-se considerado nos cálculos as
reduções de receitas por fenômenos naturais que atuam sobre os povoamentos. Se
o valor presente for positivo, a proposta de investimento é atrativa, e quanto maior o
valor positivo, mais atrativo é a proposta (PAMPLONA e MONTEVECHI, 1999).
8.2 Razão Benefício/Custo (B/C)

O índice que relaciona os benefícios aos custos (B/C) transforma-se num
indicador de eficiência economicofinanceira por sugerir o retorno dos investimentos a
partir da relação entre a receita total e as despesas efetuadas para viabilizá-la
(DOSSA et al., 2000).
A razão benefício/custo é determinada dividindo-se o valor presente das

receitas pelo valor presente dos custos (WILLIAMS, 1988).
O valor da razão Benefício/Custo é obtido através da fórmula (SCHNEIDER,

2002):
[ ][
B / C = Rr +  Dj.1,0i r − j / C.1,0i r + (a + t ) / 0,0i.(1,0i r − 1) ]
Em que: B/C = razão benefício/custo; Rr = receita do corte final na idade r; Dj =
receita do desbaste realizado no ano j; C = custo de implantação; a = custo de
administração anual; r = rotação, em ano; t = custo do arrendamento anual; i =
Normalmente, esse é um método utilizado por agências do governo na

comparação de projetos públicos. Isto porque, a decisão sobre a melhor alternativa
de projeto é feita para aquele projeto cuja razão B/C for maior (SCHNEIDER, 2002).
206
8.3 Taxa interna de retorno (TIR)

Entende-se por taxa mínima de atratividade do capital aquela remuneração
média que está sendo paga na economia para cada unidade monetária nela aplicada,
acrescendo-se um ganho adicional que deve acompanhar a capacidade e o risco
empresarial (DOSSA et al., 2000).
A taxa interna de retorno (TIR) permite a comparação da rentabilidade de

projetos diferentes, floresta e agricultura, por exemplo. A TIR é representada pela
rentabilidade gerada pelo próprio projeto, sendo independente das taxas de interesse,
escolhidas arbitrariamente, e é definida como sendo a taxa de interesse que iguala o
valor presente dos retornos esperados futuros com o valor presente dos custos
esperados futuros (WILLIAMS, 1988), ou seja, é a taxa de juros na qual o valor
presente líquido (VPL) é zero (NEVES et al., 2001).
Assim, a TIR permite verificar se o custo do capital é maior, igual ou menor que
a rentabilidade de um determinado projeto, possibilitando avaliar a sua viabilidade
econômica.
Algebricamente, a taxa interna de retorno é a taxa de desconto i, real e não-

negativa, para a qual se verifica a relação (SCHNEIDER, 2002):
[Rr +  Dj .1,0i ] = [C .1,0i

r− j r
]
+ ( a + t ) / 0,0i.(1,0i r − 1) = 0
Em que: Rr = receita do corte final na idade r; Dj = receita do desbaste realizado

no ano j; C = custo de implantação; a = custo de administração anual; r = rotação,
em anos; j = idade de realização em anos; t = custo do arrendamento anual; i =
A regra de decisão indica que somente se terá vantagem investindo no projeto

considerado se a TIR calculada for maior que a taxa de juros no mercado financeiro.
207
A escolha de um investimento deve, necessariamente, recair sobre aquele que tiver

a maior TIR. Quanto maior for a TIR mais desejável é o investimento (DOSSA et al.,
2000).
8.4 Valor Anual Equivalente (VAE)

O valor anual equivalente é a expressão anual do valor presente líquido no
horizonte de planejamento computado, a uma determinada taxa de desconto. O VAE
é um critério extremamente útil para comparar investimentos com períodos, ou
horizontes, desiguais (MOORHEAD e DANGERFIELD, 1998).
A pressuposição do VAE é de que cada fluxo de caixa se repete

perpetuamente, onde o infinito é um horizonte comum a todas as alternativas.
Ao empregar esse critério deve-se levar em consideração a natureza do valor

das parcelas. Se essas apresentam uma receita positiva, deve-se optar pelo projeto
de maior fluxo anual equivalente. Caso contrário, se as parcelas representam custos,
como custos anuais de manutenção, deve-se optar pelo projeto de menor fluxo anual
equivalente em termos absolutos.
O valor anual equivalente é calculado pela expressão (RESENDE e OLIVEIRA,

2001):
VAE = [VPL . ((1+i)-1) . (1+i)n ] / [(1+i) n - 1]

Onde: VAE = valor anual equivalente; VPL = valor presente líquido; i = taxa de
juros; n = tempo do projeto com maior duração, em anos.
Um projeto é considerado viável economicamente se o VAE for positivo, o que

indica que os benefícios periódicos são maiores do que os custos periódicos
(SOARES et al., 2003).
208
8.5 Valor Esperado da Terra (VET)

O valor esperado da terra é determinado pelo resultado das despesas e
receitas ocorridas numa unidade de área de produção florestal, descontadas a uma
taxa de juros de mercado, conforme Resende (), como se descreve a seguir.
A receita líquida é calculada pela diferença entre as receitas brutas e despesas,

que é uma renda periódica eterna. É pressuposto que as receitas e despesas são
iguais e constantes de uma rotação para a outra.
Sendo as receitas e despesas periódicas eternas, podem ser capitalizadas e o

valor capitalizado é o Valor Esperado da Terra (VET), calculado pela equação:
r
Rr +  Dj*1,0i r − j + N q *1,0i r −q − C *1,0i r − A* (1,0i r −1)
j =1
VET =
1,0i r −1
209
9 ROTAÇÃO FLORESTAL
A idade prevista para a colheita final de um povoamento florestal é chamada

de idade de rotação. Há muitos fatores que influenciam a idade de rotação como preço
dos produtos obtidos da floresta, custos e taxas de desconto, preço futuro, opções de
reinvestimento, número de rotações, custos de replantio, uso e preço de produtos
florestais não madeireiros, serviços ecológicos florestais não comercializáveis e
serviços florestais recreacionais. As teorias desenvolvidas para determinação da
melhor idade de rotação têm usado combinações de critérios físicos, biológicos e
econômicos.
9.1 Rotação de máxima produtividade

É a idade em que o Incremento Médio Anual em volume (IMAV) por hectare é
máximo, conferindo a máxima produtividade ao povoamento florestal. Considerando-
se uma equação ajustada para a curva de crescimento do volume por hectare [V=f(t)],
a idade de máximo IMAV pode ser determinada dividindo-se a f(t) pela sua derivada
primeira f ‘(t), por meio da equação t = f(t) / f ‘(t) – ver secção 3.10.4 e Figura 30.
9.2 Rotação de máximo resultado financeiro

De acordo com Newman (1988) há seis diferentes critérios principais para se
estabelecer a idade ótima para a rotação florestal em termos econômico-financeiros:
maximização do rendimento bruto; maximização do rendimento anual; maximização
da receita líquida descontada de uma única rotação; maximização da receita líquida
descontada de uma série infinita de rotações semelhantes; maximização das receitas
líquidas anuais; maximização da taxa de crescimento do capital. Entretanto, rotações
210
únicas não são práticas correntes devido aos custos de transformação de cultivos
florestais em outras formas de uso da terra. Além disso, para que se possa comparar
tipos diferentes de empreendimentos, com diferentes horizontes de planejamento, é
preciso usar séries infinitas. Assim, o que vigora são os critérios para as séries
infinitas, o que implica em somente dois critérios para se determinar a rotação ótima
em termos financeiros: considerando-se o custo da terra, ou não se considerando o
custo da terra. Assim, o empreendedor deve decidir qual dos dois critérios utilizar, ou
calcular por meio ambos para depois decidir. Portanto, resta utilizar o critério da idade
de máximo Valor Esperado da Terra (VET), ou a de máximo Valor Anual Equivalente
(VAE) para determinar-se a idade ótima de rotação em termos financeiros.
9.2.1 Rotação de máximo VET

O método de Faustmann, comumente chamado de valor de expectativa da
terra, ou valor esperado da terra (VET), ou valor de expectativa do solo, ou valor
esperado do solo (VES), tem sido frequentemente citado na literatura florestal.
O VET é um termo florestal usado para representar o valor presente líquido de

uma área de terra nua a ser utilizada para a produção de madeira, calculado com
base numa série infinita de rotações. Tal critério é mundialmente conhecido e utilizado
para determinar a rotação econômica e o preço máximo de compra de terra nua,
considerando-se uma série infinita, bem como para selecionar projetos alternativos
(SILVA et al., 2002).
O cálculo do VET baseia-se na receita líquida perpétua (RT - CT), excluindo-

se o custo da terra, a ser obtido de uma cultura (reflorestamento).
O VET, por considerar o horizonte infinito, é amplamente utilizado na análise

econômica de projetos florestais, pois elimina o problema de se compararem projetos
com diferentes durações.
211
9.2.2 Rotação de máximo VAE

Valor Anual Equivalente (VAE) é a parcela periódica e constante necessária ao
pagamento de uma quantia igual ao VPL da opção de investimento em análise, ao
longo de sua vida útil. Dito de outra forma, o VAE transforma o valor atual do projeto
ou o seu VPL em fluxo de receitas ou custos periódicos e contínuos, equivalentes ao
valor atual, durante a vida útil do projeto.
212
10 PLANEJAMENTO DA PRODUÇÃO FLORESTAL
O planejamento da produção florestal inicia com a coleta de dados sobre as

árvores e florestas, incluindo seu crescimento. As características dendrométricas dos
indivíduos, a estrutura dos povoamentos, o crescimento e potencial produtivo são
dados essenciais para se realizar o planejamento da produção. A coleta de dados
permite a descrição da estrutura das florestas, que é realizada com o uso das
características dendrométricas das árvores e dos povoamentos resumidas por meio
de estatísticas sobre os dados coletados nos inventários florestais, posteriormente
utilizados para modelagem e prognoses da produção com os modelos ajustados.
10.1 Processo de planejamento e regulação da produção

O planejamento da produção parte de uma situação em que cada talhão tem
prevista a sua produção no ano final do período de rotação. Deve-se considerar que
aquilo que se faz em uma rotação tem implicações sobre a rotação seguinte e,
portanto, o ideal é fazer o planejamento considerando-se o período de duas rotações
para a regulação completa da produção.
A produção não regulada inicial deve ser calculada pela soma das produções
de cada talhão cortado em cada ano do horizonte de planejamento, ao final dos seus
respectivos períodos de rotação.
Um dos primeiros passos a seguir no planejamento é verificar se a média anual

da produção não regulada inicial é superior ou inferior à demanda ou consumo médio
anual. Se o consumo médio for superior à demanda média é porque não há área
suficiente para se ter uma produção sustentada com os níveis de produtividades
atuais. Neste caso, há duas possibilidades de se atingir a sustentabilidade. A primeira
213
é através da aquisição de novas áreas de plantio e a segunda é a de se aumentar a

produtividade através do melhoramento dos sítios ou do melhoramento genético, ou
ainda, da substituição da espécie por uma mais produtiva que possa ser utilizada para
os mesmos objetivos.
O segundo passo do planejamento é verificar se os anos de déficit podem ser

supridos pela antecipação do corte de áreas a cortar nos anos seguintes, desde que
a antecipação não seja muito grande para que não se baixe excessivamente a
produtividade. A seguir deve-se verificar os demais anos de déficit e traçar estratégias
para suprimento através da aquisição de madeira de terceiros, do aumento da área
plantada ou do aumento de produtividade, podendo-se utilizar todos estes recursos
ao mesmo tempo.
Inicialmente, para o exemplo acima, havia-se determinado um período de dez

anos, mas ampliou-se para 2 rotações, ou seja, para 14 anos, pois, como se pode ver
pela antecipação de corte de uma pequena secção do talhão D na primeira rotação,
houve implicações na produção do mesmo talhão na segunda rotação.
Quando se antecipa o corte, como no caso do talhão D, do 7º para o 6º ano,

por exemplo, a produtividade por hectare tabelada passa de 230,4 m³/ha para 194,6
m³/ha conforme a tabela de produção para o sítio considerado. A seguir deve-se
verificar os demais anos de déficit e traçar estratégias para suprimento através da
aquisição de madeira de terceiros, do aumento da área plantada ou do aumento de
produtividade, podendo-se utilizar um mais destes recursos ao mesmo tempo.
A produção em cada ano é a soma das produções dos talhões que atingiram a
idade de rotação no ano considerado, incluindo-se as antecipações de corte.
A venda de madeira somente deve ser realizada se não houver falta de madeira
nos anos subsequentes. No último período as vendas devem considerar a carência
214
na rotação seguinte. No exemplo acima, vendeu-se toda a madeira restante menos

uma quantidade igual à que foi necessário adquirir na 1ª rotação para que não falte
madeira na rotação seguinte.
Conceitos utilizados para regulação da produção:

− Consumo (C(ano)) é a previsão de demanda ou consumo interno para o
ano considerado.
− Produção não regulada (P(ano)) é a produção obtida multiplicando-se a
área de produção pela produção do talhão considerado no ano
considerado.
− Saldo anterior (SA(ano)) é o saldo atual do ano anterior.
− Antecipação de corte (PA(ano)): determina-se em cada talhão a área
excedente no ano posterior e depois se calcula a produção antecipada da
área excedente com a produtividade na idade antecipada.
− Saldo interno atual (SI(ano))é a soma da produção do ano com o saldo
anterior menos o consumo do ano, sendo que as antecipações já devem
ter sido consideradas na produção não regulada do ano considerado.
− Aquisições (AQ(ano)) são os volumes adquiridos de terceiros no ano
considerado.
− Vendas (VD(ano)) são os volumes vendidos no ano considerado.
− Saldo atual (S(ano)) é o resultado da soma do saldo interno mais as
aquisições menos as vendas.
− Situação final regulada (SR(ano)) é a soma da produção não regulada mais
o saldo anterior mais as aquisições menos as vendas.
− Área antecipada (AA(talhão, idade): é a parte da área de um talhão que
será antecipada.
− V(talhão,idade)=produtividade do talhão considerado na idade de corte
considerada.
− A(talhão)=área do talhão considerado.
− P(talhão,idade)= produção do talhão considerado na idade considerada;
− AE(talhão,ano)=Área excedente no talhão considerado no ano
considerado;
− C(talhão,ano)=corte no talhão considerado, necessário para
abastecimento do consumo no ano considerado.
− V(talhão,idade)=produção por hectare do talhão considerado na idade
considerada.
215
10.2 Exemplo 1 – Produção de lenha para uma indústria de

laticínios
Uma indústria de laticínios utiliza lenha em sua caldeira para produção de água
quente e vapor, tendo um consumo anual de 4500 m³ de madeira. A empresa possui
uma área de 149 hectares de efetivo plantio de Eucalyptus, manejado em talhadia
simples, com rotação de 7 anos entre um corte e outro. O horizonte de planejamento
é de duas rotações (14 anos).
Os cálculos devem ser realizados da seguinte forma:
1º) A produção em cada ano é a soma das produções dos talhões que atingiram
a idade de rotação no ano considerado, incluindo-se as antecipações de corte:
P(ano)=∑V(t,i) . A(t) , sendo: P(ano)=Produção no ano considerado; V(t,i) =

produtividade do talhão t na idade de corte considerada i; e, A(t)=área do talhão t.
2º) Consumo (C(ano)) é a previsão de demanda ou consumo interno para o

ano considerado.
3º) Saldo anterior (SA(ano)) é o saldo atual do ano anterior (S(ano-1)).
4º) Antecipações de corte: determina-se em cada talhão a área excedente no

ano posterior e depois se calcula a produção antecipada da área excedente com a
produtividade na idade antecipada:
AA(D,2007)=[P(D,7)-C(d,2007)] /V(D,7) ; AE(D,2007)=Área excedente no

talhão D em 2007; C(D,2007)=corte no talhão de D necessário para abastecimento
do consumo em 2007; V(D,7)=produtividade por hectare do talhão D aos 7 anos.
AE(D,2007)=[4608-4500]/230,4= 0,46875 ha = AA(D,2006)
216
PA(D,2006)=AA(D,2006) . V(D,6) ; PA(D,2006)=produção antecipada do

talhão D para o ano de 2006; AA(D,2006)=área antecipada do talhão D para 2006;
V(D,6)=Produtividade em m³/ha do talhão D aos 6 anos de idade.
PA(D,2006)=0,46875 x 194,6= 91m22 m³ ~ 91 m³
5º) Saldo interno atual (SI(ano)): é a soma da produção do ano (P(ano)) com o
saldo anterior (SA(ano)) menos o consumo do ano (C(ano)). Obs.: as antecipações já
devem ter sido consideradas na produção não regulada do ano considerado.
6º) Aquisições (AQ(ano)): São os volumes adquiridos de terceiros no ano

considerado.
7º) Vendas (VD(ano)): São os volumes vendidos no ano considerado.
8º) Saldo atual (S(ano)): é o resultado da soma do saldo interno (SI(ano)) mais
as aquisições (AQ(ano)) menos as vendas (VD(ano)).
9º) Situação final regulada (SR(ano)): É a soma da produção não regulada

(P(ano)) mais o saldo anterior (SA(ano)) mais as aquisições (AQ(ano)) menos as
vendas (VD(ano)).
10º) Vendas de madeira: neste exemplo, vendeu-se toda a madeira excedente,

menos uma quantidade igual à que foi necessário adquirir na 1ª rotação para que não
falte madeira na rotação seguinte.
Este é um exemplo simples, sem desbastes, com um só tipo de madeira e corte

de um talhão em cada ano. Normalmente há vários talhões a cortar. Quando se
adquire áreas para plantio, elas devem ser incluídas no planejamento como novos
talhões. Em casos mais complexos, pode-se ter manejo em alto fuste com desbastes
e vários sortimentos de madeira. Neste caso é necessário planejar a produção de
cada sortimento separadamente, assim como as estratégias de suprimento para cada
sortimento, de acordo com os consumos previstos para cada um (Tabela 27).
217
Tabela 27- Prognose do fluxo e regulação da produção (m³/ha)
218
Um resumo da situação final é apresentado na Figura 44, onde estão

separados os valores negativos (vendas e consumo) dos positivos (produção não
regulada, saldo anterior e aquisições).
Figura 44 - Resultados da regulação da produção.
219
10.3 Exemplo 2 – Regulação da produção de lenha para

abastecimento de um frigorífico
Um frigorífico utiliza lenha em sua caldeira e possui uma área de produção
florestal de 1428 ha. O seu consumo de lenha é de 45000m³/ano e o manejo é em
talhadia simples. Os dados das florestas são apresentados na Tabela 28 e da Tabela
29.
Considerando uma rotação de 7 anos e um horizonte de planejamento de 11

anos, qual o esquema de produção para um abastecimento constante?
Tabela 28 - Produção por idade e Índice de Sítio (IS) em m³/ha.
Idade Índice de Sítio (IS)

20 22 24 26
2 20.7 25.5 30.7 36.4
3 47.5 58 69.5 82.1
4 77.5 94.3 112.6 132.4
5 107.4 130.3 155.1 181.8
6 135.4 163.9 194.6 227.6
7 161 194.4 230.4 268.9
Tabela 29- Dados dos povoamentos florestais da empresa obtidos no

Inventário Florestal do ano em curso.
Produção Estoque
Talhão Área Idade h100
(m³/ha) (m³)
1 35 1 20 0.0 0.0
2 50 1 24 0.0 0.0
3 22 1 24 0.0 0.0
4 32 1 20 0.0 0.0
5 40 1 26 0.0 0.0
6 30 1 24 0.0 0.0
7 21 2 26 36.4 764.4
8 27 2 26 36.4 982.8
9 30 2 24 30.7 921.0
10 39 2 26 36.4 1419.6
11 45 2 26 36.4 1638.0
220
Produção Estoque
Talhão Área Idade h100
(m³/ha) (m³)
12 25 3 20 47.5 1187.5
13 49 3 26 82.1 4022.9
14 22 3 24 69.5 1529.0
15 37 3 26 82.1 3037.7
16 38 3 26 82.1 3119.8
17 42 3 24 69.5 2919.0
18 24 4 26 132.4 3177.6
19 26 4 20 77.5 2015.0
20 45 4 24 112.6 5067.0
21 29 4 24 112.6 3265.4
22 36 4 24 112.6 4053.6
23 38 4 26 132.4 5031.2
24 48 5 22 130.3 6254.4
25 25 5 24 155.1 3877.5
26 30 5 20 107.4 3222.0
27 35 5 22 130.3 4560.5
28 26 5 24 155.1 4032.6
29 44 5 24 155.1 6824.4
30 29 6 22 163.9 4753.1
31 20 6 22 163.9 3278.0
32 40 6 24 194.6 7784.0
33 45 6 24 194.6 8757.0
34 20 6 24 194.6 3892.0
35 29 6 24 194.6 5643.4
36 47 7 20 161.0 7567.0
37 42 7 22 194.4 8164.8
38 30 7 24 230.4 6912.0
39 50 7 22 194.4 9720.0
40 41 7 24 230.4 9446.4
41 45 7 20 161.0 7245.0
Totais 1428 - - - 156085.6
O planejamento e regulação da produção são realizados conforme a Tabela

30, em que se prevê a produção total anual segundo o regime de manejo adotado,
considerando-se as produções por Índice de Sítio, as antecipações e aquisições
necessárias e os eventuais excedentes vendidos.
221
Tabela 30- Planejamento e regulação da produção por ano (m³/ano).

Área IS Ano de produção
Talhão (ha) (m) 1 2 3 4 5 6 7 8 9 10 11
1 35 20 5635
2 50 24 11520
3 22 24 5069
4 32 20 5152
5 40 26 10756
6 30 24 6912
7 21 26 5647
8 27 26 7260
9 30 24 6912
10 39 26 10487
11 45 26 12101
12 25 20 4025
13 49 26 13176
14 22 24 5069
15 37 26 9949
16 38 26 10218
17 42 24 9677
18 24 26 6454 6454
19 26 20 4186 4186
20 45 24 10368 10368
21 29 24 6682 6682
22 36 24 8294 8294
23 38 26 1030 9016 10218
24 48 22 9331 9331
25 25 24 5760 5760
26 30 20 4830 4830
27 35 22 6804 6804
28 26 24 5990 5990
29 44 24 10138 10138
30 29 22 5638 5638
31 20 22 3888 3888
32 40 24 9216 9216
33 45 24 10368 10368
34 20 24 4608 4608
35 29 24 6682 6682
36 47 20 7567 7567
37 42 22 8165 8165
38 30 24 6912 6912
39 50 22 9720 9720
40 41 24 9446 9446
41 45 20 7245 7245
Totais 1428 49055 40399 43883 45000 52114 42407 45044 49055
40399 42853 46202
Consumo 45000 45000 45000 45000 45000 45000 45000 45000
45000 45000 45000
Saldo anterior 0 4055 0 0 0 5242 2649 2693
6748 2147 0
Antecipação de corte 0 0 1030 0 0 0 0 0 0 0 0
Saldo próprio 4055 -546 -1117 0 7114 2649 2693 6748
2147 0 1202
Aquisições 0 546 1117 0 0 0 0 0 0 0 0
Vendas 1872 1202
Saldo atual 4055 0 0 0 5242 2649 2693 6748 2147 0 0
Situação final regulada 49055 45000 43970 45000 50242 47649 47693 51748 47147 45000 45000
222
Um gráfico de resumo dos resultados pode ser elaborado como na Figura 45,
não sendo debitadas as vendas do último ano. Observa-se que o resultado do mínimo
de madeira disponibilizado é de 45 mil m² que é o consumo anual previsto pela
indústria.
Figura 45 - Produção anual após antecipações, aquisições e vendas, atingindo ou

superando a produção mínima (sem descontar as vendas do último ano).
223
11 PESQUISA OPERACIONAL FLORESTAL
Pesquisa operacional é a ciência aplicada que tem por objetivo otimizar o uso
de recursos de produção através de métodos quantitativos. É uma ferramenta de
planejamento da produção através de métodos matemáticos.
11.1 Introdução
A expressão Pesquisa de Operações (PO) foi concebida durante a 2ª Grande
Guerra, quando a administração militar britânica chamou um grupo de cientistas para
aplicar métodos científicos no estudo de operações militares com o objetivo de vencer
batalhas.
O principal objetivo era utilizar os recursos militares de forma efetiva para várias
operações e para as diversas atividades dentro de cada operação.
A partir de então, a eficiência da pesquisa de operações na área militar

despertou o interesse de outras áreas governamentais e do setor industrial.
Depois da 2ª Guerra, alguns fatores contribuíram para o desenvolvimento e

emprego da PO em outras áreas:
− Disponibilidade de cientistas de PO que trabalharam nas forças armadas;
− Desenvolvimento do método Simplex para solução de problemas de
programação linear em 1947 por George Dantzig;
− Desenvolvimento de computadores capazes de processar os dados de PO
a partir da década de 50.
Muitas das técnicas de PO foram desenvolvidas antes do fim dos anos 50, tais
como:
− Programação linear;
224
− Programação dinâmica;
− Teoria das filas;
− Teoria de inventário.
A programação linear teve início na década de 60 (Curtis, 1962; Leak, 1964;

Loucks, 1964; Nautiyal e Pearse, 1967). Início do uso da PL no planejamento florestal:
(1971) Navon - Timber RAM (FS-USA); Ware e Clutter (Univ. da Georgia). O sistema
Timber Resource Allocation Method (Timber RAM), deu origem aos sistemas
FORPLAN (Iverson e Alston, 1986) e recentemente ao SPECTRUM (USA, 1999),
ambos do FS-USA. No Brasil, as primeiras aplicações de PL na área florestal foram
de Rodriguez e Lima (1985) e Rodriguez et al. (1986). Johnson e Scheurman (1977),
analisando a forma como são definidas as variáveis nas aplicações de PL no meio
florestal definiram duas estruturas básicas que denominaram de Modelo I e Modelo II.
Pesquisa Operacional (PO) pode ser entendida como o uso da matemática e

de métodos quantitativos para subsidiar a tomada de decisões. PO utiliza ferramentas
de diversas áreas como a matemática, estatística, engenharia, economia, psicologia,
entre outras. A metodologia de PO procura definir matemáticamente as
consequências resultantes de diferentes alternativas possíveis de ações a serem
praticadas para atingir determinado objetivo. Os seguintes sinônimos são
empregados para a PO: análise de decisões, pesquisa de operações, pesquisa sobre
operações, administração científica, manejo científico, programação matemática.
A PO implica em seis fases principais para seu desenvolvimento:

1) Formulação do problema
2) Desenvolvimento de modelos
3) Seleção do tipo de dados de entrada
4) Solução do modelo
5) Validação do modelo
6) Implementação da solução
225
A formulação do problema compõe-se de:

− Definição do objetivo;
− Determinação e quantificação das alternativas de decisão ou de execução
das tarefas;
− Determinação e quantificação das restrições para execução das tarefas.
No desenvolvimento de modelos deve-se observar os seguintes aspectos:

− Tendo definido o problema, é preciso transformá-lo num modelo
matemático que o represente.
− Deve-se identificar os elementos estáticos e dinâmicos e utilizar recursos
matemáticos para expressar as relações entre eles.
− O modelo proposto deverá ser testado a campo e modificado sob
condições ambientais para satisfazer todas as restrições e atingir os
objetivos.
A seleção de dados de entrada é crítica para todo o processo, nesta fase deve-
se ter mente que:
− Nenhum modelo funciona sem dados apropriados.
− O objetivo desta fase é garantir que a qualidade e quantidade de dados
seja suficiente para testar e operar o modelo matemático, quanto ao
objetivo, alternativas e restrições.
Na fase de solução do modelo, processa-se os dados preliminarmente

considerando-se que:
− Nesta fase o modelo matemático é operado em fase de teste.
− Se o modelo não operar adequadamente ou se os objetivos esperados não
forem alcançados, deve-se considerar a modificação do modelo ou dos
dados de entrada.
Para validação do modelo deve-se ter em conta que:
226
− Um modelo é considerado válido se permitir uma prognose real da

performance do sistema.
− Um modelo deve ser aplicável a longo prazo e deve ser atualizado
periodicamente levando em consideração aspectos do passado, do
presente e do futuro.
Na implementação da solução deve-se considerar que nesta fase a melhor

solução encontrada por meio do modelo matemático deve ter sua implementação
planejada, executada, controlada, analisada e modificada quando necessário. Para
tanto, o ciclo PDCA (Plan, Do, Control, Act) de Demming pode ser utilizado para a
implementação da solução.
11.2 Métodos de Pesquisa Operacional

São muitos os métodos utilizados em PO, entre eles, pode-se citar:
− PROGRAMAÇÃO LINEAR – É um método matemático para alocar uma
quantidade de recursos fixos e em que alguns objetivos são otimizados e
são satisfeitas determinadas restrições.
− PROGRAMAÇÃO INTEIRA – É um caso especial de programação linear
em que uma ou mais variáveis assume somente valores inteiros.
− PROGRAMAÇÃO POR OBJETIVOS – É uma metodologia para tratar de
objetivos organizacionais múltiplos e incompatíveis.
− LOGÍSTICA DE TRANSPORTE – É um tipo especial de programação linear
em que o objetivo é minimizar o custo de distribuição de um produto a
partir de várias fontes com vários destinos.
− TEORIA DE FILAS – É um método para otimizar o tempo de duração de
tarefas sequenciais.
− TEORIA DE JOGOS – É um método de análise para todada de decição
quando há um ou mais oponentes em situação de conflito de objetivos,
para otimizar os resultados, maximizando lucros e minimizando as perdas.
− CONTROLE DE INVENTÁRIO – É um método matemático para reordenar
períodos de tempo, níveis e quantidades, assegurando abastecimento,
minimizando resíduos e perdas. Está realacionado à aquisição, estoque e
manuseio de produtos.
227
− TÉCNICA DE SIMULAÇÃO – É uma metodologia para criar um modelos a

partir de situações reais e aplicá-los em experimentos para determinar os
possíveis resultados. Usa-se quando os riscos em situação real são muito
grandes, ou as situações reais não são manejáveis, ou o tempo consumido
em situação real é muito grande.
− TEORIA DE ALOCAÇÃO – É um método que envolve a alocação de
diferentes recursos para diferentes tarefas.
− PROGRAMAÇÃO NÃO-LINEAR – É uma metodologia de otimização
usada quando os objetivos ou as restrições são de natureza não-linear,
como o crescimento das árvores ou dos povoamentos, bem como taxas
de desconto aplicadas em compras de grandes quantidades.
− PROGRAMAÇÃO DINÂMICA – É uma metodologia usada para resolver
problemas que envolvem a tomada de decisões sobre uma série de
atividades consecutivas.
− TEORIA SEQUENCIAL – É um tipo especial de teoria de filas em que os
recursos são fixos, mas a ordem das atividades pode ser controlada.
Exemplo: vários aviões esperando pela ordem de pouso.
− MODELOS DE REPOSIÇÃO – São técnicas para otimizar a reposição de
recursos (produtos, máquinas, pessoal, capital) devido ao seu
esgotamento, deterioração, falha, aposentadoria, etc.
− CADEIA DE MARKOV – É um método probabilístico para determinar
situações de estágios futuros. É usado quando se pode separar um
processo em vários estágios e se conhece a probabilidade de passagem
de um estágio para o outro, como a regeneração natural das populações
florestais.
− PROCESSO DE DECISÃO DE MARKOV – Processo baseado na cadeia
de Markov que auxilia na escolha de ações para otimizar os resultados
considerando o ocorrido imediatamente antes e depois.
− PLANEJAMENTO DE REDES PERT E CPM – PERT (Program Evaluation
and Review Technique) e CPM (Critical Path Method) são técnicas
utilizadas para planejamento e monitoramento de grandes projetos. É útil
para programar tarefas tomando por base as obrigatoriamente
precursoras, ou posteriores, e o tempo de duração de cada uma.
− LÓGICA SIMBÓLICA – É uma metodologia para substituição de símbolos
por meio de lógica utilizada principalmente no desenho computacional de
máquinas e circuitos.
− TEORIA DA INFORMAÇÃO – É um processo analítico emprestado do
campo da cominicação eletrônica. Busca avaliar a eficiência do fluxo de
informações num sistema e auxilia na melhoria de sua performance.
228
11.3 Benefícios da PO
As principais vantagens que a PO proporciona são os seguintes:
− Controle – Provê ferramentas analíticas e quantitativas para identificar
problemas e encontrar a melhor solução, com larga aplicação em
planejamento da produção e abastecimento.
− Sistema – Auxilia na tomada de decisões para a melhor alocação de
recursos, reduzindo o uso dos mesmo devido à otimização, facilitando o
planejamento de operações e identificação de recursos obsoletos, o que
resulta em sistemas mais eficientes.
− Decisão – Modelos matemáticos auxiliam na redução de erros na tomada
de decisão, indicando o melhor caminho.
− Coordenação – A pesquisa operacional orientada para modelos de
planejamento pode auxiliar na coordenação de diferentes áreas de uma
organização.
11.4 Limitações da PO
Entre os fatores limitantes em PO, pode-se citar:
− Recursos eletrônicos – Depende de recursos computacionais como
computadores e principalmente softwares específicos.
− Fatores não-quantificáveis – Algumas variáveis são difíceis de quantificar
e muitas vezes são quantificadas de forma subjetiva, o que pode levar a
erros na solução.
− Distância entre Gerência e Administração Científica – A execução de
modelos de PO pode não ser fácil para o administrador, bem como, pode
ser difícil para o cientista de PO entender determinado sistema real se não
for o seu campo de trabalho.
− Custo e Tempo necessários – Quando uma base de dados sofre mudanças
constantes, incorporando-se ao modelo de PO, pode haver um custo
substancial envolvido. Às vezes, uma solução moderada no presente pode
ser mais desejável do que uma solução perfeita de PO.
− Implementação – A implementação de decisões é uma tarefa delicada,
envolvendo relações de trabalho e humanas nem sempre muito simples.
229
11.5 Aplicações da PO
Entre os problemas que podem ser resolvidos pela administração científica,
pode-se citar:
1. Econômico financeiros:
− Análise de crédito.
− Análise de fluxo de caixa.
− Política de dividendos.
− Investimentos.
2. Mercadológicos
− Seleção de produtos.
− Locação de recursos de publicidade.
− Número de vendedores
− Seleção de mix de produtos.
3. Vendas, aquisição e explotação
− Otimização de ordens de compras.
− Política de reposição.
4. Administração da produção
− Locação e dimensionamento de recursos.
− Política de distribuição.
− Recursos de carga e descarga.
− Planejamento da produção.
− Administração de projetos.
5. Administração de pessoal
− Seleção de pessoal.
− Recrutamento.
− Transferências.
− Alocação e desenvolvimento.
6. Pesquisa e desenvolvimento
− Seleção de projetos.
− Controle de projetos.
− Consistência e escolha de alternativas.
230
11.6 Programação Linear (PL)

PL é uma metodologia matemática para escolha de alternativas de uso de
diferentes recursos de forma a otimizar objetivos sob determinadas restrições. O
objetivo da PL pode ser de maximização ou minimização dos resultados.
A terminologia utilizada em PL é diferente de outras disciplinas, sendo

necessário conhecer seus conceitos. Os principais termos e expressões são descritos
a seguir:
Função linear – uma função linear é composta de termos aditivos em que cada
variável está relacionada unicamente a um coeficiente e cada coeficiente está
relacionado com uma só variável, do tipo z=f(x), onde z é desconhecido e dependente
de x; x = ∑ cj . xj, sendo xj conhecidos, independentes e xj≥0, chamados de variáveis
de decisão; cj são coeficientes a determinar, chamados de parâmetros da decisão; j
= número de ordem da variável (=1 até n).
Função objetivo – é uma função linear de variáveis de decisão (xj) que expressa
o objetivo da decisão da seguinte forma: z=f(x); as funções objetivo procuram
maximizar f(x) ou minimizar f(x), o objetivo z.
Variáveis de decisão – são os fatores (xj) que influem na decisão para a

otimização da função objetivo z; as variáveis podem ser controladas pelo programador
em valores a serem determinados e cujas quantidades (cj) de uso de cada uma
(coeficientes de uso, ou parâmetros da decisão) são as incógnitas procuradas para
otimizar o objetivo.
Restrições – são fatores de influência sobre as variáveis de decisão que limitam

seu uso, expressas matematicamente como: f(x) ≥ bi, f(x) ≤ bi, ou f(x) = bi, em que: x
231
= ∑ ai . xj ; bi = valor da restrição i, chamados de mão do lado direito (right hand side

= RHS); i = número de ordem da restrição (= 1 até m).
Solução admissível – é qualquer solução não-negativa que satisfaça as

restrições; o espaço que compreende todas as soluções admissíveis é denominado
de região de admissibilidade.
Solução ótima – é a solução admissível que otimiza (maximiza ou minimiza) o

objetivo z.
O modelo matemático geral de PL baseia-se num sistema de equações e

inequações, como segue:
Otimizar (maximizar ou minimizar) z pela seguinte equação:
z = c1x1 + c2x2 +...+ cjxj
Sujeito a:
a11x1 + a12x2 + ... + a1nxn (≥,=,≤) b1
a21x1 + a22x2 + ... + a2nxn (≥,=,≤) b2
... ... ... ... ... ...

am1x1 + am2x2 + ... + amnxn (≥,=,≤) bm
x1, x2,..., xn ≥ 0
Há uma infinidade de softwares, inclusive livres para solução de problemas de

programação matemática, entre eles estão o LibreOffice-CALC, O EXCEL-SOLVER
o LINGO e o SAS. O LibreOffice-CALC é um software livre, e o LINGO é fornecido em
232
uma verão acadêmica livre e outra paga, enquanto que o EXCEL-SOLVER e o SAS
são softwares proprietários.
11.6.1 Modelos de programação linear no manejo florestal

Início: década de 60 (Curtis, 1962; Leak, 1964; Loucks, 1964; Nautiyal e
Pearse, 1967).
Início do uso da PL no planejamento florestal: (1971) Navon - Timber RAM (FS-

USA); Ware e Clutter (Univ. da Georgia);
Timber Resource Allocation Method (Timber RAM), deu origem aos sistemas
FORPLAN (Iverson e Alston, 1986) e recentemente ao SPECTRUM (USA, 1999),
ambos do FS-USA;
No Brasil, as primeiras aplicações publicadas na área florestal são de

Rodriguez e Lima (1985) e Rodriguez et al. (1986);
Johnson e Scheurman (1977), analisando a forma como são definidas as

variáveis nessas aplicações definiram duas estruturas básicas, que denominaram de
Modelo I e Modelo II.
A partir do modelo básico denominado de Modelo I, muitos outros foram

gerados para tentar sanar as deficiências encontradas, sendo mais conhecido o
Modelo II;
Os modelos I e II não definem a localização espacial das unidades de manejo,

por isso são usados no planejamento estratégico da gestão de recursos florestais;
A maioria dos demais modelos de PL são derivações dos dois primeiros, ou

combinações de ambos. No planejamento tático e operacional, usam-se outros
modelos e outras técnicas de programação matemática como a Programação Inteira
233
(PI), P. Inteira Mista (PIM), P. Não-Linear (PNL), P. Multi-Objetivos (PMO), Método

do Caminho Crítico (CPM), entre outros;
Atualmente, ainda são muito úteis os Modelos I e II, mas novas técnicas se
somaram à programação linear e, em muitos casos, são mais adequadas ou
complementares.
DIFERENÇAS ENTRE OS MODELOS I E II
Modelo I: é mais rígido; preserva as Unidades de Manejo (Distritos, Talhões,

Secções ) do início ao fim do horizonte de planejamento; apresentamaior número de
variáveis de decisão, geralmente; requer variáveis explícitas no estoque final.
Modelo II: é mais flexível; não preserva as Unidades de Manejo durante o

período de planejamento (as U.M. podem ser divididas ou unidas durante o período
de planejamento); apresenta maior número de restrições de área; o volume de corte
é maior ao final do planejamento, geralmente.
MODELO I
Objetivo:
N
M 
Maximizar Z =    Dik X ik 
i = −1  k =1 
Sujeito a:
− Restrições de área;
− Restrições de produtividade;
− Restrições de capacidade operacional;
− Restrições de fluxo de caixa;
− Restrições de não negatividade.
234
Onde: Z = valor total do projeto (valor da função objetivo); N = número de talhões

ou unidades básicas de manejo (UBM); M = número de regimes de manejo
(prescrições, ou alternativas); Xik = Área da unidade básica de manejo i
destinada à prescrição k; Dik = Valor da prescrição k por unidade de área se
implementada no talhão i .
Variáveis e Parâmetros do Modelo I Básico Florestal de PL

− Z = valor total do projeto (valor da função objetivo)
− N = número de talhões ou unidades básicas de manejo (UBM)
− M = número de regimes de manejo (prescrições, ou alternativas)
− T = número de anos de planejamento (horizonte de planejamento)
− P = número de produtos florestais (outputs)
− Ai = Área total da unidade básica de manejo i
− Xik = Área da unidade básica de manejo i designada à prescrição k
− Dik =Valor da prescrição k por unidade de área se implementada no talhão
i
− Viktp = Volume (output) por unidade de área do produto p no talhão i no
ano t obtido com a prescrição k
− Fikt = Entrada (+) ou saída (-) no fluxo de caixa do talhão i no ano t com a
prescrição k
− VMintp e VMaxtp = Volumes mínimo e máximo permitidos do produto p no
ano de planejamento t
− OMint e OMaxt = Capacidade operacional mínima e máxima (p.ex.
colheita, plantio etc.) no ano de planejamento t
− FMint , FMaxt = Caixa mínimo e máximo disponíveis no ano t
− Xik são as variáveis de decisão e somente podem assumir valores
positivos. Em que: i = 1,2, ... , N; k = 1,2, ... , M; t = 1,2, ... , T; p = 1,2, ... ,
P.
Restrições de área - refere-se ao espaço físico disponível para a produção
florestal em hectares por unidade de manejo:
Onde: Ai = Área total da unidade básica de manejo i ; Xik = Área da unidade

básica de manejo i designada à prescrição k .
235
Restrições de produtividade - refere-se ao estoque previsto em cada idade de

cada unidade de manejo em relação aos consumos mínimo e máximo admitidos:
Onde: Xik = Área da unidade básica de manejo i designada à prescrição k ; Viktp

= Volume (output) por unidade de área do produto p no talhão i no ano t obtido
com a prescrição k ; VMintp e VMaxtp = Volumes mínimo e máximo permitidos
do produto p no ano de planejamento t
Restrições de capacidade operacional - São as operações recomendadas para

cada unidade em cada período:
Onde: Xik =Área da unidade básica de manejo i designada à prescrição

k; OMint e OMaxt = Capacidade operacional mínima e máxima (p.ex.
colheita, plantio etc.) no ano de planejamento t; αikt=0 se a prescrição k não
recomenda a operação na unidade i no periodo t; αikt=1 se a prescrição k
recomenda a operação na unidade i no periodo t .
Restrições de fluxo de caixa - São as restrições de disponibilidade de recursos

financeiros em cada período considerado:
Onde: Xik =Área da unidade básica de manejo i designada à prescrição k; Fikt =

Entrada (+) ou saída (-) no fluxo de caixa do talhão i no ano t com a prescrição
k; FMint , FMaxt = Caixa mínimo e máximo disponíveis no ano t .
236
MODELO II
Objetivo:
Sujeito a:
− Restrições de área;
− Restrições de fluxo constante;
− Restrição de estoque final;
− Restrições de não negatividade.
Onde: Z=Produção total = função objetivo; Cij = Custo anual por hectare, do
estrato florestal i, caso o regime de manejo j seja empregado; Xij= Regeneração
das áreas (hectares) no início do período i e cortadas no início do período j
(seguido por plantio imediato); WiH= Áreas (hectares) regeneradas no início do
período i e deixadas para o inventário final no período h, no final do horizonte de
planejamento; H = horizonte de planejamento.
Restrição de área - Assegura que as áreas colhidas de cada classe etária

presente no período 0, mais as áreas deixadas para o inventário final desta classe
etária, é igual à área total da classe etária do início do período de planejamento:
237
H −1
j=0
x ij + w iH = A i i = -M, -M + 1 ,..., - 1
H −1 j−N

k= j+N
x jk + w jH = x
i =− M
ij j = 0 , 1, 2 , ....., H-1
Onde: Xij= Regeneração das áreas (hectares) no início do período i e cortadas

no início do período j (seguido por plantio imediato); WiH= Áreas (hectares)
regeneradas no início do período i e deixadas para o inventário final no período
h, no final do horizonte de planejamento; Ai = número de hectares presentes ao
início do período 0 que foram regeneradas no período i, onde i = -M a -1 pela
progressão (-M, -M+1, ....., -2, 1) A-8 representa o n° de hectares que foram
regenerados oito períodos antes do início do período 0); H = horizonte de
planejamento; N = n° mínimo de períodos entre os cortes.
Restrição de fluxo constante - Força um fluxo constante, para garantir

abastecimento, mantendo a produção entre um mínimo e um máximo:
(1 − α ) F k − F k + 1 ≤ 0 k = 0 , 1 , 2 , ....., H -2
Onde:
k − N ( k + 1 )− N
Fk = 
i= − M
V ik x ik F k + 1 = V
i=− M
i ( k +1) x i ( k +1)
α= fração reduzida máxima no nível de corte permitido desde um período k até

um período k+1; β= máximo de aumento da fração no nível de corte permitido
desde o período k até o período k+1: Vik = volume por hectare cortado ao início
do período k proveniente da regeneração no início do período i; Xik =
Regeneração das áreas, em hectares, no início do período i e cortados no início
do período j; H = horizonte de planejamento; N = n° mínimo de períodos entre
os cortes.
Restrição de estoque final - Garante um estoque mínimo ao final do período de

planejamento:
238
H −N
V
i=− M
m
iH WiH ≥ E m
Onde: ViHm = volume comercial de madeira das áreas reflorestadas no início do

período i e deixado no inventário final; Em = volume comercial mínimo no
inventário final; WiH= Áreas (hectares) plantadas no início do período i e
deixadas para o nventário final no período h, no final do horizonte de
planejamento; A quantidade de volume comercial inventariado deixada em cada
classe de idade i, ao final do horizonte de planejamento, é dada por:
ViHmWiH ≥ Eim (i = -M, -M + 1,... H-N)
Eim = volume comercial mínimo no inventário final nas áreas regeneradas no

início do período i; -M = número de períodos antes do início do período 0, onde
a classe mais velha presente no início do período 0 é reflorestada (como
exemplo: -M = -8 indica que a classe de idade presente mais velha foi
reflorestada oito períodos antes que o período 0); H = horizonte de planejamento;
N = n° mínimo de períodos entre os cortes.
Restrições de não-negatividade - X e W representam área e não podem ser

negativos:
Onde: Xij = regeneração das áreas (hectares) no início do período i e cortadas

no início do período j (seguido por plantio imediato); WiH = Áreas (hectares)
regeneradas no início do período i e deixadas para o inventário final no período
h, no final do horizonte de planejamento.
11.6.2 Exemplo 1 – Otimização de produtos a fabricar

Uma companhia que fabrica 2 produtos, deseja maximizar o lucro, sendo o
lucro sobre P1 e P2 de R$ 50 e 60, respectivamente. Ambos requerem diferentes
número de horas de 3 máquinas para sua manufatura, conforme a Tabela 31. O
problema é determinar a combinação de produtos que maximiza o lucro sem violar as
restrições.
239
Tabela 31 - Planilha de dados de produtividade e disponibilidade das máquinas

Máquina Produto Disponibilidade
P1 P2 (horas semanais)
1 2 1 300
2 3 4 509
3 4 7 812
Lucro R$ 50 R$ 60 .
DEFINIÇÃO DO OBJETIVO:
Maximizar o lucro.
DEFINIÇÃO DAS VARIÁVEIS DE DECISÃO:
Produto P1 (x1) e produto P2 (x2).
ELABORAÇÃO DA FUNÇÃO OBJETIVO:
Maximizar o lucro = 50.x1 + 60.x2
DEFINIÇÃO DAS RESTRIÇÕES:
Máquina 1: ( 2.x1 + 1.x2 ) ≤ 300;

Máquina 2: ( 3.x1 + 4.x2 ) ≤ 509;
Máquina 3: ( 4.x1 + 7.x2 ) ≤ 812;
sendo x1 e x2 ≥ 0.
As restrições com "e" somam-se na mesma linha. Os valores a serem

assumidos por X1 e X2 irão representar as quantidades de cada produto a serem
produzidas para maximizar o lucro a ser obtido. O modelo matemático é definido como
uma função objetivo e três restrições, como a seguir:
Função objetivo:
240
50.x1 + 60.x2 = máximo

Sujeito a:
2.x1 + 1.x2 ≤ 300

3.x1 + 4.x2 ≤ 509
4.x1 + 7.x2 ≤ 812
Onde: x1 e x2 ≥ 0.
Utilizando-se o SAS para solução do problema, pode-se ter um programa como

segue:
* PROGRAMA SAS - PL, EXEMPLO 1;
DATA A;
INPUT NOME$ X1-X2 TIPO$ LADO_DIREITO;
DATALINES;
LUCRO 50 60 MAX .
MAQU1 2 1 LE 300
MAQU2 3 4 LE 509
MAQU3 4 7 LE 812
;
PROC LP;
ID NOME;
TYPE TIPO;
RHS LADO_DIREITO;
RUN;
QUIT;
11.6.3 Exemplo 2 – Otimização do transporte para a fábrica
ENUNCIADO:
Uma empresa possui 3 Povoamentos florestais com áreas de 20000, 26667 e

100000 hectares e duas unidades industriais. A empresa trabalha em sistema frio e o
tempo de depósito da madeira é de 3 meses. A Fábrica 1 consome um máximo de 2
milhões e um mínimo de 1,8 milhões m³ de madeira por ano. A Fábrica 2 consome
um máximo de 2,4 milhões e um mínimo de 2,2 milhões m³ de madeira por ano. A
241
empresa conta com dois depósitos intermediários com capacidades de 600 mil m³ de
madeira cada um (Figura 46). As distâncias entre os Povoamentos, depósitos e
fábricas são discriminados em Km na Tabela 32.
Tabela 32- Distância entre os Povoamentos florestais e os depósitos (Km)

Povoamento Florestal Fábrica
Depósito
1 2 3 1 2
1 5 4 - 9 12
2 - 5 2 - 9
Obs. - Não há ligação do Povoamento 1 com o Depósito 2, nem do Povoamento 3 com o depósito
1. Não há ligação do Depósito 1 com a Fábrica 2.
PROBLEMA:
Considerando-se:
− Capacidade do Depósito 1 = 2400mil m³ por ano;
− Capacidade do Depósito 2 = 2400mil m³ por ano;
− Produtividade florestal média anual de 30 m³/ha;
− Capacidade média de carga por caminhão de 40 m³/viagem.
Responda:
− Qual o programa de abastecimento que minimiza a distância de transporte?
− Qual será a distância média por viagem?

− Quantos Km serão percorridos para abastecer as duas fábricas?
− Existem gargalos na produção?
242
Figura 46 - Localização e distâncias das unidades de manejo, depósitos e fábricas.
Tabela 33- Tableau correspondente ao problema para solução com o SOLVER

do EXCEL, ou CALC.
Alternativas de decisão
(Variáveis de decisão)  P=povoamento;
D=depósito;
P1.D1.F1
P2.D1.F1
P2.D2.F1
P2.D2.F2
P3.D2.F1
P3.D2.F2
F=fábrica.
80 40 Relaçã
Atividade 600 0 0 0 0 2000 LHS o RHS
Mínim 4640 Folg Excess
Objetivo 14 13 17 14 14 11 o 0 a o
140
Depósito 1 1 1 0 0 0 0 0 <= 2400 1000
240
Depósito 2 0 0 1 1 1 1 0 <= 2400 0
Povoamento 1 1 0 0 0 0 0 600 <= 600 0
Povoamento 2 0 1 1 1 0 0 800 <= 800 0
Restrições
240
Povoamento 3 0 0 0 0 1 1 0 <= 3000 600
180
Fabrica 1 máx 1 1 1 0 1 0 0 <= 2000 200
180
Fabrica 1 mín 1 1 1 0 1 0 0 >= 1800 0
200
Fabrica 2 máx 0 0 0 1 0 1 0 <= 2400 400
200
Fabrica 2 mín 0 0 0 1 0 1 0 >= 2200 -200
243
Para a solução com o SOLVER, o objetivo é o RHS na linha de objetivo da

planilha, as variáveis de decisão estão na linha de atividades e as restrições são os
valores do RHS das linhas de restrições.
RESULTADOS DA ANÁLISE:
− Função objetivo: serão percorridos 1160000Km para transportar a madeira

até a fábrica; a Fábrica 1 deverá receber 2.000.000 m³/ano e a Fábrica 2
receberá 1.800.000 m³/ano.
− A distância média percorrida por viagem é de 12,21053 Km/viagem;
− A produção anual máxima é de: 3.800.000m³;
− O consumo mínimo da Fábrica 2 não será atingido;
− O gargalo que limita o abastecimento da Fábrica 2 é o Depósito 2, que
deveria ter capacidade de armazenar mais 200 mil m³ por ano, ou, 50 mil
m³ a cada período de 3 meses.
11.6.4 Exemplo 3 – Otimização de máquinas na colheita

Uma empresa possui uma série de máquinas de colheita que lhe permite
montar três tipos de módulos para colher a madeira. A empresa tem dois objetivos:
maximizar a produção e minimizar os custos.
As máquinas com seus custos e os módulos com suas produtividades

possíveis são expressos na Tabela 34.
Tabela 34 – Máquinas, módulos, custos e produtividades na colheita.

Dados do Problema Feller Skidder Processador Forwarder Harvester
Módulo1 (m³/h) 50 15 15 0 0
Módulo2 (m³/h) 0 0 0 30 12
Módulo3 (m³/h) 50 0 15 30 0
Máquinas disponíveis 5 8 4 6 2
Custo (R$/hora) 500 400 700 500 1000
244
A solução envolve o processamento em três fases. Na primeira, deve-se

maximizar a produtividade por hora; na segunda minimizar o custo a partir de uma
produção mínima a ser estabelecida com base nos resultados da primeira fase, para
depois processar novamente os dados para maximizar a produção com um custo
máximo estabelecido com base nos resultados das duas fases anteriores. O tableau
da primeira está na Tabela 35.
Tabela 35- Maximização da produtividade por hora (Tableau)

Restrições Modulo 1 Modulo 2 Modulo 3 Tipo RHS
Feller 1 0 1 <= 250
Skidder 1 0 0 <= 120
Processador 1 0 1 <= 60
Forwarder 0 1 1 <= 180
Harvester 0 1 0 <= 24
Producao 1 1 1 máximo .
O programa SAS para resolver o problema na primeira fase é o que segue:

DATA DADOS;
INPUT RESTRICAO$ MODULO_1-MODULO_3 TIPO$ RHS;
CARDS;
FELLER 1 0 1 <= 250
SKIDDER 1 0 0 <= 120
PROCESSADOR 1 0 1 <= 60
FORWARDER 0 1 1 <= 180
HARVESTER 0 1 0 <= 24
PRODUCAO 1 1 1 MAX .
;
PROC LP DATA=DADOS;
ID RESTRICAO;
TYPE TIPO;
RHS RHS;
RUN;
245
Como resultado obtém-se o valor da função objetivo de maximização da

produtividade em 84 m³/hora. Estabelecendo-se um mínimo de 70 m³/h como
restrição na segunda fase, tem-se o tableau para a solução apresentado na Tabela
36. Deverá ser utilizado o módulo 1 com uma produtividade de 60 m³/h e o módulo 2
com produtividade de 24 m³/h. Alternativamente o módulo 2 pode ser substituído pelo
módulo 3 com mesma produtividade. Serão utilizadas 60h de Feller buncher, 60h de
Skidder, 60h de Processador, 24h de Forwarder e 24h de Harvester.
Tabela 36 - Minimização do custo com colheita comprodutividade mínima de

70m³/h (Tableau)
Restrições Modulo 1 Modulo 2 Modulo 3 Tipo RHS
Feller 1 0 1 <= 250
Skidder 1 0 0 <= 120
Processador 1 0 1 <= 60
Forwarder 0 1 1 <= 180
Harvester 0 1 0 <= 24
Producao 1 1 1 >= 70
Custo 1600 1500 1700 mínimo .
11.6.5 Exemplo 4 – Planejamento da produção florestal

Um silvicultor possui uma pequena florestas com quatro talhões com as
características da Tabela 37. Os dados de inventário florestal contínuo da floresta são
apresentados na Tabela 38.
Tabela 37- Talhões florestais da propriedade.

Talhão Idade Área (ha)
1 2 20
2 7 25
3 14 28
4 20 23
246
O silvicultor pretende minimizar o custo com uma produção mínima de 90% da

capacidade produtiva da floresta. Para facilitar, ajustou-se uma equação para estimar
as produções anuais conforme a Tabela 38.
Tabela 38 - Talhões e estoque anual por idade e variáveis de regressão (Y, X1,
x2, x3) para ajuste da equação V=b0+b1.t+b2.t²+b3.t³.
t=Idade Produção Produtividade
Talhão Y X1=t X2=t² X3=t³
(anos) (m³/ha) (m³.ha-1.ano-1)
1 5 75 15.0 75 5 25 125
1 10 150 15.0 150 10 100 1000
1 15 350 23.3 350 15 225 3375
1 18 500 27.8 500 18 324 5832
1 20 600 30.0 600 20 400 8000
1 22 650 29.5 650 22 484 10648
2 5 78 15.6 78 5 25 125
2 10 154 15.4 154 10 100 1000
2 15 353 23.5 353 15 225 3375
2 18 494 27.4 494 18 324 5832
2 20 596 29.8 596 20 400 8000
2 22 653 29.7 653 22 484 10648
3 5 78 15.6 78 5 25 125
3 10 144 14.4 144 10 100 1000
3 15 343 22.9 343 15 225 3375
3 18 510 28.3 510 18 324 5832
3 20 620 31.0 620 20 400 8000
3 22 657 29.9 657 22 484 10648
4 5 71 14.2 71 5 25 125
4 10 150 15.0 150 10 100 1000
4 15 345 23.0 345 15 225 3375
4 18 517 28.7 517 18 324 5832
4 20 619 31.0 619 20 400 8000
4 22 659 30.0 659 22 484 10648
Resultados da análise de regressão; B0=296.8017271; B1=-81.3537999; B2=8.375974905; B3=-
0.178303564; R²=0.9975; CV=3.07%.
247
O gráfico produzido com a equação de regressão para estimar a produção por

hectare está delineado na Figura 47.
Figura 47 - Produção (estoque) por hectare por idade (m³/ha).
A seleção das idades de rotação foi realizada conforme as dimensões da

madeira desejada, tendo-se estabelecido um mínimo de 18 anos, podendo ser
alternativamente com 20 ou 22 anos (Tabela 39).
Tabela 39- Produção e produtividade anual por idade de rotação.

Idade Produção (V=m³/ha) Produtividade (m³/ha/ano)
5 77 15.4
6 72 12.0
7 77 10.9
8 91 11.3
9 113 12.6
10 143 14.3
11 178 16.2
12 219 18.2
13 263 20.2
14 310 22.2
248
Idade Produção (V=m³/ha) Produtividade (m³/ha/ano)

15 359 24.0
16 409 25.6
17 458 27.0
18 506 28.1
19 552 29.0
20 594 29.7
21 631 30.0
22 662 30.1
Com base nas idades dos talhões e idades de rotação escolhidas,

estabeleceram-se os regimes de manejo (R) possíveis para cada talhão e as
produtividades anuais por talhão em cada regime de manejo (T1R1 a T4R4) (Tabela
40).
249
Tabela 40 - Prognose das produtividades anuais por talhão em cada regime de

manejo possível para o período de 2018 a 2045 por período.
Com os regimes de manejo estabelecidos para os talhões e respectivas

produtividades, realizou-se a otimização da produção, desprezando-se os custos, de
forma a obter um valor para a máxima produção total (Tabela 41), resultando em um
máximo de 4414 m³, sendo utilizados 20 ha do talhão 1 no regime de manejo 3 (uma
rotação de 22anos), 24 ha do 2 no regime de manejo 3 (uma rotação de 22anos), 28
ha do 3 no regime de manejo 5 (rotações de 20 e de 22 anos) e 23 ha do 4 no regime
de manejo 3 (duas rotações de 22 anos).
250
Tabela 41- Tableau para maximização da produção com o EXCEL
Então, determinou-se o custo por m³ produzido em cada regime de cada talhão

por ano de produção na Tabela 42, considerando-se os custos por m³ produzido nas
diferentes idades de rotação como segue:
− 18 anos: 35 R$/m³;
− 20 anos: 30 R$/m³;
− 22 anos: 28 R$/m³.
251
Tabela 42- Custos por m³ produzido por ano de produção para cada talhão.
252
Utilizando-se os custos de produção anual, elaborou-se o tableau para

minimizar os custos, com uma produção mínima de 4000 m³ no período, conforme a
Tabela 43, resultando num custo total mínimo de R$ 3770,20, sendo que para isso
deve-se utilizar:
− 20 ha do talhão 1 no regime de manejo (uma rotação de 22 anos);
− 25 ha do talhão 2 no regime de manejo 3 (uma rotação de 22 anos);
− 21,1 ha do talhão 3 no regime de manejo 5 (uma rotação de 20 anos e uma
rotação de 22 anos);
− 23 ha do talhão 4 no regime de manejo 3 (duas rotações de 22 anos).
Tabela 43- Tableau para minimização do custo com o EXCEL.
11.7 CPM - Critical Path Method

O método do caminho crítico (CPM) é um método matemático para organizar
uma ou mais sequências de atividades de um projeto, em tempo mínimo de execução.
A programação pode ser realizada para frente, a partir de uma data inicial, ou
para trás, a partir de uma data final.
253
11.7.1 Programação para Frente (Data Cedo)

Na programação para frente parte-se do evento origem e determina-se a PDIi
(Primeira data de Início do evento i), que representa o caminho de maior duração
entre a origem do projeto e o evento i.
PDIi= max C (origem,i)
11.7.2 Programação para Trás (Data Tarde)

Na programação para trás parte-se do caminho inverso, ou seja, do evento
objetivo do projeto para determinar a UDAi (Última data para acabar um evento i),
assumindo-se que PDIobjetivo = UDAobjetivo menos o caminho de maior duração
entre o evento i e o evento objetivo.
UDAi = UDAobjetivo - max C (i,objetivo)
11.7.3 Determinação do Caminho Crítico:

A sequência de passos de cálculos é realizada como a seguir:
PDA - Primeira Data para Acabar:
PDAij = PDIij + dij;

UDI - Última Data de Início:
UDIij = UDAij- dij;

FT - Folga Total:
FTij = UDAij - (PDIij + dij);

FL - Folga Livre:
FLij = PDIjk - (PDIij + dij);

Pertence ao caminho crítico a atividade ij que possui a data cedo igual a data
tarde, ou seja, PDI = UDA nos eventos i e j, e não possuem folgas.
254
EXEMPLO DE PROBLEMA DE PROGRAMAÇÃO CPM
Considere-se a programação de 14 atividades com as características da

Tabela 44.
A elaboração do fluxo das atividades e cálculo da semana de início e fim da

atividade são representados na Figura 48. O início da tarefa A é 1, ou seja, a 1ª
semana e termina na semana 2 (Final de A = Início de A + Duração de A – 1). O início
de B é igual a (1 + Final de A); o final de B é (Início de B + Duração de B -1); e, assim
sucessivamente. As derivações ocorrem quando há mais de uma tarefa sucessora,
abrindo o fluxo em 2 ou até mais ramos. Isso pode ser realizado manualmente, ou
utilizando um software como o SAS, com o PROC CPM (ver programa ao final desta
secção).
Tabela 44 - Duração e sucessores das atividades a programar pelo CPM

Atividade Duração (semanas) Sucessor1 Sucessor2
A 2 B B
B 4 C C
C 6 D E
D 5 F G
E 4 H I
F 7 I I
G 5 J J
H 6 J J
I 8 N N
J 9 K L
K 5 M M
L 4 M M
M 6 . .
N 2 . .
255
Figura 48 - Desenvolvimento do cronograma pelo CPM para as 14 atividades.
A partir do fluxograma pode ser desenvolvido o diagrama de Gantt, para ilustrar

o avanço das atividades (Figura 49).
Figura 49 - Diagrama de Gantt, representando o progresso das 14 atividades.
O diagrama de Gantt facilita determinar as atividades com folgas para iniciar

ou terminar (Tabela 45).
Tabela 45 - Atividades com folgas, evidenciadas pelo diagrama de Gantt.

Atividade Tempo Período Folga para
I 8 17 a 24 Iniciar
L 1 36 Terminar
256
O programa SAS para realizar a programação CPM deste caso é listado a

seguir:
DATA DADOS;
INPUT ATIVIDADE $ SEMANAS SUCESSOR1 $
SUCESSOR2 $;
DATALINES;
A 2 B B
B 4 C C
C 6 D E
D 5 F G
E 4 H I
F 7 I I
G 5 J J
H 6 J J
I 8 N N
J 9 K L
K 5 M M
L 4 M M
M 6 . .
N 2 . .
;
PROC CPM DATA=DADOS
OUT=RESULTADO
INTERVAL=WEEK
DATE='01JAN07'D;
ACTIVITY ATIVIDADE;
DURATION SEMANAS;
SUCCESSOR SUCESSOR1 SUCESSOR2;
PROC PRINT DATA=RESULTADO NOOBS;
RUN;
Como resultado do processamento é obtida a Tabela 46.
257
Tabela 46 - Resultados da programação CPM para 14 atividades com o SAS.

Atividade Sucessor1 Sucessor2 Semanas E_START E_FINISH L_START L_FINISH T_FLOAT F_FLOAT
A B B 2 01/jan/07 14/jan/07 01/jan/07 14/jan/07 0 0
B C C 4 15/jan/07 11FEB07 15/jan/07 11FEB07 0 0
C D E 6 12FEB07 25/mar/07 12FEB07 25/mar/07 0 0
D F F 5 26/mar/07 29APR07 21MAY07 24/jun/07 8 0
E H I 4 26/mar/07 22APR07 26/mar/07 22APR07 0 0
F I I 7 30APR07 17/jun/07 25/jun/07 12AUG07 8 0
G J J 5 01/jan/07 04FEB07 30APR07 03/jun/07 17 17
H J J 6 23APR07 03/jun/07 23APR07 03/jun/07 0 0
I N N 8 18/jun/07 12AUG07 13AUG07 07OCT07 8 0
J K L 9 04/jun/07 05AUG07 04/jun/07 05AUG07 0 0
K M M 5 06AUG07 09SEP07 06AUG07 09SEP07 0 0
L M M 4 06AUG07 02SEP07 13AUG07 09SEP07 1 1
M 6 10SEP07 21OCT07 10SEP07 21OCT07 0 0
N 2 13AUG07 26AUG07 08OCT07 21OCT07 8 8

Onde: Atividade = nome da atividade; Sucessor1 = primeira atividade sucessora; Sucessor2 =
segunda atividade sucessora; Semanas = tempo de execução da atividade em semanas; E_START
= primeira data para iniciar a atividade; E_Finish = primeira data para encerrar a atividade; L_Start =
última data para iniciar a atividade; L_Finish = última data para encerrar a atividade; T_Float = folga
para iniciar a atividade; F_Float = folga para encerrar a atividade. Obs.: todos os tempos e períodos
estão em semanas.
258
12 AVALIAÇÃO DE IMPACTOS
Os impactos dos empreendimentos de qualquer área da economia são

avaliados quanto aos aspectos econômicos, ambientais e sociais.
Desde os anos 1970 foram desenvolvidas diversas metodologias para AIA,

baseadas em princípios, critérios e indicadores para diferentes formas de impactos
ambientais, algumas específicas para determinado caso e outras mais genéricas.
A escolha do método de AIA depende de diversos fatores (CARVALHO e LIMA,

2010; IDEIA, 2002), estando entre eles:
− Dados e informações disponíveis;
− O tipo de projeto que será avaliado;
− Os recursos técnicos e financeiros existentes;
− A quantidade e a qualidade dos dados e informações disponíveis;
− A quantidade de tempo que se dispõe para realizar o estudo;
− Os Termos de Referência e os requisitos legais que o EIA/RIMA tem que
cumprir.
− As atividades, futuros produtos, serviços, ou os principais processos que
estarão sendo estudados.
Procurou-se levantar e classificar as metodologias mais comuns existentes

para Avaliação de Aspectos Ambientais (AIA), sobre as quais se baseou a
metodologia proposta para aplicar sobre a produção brasileira de madeira de
Eucalyptus destinada à fabricação de celulose e papel, conforme seu tipo e finalidade:
para a fase de identificação e sumarização, ou para a fase de avaliação.
As avaliações de impacto e a gestão de risco (próximo capítulo) tem muita

semelhança e metodologias utilizadas para um podem ser adaptadas algumas vezes
para o outro.
259
12.1 Métodos de AIA para a fase de identificação e

sumarização
Tem como objetivo identificar, qualificar, quantificar e apresentar os prováveis
impactos decorrentes de um projeto. Com base em RODRIGUES (2002) e SOARES
(2002) identificou-se os 6 principais métodos:
− Método Espontâneo (Ad-Hoc) - utilizado para projetos específicos, usa o
brainstorming com auxílio de Tabelas e matrizes; não tem padrão;
− Método de listagens (checklists) - usa listas padronizadas dos fatores
ambientais associados ao projeto; com informações sobre técnicas de
previsão, descrição do impacto, escalas de valores e índices de
ponderação;
− Métodos de Matrizes - relacionam as ações do projeto aos fatores
ambientais com interseção de linhas e colunas; representa-se o impacto
de cada ação sobre cada fator ambiental; na Matriz de Leopold, por
exemplo, com 100 ações de projeto no eixo horizontal e 88 características
e condições ambientais no eixo vertical, os impactos são identificados
como positivos ou negativos e quantificados quanto à magnitude e
importância numa escala de 0-10;
− Redes de Interação – apresentados na forma de diagramas, gráficos ou
fluxogramas que procuram estabelecer a sequência de impactos
ambientais a partir de uma determinada intervenção do tipo causa e efeito,
utilizando métodos gráficos; aos possíveis impactos são associados
parâmetros de valor em magnitude, importância e probabilidade,
identificando impactos diretos e indiretos decorrentes em cada caso;
− Sobreposição de Cartas (Overlay) – é usado para estudos que envolvam
alternativas de localização e questões de dimensão espacial; consiste na
sobreposição de cartas temáticas, uma para cada fator ambiental, para
identificação da situação ambiental de forma espacializada;
− Modelo de Simulação - é constituído por modelos matemáticos destinados
a representar a estrutura e o funcionamento dos sistemas através de
relações complexas entre componentes quantitativos ou qualitativos
(Físicos, Biológicos ou Socioeconômico), a partir de um conjunto de
hipóteses ou pressupostos;
260
12.2 Métodos de AIA para a fase de avaliação

São utilizados para comparação de alternativas, e podem ser classificados de
acordo com o modo de incorporar a opinião ao processo. Com base em RODRIGUES
(2002) e SOARES (2002) identificou-se os 3 principais métodos:
− Metodologias quantitativas - procuram associar valores às considerações
qualitativas formuladas na avaliação de impactos de um projeto; o meio
ambiente é dividido em categorias (como ecologia, poluição, estética e
interesse humano) divididas em componentes e subdivididos em
parâmetros representados por um conjunto de medidas; são expressos os
efeitos sobre todos os parâmetros através de uma mesma escala,
geralmente, de 0 a 10;
− Folha de Balanço - utiliza-se da quantificação monetária e os impactos não
quantificáveis são objeto de análise qualitativa;
− Matriz de Realização de Objetivo - os impactos são avaliados em função
de uma relação de custos sobre benefícios a partir da ponderação dos
diferentes objetivos da sociedade e dos grupos afetados.
12.3 Princípios e critérios para avaliação ambiental

Critérios são limites estabelecidos na realização de julgamentos referentes à
qualidade ou quantidade, baseados em determinações científicas previamente
identificadas, passíveis de controle e que permitem dizer se algo é bom ou mau,
benéfico ou maléfico, de alto ou baixo custo, de grande ou pequena importância, etc.
Um critério pode ser entendido, também, como a forma de julgar o cumprimento de
um princípio.
Então, para se estabelecer critérios, primeiro é necessário estabelecer os

princípios, depois a forma de julgá-los com base em observações e estudo de dados
existentes ou de experimentação. Os critérios para verificação do atendimento aos
princípios em termos absolutos (sim/não), ou em termos relativos (grau ou percentual
de atendimento) devem ser determinados por estudos prévios com base científica, ou
conforme a legislação e normas pertinentes.
261
Os parâmetros (quantitativos) e atributos (qualitativos), eleitos a partir de

princípios, para realizar análises ambientais com base nos critérios estabelecidos, são
os indicadores. A norma ISO/TR 14061 (1998), traduzida e adequada para o Brasil
pela ABNT como NBR 14789 (dez./2001), estabelece os princípios, critérios e
indicadores para o manejo de plantações florestais, definindo-os como segue:
Princípio – Legislação ou regra fundamental que serve de base

para ação e é expressa na forma de objetivo ou atitude em relação à
função do ecossistema florestal e aos aspectos pertinentes do sistema
social com que este ecossistema se relaciona.
Critério – Expressão da postura face a parâmetros ou

requisitos que traduzem a adesão a um princípio e que se relaciona ao
estado ou à dinâmica de um sistema.
Indicador – Parâmetro quantitativo ou qualitativo que permite

avaliar, de forma objetiva e não ambígua, as características do
ecossistema florestal ou do sistema social relacionado, ou descreve
elementos do manejo florestal e dos processos produtivos conduzidos
neste sistema.
Para SOARES (2002), índices ambientais são funções matemáticas baseadas

em duas ou mais variáveis, são a expressão numérica dos indicadores, que por sua
vez podem ser entendidos como:
Ferramentas de acompanhamento de estratégias de ação sobre o meio

ambiente através de análise sistemática dos desvios temporais e/ou
espaciais de uma situação de referência.
SOARES (2002) classifica os indicadores em três categorias como:

− Indicadores de pressão - servem para avaliar a pressão das atividades
antrópicas sobre o ambiente (exemplo: crescimento da demanda de
madeira para celulose);
− Indicadores de estado - usados para descrever situações ambientais
(exemplo: concentração de nitratos na água de um rio);
− Indicadores de resposta - servem para avaliar os esforços para resolver
um problema ambiental (exemplo: financiamentos destinados à
despoluição de solos).
262
12.4 Classificação dos impactos ambientais

O CREA, preocupado com a capacitação dos profissionais registrados no
conselho quanto às exigências legais ambientais, tem promovido cursos sobre
elaboração de EIA/RIMA em vários Estados; dentre as metodologias sugeridas, o
curso ministrado no Rio Grande do Sul pela IDEIA (2002) sugere que a avaliação de
impacto seja realizada com base nas características de:
− IMPORTÂNCIA – representada pelo mérito dado ao fato quanto a seu
efeito ambiental;
− MAGNITUDE – representada pela intensidade em caso de ocorrência;
− SEVERIDADE – dada pelo cruzamento da importância e magnitude;
− FREQUÊNCIA/PROBABILIDADE – representada pela ocorrência passada
ou probabilidade de ocorrer;
− SIGNIFICÂNCIA – que pode ser uma exigência legal, uma política
voluntária, ou uma exigência de parte interessada.
O mesmo sistema de avaliação é sugerido pela Fundação Estadual de

Proteção Ambiental Henrique Luis Roessler – FEPAM (2002), no Rio Grande do Sul.
O método GUT (Gravidade/Urgência/Tendência) vem sendo utilizado

largamente em administração de problemas e é descrito por CARVALHO (1997) como
sendo uma avaliação da gravidade dos problemas (importância), da urgência em
resolvê-los (temporalidade) e da tendência que possuem para permanecerem na
mesma condição, piorar ou melhorar.
A característica “gravidade” do método GUT, é semelhante à “severidade” do

Curso sobre EIA/RIMA da IDEIA.
A “urgência” do GUT, caracterizado pela premência de tempo, é relacionado

ao Princípio da Precaução, objeto da análise para certificação do manejo florestal pelo
263
FSC e do Capítulo 35 da Agenda 21, “A ciência para o desenvolvimento sustentável”,

que diz o seguinte:
“A abordagem da precaução pode oferecer uma base para

políticas relativas aos sistemas complexos que ainda não são plenamente
compreendidos e cujas consequências de perturbações não podem ainda
ser previstas.”
Neste caso, a iminência de que possa acontecer algo grave, que pode já ter
ocorrido, pode estar acontecendo, ou que poderá ocorrer, determina o grau de
urgência baseado no Princípio da Precaução, em que se tome uma providência em
curtíssimo prazo (imediata, agora), em curto prazo (logo, nos próximos dias), em
médio prazo (em breve, nas próximas semanas), em longo prazo (nos próximos
meses), ou longuíssimo prazo (nos próximos doze meses); de forma que, em
acontecendo, as consequências sejam anuladas ou minimizadas.
A Precaução é, também, objeto de análise de responsabilidade por danos ao

meio ambiente previsto no Decreto Federal Nº 3179/99, em seu Artigo 41, Parágrafo
Primeiro:
“VI - deixar de adotar, quando assim o exigir a autoridade

competente, medidas de precaução em caso de risco de dano ambiental
grave ou irreversível.”
Assim, riscos potenciais, deverão ser caracterizados pela iminência em

acontecer, como critério de avaliação, tanto por exigência legal, quanto sócio-
econômica, ou técnico-administrativa.
A característica “tendência” do GUT, é semelhante à “probabilidade” do

EIA/RIMA do curso da IDEIA, pois ambos tratam das chances de algo ocorrer, embora
264
"tendência" tenha a ver também com a inclinação para melhorar ou piorar, sendo um
critério mais completo que a simples probabilidade.
A “significância” usada pela IDEIA é relacionado à "gravidade" do método GUT,

pois diz respeito à importância legal, ou para a organização, ou para seus clientes,
podendo ser analisado como subcritério da importância, ao qual se considera incluso.
Na definição dos objetivos e metas ambientais do SGA (ISO 14000) da Alston

Brasil Ltda, CHIARADIA (2001) informa que são levados em consideração os
requisitos legais, aspectos ambientais, requisitos tecnológicos, financeiros e
operacionais e a visão das partes interessadas; para AIA é usada uma matriz de
avaliação de impactos ambientais baseada no método de falha e análise de efeito
ambiental (EFMEA - Enviromental Failure Mode and Effects Analysis), uma variação
do método de falha e análise de efeito (FMEA), que de acordo com MOHR (2002) é
uma metodologia para analisar e descobrir todas as formas de falhas potenciais em
um sistema, os efeitos que as falhas tem sobre o sistema e de como corrigir e mitigar
as falhas ou efeitos sobre o sistema. Segundo os autores citados, o método inclui os
seguinte itens de avaliação: o local ou área onde é realizada a atividade, as atividades,
os produtos e ou serviços resultantes da atividade, os aspectos e impactos ambientais
previstos, a situação de ocorrência (normal ou não), a incidência (frequência), classe
(intensidade), temporalidade, legislação, severidade (gravidade), probabilidade e
frequência, modo da falha, causa da falha, e o resultado (efeito positivo ou negativo).
Segundo ROSA (1993), a avaliação de impactos ambientais deve levar em

consideração os seguinte fatores: adversidade e significância; área de ocorrência
(região afetada, a sociedade, os interesses afetados, etc.); intensidade, a severidade
do impacto, a sua reversibilidade e o seu potencial de mitigação; temporalidade
(temporário / permanente), espacialização (local / regional), reversibilidade (reversível
265
- retorna às condições originais com a aplicação de medida mitigadora ou de controle

/ irreversível); controle ou mitigabilidade.
Os critérios do curso da IDEIA, sendo cruzados com o método GUT, conforme

a Tabela 6, resultam em cinco características de análise que foram redenominadas
para formar o método chamado de “5i”.
O estudo de aspectos ambientais, pela legislação brasileira, inclui o

planejamento de ações, assim como pelas normas ISO da série 14000 (ABNT, 1996),
sendo que as normas ISO da série 9000 recomendam que se utilize o sistema PDCA
(Plan, Do, Control, Act) para o planejamento de qualquer tipo de ação em gestão e o
descrevem com detalhes.
Tabela 47 - Características para avaliação de aspectos ambientais

CRITÉRIOS CRITÉRIOS RESULTANTES
Denominação Redenominação
IDEIA a GUT b
original (5i)
Importância Importância Importância
Severidade Gravidade
Magnitude Magnitude Intensidade
Frequência - Frequência Incidência
Probabilidade ou
Probabilidade Tendência Inclinação
Tendência
- Urgência Urgência Iminência
Significância Gravidade Importância -
Fontes: (a) IDEIA (2002); (b) CARVALHO (1997).
O planejamento de ações, passa pela tomada de decisão sobre as ações que

deverão ser adotadas. Neste aspecto, vem auxiliar a Metodologia do Processo
Decisório, como descrito por CARVALHO (1997).
Conforme o exposto, as metodologias “5i”, Processo Decisório e PDCA são

complementares, pois a primeira auxilia na avaliação do grau de impacto, a segunda
na decisão de medidas a serem tomadas e a terceira no planejamento das ações, que
266
são os passos gerais a serem seguidos no estudo de aspectos ambientais conforme

as normas ISO da série 14000 e conforme a legislação brasileira referente ao
EIA/RIMA. Entretanto, o escopo deste trabalho se restringe à avaliação de impactos
ambientais, com a classificação e metodologia que se expõem a seguir.
12.4.1 Classificação qualitativa:
Quanto ao Gênero: natural e antrópico. O aspecto natural divide-se em biótico

e físico (abiótico). O aspecto antrópico tem quatro subtipos, conforme as ISO série
14000 (ABNT, 1996a/b), tidos como classificação quanto à significância, que é a
classificação quanto à quem é significativo o efeito resultante do impacto considerado,
que são: 1) exigência legal; 2) política voluntária; 3) exigência de parte interessada ou
4) exigência por pressão da sociedade. Embora este tipo de classificação seja
relevante, os subtipos citados podem ser considerados como parte da classe
antrópica cultural. Neste estudo, a classificação quanto ao gênero se restringirá aos
tipos: natural (biótico e físico) e antrópico (social, cultural e econômico).
− Quanto ao Modo: direto e indireto (SOARES, 2002a).
− Quanto ao Resultado: positivo e negativo (SOARES, 2002a).
− Quanto à Reversibilidade: reversível, parcialmente reversível,
irreversível.
− Quanto à Decorrência: de emergência ou imprevisto; de desgaste ou falha
de manutenção; de falha de sistema ou operacional; de falha de
equipamento ou de projeto; decorrente da própria atividade.
Os impactos podem ser classificados também quanto ao gênero de suas

causas, que podem ser: matéria, energia, seres vivos, processos ou fenômenos, mas
esta análise não será levada a cabo neste estudo, pois pode ser considerada como
267
implícita na atividade geradora do efeito, sendo somente uma informação

complementar.
Quanto à Mitigabilidade: mitigável – a causa e/ou efeito negativo pode ser

minimizada ou eliminada sem que seja necessário parar de realizar a atividade
produtiva permanentemente; não mitigável – para que a causa ou efeito adverso seja
minimizada ou eliminada é necessário parar de realizar a atividade produtiva
permanentemente.
Quanto à capacidade de Detecção – De acordo com SOARES (2002-b), os

impactos ambientais potenciais e reais devem ser avaliados quanto ao grau de
facilidade de detecção (detectância) através dos meios de monitoramento disponíveis,
conforme os seguintes critérios: difícil (improvável que o impacto ambiental seja
detectado), moderado (provável que o aspecto ambiental seja detectado dentro de
um período de tempo razoável e fácil (praticamente certo que o impacto ambiental
seja detectado rapidamente).
12.4.2 Classificação absoluta:
Espacial – é realizada pela área de abrangência: local, regional, global; pode

ser dada em unidades de medida de superfície (m², ha, km²) ou, quando conhecidas
as medidas da parte afetada e do todo considerado pode ser dada em proporção ao
todo em estudo. Conforme SOARES (2002a) devem considerados os impactos nas
seguintes amplitudes espaciais: restritos ao local de ocorrência; restritos aos limites
físicos da empresa; atingem a região adjacente à empresa; atingem amplas áreas
externas da empresa.
Temporal (ou prazo de carência do efeito) – é realizada pelo prazo em que

o efeito se mantém ativo ou presente, que pode ser temporário (pequeno médio e
268
longo prazos) ou permanente; é dado em unidades de tempo (horas, dias, semanas,

meses, anos). SOARES (2002b) acrescenta que o aspecto da temporalidade deve
levar em conta se o impacto é resultante de atividades, produtos e/ou serviços
desenvolvidos: no passado que ainda geram impactos ambientais (passivo
ambiental); no presente; ou que estão em fase de implantação ou podem ter impacto
no futuro.
12.4.3 Classificação relativa
Os parâmetros de quantificação dos aspectos ambientais são graduados em

uma escala de acordo com o seu grau de impacto, por exemplo: graduada de 0 a 10.
Neste caso, os graus mínimo e máximo devem ser determinados para cada fator
considerado e os valores intermediários devem ser calculados de acordo com
métodos de parametrização.
Gravidade ou Importância - É o valor relativo de um fato, ou gravidade no

caso de acontecer, em relação ao valor global do todo considerado. A importância
será tanto maior, quanto maior o valor do fato ocorrido sobre o valor do todo ao qual
está relacionado. É o risco de dano estimado com base no que já ocorreu. A
importância Tem a ver com o porte de algo em relação à média: mínimo, pequeno,
médio, grande, excepcional. Um exemplo de classes de gravidade encontrado na
literatura é dado na Tabela 7.
Urgência ou Iminência - É o tempo restante para que se tome uma

providência a respeito de um fato que poderá ocorrer. É determinado pela iminência
da ocorrência de um evento imediatamente, em médio prazo, ou em prazo remoto. A
iminência diz respeito à situação temporal de um fato em si. Representa a premência
de tempo em se tomar uma providência em relação a algo que poderá acontecer. É o
269
grau de urgência para que se adote alguma medida. Um exemplo de graus de

premência de tempo, elaborado em 1992 para prazos de combate às formigas na
Bahia Sul, é apresentado na Tabela 8 a seguir.
Tabela 48 - Exemplo de categorias de gravidade

Definição Categoria Descrição
Catastrófica I Morte, perda do sistema ou danos ambientais severos.
Ferimentos graves, doença ocupacional grave, danos grandes no
Crítica II sistema ou no meio ambiente – Consumo significativo de recursos
naturais; geração elevada de poluição.
Ferimentos leves, doenças do trabalho não importantes, danos
pequenos nos sistemas ou ao meio ambiente - Consumo
Marginal III moderado de recursos naturais; geração moderada de poluição e
rejeitos
Menos do que a categoria de pequenos ferimentos, doenças do
trabalho não importantes ou não causa danos em sistemas ou ao
Desprezível IV meio ambiente - Consumo desprezível de recursos naturais; não
causa poluição significativa.
Fonte: SOARES (2001).
Tabela 49- Exemplo de níveis temporais – Prazo e ações a tomar

ÍNDICE RISCO AÇÃO PRAZO
0 - 10 Nenhum Monitoramento 12 meses
11 - 25 Muito pequeno Monitoramento 6 meses
26 - 45 Pequeno Monitoramento 3 meses
46 – 75 Médio Combate 1 mês
76 – 100 Alto Combate 15 dias
>100 Muito alto Combate Imediato
Fonte: FLORIANO (1998c).
Intensidade ou força envolvida - É o grau com que determinado fato ocorre

em relação ao seu padrão. Quando for paramétrico e se sua distribuição for normal,
pode-se classificá-lo quanto à média e desvio padrão. Quando for um atributo não
paramétrico, pode ser quantificado em percentagens e transformado em variável
contínua, se a ocorrência for maior de 30 vezes, por métodos matemáticos
270
adequados, de forma a ser tratado como parâmetro. Para SOARES (2002-b), os

impactos ambientais devem ser avaliados segundo sua criticidade em relação ao meio
ambiente como severo (impacto ambiental adverso causando danos irreversíveis,
críticos ou de difícil reversão e/ou ponha perigo à vida de seres humanos externos à
empresa, leve (impacto adverso que cause danos reversíveis ou contornáveis e/ou
ameace a saúde de seres humanos externos à empresa) e dano mínimo (quando o
impacto ambiental causa danos mínimos ou imperceptíveis).
Frequência ou Incidência - É o número de vezes que um fato ocorre por

unidade de tempo; pode ser também uma proporção em relação ao seu padrão
normal de ocorrência. Um exemplo de classes de frequência é apresentado a seguir:
Tabela 50 - Exemplo de níveis de frequência

Definição Nível Descrição
Ocorre frequentemente (ou alta probabilidade), ou ocorre
Frequente A
permanentemente quando iniciada a atividade.
Provável B Irá ocorrer várias vezes na vida do sistema ou do item.
Irá ocorrer algumas vezes ao longo da vida do sistema ou do
Ocasional C
item.
Não se espera que ocorra (embora haja alguma expectativa)
Remota D
ao longo da vida do item ou sistema.
Pode-se assumir que não irá ocorrer, ao longo da vida do
Improvável E
sistema ou do item.
Fonte: SOARES (2001).
Tendência ou inclinação - É a prognose de algo se manter no mesmo,

melhorar ou piorar com o passar do tempo, sem que se faça nada a respeito.
Relaciona-se ao risco de dano futuro. Quanto maior o risco da situação piorar, maior
o grau que lhe deve ser atribuído; quanto maior a tendência da situação melhorar,
menor a graduação. Considere-se uma máquina funcionando: com o tempo há
tendência de desgaste e que sua situação se deteriore; se for uma máquina de boa
271
qualidade e houver manutenção permanente e adequada, a tendência das condições

de funcionamento passam a ser de piora progressiva muito lenta, podendo ser
consideradas estáveis para um período de tempo relativamente longo. Numa outra
situação observa-se uma fazenda em fase de análise e planejamento físico: a
tendência é de melhora com a adequação do uso dos espaços; áreas utilizadas na
agricultura que apresentam problemas e cujo planejamento de uso futuro é de
restauração da floresta original, têm tendência de melhoria em grau máximo,
enquanto áreas planas e férteis utilizadas com florestas cultivadas tem leve tendência
de piorar, mesmo que seja adotado um manejo adequado, pois as culturas agrícolas
são mais prejudiciais ao ambiente do que as florestas; fazendo-se a média ponderada
das tendências de cada área em relação à sua destinação futura, pode-se inferir a
tendência média para a propriedade como um todo.
12.4.4 Dimensionamento dos impactos
O dimensionamento da significância final dos impactos ambientais e as ações

a serem tomadas conforme o grau de impacto, de acordo com SOARES (2002-b),
deve ser realizada de acordo com Tabela 10.
272
Tabela 51 - Significância final dos impactos ambientais e ações a serem

tomadas
Fonte: SOARES (2002-b).
A classificação de riscos no método GUT (CARVALHO, 1997) é feita de acordo

com a Tabela 52.
Tabela 52- Grau de conforto das decisões

Grau de conforto Probabilidade Gravidade
Não tenho conforto ↓ Alta Alta
Não tenho conforto ↓ Alta Média
Tenho conforto ↑ Alta Baixa
Cuidado ↔ Média Alta
Cuidado ↔ Média Média
Tenho conforto ↑ Média Baixa
Tenho conforto ↑ Baixa Alta
Tenho conforto ↑ Baixa Média
Tenho conforto ↑ Baixa Baixa
Probabilidade: Alta - vai acontecer, Média - pode acontecer, Baixa - dificilmente acontecerá;
Gravidade: Alta- muito importante, Média - importante; Baixa - desprezível. Fonte: CARCALHO
(1997).
273
Cruzando-se as indicações das tabelas de significância dos impactos e de

conforto nas decisões e adequando os resultados obtidos pelo cruzamento, pode-se
obter a Tabela 53, para classificação da relevância de impactos ambientais.
Tabela 53 – Classificação do grau de relevância ou impacto pelo método “5i”.

Classes de Relevância ou
Observações
Valor Impacto
Há conforto para execução do projeto sem riscos
0 a -2,0 BAIXÍSSIMO maiores. Pode necessitar de algumas medidas
mitigatórias.
Inspira cuidados. É necessário adotar algumas
2,1 a -4,0 BAIXO medidas mitigadoras sobre as atividades de maior
impacto.
Pode ser executado sob controle rígido. Exige
4,1 a -6,0 MÉDIO medidas mitigadoras e compensatórias sobre a
maioria das atividades.
É projeto de alto risco. Exige extremos cuidados para
6,1 a -8,0 ALTO sua execução e grandes ações para redução de
riscos.
Somente se justifica em casos de extrema
8,1 a -10,0 ALTÍSSIMO necessidade social. Os riscos são altíssimos. Tende a
ser inviável.
Fonte: Adaptação, com auxílio das classes para determinação da significância de impactos ambientais sugeridas por SOARES
(2002-b) cruzadas com as classes para avaliação de riscos potenciais do método GUT descrito por CARVALHO (1997), para
quantificação do grau de impacto total, ou de relevância.
274
13 GESTÃO DE RISCOS
13.1 Introdução
As organizações enfrentam fatores internos e externos e influências que
tornam incerto se e quando atingirão seus objetivos; o efeito dessa incerteza nos
objetivos de uma organização é denominado de "risco" (ISO, 2009).
Risco pode ser conceituado como a possibilidade de ocorrência de um evento

que adverso à realização de um objetivo. É o efeito da incerteza sobre os objetivos.
Segundo a ISO (2009), as organizações devem criar uma estrutura de

gerenciamento de riscos, implementa-la e integrá-la em sua gestão e cultura,
mantendo um sistema de monitoramento sobre os riscos e melhorar continuamente
os planos para conter os riscos a que estão sujeitas. Gerenciar riscos em uma
organização tem como principais efeitos melhorar a eficácia e eficiência operacionais
e o desempenho em saúde e segurança, bem como a proteção ambiental. A estrutura
de gerenciamento de riscos é um conjunto de componentes que fornece as bases e
os arranjos organizacionais para a concepção, implementação, monitoramento,
revisão e melhoria contínua do gerenciamento de riscos em toda a organização.
De acordo com a norma ISO 31.000, o processo de gerenciamento de riscos

deve ser realizado de acordo com a Figura 50. No estabelecimento do contexto de
riscos, uma organização deve articular seus objetivos e definir os parâmetros externos
e internos a serem levados em conta ao gerenciar riscos, defindo os critérios de
escopo e risco para o processo remanescente.
275
Figura 50 - Processo de gerenciamento de riscos (ISO, 2009).
O tratamento de riscos pode envolver (ISO, 2009):

− Evitar o risco, decidindo não iniciar ou continuar com a atividade que dá
origem ao risco;
− Assumir ou aumentar o risco, a fim de buscar uma oportunidade;
− Remover a fonte de risco;
− Mudar a probabilidade de acontecer;
− Mudar as consequências;
− Compartilhar o risco com as partes interessadas (incluindo contratos e
financiamento de risco);
− Reter o risco por escolha informada.
O planejamento da produção florestal tem sido tradicionalmente baseada na

pressuposição de que o resultado da atividade de manejo é certo, na verdade os
resultados do manejo florestal são incertos e estão sujeitos a riscos potenciais
causados pelo ambiente, pelo homem e pelas próprias árvores, devido aos longos
276
períodos necessários para que as árvores amadureçam e estejam em ponto de serem

colhidas. O manejo de áreas florestais deve ser realizado considerando-se estes
riscos. A análise de riscos deve fazer parte de todas as decisões florestais, devendo-
se levar em consideração que é quase impossível obter uma compreensão completa
de todas as alternativas (BETTINGER, 2009).
No passado era usual a recomendação de que se considerasse uma perda de

10% da produção. Então, eram acrescentados 10% sobre a área necessária de
plantio para abastecimento industrial de forma a evitar o risco de falta de madeira
devido à eventuais perdas. A partir do desenvolvimento do manejo florestal com
técnicas mais aprimoradas, isso deixou de ser uma prática viável, pois é possível
gerenciar os riscos de forma a reduzir a área de plantio para o estritamente
necessário, ou determinar com precisão as perdas que poderão ocorrer,
considerando-as no planejamento da produção.
13.2 Classificação de riscos

Oliveira (2009) classifica os riscos em estratégicos (Tabela 54), de
conformidade (certificação) (Tabela 55) e operacionais (Tabela 56)
277
Tabela 54- Exemplos de riscos estratégicos (adaptado de Oliveira, 2009)

PERIGOS para o negócio
Probabilidade
(valor, qualidade e
Efeitos de
quantidade de produto ou
acontecer (1-5)
produtos)
Alteração de produtividade;
Alteração de custo dos fatores de
Alterações climáticas Variável
produção;
Aumento da volatilidade;
Alteração da procura e oferta de
Novos mercados Variável
matéria prima e produtos;
Enquadramento social Convulsões sociais / greves; Variável
Políticas públicas Mudanças na legislação. Variável
Fonte: Oliveira (2009).
Tabela 55- Exemplos de Risco Conformidade

Probabilidad
Classe de e de
Problemas relacionados
Risco acontecer (1-
5)
Atraso do prazo de projecto
Regulação
Aumento de custos administrativos Variável
administrativa
Aumento dos custos financeiros
Não certificação do produto final
Rotura de stocks de madeira certificada
Certificação Variável
Alteração de preços e condições de fornecimento de
mercado
Tabela 56- Exemplos de riscos operacionais

Impacto
Riscos relacionados às
Fase/Atividade no valor Fatores críticos
operações
(1-5)
Adaptação da planta 2a4 Adaptação da planta e
recomendação
Fertilização errada 1a5 nutricional
Instalação Preparação mal feita 3e4 Número de plantas e
Qualidade e número planta 2e4 qualidade da plantação
Qualidade da plantação 2a5 e diversidade genética
278
Impacto
Riscos relacionados às
Fase/Atividade no valor Fatores críticos
operações
(1-5)
Competição interespecífica 1 a 4
Sanidade
Fertilização errada 1 a4
Manutenção Agentes bióticos 2 a4 Gestão da competição
Momento do corte 1 a2 interespecífica e
Número de varas 2 a 4 intraespecífica
Qualidade do material a
1 a 3
explorar
Gestão da informação
Qualidade do corte e
Exploração 1
rechega
Terreno e densidade viária 1 Conformidades legais e
Não conformidades 2a4 boas práticas
Destruição de infraestruturas 4
Gestão da rede viária e
Erosão Perda de solo após um
2a5 exploração pós incêndio
incêndio
Antecipação de tensões
Extravio de madeira 1 a 2
locais
Gado, furto ou
Destruição de plantação, 4
Vandalismo
Furto dos factores de Seleção de PS e F
3
produção
Incêndio no povoamento 1a5 Gestão do momento do
Eventos Seca 1 a4 corte/exploração
abióticos Gestão do sub-bosque e
Geada Outros 2 a4
táctica de combate
13.3 Identificação e quantificação de riscos

Os principais riscos na produção florestal são listados a seguir:
− Ambientais
• Catástrofes ambientais (vento, raios, seca, enxurradas e
alagamentos).
• Fogo.
• Pragas.
279
• Doenças.
• Solos - compactação, esgotamento, contaminação, erosão.
• Contaminação biológica.
− Sociais
• Políticos - instabilidade política social.
• Legais - mudanças na legislação (perda de área produtiva).
• Instabilidade social - pressões ambientais, greves;
− Econômicos
• Taxa de juros - aumento.
• Instabilidade econômica - interna e externa.
• Impostos - aumento.
• Estoque industrial excedente.
• Preço dos produtos.
• Custos dos insumos.
• Custos de produção.
• Inflação descontrolada.
• Taxa cambial flutuante.
• Endividamento.
• Redução de consumo.
• Substituição de produtos por similares.
Na análise de riscos, pode-se adotar dois ou mais fatores para parametrizá-los

de forma a realizar análise quantitativa. Oliveira (2009) sugere a quantificação em
função da probabilidade (nos níveis 1=rara a 5=muito provável) e impacto caso ocorra
(nos níveis 1=sem importância a 5=muito importante). Pode-se realizar a
parametrização também tomando-se como base, por exemplo o método GUT
(gravidade, urgência e tendência), ou o método 5i (importância, iminência, incidência,
intensidade, inclinação), sendo que 3 dos fatores do 5i coincidem com os 3 do GUT,
sendo o 5i mais abrangente. O método 5i foi desenvolvido para classificação de riscos
de impactos ambientais de empreendimentos florestais. A parametrização de riscos
pelo método é apresentada da Tabela 57 a Tabela 61. Para a quantificação não é
necessário utilizar todos os fatores (os 5i), mas ao menos os 3 que coincidem com o
280
GUT. Os valores dos índices de cada fator selecionado devem ser somados; esta
soma é dividida pelo número de fatores utilizados. Os valores dos índices de cada
fator vão de 1 a 10 e a média também será portanto um valor de 1 a 10, aumentando
o risco quanto mais próximo de 10 for o resultado da parametrização. Os fatores do
método 5i são descritos a seguir:
1) Importância ou gravidade – É o valor relativo de um fato, no caso de acontecer,
em relação ao valor global do todo considerado. Deve ser estimado com base
em fatos ocorridos.
2) Iminência ou urgência - É o tempo restante para que se tome uma providência
a respeito de um fato que poderá ocorrer. Representa a premência de tempo
em se tomar uma providência em relação à algo que poderá acontecer.
3) Intensidade - É o potencial de dano que uma quantidade média normal pode
causar aos seres vivos, ou a força com que determinado fato ocorre em relação
ao seu padrão médio.
4) Incidência - É a frequência com que algo ocorre numa escala que deve ser
transformada para 1 a 10.
5) Inclinação ou tendência - É a prognose de algo se manter no mesmo, melhorar
ou piorar com o passar do tempo, considerando as condições e estado atuais.
281
Tabela 57 - Classes de Importância

Índice Dano/Todo (%) Critérios
Dano ou risco insignificante à saúde humana e demais formas de vida ou ecossistemas.
1 ≤10% Dano ou risco desprezível aos sistemas produtivos. Alterações em até 10 % da paisagem.
Perdas de produção de até 10% por período não superior a 30 dias.
Risco de ferimentos muito leves. Alteração da paisagem ou de habitats em até 20%.
2 >10 e ≤ 20 Dano ou risco muito pequenos às atividades produtivas. Perdas de produção de até 20%
por período não superior a 30 dias.
Risco de ferimentos leves. Alteração da paisagem ou de habitats em até 30%. Dano ou
3 >20 e ≤ 30 risco pequenos às atividades produtivas. Perdas de produção de até 30% por período
não superior a 30 dias.
Risco de ferimentos leves. Risco de doenças crônicas enquanto executar a atividade.
Alteração da paisagem ou de habitats em até 40%. Pequenas alterações topográficas.
4 >30 e ≤ 40
Dano ou risco pequenos às atividades produtivas. Perdas de produção de até 40% por
período não superior a 30 dias.
Risco de ferimentos médios. Risco de doenças crônicas com sequelas permanentes de
pequena gravidade. Alteração da paisagem ou de habitats em até 50%. Alterações
5 >40 e ≤ 50 topográficas com consequências pequenas para os solos e regime hídrico. Dano ou risco
médios às atividades produtivas. Perdas de produção de até 50% por período não
superior a 30 dias.
Risco de ferimentos médios. Risco de doenças crônicas com sequelas permanentes de
média gravidade. Alteração da paisagem ou de habitats em até 60%. Alterações
6 >50 e ≤ 60 topográficas com consequências médias para os solos e regime hídrico, exigindo
medidas mitigadoras com custo de até 5% do projeto. Risco de interrupção de atividades
produtivas. Perdas de produção de até 60% por período não superior a 30 dias.
Redução de habitats em até 70%. Risco de acidentes e de doenças graves. Alterações
topográficas com consequências para os solos e regime hídrico, exigindo medidas
7 >60 e ≤ 70 mitigadoras com custo de até 10% do projeto. Risco de perda considerável de sistema
produtivo. Risco de interrupção, por período longo, de qualquer processo. Perdas de
produção de até 70% por período não superior a 30 dias.
Risco de colocar uma ou mais espécies em perigo de extinção local. Redução de habitats
em até 80%. Risco de acidentes e de doenças muito graves. Alterações topográficas com
consequências para os solos e regime hídrico, exigindo medidas mitigadoras com custo
8 >70 e ≤ 80
de até 15% do projeto. Risco de perda quase integral de sistema produtivo. Risco de
interrupção, por período muito longo, de qualquer processo. Perdas de produção de até
80% por período não superior a 30 dias.
Risco de colocar uma ou mais espécies em perigo de extinção local. Redução de habitats
em mais de 80%. Risco de acidentes e de doenças muito graves. Alterações topográficas
com consequências para os solos e regime hídrico, exigindo medidas mitigadoras com
9 >80 e ≤ 90
custo de até 20% do projeto. Risco de perda quase integral de sistema produtivo. Risco
de interrupção, por período muito longo, de qualquer processo. Perdas de produção de
até 90% por período não superior a 30 dias.
Risco de extinção de uma ou mais espécies, ou de habitats, no local. Risco de morte.
Alterações topográficas com consequências para os solos e regime hídrico, exigindo
10 >90% medidas mitigadoras com custo superior a 20% do projeto. Risco de perda integral de
sistema produtivo. Risco de interrupção permanente de qualquer processo. Perdas de
produção superiores a 90% por período não superior a 30 dias.
Fonte: Adaptação das Tabelas para índice de importância encontradas na bibliografia citada.
282
Tabela 58 - Classes de Iminência

Prazo para providências
Índice Critérios
(dias)
1 720 Risco remoto de problemas de pequena gravidade após 2 anos.
2 360 Risco pequeno de problemas de pequena gravidade após 1 ano.
3 180 Risco médio de problemas de pequena gravidade após 6 meses.
4 90 Risco médio de problemas de média gravidade após 3 meses.
5 60 Risco médio de problemas de média gravidade após 2 meses.
6 45 Alto risco de problemas de média gravidade após 45 dias.
7 30 Alto risco de problemas de alta gravidade após 30 dias.
8 15 Alto risco de problemas de alta gravidade após 15 dias.
9 5 Alto risco de problemas de altíssima gravidade após 5 dias.
10 1 Altíssimo risco de problemas de altíssima gravidade a qualquer momento.
Fonte: Adaptação das Tabelas para índice de iminência encontradas na bibliografia citada.
Tabela 59 - Classes de Intensidade

Critérios
Índice Energia elétrica Espécimes
Perdas físicas Risco de mortes DL50 de tóxicos
doméstica restantes por
humanas* (%) anuais (nº/100mil) (mg/Kg)
(amperagem**) espécie (milhares)
1 ≤ 0,5mA ≤1 ≥ 200 ≤7 ≥ 10000
2 > 0,5 a ≤ 1mA >1 e ≤ 3 >200 e ≤ 150 >7 e ≤ 11 >8000 e ≤ 10000
3 > 1 a ≤ 2mA >3 e ≤ 6 >150 e ≤ 80 >11 e ≤ 17 >6000 e ≤ 8000
4 > 2 a ≤ 5mA >6 e ≤ 10 >80 e ≤ 60 >17 e ≤ 20 >4000 e ≤ 6000
5 > 5 a ≤ 10mA >10 e ≤ 15 >60 e ≤ 40 >20 e ≤ 23 >2000 e ≤ 4000
6 > 10 a ≤ 15mA >15 e ≤ 20 >40 e ≤ 20 >23 e ≤ 27 >1000 e ≤ 2000
7 > 15 a ≤ 20mA >20 e ≤ 30 >20 e ≤ 10 >27 e ≤ 30 >500 e ≤ 1000
8 > 20 a ≤ 30mA >30 e ≤ 40 >10 e ≤ 5 >30 e ≤ 35 >50 e ≤ 500
9 > 30 a ≤ 50mA >40 e ≤ 50 >5 e ≤ 2 >35 e ≤ 40 >5 e ≤ 50
10 > 50mA > 50 <2 > 40 <5
(*) Perdas físicas do ser humano, em percentagem: redução de sentidos – visão, audição, tato, olfato
e paladar; redução de funções fisiológicas; redução de órgãos vitais ou de seu potencial; perda ou
paralisia de membros com redução da capacidade produtiva; etc. (**) Adaptação para exposição de
10 segundos conforme a norma: IEC/TR2 60479-1 (IEC, 1994). Fonte: Adaptação das Tabelas para
índice de intensidade encontradas na bibliografia citada.
283
Tabela 60 - Classes de Incidência

Critérios
Índice
Normalidade* Freq. Anual Freq. % Critérios
1 ≤(X-2S) ≤ 0,5 ≤10% Ocorrência rara, poderá não ocorrer.
2 >(X-2S) e ≤(X-1,5S) >0,5 e ≤ 1 >10 e ≤20 Ocorrência remota.
3 >(X-1,5S) e ≤(X-1S) >1 e ≤ 3 >20 e ≤30 Ocorrência escassa.
4 >(X-1S) e ≤(X-0,5S) >3 e ≤ 5 >30 e ≤40 Ocorrência ocasional.
5 >(X-0,5S) e ≤(X) >5 e ≤ 7 >40 e ≤50 Pequena ocorrência.
6 >(X) e ≤(X+0,5S) >7 e ≤ 10 >50 e ≤60 Média ocorrência.
7 >(X+0,5S) e ≤(X+1S) >10 e ≤ 20 >60 e ≤70 Ocorrência entre média e alta.
8 >(X+1S) e ≤(X+1,5S) >20 e ≤ 40 >70 e ≤80 Ocorrência alta.
9 >(X+1,5S) e ≤(X+2S) >40 e ≤ 50 >80 e ≤90 Ocorrência muito alta.
10 >(X+2S) > 50 >90% Ocorrência altíssima ou permanente.
(*) Normalidade: X=média; S=desvio padrão. Fonte: Adaptação das Tabelas para índice de
incidência encontradas na bibliografia citada.
Tabela 61 - Classes de Inclinação

Índice Tendência Chances (%) Critérios
1 >75% Forte tendência a melhorar.
2 >50 e ≤75 Tendência razoável a melhorar.
de Melhorar
3 >35 e ≤50 Tendência moderada a melhorar.
4 >0 e ≤35 Leve tendência a melhorar.
Não há tendência de piorar, ou de melhorar, se nada

5 de Estabilidade 100%
for feito.
6 >0 e ≤ 35 Leve tendência a piorar.

7 >35 e ≤ 50 Tendência moderada a piorar.
8 de Piorar >50 e ≤ 75 Tendência razoável a piorar.
9 >75 e ≤ 90 Alta tendência a piorar.
10 >90% Altíssima tendência a piorar.

Fonte: Adaptação das Tabelas para índice de inclinação encontradas na bibliografia citada.
O resultado da análise dos riscos leva a uma interpretação do resultado da

parametrização que pode ser realizada como na Tabela 62.
284
Tabela 62 - Interpretação do resultado da parametrização pelo método 5i.

Classes de Valor Grau de risco Observações
Há conforto para execução do projeto sem riscos
0 a -2,0 BAIXÍSSIMO maiores. Pode necessitar de algumas medidas
mitigatórias.
Inspira cuidados. É necessário adotar algumas
2,1 a -4,0 BAIXO medidas mitigadoras sobre as atividades de maior
risco.
Pode ser executado sob controle rígido. Exige
4,1 a -6,0 MÉDIO medidas mitigadoras e compensatórias sobre a
maioria das atividades.
É projeto de alto risco. Exige extremos cuidados
6,1 a -8,0 ALTO para sua execução e grandes ações para redução
de riscos.
Somente se justifica em casos de extrema
8,1 a -10,0 ALTÍSSIMO necessidade. Os riscos são altíssimos. Tende a ser
inviável.
A partir do resultado da análise de riscos, deve-se definir as ações para

minimizar, eliminar ou conter os riscos em caso de acontecer, que é a próxima fase
de tratamento dos riscos.
13.4 Tratamento de riscos

O tratamento de risco caracteriza-se em desenvolver ações para modificar os
riscos, eliminando, minimizando, ou criando planos de contingência caso ocorram os
efeitos indesejados, bem como implementar essas ações.
O tratamento de risco é um processo contínuo onde os tratamentos aplicados

são monitorados, quantificados para verificar se o nível de risco é tolerável, avaliados
quanto a eficácia do tratamento e gerar novo tratamento de risco com base nos
resultados.
285
De acordo com a norma ISO 31.000/2009, as opções de tratamento de risco

não são necessariamente mutuamente exclusivas ou apropriadas em todas as
circunstâncias, podendo incluir:
a) evitar o risco, decidindo não iniciar ou continuar com a atividade que dá
origem ao risco;
b) assumir ou aumentar o risco, a fim de buscar uma oportunidade;
c) remover a fonte de risco;
d) alterar a probabilidade de ocorrência;
e) mudar as consequências;
f) compartilhar o risco com partes interessadas (incluindo contratos e
financiamento de risco); e
g) reter o risco por decisão informada.
(ISO, 2009).
13.5 Análise de risco financeiro (método de Monte Carlo)

Tem-se utilizado o método de Monte Carlo na análise de risco em projetos
florestais. O método se baseia em simulação de diferentes cenários para a produção
tendo como consequência diferentes resultados financeiros. Como a simulação pode
conter diferentes horizontes de planejamento, é aconselhável que a simulação seja
realizada com um indicador de série infinita como o VAE (valor anual equivalente) ou
o VET (valor esperado da terra). É comum encontrar estudos usando o VPL, ou a taxa
de retorno, mas isso não é o mais adequado, pois determinados para séries finitas.
A simulação envolve alterações sobre todos os recursos e demais fatores que

influenciem no valor dos mesmo, incluindo todas as possibilidades de variação de
cada um, como taxa cambial, aumento do salário mínimo, perda de produtividade
florestal, aumento do preço de insumos e máquinas e todos os demais imprevistos
com repercussão econômica sobre o projeto. Todo fator com incerteza inerente deve
ser contemplado na análise. As simulações devem envolver escalas que abranjam
toda a amplitude de variação de cada recurso. Geralmente, são realizadas centenas
286
ou milhares de simulações e calcula-se o resultado financeiro para cada uma delas,

seja VET ou VAE, ou outro índice financeiro escolhido. Isso implica em uso de
computadores e programas adequados. Depois de realizadas as simulações e obtidos
os resultados financeiros de cada uma, verifica-se qual a percentagem de resultados
inaceitáveis; esta percentagem é o risco do empreendimento não ter sucesso
financeiro.
A simulação pode ser realizada de forma aleatória sobre a variação de cada

fator ou recurso dentro de sua amplitude de variação e de sua probabilidade de
ocorrência, simulando as tarefas de forma aleatória com base nas probabilidades de
ocorrência de cada evento, buscando-se assim aproximar-se ao máximo da situação
real.
287
14 MONITORAMENTO
14.1 Introdução
Controlar atividades, custos, qualidade, etc., tem sido uma preocupação desde
que surgiu a primeira organização. Todos os dias surgem novas ferramentas de
controle e as organizações estão sempre mudando seus sistemas.
Monitoramento é uma palavra nova nos dicionários da língua portuguesa e

significa supervisionar as atividades para garantir que estejam em curso e dentro do
cronograma e parâmetros planejados para atingir os objetivos e as metas de
desempenho.
Monitoramento está intimamente relacionado ao PDCA (MIRSHAWKA , 1990),

sigla para Plan, Do, Check, Action, o ciclo do Dr. Shewhart, conhecido no Japão como
ciclo do Dr. Deming, que o difundiu no país. O PDCA foi modificado e chamado de
MAMP (Método de Análise e Melhoria de Processos) pelo SEBRAE (GRIMALDI e
MANCUSO, 1994). É uma metodologia para melhoria da qualidade que envolve os
quatro passos: Planejar, Executar, Avaliar e Corrigir, que são a base para o
desenvolvimento de um sistema de monitoramento.
Tudo que envolve medição e dados, de alguma forma está relacionado a

monitorar. Uma espécie de monitoramento utilizado em indústrias é o controle
estatístico de processo, outra é o controle ambiental.
As normas da família ISO 9000 tratam do assunto, sendo um dos requisitos

para certificação. Segundo a NBR ISO 9001, o fornecedor deve, em primeiro lugar,
identificar quais técnicas estatísticas são necessárias para estabelecimento, controle
e verificação da capacidade de seus processos e das características de seus
288
produtos; depois deverá estabelecer procedimentos para implementar e controlar a

aplicação das mesmas. Até aqui, abrangendo os três primeiros passos do PDCA,
sendo que o último passo, Action, é tratado no requisito ação corretiva e preventiva.
Monitorar pode ser mais do que simplesmente medir e avaliar, como pode
parecer à primeira vista. A abrangência do verbo monitorar, que não está na maioria
dos dicionários de antes da década de 90, atinge todo o PDCA, dependendo da sua
abrangência.
Pode-se classificar os sistemas de monitoramento em três tipos principais:

− Monitoramento de avaliação– corresponde ao check do PDCA;
− Monitoramento de controle – abrange avaliação e correção;
− Monitoramento para melhoria contínua – abrange planejamento, execução,
avaliação e correção.
O monitoramento para avaliação é aquele em que se realizam medições
periódicas de determinada atividade e se as apresenta em tabelas e gráficos para
simples acompanhamento. Ao final tem-se, geralmente, um relatório periódico de
médias e variâncias e, às vezes, de tendências. Serve, principalmente, para verificar
a situação atual e realizar prognoses com base nisso.
O monitoramento para controle é representado principalmente pelo controle

estatístico de processos, onde a atividade é acompanhada, procurando-se verificar se
está dentro de determinados parâmetros preestabelecidos. Quando ocorrem
variações fora dos limites, são desencadeadas ações para sua correção. Tem como
objetivo principal evitar que os processos saiam de controle, mantendo-os dentro de
padrões pré-definidos, tendo como resultado produtos e serviços com a mesma
qualidade, continuamente.
O monitoramento para melhoria contínua é aquele em que os resultados das

medições, ou avaliações, são utilizados para cálculos que irão determinar ações a
serem executadas em função dos resultados obtidos. O objetivo dos monitoramentos
289
deste tipo é a automação de etapas, ou de processos completos, eliminando o fator

humano na tomada de decisões. Usualmente são adotados para redução de custos,
pois o ser humano tem como hábito exagerar nas doses, como forma de ter certeza
dos resultados. Por exemplo, um operário ao encontrar um grande formigueiro e
calcular a dose de formicida, pode aplicar mais do que a dose calculada com receio
de que não seja suficiente.
No desenvolvimento de um sistema de monitoramento para melhoria contínua

é necessário levantar todas as informações sobre o assunto e seguir as quatro etapas
do PDCA: planejamento, execução, avaliação e correção. Estas etapas se relacionam
com as fases do processo decisório conforme a Tabela 63. O monitoramento para
melhoria contínua pode ser considerado uma fusão das duas metodologias: PDCA e
Processo Decisório.
Tabela 63– Etapas do Monitoramento x Fases do Processo Decisório

Processo Decisório
Etapas de
Desenvolvimento Análise de Análise de Análise de Análise de
Situação Problema Decisão Problemas
Potenciais
Levantamento de x x
Informações
1 etapa Planejamento
a x x
2a etapa Execução x
3a etapa Avaliação x x
4a Etapa Correções x x
Inicia-se com o levantamento de informações onde se descreve e analisa a

situação em si e o problema, ou problemas, que apresenta, depois é realizado o
planejamento, onde se define os objetivos do sistema a ser desenvolvido e analisam-
se as alternativas possíveis para a solução dos problemas de forma a atingir os
objetivos, define-se o que e como medir as variáveis do problema periodicamente e o
290
que fazer em cada caso, levando-se em consideração todas as alternativas. Depois,

passa-se à execução, medindo e verificando as ocorrências e tomando as decisões
conforme o planejado e, por último, realizam-se as correções necessárias quanto ao
sistema e quanto às soluções aplicadas aos problemas ocorridos e que não tiveram
o efeito desejado, planejando a execução das ações corretivas, o que já é o início de
um novo ciclo.
Para desenvolvimento de um sistema de monitoramento para melhoria

contínua é recomendável que se estude antes sobre o assunto “Processo Decisório”
e sobre sua etapa denominada de “Análise de Decisão”, esta última apresentada
resumidamente na secção , a seguir.
14.2 Análise de decisão

Quando temos um problema e conhecemos as causas do problema, podemos
ter diferentes soluções, ou seja, ações que podemos adotar para solucionar o
problema. A primeira coisa que precisamos fazer neste momento é determinar o
propósito da nossa decisão.
Frequentemente tomamos decisões baseando-nos em casos anteriores. Isso

nos limita a fatos passados. Temos de olhar para o presente e futuro quando tomamos
uma decisão de maneira a evitar os erros do passado. Estabelecer o critério de uma
decisão de maneira correta nos permite ter uma visão ampla. "Isso sempre deu certo
assim” não é uma frase bem vinda neste caso.
14.2.1 Propósito da decisão (Objetivo da Decisão)

O propósito da decisão deve ser formulado através de um verbo de ação que
estimule alguma coisa, um objeto alvo referente à ação do verbo que indique o que
291
está sendo estimulado e um ou mais agentes modificadores que indiquem

limitações da decisão, onde o verbo de ação, o objeto alvo e os agentes modificadores
descrevem o foco da nossa decisão.
Ao estabelecermos um propósito de decisão devemos levar em consideração

que ele deve permitir que se produza um conjunto de critérios (objetivos) e um grupo
de alternativas comparáveis.
Os componentes do propósito de uma decisão:

− (a) verbo de ação - indica o modo como serão abordadas as alternativas;
− (b) objeto alvo - identifica o grupo geral das alternativas a considerar;
− (c) agentes modificadores - limitam o grupo de alternativas, apuram o
propósito da decisão e realçam a necessidade de se tomar uma decisão.
− Foco da decisão = a + b + c.
14.2.2 Critérios
Os critérios que temos para tomar uma decisão são os nossos desejos, as
restrições que fazemos, os objetivos que temos em relação ao propósito da decisão,
ou seja, são os pré-requisitos que temos para tomar a decisão em relação ao nosso
propósito.
Os critérios que temos para decidir podem ser obrigatórios. Estes nós não
negociamos e são eliminatórios. Outros podem não o ser e são passíveis de
negociação, são os critérios desejáveis. Precisamos separá-los como naTabela 64.
292
Tabela 64 - Classificação dos critérios para a decisão

Obrigatórios Desejáveis
são indispensáveis têm importância relativa
são mensuráveis podem ser mensuráveis
são realistas todos que não são obrigatórios
Imprescindíveis Negociáveis
Os critérios obrigatórios são o mínimo que queremos. O não atendimento de
qualquer um é fator de eliminação de alternativas. Os critérios desejáveis não são
eliminatórios e alguns são mais desejáveis do que outros, assim, precisamos atribuir
pesos para eles, de forma a poder ordená-los.
Os critérios podem ser entendidos como os objetivos que queremos alcançar

com a decisão a ser tomada.
14.2.3 Alternativas
As alternativas para decidirmos podem ser evidentes e estar presentes no
mercado ou no ambiente em que nos encontramos. Mas, muitas vezes, nem mesmo
uma experiência passada existe e temos de produzi-las. Podemos utilizar novamente
o brainstorming para gerar alternativas em grupo.
Mesmo que tenhamos várias alternativas, é importante que façamos uso de

informações que já possuímos para produzi-las, ou complementar nosso grupo de
alternativas:
USO DO PROPÓSITO DA DECISÃO:
- uma das funções do propósito da decisão é delimitar e definir um grupo de

alternativas; no propósito da decisão poderemos encontrar algumas alternativas, ou
indicação para as encontrar;
293
- desmembre o propósito da decisão em sub-propósitos, cada um deles pode

ser usado para gerar uma sub-alternativa, procure formas para combinar as sub-
alternativas em uma única completa;
USO DOS CRITÉRIOS (OBJETIVOS):
− os critérios criam limitações e dão indicação das alternativas que temos;

− indague, para cada critério, quais as maneiras que temos para satisfazê-lo
gerando alternativas, depois tente combiná-las para encontrar uma
solução completa.
USO DAS CONSEQUÊNCIAS ADVERSAS:
− considere as consequências adversas para melhorar uma alternativa

existente ou sugerir novas.
14.2.4 Comparação das alternativas

As alternativas têm de ser comparadas primeiramente frente aos critérios
obrigatórios e depois quanto aos desejáveis.
FRENTE AOS CRITÉRIOS OBRIGATÓRIOS
Neste caso, faremos a eliminação pura e simples das alternativas que não
atendam um dos critérios obrigatórios. As alternativas que passarem no teste, deverão
ser classificadas na 5a etapa a seguir.
Pode-se usar uma grade de comparação para facilitar a comparação, conforme

Tabela 65.
294
Tabela 65 – Alternativas x Critérios obrigatórios

critérios Alternativa 1 Alternativa 2 etc...
(descrição) Atende Não Atende Não Atende Atende Não
Atende Atende
Primeiro critério
Segundo critério
etc...
FRENTE AOS CRITÉRIOS DESEJÁVEIS
As alternativas devem receber notas de 0 a 10, quanto ao atendimento de cada

um dos critérios desejáveis, iniciando-se com valor 0 (zero) para aquelas que não
atendem o critério considerado, até o valor 10 para aquelas que o atendem
plenamente. A soma dos produtos dos pesos dos critérios pela nota da alternativa nos
dará o número de pontos que a alternativa atingiu. Quanto mais pontos, melhor a
alternativa (Tabela 66).
Tabela 66 – Alternativas x Critérios desejáveis

Critérios Alternativa 1 Alternativa 2 ETC...
Descrição Peso Nota Pontos Nota Pontos Nota Pontos
(a) (b1) ( a x b1 ) (b2) ( a x b2 ) (b3) ( a x b3 )
Primeiro
Segundo
Etc...
soma - - - -
Deverão ser escolhidas duas a três alternativas entre as que alcançarem maior
número de pontos. A escolha do número de alternativas dependerá de nossa
experiência e bom senso.
14.2.5 Avaliação dos riscos

Após a escolha das melhores alternativas passaremos a verificar os riscos, ou
consequências adversas, que poderão resultar das alternativas escolhidas.
295
Deve-se definir o grau de probabilidade de acontecer cada uma das

consequências e a gravidade em caso de acontecer (Tabela 67):
PROBABILIDADE:
− (A) Alta- vai acontecer;

− (M) Média- pode acontecer;
− (B) Baixa- dificilmente acontecerá.
GRAVIDADE:
− (A) Alta- muito importante;

− (M) Média- importante;
− (B) Baixa- desprezível.
Tabela 67 – Avaliação dos riscos da decisão

Riscos probabilidade gravidade
(consequências adversas) A M B A M B
Primeira consequência adversa
Segunda consequência adversa
Etc...
14.2.6 Grau de conforto das decisões

Após definidos os riscos, deveremos avaliar o grau de conforto para a tomada
de decisão, em função da probabilidade e gravidade através da Tabela 68.
296
Tabela 68 – Grau de conforto das decisões

grau de conforto probabilidade gravidade
Não tenho conforto ↓ Alta Alta
Não tenho conforto ↓ Alta Média
Tenho conforto ↑ Alta Baixa
Cuidado ↔ Média Alta
Cuidado ↔ Média Média
Tenho conforto ↑ Média Baixa
Tenho conforto ↑ Baixa Alta
Tenho conforto ↑ Baixa Média
Tenho conforto ↑ Baixa Baixa
Dependendo dos riscos, é possível que nenhuma das alternativas escolhidas

nos dê conforto para decidir, então, poderemos ter de abandonar as alternativas que
escolhemos inicialmente e passarmos a considerar a 3a, ou a 4a, ou mesmo outra de
menor pontuação.
Finalmente, escolhida a alternativa que mais satisfaz os nossos critérios de

seleção e que nos dá maior conforto para decidir, podemos passar para o
planejamento de ações sobre as consequências adversas, que é nossa última etapa
da tomada de decisão.
Nos casos de pressão de tempo, podemos resumir a tomada de decisão a

quatro etapas somente: 1) Propósito da decisão, 2) Objetivos Obrigatórios,
3)Alternativas e 4) Consequências adversas.
14.2.7 Ações sobre os riscos

Deveremos sempre considerar a adoção de ações sobre os riscos, de maneira
a eliminar o desconforto sobre as decisões que tomamos.
297
Nós podemos decidir conviver com os riscos se eles forem muito remotos e de
baixa gravidade, mas em outros casos poderemos decidir por minimizá-los, ou mesmo
eliminá-los.
Há dois tipos de ações para minimizar ou eliminar riscos:

− Ações de proteção;
− Ações de prevenção.
AÇÕES DE PROTEÇÃO
São as ações que tomamos sobre o efeito do risco com a finalidade de reduzir
a gravidade em caso de acontecer.
AÇÕES DE PREVENÇÃO
São aquelas que tomamos sobre as causas com a finalidade de reduzir a

probabilidade de acontecer.
14.3 Metodologia para desenvolvimento de sistemas de

monitoramento operacional
A partida para o desenvolvimento de um sistema de monitoramento decisório
deve ser a identificação de uma situação com tendência de piorar na atualidade e que
tenha quedas periódicas de seus índices, em outras palavras: situações que são
problemas cíclicos. A existência prévia de dados de um sistema de monitoramento
simples pode ser o ponto de partida do estudo. Como segundo passo do
desenvolvimento temos a avaliação da amplitude das perdas que estão ocorrendo,
ou ocorreram, quanto à atividade que apresenta problemas. E, por último, devemos
determinar a premência de tempo para solução do problema em cada uma das
intensidades em que ele ocorre. Depois de satisfeito isso, podemos determinar os
298
pontos críticos e quais as decisões a serem tomadas em cada caso em função da

nossa experiência ou dos dados disponíveis.
Para que um sistema deste tipo seja desenvolvido temos de contar sempre
com muitos dados, com pessoas que tenham larga experiência no assunto e
satisfazer as condições a seguir:
1) a situação é um problema e merece atenção;
2) a causa do problema já deve ter sido identificada por qualquer método de
análise de problemas;
3) As soluções para o problema já tenham sido identificadas em suas mais
diversas variações;
4) O problema é cíclico, ou seja, não é possível eliminar definitivamente as causas,
somente podemos controlar as causas e efeitos.
Se as causas do problema não são conhecidas ou se as soluções ainda não
foram determinadas, passe a tratar disso antes de iniciar o desenvolvimento do
monitoramento decisório. Se o problema não é cíclico, então não há necessidade de
monitoramento decisório e devemos rever o caso, pois há grande probabilidade de
que seja possível eliminar as causas e, então, eliminar o problema definitivamente.
As medições sobre efeitos, ou resultados, nos fornecem dados preciosos para

identificar atividades que tem problemas. Deve-se levantar todos os dados disponíveis
e identificar as pessoas envolvidas com a atividade que possam contribuir com
informações.
Vamos analisar três casos baseados em situações que são problemas para
muitas empresas:
1o Caso – Danos causados por formigas saúvas em reflorestamentos: Neste

caso específico, a causa do problema é conhecida: formigas cortadeiras; e a solução
também: o combate das formigas com formicidas. É um caso típico para o
desenvolvimento de um sistema de monitoramento decisório. Normalmente as
empresas têm pessoas com larga experiência na identificação de áreas que
299
necessitam combate, na caracterização da intensidade do ataque e na avaliação dos

danos causados, o que pode compensar a inexistência de registros sobre estas
variáveis. É bom verificar quanto se gasta com formicidas, mão-de-obra e
equipamentos para combate, assim como estimar os danos causados em termos de
redução do incremento anual em madeira por unidade de área. Um reflorestamento
atacado por formigas tende sempre a aumentar as perdas com o passar do tempo,
ou seja, a tendência é piorar. No entanto, sabemos de antemão que a solução não é
definitiva; algum tempo após a aplicação do formicida, as formigas voltam a se instalar
na área e o problema se torna cíclico.
2o Caso – Redução no crescimento de árvores pela matocompetição: Aqui,

também, é conhecida a causa: matocompetição; e a solução: capina química ou
convencional. A capina também não é uma solução definitiva, pois as ervas daninhas
voltam a se instalar e desenvolver com o passar do tempo. O problema é cíclico, a
causa não pode ser eliminada, somente controlada.
3o Caso – Perdas causadas por acidentes rodoviários: Nesta última situação, a

causa não é conhecida e precisa ser estudada, o que pode ser feito através de dados
de levantamentos internos da empresa, ou da polícia rodoviária federal, que mantém
estatística regular das causas de acidentes. Com estes dados pode ser montado um
diagrama de Pareto para identificar qual (is) a(s) causa(s) mais frequente(s). Para
exemplificar, veja o exemplo na Figura 51, com dados fictícios:
300
Figura 51– Diagrama de Pareto acerca de causas de acidentes rodoviários.
Neste exemplo, pode-se verificar que o fator humano é responsável por 50%
das causas, que somados às condições dos veículos, chegam a 75%. É
recomendável trabalhar, em primeiro lugar, com o fator humano, para reduzir os
acidentes. Mas, se desejarmos obter melhor resultado, é necessário incluir em nossas
ações o controle da condição dos veículos. A causa fator humano pode ser reduzida
com treinamento, mas há necessidade de reciclagem, pois o que é absorvido nos
treinamentos aos poucos é esquecido e deixado em desuso, tornando o problema
cíclico. Também, a manutenção dos veículos, que é a solução para a segunda causa,
tem de ser periódica, pois o desgaste de peças é contínuo.
Como vimos, todos os três casos satisfazem as condições para que sejam
objetos de monitoramento decisório e pode-se seguir em frente com as situações.
301
Outra forma de identificar problemas cíclicos em empresas é examinar seus

relatórios contábeis. Examinando balancetes descobre-se onde é gasto o dinheiro e,
onde há grandes gastos constantes, pode haver também grandes problemas cíclicos.
Buscar problemas cíclicos que mereçam atenção em empresas e criar
monitoramentos para eles é uma forma muito eficaz de reduzir custos e melhorar a
qualidade.
Outras atividades que podem ser objeto de monitoramento são:

− Máquinas veículos e equipamentos, com o objetivo de reduzir custos com
reforma e manutenção, tendo como critério o valor da intervenção em
relação ao do equipamento;
− Estradas, com o objetivo de reduzir os custos com manutenção e reforma
em relação ao valor do produto final, ou serviço de transporte que está
sendo prestado através da estrada em questão. Deve considerar como
critério o seu uso, ou fluxo de veículos para caracterizar sua importância;
− Meio-Ambiente, para controlar as agressões ao meio-ambiente por
indústrias, empresas florestais, empresas de transporte, etc;
− Serviços prestados por terceiros, para controlar a produção (qualidade e
quantidade), evitando erros e atrasos;
− Estoques, para redução a um nível compatível com as necessidades e de
custo mínimo.
Identificando um problema, identificando a sua causa, descobrindo a solução e
sabendo que o problema é cíclico, é a chave para perceber a necessidade e criar um
sistema de monitoramento para melhoria contínua.
14.3.1 Levantamento de informações

A primeira coisa a fazer é identificar as pessoas envolvidas com o problema e
levantar todas as informações sobre o mesmo, envolvendo suas causas, efeitos,
solução, periodicidade e custos. Pode-se fazer uma reunião com o pessoal envolvido
e solicitar que cada um junte todas as informações de que dispõe; deve-se verificar
que informações são necessárias para complementar as disponíveis e encarregar
302
alguém, presente na reunião, de coletá-las. Feito isso, pode-se então passar ao

PDCA, ou seja, às quatro etapas sequenciais: Planejar, Executar, Analisar e Corrigir:
1A ETAPA – PLANEJAMENTO
Na etapa de planejamento, deve-se:

− Definir o objetivo do monitoramento;
− Determinar as causas que serão controladas e suas variáveis;
− Definir como serão realizadas as medições ou levantamentos;
− Determinar a periodicidade dos levantamentos;
− Criar critérios de decisão;
− Definir as ações a executar, em cada situação das causas, através de
fórmulas, ou fluxogramas, ou tabelas, conforme os critérios de decisão.
2A ETAPA - EXECUÇÃO
Na etapa de execução, deve-se:

− Treinar todo o pessoal na execução das atividades e dos levantamentos,
no uso dos fluxogramas, tabelas e fórmulas de decisão e na execução das
ações selecionadas;
− Realizar os levantamentos programados;
− Determinar as ações a serem executadas conforme fórmulas, fluxogramas,
ou tabelas, de acordo com o que foi planejado;
− Executar as ações selecionadas;
3A ETAPA - AVALIAÇÃO
Nesta etapa, deve-se avaliar a eficácia das ações tomadas, ou seja, se as

ações controlaram os efeitos e se o levantamento e a metodologia planejados levaram
à decisão correta.
A ineficácia das ações pode ser devida às seguintes causas:

− A ação foi mal executada (por erro ou atraso);
303
− Não foi escolhida a ação correta, o que pode ocorrer por três motivos: 1) a
metodologia da decisão está errada; 2) houve falha na execução do
levantamento; 3) houve falha no planejamento do levantamento.
Encontrada a causa da ineficácia da ação executada, passa-se à fase seguinte.
4A ETAPA - CORREÇÕES
Em caso de a ineficácia da ação ter sido devida à sua execução incorreta, deve-
se determinar as ações corretivas quanto à execução da ação e providenciar para que
as pessoas responsáveis sejam treinadas quanto à nova forma de execução.
Se for constatado que as ações executadas não foram eficazes devido à

inadequação da ação, deve-se determinar as correções necessárias à metodologia
para que a tomada de decisões seja eficaz nas próximas vezes e treinar o pessoal
quanto às modificações realizadas.
Observe que a etapa de correções é seguida de um novo planejamento, onde

temos novas informações representadas pelo primeiro planejamento e pelos defeitos,
ou problemas, encontrados quando de sua execução, já se determinou o que deve
ser feito para corrigir os defeitos e faz –se necessário realizar um novo planejamento
com estes dados, em outras palavras, é o início de um novo ciclo. Volta-se, depois, à
etapa de execução, à de avaliação, de correção e, assim, sucessivamente.
Os três exemplos que se apresenta a seguir são factuais, realmente foram

desenvolvidos em empresas florestais para: monitoramento de formigas cortadeiras,
monitoramento de matocompetição e monitoramento do transporte de madeira.
14.4 2. Monitoramento de formigas cortadeiras

Este é um caso real desenvolvido para uma grande indústria de celulose de
Eucalyptus, em 1993. Procurou-se demonstrar todas as etapas do desenvolvimento
304
deste exemplo, para perfeito entendimento do processo do início ao fim. As etapas do

processo de desenvolvimento foram semelhantes às do PDCA. Partiu-se de um
levantamento de informações e depois seguiram-se as quatro etapas:
− Planejamento;
− Execução;
− Avaliação;
− Correção.
LEVANTAMENTO DE INFORMAÇÕES
As informações existentes eram referentes aos custos com a atividade que

chegavam a R$ 0,25/m3 ao final da rotação dos plantios de Eucalyptus. Um valor
considerável se levarmos em conta que a empresa produz cerca de 2,2 milhões de
m3/ano, representando um custo total anual de R$ 550 mil. Isso já demonstra a
importância do assunto, mas ainda teríamos que somar as perdas por danos
causados pelas formigas. Estima-se que um formigueiro com área de 10 m2 é capaz
de matar, num período de quatro meses, uma planta de Eucalyptus com 42 meses de
idade (idade média dos povoamentos). Considerando-se um incremento médio anual
de 33m3/ha e 1000 plantas/ha, teríamos perdido 0,1155 m3 nos quatro meses de
ataque, ou 0,3465m3/ano por formigueiro de 10 m2 de área. Multiplique-se este valor
pelo número de formigueiros encontrados em toda a área florestal da empresa e ter-
se-á uma estimativa dos danos totais causados por formigueiros deste tamanho.
Em primeiro lugar reuniu-se todo o pessoal envolvido com a atividade de

controle e combate às formigas cortadeiras desde encarregados, técnicos e
engenheiros em uma sala. Através de um “brainstorming” descobriu-se que os
principais indicadores do risco em relação às formigas cortadeiras, ou variáveis das
causas, eram os seguintes:
− Tamanho dos formigueiros: quanto maiores os formigueiros, mais risco
representam;
305
− Número de formigueiros: quanto mais formigueiros mais danos causam;

− Percentagem de danos causados às copas das árvores: quanto mais a
árvore é atacada, mais retarda seu crescimento, até a sua morte;
− Número de árvores atacadas: quanto mais árvores atacadas, maior a
gravidade das perdas;
− Pontos de concentração: segundo os técnicos, áreas muito infestadas são
problemáticas, pois com a diminuição das copas, há penetração de luz no
interior da floresta, favorecendo o crescimento do sub-bosque que irá
competir com as árvores;
− Idade do plantio: quanto mais jovens, mais susceptíveis são e menor
resistência ao ataque as árvores oferecem.
Com isso, em mãos, foi realizado um levantamento em várias áreas piloto com
idades até três anos, com cerca de 100 hectares cada uma, num total de cerca de 8
mil hectares.
1A ETAPA - PLANEJAMENTO
Realizou-se uma análise estatística dos dados do levantamento piloto. Reuniu-

se o pessoal outra vez. Apresentou-se os resultados dos levantamentos e, então,
surgiu a pergunta: A partir de que tamanho os formigueiros representam risco mais
sério e para qual tamanho de árvores. Neste momento, iniciou-se a distribuição dos
dados em classes. Então construímos uma tabela de dupla entrada por classe de
tamanho de formigueiros e por classe de idade de árvores com os valores críticos de
tamanho de formigueiro para cada classe de idade. A segunda pergunta que surgiu
auxiliou a definir o risco real dos formigueiros por tamanho: Qual o dano causado por
cada classe de formigueiro, em cada classe de idade das árvores. Esta foi uma fase
intermediária de estudo dos dados, para melhor entendimento do problema.
O objetivo deste monitoramento é decidir se há necessidade de realizar o

combate com formicidas e quanto tempo resta para executá-lo sem que as perdas
sejam significativas. Com base nisso decidimos que o principal indicador era o prazo
306
para executar o combate e tentamos responder às seguintes questões em relação às

nossas variáveis:
− Qual o prazo para combate de um formigueiro antes que ele cause danos
significativos em cada classe de tamanho de formigueiro de até 1 m2, 2
m2, 3 m2, 4 m2, 5 m2, 10 m2, 20 m2, 30 m2, 40 m2 e 50 m2? (considerou-se
que formigueiros de 50 ou mais m2 de área apresentam risco máximo3).
− Qual o prazo para combate de uma área com 10, 20, 30, 40, 50, 100, 150
e 200 formigueiros por hectare? (200 formigueiros/ha foi considerado o
máximo de risco).
− Qual o prazo para combate de uma área em que a percentagem de danos
causados às copas das árvores é de 5%, 10%, 15%, 20%, 25%, 30%,
35%, 40%, 45% e 50% da sua altura? (acima de 50% foram consideradas
irrecuperáveis).
− Qual o prazo para combate às formigas em uma área em que, no
caminhamento geral, foram encontradas até 5, 10, 15, 20, 25, 30, 35, 40,
45, e 50 árvores atacadas? (acreditamos que numa área de 100 ha,
dificilmente ocorreriam mais de 50 árvores atacadas e que este número
seria o risco máximo).
− Qual o prazo para combate de uma área que apresenta 1, 2 e 3 pontos de
concentração? (pela experiência do pessoal, considerou-se que 3 pontos
de concentração seriam o risco máximo).
− Qual o prazo para combate de uma área com infestação média (referente
ao levantamento piloto e à experiência de cada um dos participantes) e
com idades de 1/2, 1, 2, 3, 4, 5, 6 e 7 anos? (como os povoamentos eram
submetidos a combates sistemáticos em períodos pré-determinados até
os 6 meses de idade, não foram amostrados povoamentos até esta idade).
A partir das respostas para estas perguntas, montou-se uma escala de tempo
de 15 em 15 dias, iniciando-se com 0 até 360 dias e converteu-se a soma de valores
encontrados para cada possibilidade de combinação em um fator de risco. A escala
final, desenvolvida após a fase de avaliação, está na Erro! Fonte de referência não
encontrada..
3 Risco máximo = situação que envolve grandes perdas e que exige combate imediato às formigas.
307
Descrevemos a seguir, os seis indicadores, ou variáveis, considerados para o

desenvolvimento do sistema de monitoramento para formigas cortadeiras: Tamanho
dos formigueiros, número de formigueiros por hectare, Porcentagem das copas com
danos, pontos de concentração e idade da plantação.
Tamanho dos formigueiros (T) – para medir a superfície de um formigueiro é

necessário localizar todos os seus olheiros, traçar uma linha no sentido da maior
distância entre dois olheiros representando seu comprimento (c) e outra, transversal
à primeira, representando sua largura máxima (L), como na Figura 52; a superfície,
ou tamanho do formi-gueiro (T) é dado pelo produto da sua largura pelo seu
comprimento.
Figura 52 - Medição de um formigueiro.
Número de formigueiros por hectare – para determinação do número de

formigueiros por hectare amostra-se entre 2 a 6% da superfície florestal, em faixas
distribuídas nos locais de maior infestação de formigas, onde se faz a contagem dos
formigueiros encontrados na faixa entre quatro linhas de árvores plantadas, como na
Figura 53.
308
Figura 53 - Faixa de amostragem para monitoramento de formigas cortadeiras.
Conta-se os formigueiros encontrados na faixa de amostragem e divide-se o

número encontrado pela área da faixa, que é dada por 4 vezes a distância entre duas
linhas de plantio, multiplicado pelo comprimento da faixa.
Porcentagem das copas com danos – é o percentual da altura, com danos,

da copa da árvore que foi mais atacada pelas formigas; ver exemplo de estimativa na
Figura 54; para esta avaliação, escolhe-se deliberadamente a árvore mais atacada do
povoamento florestal que está sendo monitorado.
Figura 54 - Porcentagem da altura da árvore com danos.
No de árvores cortadas – é o número total de todas as árvores com danos

que forem encontradas no povoamento que está sendo monitorado,
independentemente de se encontrarem ou não nas faixas de amostragem.
309
Ponto de concentração – é uma área com um raio de até 50 m, onde ocorrem

pelo menos três formigueiros e cuja área total de formigueiros é superior a 25 m2.
Idade do plantio – é a idade do povoamento florestal expressa em meses.
Para levantamento de dados foi desenvolvida a tabela Erro! Fonte de

referência não encontrada., onde há um exemplo hipotético de levantamento em
uma área. A tabela é adequada para o monitoramento de áreas de floresta equiânea
com uma superfície em torno de 100 hectares.
Neste caso, em particular, o levantamento é realizado procurando-se sempre

o pior, ou seja, percorre-se todas as estradas da área a ser levantada e realiza-se a
amostragem em faixas que são locadas nos pontos de maior infestação, procurando-
se o maior formigueiro, a árvore com mais danos na copa, contando-se todas as
árvores cortadas por formigas, identificando-se todos os pontos de concentração e
anota-se tudo na planilha de levantamento (Figura 55). A anotação na tabela é feita
com o número correspondente ao fator da ocorrência. Por exemplo, o maior
formigueiro observado tinha em torno de 2,5 m2, pertencente à classe de tamanho
>2,0m2 e ≤3,0m2, que corresponde ao fator 8 e este valor é anotado na coluna
correspondente a tamanho dos formigueiros; a amostragem revelou a existência de
17 formigueiros/ha, fator 2; a árvore com maior dano tinha 25% da copa afetada, fator
18; contou-se um total de 15 árvores atacadas, fator 8; não haviam pontos de
concentração, fator 1; e, o plantio estava com 28 meses de idade, fator 10. Com esses
dados é calculado o índice de risco (Tabela 69) e determina-se a ação a executar.
310
Local: Plantio: Último combate: Data:

Projeto: Talhão: ___/___/___ ___/___/___ ___/___/___
Fator Tamanho dos No de Idade do
% das copas No de árvores Nº de pontos de
de Formigueiros formigueiros plantio
com danos cortadas concentração
risco (m2) por ha (meses)
1 - ≤ 10 - - 0 1 ≥ 72
2 ≤1 nov/20 2 - - - 60 - 71
3 1,1 – 2,0 21 – 30 <5 <5 - 48 - 59
8 2,1 – 3,0 8 31 – 50 6 – 10 6 – 10 8 - 24 - 47
10 3,1 – 4,0 51–100 11 – 15 11 – 15 - dez/23 10
18 4,1 - 10,0 101– 150 16 - 20 18 16 - 20 - 10/nov
21 10,1–30,0 151–200 21 - 30 21 - 30 1 06/set
24 > 30 > 200 ≥ 30 ≥ 30 ≥2 ≤6
Risco = 8 + 2 + 18 + 8 + 1 + 10
Figura 55 – Ficha de levantamento de formigas cortadeira
CÁLCULO DO RISCO:
Para calcular o índice de risco, somam-se os pontos encontrados. O índice de

risco calculado com o exemplo da Erro! Fonte de referência não encontrada. é de:
Índice de risco = 8 + 2 + 18 + 8 + 1 + 10 = 47
No caso estudado com índice de risco = 47, corresponde a risco médio na

Tabela 69, o que implica em ação de combate imediato das formigas cortadeiras no
povoamento amostrado.
Tabela 69 – ações a tomar em função do risco (critérios de decisão)

Índice Risco Ação Prazo
0 - 10 Nenhum Monitoramento 12 meses
11 - 25 Muito pequeno Monitoramento 6 meses
26 - 45 Pequeno Monitoramento 3 meses
46 – 75 Médio Combate 1 mês
76 – 100 Alto Combate 15 dias
>100 Muito alto Combate Imediato
311
Nesta fase, realizou-se novo levantamento das mesmas áreas onde foi
realizado o levantamento piloto e executou-se as ações determinadas pelo risco
calculado.
Após um mês, foi realizado novo levantamento, nas áreas onde foi determinado
combate pelo monitoramento, para avaliação dos resultados desta ação. Verificou-se
que as ações de combate, na grande maioria dos casos, foram eficazes. Nos casos
em que isso não se verificou, a ação havia sido determinada com eficiência, mas a
sua execução fora deficiente. As correções efetuadas nestes casos resumiram-se em
treinar melhor o pessoal envolvido na sua execução.
Com posse dos dados do segundo levantamento, fez-se a correção da tabela

de ações em função do risco, dando como resultado final a tabela 2.2. As correções
necessárias foram somente de redistribuição de classes e revisão da tabela original
de levantamento, reduzindo as informações coletadas, resultando na Erro! Fonte de
referência não encontrada.. A tabela original envolvia mais cálculos que foram
eliminados. É certo que com o tempo, devido à influência de fatores biológicos e
climáticos, haverá necessidade de correções no sistema, mas foi testado em larga
escala e funciona satisfatoriamente nas condições em que foi desenvolvido.
14.4.1 Considerações a respeito do sistema de monitoramento de

formigas cortadeiras
Este sistema é aplicável a povoamentos florestais de Eucalyptus, com mais de
seis meses de idade quando o risco maior é representado pelas saúvas, no norte do
312
Estado do Espírito Santo e sudeste da Bahia. A adequação em outras regiões pode

ser realizada através da metodologia aqui descrita;
A produtividade de uma pessoa treinada, com um veículo, no levantamento de

formigas cortadeiras, é de 500 hectares por dia, nas condições em que foi
desenvolvido;
O sistema proporcionou uma redução imediata em torno de 30% dos custos no

combate às formigas.
14.5 3. Monitoramento de ervas daninhas

O exemplo a seguir é hipotético e servirá somente para exemplo, devendo ser
adaptado para situações reais. Desenvolvemos um sistema semelhante para uma
indústria de celulose, em 1993, mais simples e mais dependente da decisão da
supervisão. O modelo apresentado aqui é mais complexo e automático, mas não foi
testado em campo para avaliar os resultados.
14.5.1 A situação
As empresas florestais têm despesas constantes e de considerável monta com
as capinas de seus reflorestamentos de Eucalyptus. Além disso, os herbicidas
utilizados agridem o meio-ambiente e as capinas do tipo convencional (mecânica e/ou
manual) destroem a estrutura da camada superficial do solo e prejudicam os
microorganismos desta camada pelo revolvimento e exposição do solo.
14.5.2 Levantamento de informações

Custos da atividade à época: R$ 0,35/m3 até a colheita da madeira aos sete
anos de idade. Estudo de causas e efeito: algumas causas da redução do crescimento
313
do Eucalyptus são citadas no diagrama da Figura 56. A causa contgemplada neste

estudo é a matocompetição (ervas daninhas) e o efeito estudado é a redução do
crescimento do Eucalyptus, que se pretende impedir.
Figura 56 – Diagrama de Causa e Efeito
As principais ervas daninhas ocorrentes na região (variáveis das causas) são:

− folhas largas resistentes ao herbicida: cansanção, mamona, guanxuma;
− folhas estreitas (gramíneas) susceptíveis ao herbicida: colonião, braquiária,
quicuio, capim-pernambuco.
Soluções para o problema: a solução para a ocorrência de ervas daninhas que
apresentam competição com o Eucalyptus é efetuar capina química, ou convencional
(mecânica e/ou manual), dependendo do tipo de erva ocorrente, do porte destas em
relação ao Eucalyptus e do porte deste último. Quando as plantas de Eucalyptus têm
até 1,5 metros de altura, não deve ser realizada a capina química para evitar danos
ao próprio Eucalyptus pelo herbicida. Quando a ocorrência maior é de folhas largas,
representando mais de 65% do total da cobertura de plantas daninhas, a capina deve
ser convencional, pois o herbicida utilizado para gramíneas tem pouco efeito sobre as
314
folhas largas e o herbicida próprio para folhas largas, além de ser prejudicial ao
Eucalyptus, é muito caro.
• 1ª Etapa – Planejamento
Nesta etapa devemos definir o objetivo do monitoramento, qual seja: evitar que
as ervas daninhas entrem em competição com o Eucalyptus. Isso significa que a
simples presença de ervas daninhas não quer dizer que estejam em competição com
a cultura. Então, a questão é determinar quando é que as ervas entram em
competição, ou apresentam risco de que isso aconteça em um determinado período
de tempo, quando deverá ser desencadeado novo levantamento, ou a própria capina
como medida de controle. Na Tabela 70 e na Tabela 71 são apresentados os critérios
de decisão, para eucaliptais com até 5 m de altura, elaborados com o conhecimento
empírico da equipe de supervisores florestais. Os códigos das ações na Tabela 70 e
Tabela 71 são os seguintes:
− M 60 -Monitorar após 60 dias;
− M 50 - Monitorar após 50 dias;
− C 15 Executar capina após 15 dias;
− C 7 -Executar capina após 1 semana;
− C - Capinar imediatamente;
− CP - Capina parcial (local infestado).
315
Tabela 70- Soluções apontadas para folhas largas:

% DA ALTURA % DE COBERTURA DA SUPERFÍCIE DO SOLO
DAS ERVAS EM COM ERVAS DANINHAS
RELAÇÃO AO 10% 20% 30% 40% 50% 60% 70%
EUCALIPTO
10% M 60 M 60 M 60 M 50 M 40 M 30 M 20
20% M 60 M 60 M 50 M 40 M 30 M 20 c 15
30% M 60 M 50 M 40 M 30 M 20 c 15 c7
40% M 50 M 40 M 30 M 20 C 15 C7 C
50% M 40 M 30 M 20 C 15 C7 C c
60% M 20 M 20 C 15 C7 c c C
70% CP CP C7 c c C c
Tabela 71 - Soluções apontadas para gramíneas:

% Da altura das % de cobertura da superfície do solo com ervas daninhas
ervas em relação 10% 20% 30% 40% 50% 60% 70%
ao Eucalyptus
5% M 60 M 60 M 50 M 40 M 30 M 20 C 15
10% M 60 M 50 M 40 M 30 M 20 C 15 C7
15% M 50 M 40 M 30 M 20 C 15 C7 C
20% M 40 M 30 M 20 C 15 C7 C C
25% M 30 M 30 C 15 C7 C C C
30% M 30 M 20 C7 C C C C
35% M 20 M 20 C C7 c c C
40% M 20 M 20 C c c C c
50% M 20 CP C C C7 C c
60% CP CP C C c c C
70% CP CP C c c C c
Se a decisão a partir das tabelas anteriores for pela capina, o tipo de capina
será decidido através do fluxograma da Figura 57.
316
Figura 57 – Fluxograma de decisão quanto ao tipo de capina.
A capina química deve ser realizada com herbicida próprio para gramíneas,
que pode ser aplicado com o uso do equipamento mais eficaz para a situação, ou o
que estiver disponível. A capina convencional poderá ser realizada com a execução
de capina mecânica entre as linhas de plantio complementada por capina manual na
linha.
A tabela de levantamento deverá conter os dados de localização da área, data,

espécies de ervas ocorrentes e sua frequência proporcional, tamanho do Eucalyptus
e tamanho proporcional das espécies ocorrentes, como na tabela 3.3 adiante.
A dose de herbicida deverá ser determinada pelo técnico, em função do estágio

vital das ervas daninhas de maior frequência na área infestada. Esta decisão não foi
automatizada devido à sua complexidade.
Neste ponto concluímos a etapa de planejamento e podemos passar à

seguinte.
317
• 2a Etapa - Execução
Nesta etapa, teríamos que realizar uma série de levantamentos, decidirmos

sobre as ações necessárias conforme o planejado e executarmos as ações. Então
passaríamos para a etapa seguinte.
• 3ª Etapa - Avaliação
Após o efeito poder ser notado, em relação às capinas executadas, é

necessário verificar o resultado das mesmas. Há duas possibilidades: a capina surtiu
o efeito desejado, ou não (o efeito desejado, neste caso, é a eliminação da competição
das ervas daninhas com o Eucalyptus). Caso o efeito não tenha sido o desejado,
deve-se verificar o porquê, ou causas da ineficácia das ações, ou capinas.
• 4ª Etapa - Correções
Em se descobrindo as causas para a ineficácia das ações executadas, que

foram determinadas em função do levantamento e da metodologia de decisão
definidos no planejamento, é preciso determinar as ações corretivas necessárias e
iniciar novo planejamento, reiniciando o ciclo.
Nota: Em qualquer situação, esta metodologia deverá ser ajustada, pois foi
concebida com valores baseados no conhecimento empírico de uma equipe de
técnicos e engenheiros florestais, mas o modelo não foi ajustado com testes de
campo.
A ficha de levantamento para monitoramento de matocompetição é

apresentada na Figura 58.
318
Notas: Frequência proporcional de ervas é a percentagem com que uma erva ocorre em relação às
outras, considerando-se a infestação total como 100%. Percentagem de cobertura com ervas é a
percentagem da superfície total do solo da área avaliada que está infestada com ervas daninhas
(deve ser igual à soma da cobertura de folhas largas, gramas pequenas e gramas grandes).
Figura 58 – Planilha para monitoramento de matocompetição.
319
14.6 4. Monitoramento de transporte de madeira

O exemplo que vamos passar a apresentar foi desenvolvido para uma empresa
de transportes, no estado do Espírito Santo, em 1994. A empresa realiza transporte
de carga seca e de madeira. Contava, à época, com 45 cavalos mecânicos na
atividade de transporte de madeira, trabalhando 24 horas por dia e apresentava uma
média de dois acidentes mensais. Partindo do pressuposto que a principal causa dos
acidentes eram devidas a fatores humanos, além de providências em outras áreas,
em nossos primeiros contatos, a empresa solicitou um curso de direção defensiva. A
nosso ver, o curso, por si só teria grande efeito, mas representava uma só alternativa
de solução para o problema, sendo proposto algo mais completo. Iniciou-se pela
formação de monitores de transporte, para os quais conseguiu-se vaga no curso de
Formação de Monitores de Transporte da Mercedes, de formação de instrutores no
SENAC e ministraram-se cursos de direção defensiva, condução econômica de
veículos de transporte de madeira e de monitoramento de transporte na própria
Empresa, de forma a prepará-los para treinar os motoristas e realizar o
monitoramento. A ficha de levantamentos desenvolvida é apresentada na tabela 4.4.
Antes do sistema ser implantado, como já foi dito, havia uma frequência de dois
acidentes por mês, com todas as suas consequências: perda de faturamento, gastos
com o conserto do veículo, despesas com quatro motoristas parados por veículo, etc.
A análise das causas e efeito é realizada conforme a Figura 59.
320
Figura 59 – Diagrama de causa e efeito para acidentes rodoviários.
Pode-se observar que o fator pessoal constitui causa em método (direção

defensiva) e em mão-de-obra (conhecimentos, condicionamento físico e experiência).
A prioridade já foi estabelecida, a causa principal é o fator humano.

Precisamos, agora, ver quais são suas variações, ou separar as partes. O que
queremos dizer quando afirmamos que o fator humano é a principal causa dos
acidentes? Queremos dizer que o ser humano erra muito ao dirigir. E o que mais?
Bom, a resposta para esta pergunta é que erramos ao usar um veículo nas situações
da Tabela 72.
321
Tabela 72 - Quando se comete erros e em que situações.

Situações em que se comete- erro Cuidados que se deve ter
Ultrapassar; Cuidar da carga ( amarração );
Passar em cruzamentos; Usar os equipamentos de proteção
Passar em curvas, subir e descer ladeiras; do veículo;
Cruzar pontes e viadutos; Acompanhar o abastecimento e
Frear e acostar; manter a higiene do veículo.
Manter distância de outros veículos; Inspecionar o veículo
Usar os faróis e sinalizar com as luzes do periodicamente;
veículo; Verificar pneus de veículos de carga
Dirigir em velocidade adequada; sempre que paramos;
Trafegar em zonas urbanas e industriais; Verificar constantemente o
funcionamento da parte elétrica
quando trafegamos por estrada de
piso irregular.
Todas as variáveis acima citadas são causas de acidentes, ou agravantes de

suas consequências. Mas, resta a última questão para separarmos todas as partes
do problema: O que nos leva a dizer que estas são as variáveis das causas de
acidentes quanto ao fator humano? Bom, neste caso a resposta é: principalmente os
relatórios de acidentes e nossa experiência.
Concluímos a etapa de levantamento de informações, já conhecemos bem a

situação e o problema e podemos passar à fase de decisão sobre o que fazer.
Estaremos entrando, com isso, na etapa de planejamento.
1A ETAPA – PLANEJAMENTO
O propósito da decisão deste caso é reduzir as perdas provocadas por

acidentes rodoviários causadas pelo fator humano. Os critérios de decisão são
apresentados na Tabela 73.
322
Tabela 73 – Critérios de Decisão

Critérios obrigatórios: Critérios desejáveis:
Reduzir o número de acidentes; Melhorar o ambiente de trabalho;
Aumentar a qualidade do serviço; Baixo custo de implantação;
Melhorar o condicionamento físico dos Aumentar o conhecimento quanto às
motoristas para o trabalho; técnicas de condução econômica;
Aumentar o conhecimento quanto às Reduzir despesas de manutenção com
técnicas de direção defensiva. veículos.
Alternativas para solução:

− Implantar um sistema rigoroso de fiscalização;
− Criar normas para o serviço de transporte de madeira;
− Reunir o pessoal e obter mais comprometimento e responsabilidade ao
conduzir veículos (compromisso);
− Treinar os motoristas quanto à direção defensiva;
− Implantar sistema de punição para motoristas faltosos;
− Implantar sistema de avaliação e prêmios por bom desempenho;
− Implantar sistema de monitoramento da qualidade do trabalho;
− Adotar o uso de bafômetro;
− O uso do tacógrafo não foi considerado porque era adotado de maneira
definitiva.
A comparação das alternativas frente aos critérios de decisão é realizada como

na Figura 60.
323
Figura 60- Comparação das alternativas frente aos critérios obrigatórios e desejáveis.
Como se pode ver, todas as alternativas propostas estão de acordo com os

critérios obrigatórios e nenhuma foi eliminada até aí. Frente aos critérios desejáveis,
quatro alternativas atingiram cinco pontos ou mais, tendo sido escolhidas para
implantação, quais sejam: normalizar o serviço de transporte de madeira; reunir o
pessoal do transporte de madeira e fazê-los participar do processo todo para
comprometê-los; treinar os motoristas quanto à direção defensiva e condução
econômica de veículos de transporte de carga; e, implantar um sistema de
324
monitoramento da qualidade do trabalho no serviço de transporte de madeira. Esta foi

a proposta final apresentada para a Empresa, que foi aceita e implantada.
Os riscos das decisões foram avaliados conforme a Tabela 74.
Tabela 74 – Avaliação dos riscos das decisões

Riscos Probabilidade Gravidade
(Consequências Adversas) Alta Média Baixa Alta Média Baixa
Alternativa: Normalização Inspira Cuidados
Fazer errado m a
Levar muito tempo para fazer m m
Não conseguir fazer b a
Alternativa:Obter Compromisso É Confortável
Fazer errado b a
Levar muito tempo para fazer b m
Alternativa: Curso de Direção Defensiva Inspira Cuidados
Fazer errado b a
Levar muito tempo para fazer m m
Alternativa: Monitoramento da Qualidade É Confortável
Fazer errado b a
Levar muito tempo para fazer b m
Não conseguir fazer b m
Onde a = alto; b = médio; b = baixo.
Em nenhum dos casos as alternativas selecionadas foram consideradas de

difícil aplicação, mas em dois casos sua implantação inspirou cuidados especiais que
foram levados em consideração.
Os levantamentos foram programados para serem realizados semanalmente

através da Tabela 75, os monitores foram formados e as alternativas selecionadas
foram iniciadas.
325
Tabela 75 - Monitoramento de tráfego

Data: Corretos Incorretos
Itens observados Contagem Pontos Contagem Pontos
Cinto de segurança
Ultrapassagem
Condução em Curvas/Aclives/Declives
Condução em pontes/viadutos
Manobras para Frear/Acostar
Manutenção de distân. Do veíc. À frente
Uso dos faróis e pisca-pisca
Tráfego em área industrial
Tráfego em área urbana
Acompanhamento do Abastecimento
Amarração da carga
Inspeção do veículo
Situação do sistema elétrico
Situação dos pneus
Higiene interna/externa do veículo
TOTAL GERAL DE PONTOS Corretos Incorretos
% %
Observações:
A princípio, foram obtidos índices medíocres de 65% de pontos corretos, mas

com a identificação das causas do não atendimento aos quesitos da tabela de
levantamento e adotadas as correções necessárias em reuniões de consenso com os
próprios faltosos, em cerca de 4 meses melhorou acima de 90% e por várias semanas
foram atingidos 100%, sendo que ocorreram períodos de mais de 60 dias sem
acidentes.
326
No sistema previsto, toda ocorrência de erro observado nos levantamentos é

motivo de análise em conjunto com a pessoa que o cometeu, assim como a ocorrência
é levada para os treinamentos com os motoristas, sem identificação das pessoas. O
objetivo nas reuniões é de encontrar solução para as causas dos erros, que muitas
vezes são fúteis, ou de pura desatenção, mas com o envolvimento do infrator na
tomada de decisão, o seu comprometimento é praticamente total.
As correções que foram necessárias, em sua grande maioria, diziam respeito

ao comportamento e atenção dos motoristas, que, em alguns casos foram
encaminhados para reciclagem no curso de direção defensiva. O sistema em si não
sofreu modificações após sua implantação.
14.7 Monitoramento das florestas

As áreas florestais, sejam de produção, plantadas ou naturais, sejam de
preservação ou conservação, devem ser constantemente monitoradas para avaliar
seu estoque, crescimento, biodiversidade e evolução, para possibilitar a tomada de
decisões e garantir que seus objetivos sejam alcançados.
14.7.1 Áreas de produção

As áreas de produção geralmente sofrem três tipos de inventários florestais:
− Inventário de plantio/implantação para avaliação de sobrevivência;
327
− Inventário contínuo (ou monitoramento propriamente dito) para

classificação de sítios, acompanhamento do crescimento e evolução dos
estoques, fornecendo dados para prognoses e planejamento;
− Inventário pré-corte para estimar os estoques e produção, fornecendo
dados para o planejamento da colheita.
Os inventários florestais seguem as metodologias desenvolvidas para

amostragem que não são objeto desta obra. Cada organização adota um tipo de
inventário diferente, geralmente por unidade de manejo, classificando as áreas de
produção por germoplasma, índice de sítio e idade, dentro de cada unidade
administrativa.
No caso das florestas nativas manejadas, a legislação exige, além de um

monitoramento fitossociológico, um inventário de 100% das árvores com diâmetro
acima de 50 cm ou acima de outro valor de diâmetro em função das características
das florestas a manejar, podendo haver legislação estadual específica, além da
federal.
14.7.2 Áreas de conservação e preservação

As áreas de conservação e preservação, além do monitoramento
fitossociológico, também necessitam de inventário periódico de fauna, onde são
apenas identificadas as espécies de animais ocorrentes. Deve-se ter especial atenção
quanto a ocorrência de espécies ameaçadas, ou em risco de extinção, tanto da flora
quanto da fauna, para garantir que o manejo não influa negativamente sobre suas
populações e identificar as áreas de sua maior ocorrência, ou corredores para as
espécies nesta condição, que deverão ser preservados, podendo preferencialmente
locar as áreas de reserva legal nestes espaços.
328
14.8 Monitoramento de solos

Os solos devem ter sua fertilidade e estrutura monitorados, preferencialmente
mas não somente, antes do plantio ou após as colheitas, para identificar a
compactação e necessidade de reposição de nutrientes e ações como sulcamento
para a nova floresta, com o objetivo de manter sua capacidade produtiva. O
monitoramento e manejo de solos é objeto de estudo de matéria específica, não sendo
tratado no presente trabalho.
14.9 Monitoramento de estradas florestais

Uma estrada é composta pela pista, obras de arte e sinalização. A qualidade
de cada um dos três componentes, gerando ações de conservação no tempo certo, é
essencial para garantir segurança, conforto, menor desgaste de veículos e velocidade
apropriada com menor tempo de viagem, menor custo de manutenção das estradas
e do transporte de cargas e pessoas com segurança e conforto.
Após sua construção, a velocidade de deterioração das estradas irá depender

principalmente do volume de tráfego e do tempo. O volume de trafego afeta
principalmente a pista de rolamento e as obras de arte, enquanto que as condições
climáticas afetam todos os componentes das estradas, da pista, aos sistemas de
drenagem, obras de arte e sinalização.
Um planejamento e construção de estradas com excelência reduz mas não

evita a sua deterioração. Um bom sistema de monitoramento é que garantirá o menor
custo de manutenção da estrada e de transporte com a garantia de segurança
necessária.
O monitoramento de estradas envolve, além da pista, as obras-de-arte,

sistemas de drenagem, sinalização horizontal e vertical, contenções e taludes, faixas
329
de domínio, edificações operacionais entre outros. Atualmente são usados

equipamentos de alta tecnologia para o monitoramento de estradas, facilitando as
inspeções e reduzindo o tempo para sua realização. A inspeção de galerias e bueiros
pode ser auxiliada por vídeo, faixas de domínio podem ter sua inspeção auxiliada por
drones e a sinalização pode ter inspeção auxiliada por equipamentos de
retrorefletância.
O gatilho para manutenção das estradas depende principalmente do custo da

própria manutenção, do aumento do custo de transporte devido à deterioração da
estrada e do aumento do risco de acidentes. Os custos de transporte são
influenciados pelas condições das estradas no que se refere ao aumento do custo do
desgaste e de manutenção de veículos e equipamentos e do aumento do tempo de
viagem. Todos os fatores devem ser monitorados para que se realize as manutenções
antes que os custos aumentem mais do que o custo da manutenção a realizar na
estrada, ou que aconteçam acidentes por conta da falta de manutenção da estrada
com todos os seus componentes. Os principais defeitos da pista de rolamento estão
relacionados na Tabela 76.
330
Tabela 76 - Defeitos da pista de rolamento de estradas de terra.

Classe de severidade
Defeito Medida 0= 1. Baixa: 3. Alta:
2. Média:
Muito pouco muito
prejudicial
baixa prejudicial prejudicial
Seção transversal - W Profundidade (cm) <5 5 - 10 >10 -
Corrugações Amplitude (cm) <2 2-5 >5 -
Panelas aberta Superfície (%) <5 5 - 20 20-50 >50
Profundidade
Buracos <5 5 - 10 10-25 >25
Máxima (cm)
Sulcos transversais Profundidade (cm) <2 2-5 >5 -
Sulcos longitudinais Profundidade (cm) <5 5 - 10 10-25 >25
Trilhas de rodas Amplitude (cm) - 5 - 10 10-25 >25
Superfície poeirenta Superfície (%) <1 2-5 5-20 >20

Diferentes níveis
Assent./deslizamento <5 5 - 10 10 - 25 > 25
(cm)
Fonte: Horta (1991).
Eaton et al (1992) realizaram um estudo, concluindo sobre os defeitos das

estradas como:
− Seção incorreta,
− Drenagem na estrada,
− Corrugações
− Poeira,
− Buracos
− Sulcos e
− Perda de agregação.
Os autores definiram cada um defeitos como a seguir.
331
14.9.1 Seção transversal imprópria
DESCRIÇÃO
A seção transversal incorreta é o resultado da superfície da estrada não ser

adequadamente moldada ou mantida para transportar água para as valas. Esta
condição é evidenciada por água encharcada na superfície da estrada, drenagem de
água ou corrida ao longo da superfície da estrada, falta de uma coroa na estrada ou
erosão da superfície da estrada causada pelo escoamento da água.
NÍVEIS DE SEVERIDADE
− L-Pequenas quantidades ou evidências de água potável na estrada

superfície ou uma superfície de estrada completamente plana (sem
cross_slope), ou ambos.
− M moderadas - Quantidades ou evidências de água no lago superfície da
estrada ou uma superfície de estrada em forma de tigela, ou ambos.
− H-grandes quantidades ou evidências de água na estrada depressões
superficiais ou severas nos caminhos das rodas na estrada superfície, ou
ambos.
MEDIÇÃO
A seção transversal incorreta é medida em pés lineares por 100 pés de seção,
desde a parte externa do ombro até a parte externa do ombro. Diferentes níveis de
severidade podem existir dentro da unidade de amostra de 100 pés. Um máximo de
100 pés lineares pode ser medido.
332
14.9.2 Drenagem na estrada
DESCRIÇÃO
A drenagem deficiente faz com que a água entre nas sargetas. Os problemas
de drenagem ocorrem quando as valas e bueiros não estão em condições adequadas
para direcionar adequadamente e transportar água de escoamento. Essa condição é
evidenciada por valas cheias de detritos ou cheias de detritos, valas que não foram
adequadamente moldadas ou mantidas, água correndo em toda a estrada ou por
baixo, e áreas nas quais as valas começaram a corroer na estrada.
− L-pequenas quantidades de:

• Umidade ou evidência de água em sarjeta, e
• Supercrescimento ou detritos nas sarjetas.
− M-Quantidades moderadas de:
• Poças de água ou evidências de água em sarjetas;
• Crescimento excessivo e detritos nas sarjetas e
• Evidência de erosão nas sarjetas, nos taludes ou na
estrada.
− H-grandes quantidades de:
− Poças de água ou evidência de água em sarjetas,
− Água correndo em toda a estrada,
− Crescimento excessivo e detritos em sarjetas e
− Erosão de sarjeta, nos taludes, ou na estrada.
MEDIÇÃO
Os problemas de drenagem são medidos em pés lineares por seção de 60 cm

paralela à linha central da estrada, a partir da quebra do talude externo perpendicular
e afastado da estrada. É possível ter um máximo de 200 pés lineares de drenagem
na estrada.
333
14.9.3 Corrugações
DESCRIÇÃO
A corrugação, também conhecida como washboarding, é uma série de sulcos

e valas espaçadas em forma de costelas, que ocorrem em intervalos razoavelmente
regulares. Os cumes são perpendiculares à direção do tráfego. Esse tipo de defeito
geralmente é causado pela ação do tráfego e desagregação do material superficial da
estrada. Essas cristas geralmente se formam em graus ou curvas, em áreas de
aceleração ou desaceleração, ou em áreas nas quais a estrada é mole ou
esburacada.
− L - Corrugações menos do que 1 polegada de profundidade, ou de baixa

gravidade, ou ambos.
− M - Corrugações de 1 a 3 polegadas de profundidade, ou média
severidade, ou ambos.
− H - Corrugações mais profundas do que 3 polegadas, de alta gravidade, ou
ambos.
MEDIÇÃO
As corrugações são medida em pés quadrados de área de superfície por seção

de 100 pés de comprimento. Não deve exceder a área total da seção de 10 pés de
comprimento.
14.9.4 Poeira
DESCRIÇÃO
A ação abrasiva do tráfego em estradas não pavimentadas eventualmente solta

as partículas agregadas maiores do aglutinante do solo. À medida que o tráfego
334
passa, as nuvens de poeira criam um perigo para a ultrapassagem ou passagem de

veículos e causam problemas ambientais significativos.
O tráfego normal produz os seguintes níveis de gravidade:

− L - Poeira fina que não obstrui a visibilidade,
− M - Nuvem de poeira moderadamente espessa que obstrui parcialmente a
visibilidade e faz com que o tráfego diminua, ou
− H - Uma nuvem muito espessa que se confunde obstrui a visibilidade e faz
com que o tráfego diminua significativamente ou pare.
MEDIÇÃO
A poeira é medida dirigindo um veículo a cerca de 45 km/h e observando a

nuvem de poeira; a poeira é estimada como fina, moderadamente grossa ou muito
grossa. A poeira não é classificada por densidade. A gravidade do problema é
determinada pelo tamanho da nuvem de poeira gerada pelo tráfego e pela redução
na visibilidade causada pela poeira.
Os valores de dedução para os níveis de severidade são os seguintes: baixo -

2 pontos; médio - 5 pontos; alta - 15 pontos.
14.9.5 Buracos
DESCRIÇÃO
Os buracos são pequenas depressões em forma de tigela na superfície da

estrada, que geralmente têm menos de 3 pés de diâmetro. Seu crescimento é
acelerado pelo acúmulo de umidade livre dentro do buraco em dias chuvosos, ou
mesmo em período seco por desagregação. Os buracos são produzidos quando o
tráfego arranca pequenos pedaços da superfície da estrada. A estrada continua a
335
desintegrar-se devido ao afrouxamento do material da superfície ou a pontos fracos

na base ou no subleito.
Os níveis de severidade para buracos abaixo de 3 pés de diâmetro são

baseados tanto no diâmetro quanto na profundidade do buraco, de acordo com a
Tabela 77.
Tabela 77 - Níveis de severidade para buracos nas estradas.

Profundidade Diâmetro médio
máxima < 0,30m 0,31 a 0,60 m 0,61m a 0,91m >0,91m
1 a 5 cm Baixo Baixo Médio Médio
5,1 a 10 cm Baixo Médio Alto Alto
> 10 cm Médio Alto Alto Alto
Eaton et al (1987).
Se o buraco tiver mais de 3 pés de diâmetro, a área deve ser determinada em

pés quadrados e dividida por 5 pés quadrados para encontrar o número equivalente
de buracos.
MEDIÇÃO
Os buracos são medidos pela contagem do número que é de baixa, média e

alta gravidade em uma seção de 100 pés de comprimento e registrando-os
separadamente por nível de severidade.
336
14.9.6 Sulcos
DESCRIÇÃO
Um sulco é uma depressão superficial no caminho dos pneus. O sulcos são

causados por uma deformação permanente em qualquer uma das camadas da
estrada ou subleito. Resulta de cargas de tráfego repetidas, especialmente quando a
estrada é macia. Sulcos significativos podem levar a uma grande falha estrutural da
estrada.
− L – Sulcos de menos que 1 polegada de profundidade, ou de baixa

gravidade, ou ambos.
− M – Sulcos de 1 a 3 polegadas de profundidade, ou média-severidade, ou
ambos.
− H - Sulcos mais profundos que 3 de profundidade, de alta severidade, ou
ambos.
MEDIÇÃO
Os sulcos são medidos em pés quadrados de área de superfície em uma seção

de 100 pés de comprimento. Os pés quadrados totais de sulcos não devem exceder
a área total da seção de 100 pés de comprimento.
14.9.7 Perda de agregação
DESCRIÇÃO
A ação abrasiva do tráfego em estradas não pavimentadas eventualmente solta

as partículas agregadas maiores do aglutinante do solo. Isto transporta as partículas
337
agregadas de base da superfície da estrada ou do acostamento. O tráfego move

partículas desagregadas para longe do caminho normal dos pneus e forma cristas no
centro ou ao longo do acostamento da pista ou área menos percorrida, paralelas ao
eixo da estrada.
− L – Acostamento ou superfície da estrada desagregados, ou uma perda de

agregação no acostamento ou superfície da estrada menos transitada de
menos de 2 polegadas, ou ambos.
− M – Crista agregada moderada (2 a 4 polegadas) no acostamento ou área
menos percorrida da estrada; excessivamente finas e geralmente
encontradas na superfície da estrada.
− H - Larga crista agregada (maior que 4 polegadas) no acostamento ou área
de estrada menos percorrida.
MEDIÇÃO
A desagregação é medida em pés lineares em uma seção de 60 m de

comprimento paralela à linha central da estrada.
338
14.9.8 Inspeção e avaliação de estradas vicinais

Uma ficha de inspeção de estradas vicinais foi desenvolvida por Cruz (2005)
(Figura 61) conforme descrito no trabalho de EATON et al (1987).
Figura 61 - Ficha de inspeção de estradas vicinais. Fonte: Cruz (1987).
339
14.9.9 Monitoramento das obras de arte e sinalização

As obras de arte, principalmente pontes, valas de drenagem e bueiros das
estradas, bem como a sinalização, necessitam de monitoramento periódico e
permanente.
Pontes podem ter problemas na sua estrutura, erosão das alas e da borda de
acesso da pista de rolamento, principalmente nas estradas de terra.
Bueiros são mais problemáticos do que pontes. Além da possibilidade de

erosão nas bordas e alas, a perda de material acima do bueiro pode ser causa de
rachaduras e deslocamento de manilhas, o que pode causar infiltração e erosão
externa ao longo das manilhas. Soma-se a isso a possibilidade de obstrução do bueiro
por assoreamento. É recomendável que acima do bueiro seja mantida uma camada
de material com espessura superior a 1,5 vezes o diâmetro do bueiro. Locais de solo
úmido ou muito argiloso na base do bueiro, podem facilitar a deformação da base e
provocar o deslocamento de manilhas, permitindo infiltração que pode destruir o
bueiro sem que seja percebido. Inspeções cuidadosas e regulares podem evidenciar
a necessidade de reforma de bueiros antes que a estrada seja interrompida numa
época de chuvas.
As valetas de drenagem podem ser assoreadas, acumular detritos que facilitam

o crescimento de vegetação interrompendo o fluxo da água que irá para fora causando
erosão nas laterais da vala. Também podem apresentar rachaduras que facilitem a
infiltração de água. Quando construídas somente abrindo sulcos no solo, podem ser
erodidas ao longo do tempo, necessitando de obras de contenção. As valetas de saída
de bueiros muitas vezes são construídas de forma a reduzir a velocidade da água,
mas na saída para o terreno, podem apresentar erosão que aos poucos solapa a
calha de alvenaria, destruído-a.
340
A sinalização se deteriora com o tempo e sofre depredação por transeuntes,

devendo ser monitorada e substituída constantemente, para garantir segurança nas
estradas.
14.10 Monitoramento de pragas e doenças

Pragas e doenças são cada vez mais difundidas no cultivo florestal. O seu
monitoramento constante é uma necessidade sem questionamentos.
O monitoramento pode ser realizado a partir do terreno, à semelhança do

monitoramento de formigas, ou a partir do ar e espaço.
Imagens de satélite facilitam observar manchas na vegetação, cujo espectro

pode ser correlacionado com algum tipo de praga ou doença, entretanto, a resolução
das imagens obtidas não é suficiente para realizar afirmações categóricas, por outro
lado, é possível obter imagens de altíssima resolução com o uso de drones.
O uso de drones é cada vez maior no monitoramento das florestas cultivadas

e de proteção. Drones podem ser utilizados para identificar o tipo de espécie que está
acometendo a floresta de forma detalhada devido a alta resolução das imagens que
se pode obter.
Há épocas de extremos climáticos que são mais problemáticos quanto a pragas

e doenças, enquanto outras nem tanto. A frequência do monitoramento deve ser
regulada para cada caso, à medida que se obtém mais dados e experiência.
14.11 Monitoramento de incêndios florestais

O monitoramento tradicional de incêndios é realizado por meio de torres de
observação com câmeras que transmitem imagens em tempo real. No passado,
quando não existiam câmeras digitais, isso era realizado por pessoas que
341
permaneciam no topo das torres durante as horas de maior perigo de início de

incêndios (geralmente entre 9 horas da manhã e 18 horas da tarde).
São necessárias três torres estrategicamente colocadas em pontos altos do

terreno para fazer o cruzamento dos ângulos e determinar as coordenadas de um
foco de incêndio. A distância das torres deve ser calculada em função da altura das
câmeras e de seu alcance de visão, dispondo-as de forma que qualquer ponto de toda
a floresta seja visualizado por três torres ao mesmo tempo.
Os sistemas de controle de incêndio geralmente incluem bombeiros com todo

o equipamento de combate necessário, incluindo veículos, máquinas e ferramentas,
complementados por milícias treinadas no auxílio ao combate e suporte aos
combatentes, incluindo ambulâncias, equipamentos e medicamentos de primeiros
socorros a pessoas acometidas por queimaduras e acidentes no campo ao combater
incêndios.
342
15 GESTÃO DOS ESPAÇOS FLORESTAIS
Cada vez mais as tecnologias de sistemas de informação geográfica são

utilizadas na avaliação e monitoramento dos recursos florestais (PERSSON E JANZ,
2010) . O mapeamento, monitoramento e gestão de espaços florestais é realizado
utilizando tecnologias associadas ao mapeamento terrestre e auxiliada por satélites e
drones. A palavra inglesa drone significa zumbido.
O mapeamento terrestre ainda se mantém como o mais preciso, mas a

tecnologia com veículos aéreos não tripulados (VANT) vem avançando pode-se
prever que os levantamentos topográficos irão cair em desuso, assim como os
teodolitos analógicos do passado. Um drone é uma aeronave não tripulada,
formalmente conhecido como veículo aéreo não tripulado (VANT). Um drone é um
robô voador, que pode ser controlado remotamente ou pode voar de forma autônoma
por meio de planos de voos controlados por software em sistemas embarcados,
trabalhando em conjunto com sensores a bordo e GPS.
As imagens de satélite apresentam resolução de até 0,5 metros por pixel e os

drones podem fornecer imagens com resolução milimétrica. Os sensores de satélites
são mais sofisticados permitindo avaliar uma infinidade de ocorrências tanto no solo
quanto na vegetação.
As imagens de alta resolução dos drones permitem a execução de inventários

florestais, identificação de áreas afetadas por doenças, pragas e catástrofes
ambientais, manchas de solo com problemas diversos, erosões, acompanhamento e
vistoria de operações florestais, identificação de problemas ambientais, identificação
de áreas degradadas e acompanhamento de áreas de recuperação ambienta, entre
outros.
343
15.1 Sistema de Informações Geográficas (SIG) e Sistemas

de Processamento de Imagem
Um Sistema de Informações Geográficas é um sistema assistido por
computador para o armazenamento digital de mapas e com dados tabulares
associados a recursos de mapeamento, que facilitam produzir mapas personalizados,
realizar consultas especializadas ao banco de dados, analisar relacionamentos
complexos, aplicar modelos e auxiliar na tomada de decisão. Os Sistemas de
Informação Geográfica para manejo florestal podem ser classificados em duas
categorias:
1. inventário de recursos e monitoramento;
2. análise, modelagem e previsão para tomada de decisões.
O desenvolvimento de um SIG para o manejo florestal deveria incorporar as

atividade em dois estágios distintos de desenvolvimento (CRAIN e MACDONALD
1983.
A entrada de dados espaciais, edição e mapas simples caracterizam o estágio

de inventário e monitoramento. Na fase de modelagem, as sobreposições,
reclassificações e análises de adequação são parte do processo de tomada de
decisão. Os limites entre essas categorias de atividades não são distintos. O
monitoramento também inclui componentes analíticos para avaliar a mudança ou o
resultado de intervenções específicas (McKENDRY et al, 1995).
As principais fontes de dados que alimentam um SIG na área florestal são:

− Mapas (digitalizados manualmente ou através de "scanners");
− Produtos de sensoriamento remoto (fotografias aéreas, imagens de
satélite, videografia);
− Inventários florestais;
− Cadastros florestais;
344
− Levantamento de solos;
− Custos, simulação e programação linear; e
− GPS (Global Positioning System).
Um sistema de processamento de imagem é projetado para o aprimoramento

assistido por computador e para a interpretação de imagens de sensoriamento
remoto. Com o advento dos sistemas de satélites com imagens de alta resolução
orientados a recursos naturais, foram desenvolvidas técnicas de processamento de
imagens para converter imagens em mapas classificados. Os procedimentos
analíticos dos Sistemas de Processamento de Imagens apresentam consistência,
precisão e velocidade, auxiliando significativamente no desenvolvimento de mapas
temáticos como cobertura vegetal e solos.
Muitos pacotes de software oferecem ambos recursos: GIS e Processamento

de Imagens, sendo teconologias complementares e tratadas em conjunto, na
atualidade, como partes de um só sistema.
As atividades de avaliação de recursos incluem: 1) inventariar os recursos

florestais disponíveis para fins de colheita, combustível, alimentos, recreação ou
conservação, juntamente com dados relacionados como topografia, solos, estradas e
hidrologia, 2) monitorar mudanças que ocorrem nesses recursos ao longo do tempo
e 3) avaliar a produtividade potencial da terra para os tipos de florestas, considerando
certos fatores biofísicos e climáticos. É na avaliação de recursos florestais que outras
tecnologias relacionadas a sistemas de SIG, sensoriamento remoto e posicionamento
global fazem contribuições diretas e substanciais (McKENDRY et al, 1995).
McKendry et al (1995) relacionam como principais aplicações em conjunto das

duas tecnologias, na área florestal, as seguintes:
− Avaliação de Recursos
• Inventário
345
• Monitoramento
• Desmatamento
• Danos causados pela poluição e pragas
• Avaliação de adequabilidade e produtividade
− Gestão de recursos
• Colheita de madeira
• Suprimentos de madeira para combustível
• Gerenciamento de incêndios
• Gerenciamento de vários recursos
De acordo com McKendry et al (1995), o papel do SIG na silvicultura pode ser

entendido como
1. As aplicações GIS podem se beneficiar fortemente das

tecnologias de sensoriamento remoto e processamento de imagens. As
florestas são conjuntos complexos de espécies que se prestam bem ao
inventário de amplo nível por meio do sensoriamento remoto. No entanto,
a necessidade de uma forte verdade sobre o solo continua a ser
primordial e é provável que os sistemas de posicionamento por satélite
(como o GPS) desempenhem um papel importante no aumento das
atividades tradicionais de levantamento florestal.
2. As florestas são um recurso dinâmico, afetado por muitos

processos ecológicos concorrentes e intervenções diretas de manejo. A
modelagem de simulação tem sido aplicada na silvicultura em um grau
que é substancialmente mais alto do que em muitas outras disciplinas.
Simulação ou modelagem de processos é uma das áreas mais
desafiadoras das aplicações GIS e é provável que esta atividade aumente
à medida que a pesquisa e as ferramentas para suportar esse tipo de
aplicação se tornem mais prevalentes.
3. É claro que, em todo o mundo, as florestas estão sujeitas a

muitas demandas. Como resultado, muitos problemas de manejo florestal
têm a natureza de procedimentos de planejamento multiobjetivo.
Infelizmente, o GIS não está bem desenvolvido para o planejamento
multi-objetivo. Ferramentas mais fortes são necessárias para a resolução
analítica de adequações conflitantes e escolhas na alocação de recursos.
Em certo sentido, aplicações florestais incorporam o escopo

completo da tecnologia GIS. Assim, seu estudo fornece uma excelente
visão geral do estado da tecnologia e seu potencial como uma ferramenta
de gerenciamento para preocupações com recursos naturais
(McKENDRY et al, 1995).
346
15.2 Uso da tecnologia LiDAR na área florestal

O LiDAR (Light Detection and Ranging) é um escaner remoto a laser com fonte
de energia própria, que emite feixes de laser na banda do infravermelho próximo
associado à tecnologia de posicionamento global, sendo capaz de modelar
superfícies de forma tridimensional e posicionamento preciso. O “Ranging” do LiDAR
significa a distância de algo a ser localizado de algum ponto de operação, ou seja,
LiDAR é a detecção de objetos por meio de um feixe de laser remoto, associado a
sistemas de posicionamento global (GPS).
Algumas de suas primeiras aplicações foram no âmbito florestal. O feixe de

laser pulsado pelo LiDAR penetra na floresta como a luz solar, alcançando diferentes
níveis de penetração em cada pulso até chegar ao solo, criando imagens 3d da
superfície e do que está acima dela. O LiDAR possibilita estimativas de variáveis
dendrométricas e florestais, como: diâmetro, altura, dimensões das copas, volume,
biomassa aérea e espessura da manta florestal.
A tecnologia possibilita criar modelos digitais do terreno sem cobertura e da

cobertura como florestas, árvores. Também pode ser utilizado no nível do solo, para
modelar objetos, como as próprias árvores. Tem sido usado para realizar
levantamentos topográficos tridimensionais e para caracterizar a estrutura da
vegetação de forma rápida e com alta precisão. Empresas de ponta no Brasil estão
começando a utilizar o LiDAR para substituir muitas tarefas que eram realizadas
diretamente no campo, como o mapeamento, acompanhamento da formação de
novos plantios e reforma de povoamentos, detecção de doenças e pragas e, inclusive,
em inventários florestais, monitorando a evolução das plantações.
347
16 REFERÊNCIAS
ABNT. Interpretação NBR ISO 14001 (1996). Rio de Janeiro: ABNT-Cb-38/Sc- 01/Grupo de
Interpretação, Jul./2001.
ABNT. NBR 14789: Manejo Florestal – Princípios, critérios e indicadores para plantações
florestais. Rio de Janeiro, 2001.
ABNT. NBR ISO 14001: Sistemas de Gestão Ambiental - Especificação e Diretrizes para Uso:. Rio
de Janeiro, 1996.
ABNT. NBR ISO 14004: Sistemas de gestão ambiental – Diretrizes gerais sobre princípios,
sistemas e técnicas de apoio. Rio de Janeiro, 1996a.
ABNT. NBR ISO 14010: Diretrizes para auditoria ambiental – Princípios gerais. Rio de Janeiro,
1996b.
ABREU, J. C. et al. Estrutura e distribuição espacial de andirobeiras (Carapa spp.) em floresta de

várzea do estuário amazônico. Ciência Florestal, Santa Maria, v. 24, n. 4, p. 1009-1019,
dezembro/ 2014.
AMARAL, W. A. N. Recursos Florestais em Propriedades Agrícolas: Seleção de

Espécies/Procedências e Clones. [Piracicaba]: ESALQ/USP, 2016.
ASSMANN, E. The principle of forest yield study. [Oxford]: Pergamon press, 1970. 506 p.
BAKER, F. S. Principles of silviculture. New York: McGraw Hill, 1950.
BARROS, R. S. M. Medidas de diversidade biológica. Juiz de Fora UFJF/PGECOL, 2007. 13 p.
BERTOLOTI, G.; SIMÕES, J. W.; NICOLIELO, N.; GARNICA, J. B. Efeitos de diferentes métodos
e intensidades de Desbaste na produtividade de Pinus caribaea var. hondurensis Barr. et Golf.
IPEF, n.24, p.47-54, ago-1983.
BHAMIDIPATI, N. L. Rényi Entropy. [s.l.]: MathWorld--A Wolfram Web Resource. Disponível em:
<http://mathworld.wolfram.com/RenyiEntropy. html>. Acesso em 2009.
BRASIL. Lei nº 12.651, de 25 de maio de 2012. Dispõe sobre a proteção da vegetação nativa;
altera as Leis nos 6.938, de 31 de agosto de 1981, 9.393, de 19 de dezembro de 1996, e 11.428,
de 22 de dezembro de 2006; revoga as Leis nos 4.771, de 15 de setembro de 1965, e 7.754, de
14 de abril de 1989, e a Medida Provisória no 2.166-67, de 24 de agosto de 2001; e dá outras
providências.
348
BRASIL. Lei nº 9.985, de 18 de julho de 2000. Regulamenta o art. 225, § 1o, incisos I, II, III e VII
da Constituição Federal, institui o Sistema Nacional de Unidades de Conservação da Natureza e
dá outras providências.
BRAUM-BLANQUET, J. Fitosociologia: bases para el estúdio de lãs comunidades vegetales.

Madrid: H. Blume, 1979. 820 p.
BURGER, H. A estrutura da copa de populações de coníferas equiâneas. Mitt, Suíça: Anst. f. d.

forstl..versículo 21, p.5-58, 1939.
BUSSAB, W.O. Análise de variância e de regressão. São Paulo: Atual, 1986. 147 p.
CARVALHO, A.M. Valorização da madeira do híbrido Eucalyptus grandis x Eucalyptus

urophylla através da produção conjunta de madeira serrada em pequenas dimensões,
celulose e lenha. Dissertação (Mestrado em Engª Florestal) - Universidade de São Paulo, Escola
Superior de Agricultura Luiz de Queiroz, Piracicaba, 2000.
CARVALHO, D.L.; LIMA, A.V. Metodologias para Avaliação de Impactos Ambientais de

Aproveitamentos Hidrelétricos. In: XVI ENCONTRO NACIONAL DOS GEÓGRAFOS, Porto Alegre.
2010.
CARVALHO, H.M. de. A Metodologia do Processo Decisório. Linhares: Curso de pós-

graduação em Administração Estratégica de Recursos Humanos, FACCL, 1997a.
CARVALHO, L.A. O planejamento das estradas. Revista Opiniões - Divisão F, Ribeirão Preto,
a.13, n.43, P.11-12, mar-mai/2016.
CARVALHO, P.H.R. Espécies arbóreas brasileiras. Brasília: Embrapa Informação tecnológica;

Colombo: Embrapa Florestas, 2003. 1039 p.
CARVALHO, P.E.R. Espécies florestais brasileiras: recomendações silviculturais,

potencialidades e uso da madeira. Colombo: EMBRAPA-CNPF / Brasília: EMBRAPA-SPI, 1994.
640 p.
CHIARADIA, T. ISO 14001- Sistema de Gestão Ambiental. IN: SEMINÁRIO ALSTON, Itajubá,
Alston Brasil, 2001.
COELHO, V.C.M.C.; HOSOKAWA, R.T. Avaliação da reação de crescimento aos desbastes em

Pinus taeda L. Agroambiente, UFR, Boa Vista-RR, v.4, p.42-48, jan-jun/2010.
CONTRERAS, M.A.; AFFLECK, D.; CHUNG, W. Evaluating tree competition indices as predictors
of basal area increment in western Montana forests. Forest Ecology and Management, v.262,
n.11, p.1939-1949, 2011.
COPEL. Características importantes para uma boa integração das árvores com o meio ambiente
urbano. Curitiba, 23/04/2009. Disponível em: <http://www.copel.com/hpcopel/root/pagcopel2.nsf/
349
CRAIN, I.K.; MACDONALD, C.L.. From land inventory to land management: the evolution of an
operational GIS. IN: AUTOMATED CARTOGRAPHY: INTERNATIONAL PERSPECTIVES ON
ACHIEVEMENTS AND CHALLENGES, Vol. 1, B.S. Weller, ed. Ottawa: Steering Committee for the
Sixth International Symposium on Automated Cartography, p.41-50, 1983.
CRUZ, A.V. Estradas vicinais: abordagem pedológica, geotécnica, geométrica e de serventia

de dois trechos rodoviários não pavimentados no campos da UFV-MG. Dissertação
(mestrado) - Universidade Federal de Viçosa – Viçosa, MG, 2005.
DANSEREAU, P. Os planos da biogeografia. Revista Brasileira de Geografia, Rio de Janeiro,

IBGE, v.8, n.2, p.189-210, abr-jun/1946.
DOSSA, D. et al. Aplicativo com análise de rentabilidade para sistemas de produção de

florestas cultivadas e de grãos. Colombo: Embrapa Florestas, Documentos 39, 2000.
EATON, R.A.; GERARD, S.; DATTILO, R.S. A Method for Rating unsurfaced Roads.
Transportation Research Record, n.1106, p.34-43, agosto-1987.
EXPRESSIVA. Site da revista. Disponível em: <http//:www.revistaexpressiva. com.br/>. Acesso

em: 31/07/2005.
FAO. Global forest resources assessment 2010: terms and definitions. Roma: Food and
Agriculture Organization of the United Nations - Forestry Department, Forest Resources
Assessment Programme, Working paper 144/E, 2010.
FARO, C. Elementos de Engenharia Econômica. 3 ed. São Paulo: Atlas, 1979. 328 p.
FERREIRA, J.P. Análise da cadeia produtiva e estrutura de custos do setor brasileiro de

produtos resinosos. 2001. 92f. Dissertação (Mestrado em Economia Aplicada) - Escola Superior
de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba, 2001.
FERREIRA, M. Escolha de espécies arbóreas para formação de maciços florestais.

Piracicaba: IPEF. Documentos Florestais. n.7, p1 –15, jan. 1990.
FERREIRA, M. Escolha de Espécies de Eucalipto. Circular Técnica IPEF, v.47, p.1-30, 1979.
FLORIANO, E.P. Inventário e prognose de produção florestal da empresa Todesflor em

Cachoeira do Sul, Rio Grande do Sul. Cachoeira do Sul: Ambiente Inteiro, 2006.
GARCÍA, O. Notes on forest mensuration. Prince George, BC, Canadá: UNBC/IFM, 2004.
GARCIA, P. O.; LOBO-FARIA, P. C. Metodologias para Levantamentos da Biodiversidade

Brasileira. Juiz de Fora: UFJF/PEGCOL, [2007]. 22p.
GENNIA NEWS. Desenhos de árvores. Disponível em:

<http://genniartist.blogspot.com/2016/05/desenhos-de-arvores.html>. Acesso em: 2018.
350
GIBSON, M. D.; CLASON, T. R.; HILL, G. L.; GROZDITS, G. A. Influence of thinning and pruning
on southern pine veneer quality. In: ELEVENTH BIENNIAL SOUTHERN SIVICULTURAL
RESEARCH CONFERENCE, Department of Agriculture, Forest Service, Southern Research
Station, Athens-GA, nov. 14, 2001. p. 163-167.
GRIMALDI, R.; MANCUSO, J.H. Qualidade Total. Fascículo 6. São Paulo: SEBRAE-FOLHA,
17/04/1994.
GROBER, U. Von Kursachsen Nach Rio - Ein Lebensbild über den Erfinder der Nachhaltigkeit
Hannß Carl Edler von Carlowitz und die Wegbeschreibung eines Konzeptes - aus der Silberstadt
Freiberg. Disponível em: <http://www.forschungsheim.de/fachstelle/arb_carl.htm>. Acesso em:
05/11/2002.
HENRIQUES, R. P. B. et al. Métodos de campo em ecologia: projetos de pesquisa

produzidos no sétimo curso. BRASÍLIA: UNB, 1996.
HORTA, J.C.O.S. Rehabilitation and Upgrading Design of Earth and Gravel Roads in Tropical
Developing Countries. Transportation Research Record, Washington , n.1291, p.215-223, 1991.
HUSCH, B.; MILLER, C. I.; BEERS, T. W. Forest mensuration. 3th ed. New York: John Wiley e
Sons, 1982. 401 p.
IAMAZON. Floresta para Sempre: um manual para a produção de madeira na Amazônia.

Disponível em: <http://imazon.org.br/floresta-para-sempre-um-manual-para-a-producao-de-
madeira-na-amazonia/>. Acesso em: 05/10/2018.
IBÁ. Relatório 2017. Brasília: Indústria Brasileira de Árvores, 2017. Disponível em:
<https://iba.org/images/shared/Biblioteca/IBA_RelatorioAnual2017.pdf>.
IBA. Site institucional da Indústria Brasileira de Árvores. Disponível em: <https://www.iba.org/>.

Acesso em: 2018.
IBGE. Projeto levantamento e classificação da cobertura e uso da terra: Estudo retrospectivo das
características fitossociológicas e do potencial florestal do Estado do Pará. Rio de Janeiro, 2007.
117 p.
IB-USP. Sucessão ecológica. [São Paulo]: Instituto de Biociências da Universidade de São Paulo.
Disponível em: <http://www.ib.usp.br/ecologia/sucessao_ecologica_print.htm>. Acesso em: 2009.
IDEIA. Curso de Avaliação de Impacto Ambiental – exame e avaliação de aspectos ambientais e

seus impactos. Porto Alegre: IDEIA/CREA, 2002.
IMANÃ, J. E.; SILVA, G. F. da; PINTO, J. R. R. Idade e crescimento das árvores. Comunicações
técnicas florestais, Brasília, UFB, Departamento de Engenharia Florestal, v.7, n.1, 2005. ISSN
1517-1922. 43p.
351
IMAÑA, J.E.; SILVA, G.F.; TICCHETTI, I. Variáveis dendrométricas. Comunicações Técnicas

Florestais, Brasília, UNB-Faculdade de Tecnologia-DEF, v.4, n.1, outubro de 2002.
ISO. ISO 31.000 - Risk management: principles and guidelines. Gênova, 2009.
IU. Testing normality using SAS, STATA, and SPSS. Indiana: Indiana University – IU, UITS -
Center for Statistical and Mathematical Computing. Disponível em:
<http://www.indiana.edu/~statmath>. Acesso em: 15/maio/2004.
JOHNSTON, D. R.; GRAYSON, A. J.; BRADLEY, R. T. Planeamento florestal. Lisboa: Fundação

Calouste Gulbenkian, 1977.
KRAJICEK, J.E.; BRINKMAN, K.A.; GINGRICH, S.F. Crown competition factor, a measure of
density. Forest Science, v.7, n.1, p.35-42, 1961.
KRAMER, P. J.; KOZLOWSKI, T. Fisiologia das árvores. Lisboa: Fundação Calouste

Gulbenkian, 1972. 745 p.
LAAR, A.; AKÇA, A. Forest Mensuration. Dordrecht, The Netherlands: Springer, 2007.
LIMA, I. L. P.; SCARLOT. Boas práticas de manejo para o extrativismo sustentável da

Mangaba.Brasília: Embrapa Recursos Genéticos e Biotecnologia, 2010.
LOETSCH, F.; ZÖHRER, F.; HALLER, K. E. Forest inventory, Vol. II. Reinbek: Forest Inventory
Section, Federal Research Organization for Forestry and Forest Products, 1973. 469 p.
LOPES, F. S.; WIPIESKI, C. J. Termelétricas: uma nova oportunidade de negócios na

indústria madeireira.Curitiba: STCP, inf. n.5, p.16-18, 2001.
MACHADO, S. A.; MELLO, J. M. de; BARROS D.A. de. Comparação entre métodos para
avaliação de volume total de madeira por unidade de área, para o pinheiro do Paraná, na região
sul do Brasil. Cerne, v.6, n.2, . p. 055-066, 2004.
MALEKI, K.; KIVISTE, A.; KORJUS, H. Analysis of Individual Tree Competition Effect on Diameter
Growth of Silver Birch in Estonia. Forest Systems, v.24, 2ed.; e023, 13p., agosto de 2015.
MATTEUCCI, S.D.; COLMA, A. Metodologia para el estudio de la vegetacion. Washington:

O.E.A., 1982, 182 p.
McKENDRY J.E., EASTMAN J.R., ST. MARTIN K. AND FULK M.A. Explorations in
Geographical Information Systems Technology, UNEP/UNITAR, Clark University, Worchester,
1995.
MIRSHAWKA, V. A implantação da Qualidade e da produtividade pelo método do DR.

Deming. São Paulo: McGraw-Hill, 1990.
352
MOHR, R. R. Failure Modes and Effects Analysis. 8ª ed. St. Louis (USA): Jacobs Sverdrup, fev.
2002.
MOORHEAD, D. J.; DANGERFIELD, C. W. Intensive forest management 2. Tifton: The

University of Georgia, College of Agricultural and Environmental Sciences and Warnell School of
Forest Resources, 1998.
MÜLLER, I. Forma de tronco e sortimentos de madeira para Eucalyptus grandis Hill ex

Maiden., manejado em alto fuste, na Região Sudeste do Estado do Rio Grande do Sul. 135 f.
Tese (Doutorado em Engenharia Florestal) – Universidade Federal de Santa Maria - UFSM, Santa
Maria, 2004.
NAJBERG, S.; PEREIRA, R. de O. Empregos gerados por aumento de produção de R$ 10

milhões. Rio de Janeiro: Sinopse Econômica, n.133, BNDES, mar./2004. Disponível em: <
http://www.bndes.gov.br/conhecimento/publicacoes/catalogo/sinopse.asp>. Acesso em:
28/05/2005.
NEMEC, A. F. L. Analysis of repeated measures and time series: an introduction with forestry
examples. Biom. Inf. Handb. 6. Res. Br., B.C. Min. For., Victoria, B.C. Work. Pap. 15/1996. 90 p.
NEVES, G. A.; MARTINS, C. A.; MIYASAVA, J.; MOURA, A. F. Análise econômico-financeira da

exploração de Pinus resinífero em pequenos módulos rurais. Monografia de especialização
em Agribusiness FEA/FIA/USP, Sorocaba, 2001.
NEWMAN, D.H. The optimal forest rotation: a discussion and annotated bibliography.
Asheville, NC: U.S.D.A.-FS, Southeastern Forest Experiment Station, Gen. Tech. Rep. SE-
48,1988.
NEWTON, A. C. Forest ecology and conservation: a handbook of techniques. Oxford: Oxford

University Press, 2007. 454 p.
OLIVEIRA, T. Risco e gestão florestal: uma oportunidade para eficiência. IN: V ENCONTRO
NACIONAL, I CONGRESSO INTERNACIONAL DE RISCOS, Coimbra - 29/5/2009.
ORMOND, J. G. P. Glossário de Termos Usados em Atividades Agropecuárias, Florestais e

Ciências Ambientais, 3 ed. Rio de Janeiro: BNDES, 2006.
PAMPLONA; E. de O.; MONTEVECHI, José A. B. Engenharia econômica I. Itajubá: UNIFEI/IEM,

1999.
PAYANDEH, B. Comparison of method for assessing spatial distribution of trees. Forest Science,
v. 16, n. 3, p. 312-317, 1970.
PERSSON, R.; JANZ, K.. Assessment and monitoring of forest and tree resources. Forest
resources assessment, [Roma], FAO, p. 16-29, 2000.
353
PIELOU, E.C. Mathematical ecology. New York: Wiley, 1977. 385 p.MUELLER-DOMBOIS, D.;
ELLEMBERG, H. Aims and methods of vegetation Ecology. New York: Wiley, 1975. 547p.
PRODAN, M. Mensura forestal. San José: Instituto Interamericano de Cooperación para la

Agricultura (IICA), 1997. 562 p.
REZENDE, J. L. P. Curso de análise econômica de projetos florestais. Santa Maria:

PPGEF/UFSM, 2005.
REZENDE, J. L. P.; OLIVEIRA A. D. Análise econômica e social de projetos florestais. Viçosa:

UVF, 2001.
RIBEIRO, A. et al . Estrutura da distribuição diamétrica em plantio experimental de candeia

(Eremanthus erythropappus (DC.) MacLeish). Ciência Florestal, Santa Maria , v. 24, n. 4, p.
1055-1065, dez./2014. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1980-
50982014000401055&lng=en&nrm=iso>. Acesso em: 30/09/2018.
RODRIGUES, J. R. Roteiro para apresentação de Estudo de Impacto Ambiental – EIA e Relatório

de Impacto Ambiental – RIMA. In: Verdum Roberto & Medeiros, Rosa M. V. (Org.). RIMA,
Relatório de Impacto Ambiental: Legislação, elaboração e resultados, 4ª ed. Porto Alegre: UFRGS,
2002.
ROSA, S.L. Passos metodológicos para o uso corrente de matriz de impactos na avaliação
de projetos complexos. São Paulo: Octa Consultoria e Planejamento, Série Fascículos OCTA, n°
13, 1993.
SALOMON, M. J.; EDIN, O. Análises de projetos, 3. ed. Rio de Janeiro, 1967. 324 p.
SAS. A simple regression model with correction of heterocedasticity. Cary: SAS Institute, 2004.
SAS. The SAS System for Window - release 8.02. Cary: SAS Institute, 2001.
SCHILLING, A. C. Influência da desrama sobre a qualidade da madeira de primeiro desbaste

de Pinus elliottii Engelm. Dissertação (Mestrado em Engenharia Florestal) - Curso de Mestrado
em Engenharia Florestal, UFSM, Santa Maria, 1996. 73 p.
SCHNEIDER, P. R. Análise de regressão aplicada à engenharia florestal. Santa Maria: UFSM,

CEPEF, 1998. 236 p.
SCHNEIDER, P. R. Introdução ao manejo florestal. Santa Maria: UFSM, 1993.
SCHNEIDER, P. R.; FINGER, C.A. G.; HOPPE, J. M. Efeito da intensidade de desrama na

produção de Pinus elliottii Engelm., implantado em solo pobre, no Estado do Rio Grande do Sul.
Ciência Florestal, Santa Maria, v.9, n.1, 1999. p. 35-46.
354
SCHNEIDER, P.R. Manejo Florestal: planejamento da produção florestal. Santa Maria: UFSM,
CCR, DCF, CEPEF, 2002.
SCHULTE, B. et al. SouthPro - a computer program for managing uneven-aged loblolly pine
stands. Madison, WI: U.S. Department of Agriculture, Forest Service, Forest Products Laboratory,
Gen. Tech. Rep. FPL-GTR-112, 1998. 47p.
SCOLFORO, J. R. S.; RIOS, M. S.; OLIVEIRA, A. D. de; MELLO, J. M. de; MAESTRI, R.

Acuracidade de equações de afilamento para representar o perfil do fuste de Pinus elliottii. Cerne,
v.4, n.1, 1998. p. 100-122.
SFB. Produção Florestal. Boletim SNIF, Serviço Florestal Brasileiro, Brasília, 2ed., v.2, 2016.
SILVEIRA, B.D.; FLORIANO, E.P.; NAKAJIMA, N.Y.; HOSOKAWA, R.T.; ROSSOT, N.C.;
GRACIOLI, C.R. Relação da morfometria e competição com o crescimento de Trichilia claussenii
em um fragmento de floresta semidecidual, RS. FLORESTA, Curitiba, PR, v. 45, n. 2, p.373-382,
abr./jun, 2015.
SILVESTRE, R.; BONAZZA, M.; STANG, M.; LIMA, G.C.P.; KOEPSEL, D.A.; MARCO, F.T.;
CIARNOSCHI, L.D.; SCARIOT, R.; MORÊS, D.F. Equações volumétricas em povoamentos de
Pinus taeda L. no Município de Lages-SC. Nativa, Sinop, v. 02, n. 01, p. 01-05, jan./mar. 2014.
SIT, V. Catalog of curves for curve fitting. Victoria, Canada, B.C.: Ministry of Forests, Forest
Science Research Branch, Biometrics information handbook series, ISSN 1183-9759-no.4, 1994.
110 p.
SNIF. Recursos florestais: as florestas plantadas. Serviço Nacional de Informações Florestais,

2018. Disponível em: http://www.florestal.gov.br/snif/recursos-florestais/as-florestas-plantadas.
Acesso em: 2018.
SOARES, S.R. EIA-RIMA/Licenciamento - Ciclo de vida / Ganhos ambientais / Avaliação de

sistemas - Parte 10. Universidade Federal de Santa Catarina, Programa de pós-graduação em
engenharia ambiental, 2002-b. Disponível em: http://www.ens.ufsc.br/~soares. Acesso em:
23/nov/2002.
SOARES, S.R. Exemplo de matriz para avaliação de significância de impactos. Florianópolis:

Universidade Federal de Santa Catarina, Departamento de Engenharia Sanitária e Ambiental,
2002-b. Disponível em: <http://www.ens. ufsc.br/~soares> . Acesso em: 23/jan/2003.
SOARES, S.R. Indicadores Ambientais – Rotulagem Ambiental. Florianópolis: Universidade

Federal de Santa Catarina, Departamento de Engenharia Sanitária e Ambiental, 2002. Disponível
em: <http://www.ens. ufsc.br/~soares> . Acesso em: 23/jan/2003.
SOARES, S.R. Sistema de gestão ambiental. Florianópolis: Universidade Federal de Santa

Catarina, Departamento de Engenharia Sanitária e Ambiental, ENS 5125 - Gestão e Planejamento
Ambiental, Aulas 06, 07 e 08, 2002-a. Disponível em: <http://www.ens. ufsc.br/~soares>. Acesso
em: 23/jan/ 2003.
355
SOARES, T. S. et al. Avaliação econômica de plantações de Eucalyptus submetidas a desbaste.

Revista Árvore, v.27, n.4, p.481-486, Viçosa, jul-ago/2003.
SOARES, Thelma S. Otimização do uso da madeira em povoamentos de eucalipto. Viçosa,

2002. 60 f. Dissertação (Mestrado em Ciência Florestal) - Programa de Pós-Graduação em
Ciência Florestal, UFV, Viçosa, 2002-c.
STORCK, L.; LOPES, S. J. Experimentação II. Santa Maria: UFSM, CCR/Dep. Fitotecnia, 1998.
205 p.
TARGET. Manejo de florestas sustentáveis - NBR 14789: Os princípios, critérios e indicadores

para plantações florestais. São Paulo: Target Engenharia e Consultoria, 2012. Disponível em:
<https://www.target.com.br/produtossolucoes/solucoes/Solucoes.aspx?pp=27&c=2925>. Acesso
em: 29/09/2013.
TOMÉ, M. Inventariação dos recursos florestais. Lisboa: Universidade Técnica de Lisboa / ISA /
GIMREF, Textos pedagógicos, n. 1, 2002.
UBIALLI, J. A. Comparação de métodos e processos de amostragem para estudos

fitossociológicos e estimativas de estoque de uma floresta ecotonal na região norte
matogrossense. Tese (Doutorado) – UFPR/PPGEF, Curitiba, 2007. 241 f.
UFSM/SEMA-RS. Inventário florestal contínuo - RS. [Santa Maria]: UFSM, SEMA-RS, 2003.
Disponível em: <http://coralx.ufsm.br/ifcrs/>. Acesso em: 07/11/2003.
VANCLAY, J. Review of Competition Indices: What have we learned, where should we use then
and what additional research is required? - IN:IUFRO CENTENNIAL MEETING, Eberswalde -
Berlin, 31 August - 6 September 1992.
WARNER, A. Pruning. Private Forests Tasmania, [Hobart], Technical Information Sheet Nº 20,
March 1997.
WEST, P.W. Tree and Forest Measurement, 2 ed. Berlin/Heidelberg: Sringer-Verlag, 2009.
WILLIAMS, M. R. W. Decision-making in forest management, 2nd ed. Great Yarmouth:

Research Studies Press/John Wiley & Sons, 1988.
WILSON, F.G. Numerical Expression of Stocking in Terms of Height. Journal of Forestry,

Washington, v.44, n.10, p.758-761, October-1946.
WONNACOTT, T. H.; WONNACOTT, R. J. Introdução à estatística. Rio de Janeiro: Livros

Técnicos e Científicos, 1980. 589 p.
WYCOFF, W. R. et al. User's guide to the stand prognosis model.. Ogden, UT: Intermountain
Forest and Range Experiment Station, FS-USDA, GTR. INT-133, 1982. 112 p.
356
357

Manejo Florestal para Sustentabilidade e Excelência

Enviado por

Direitos autorais:

Formatos disponíveis

Manejo Florestal para Sustentabilidade e Excelência

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Manejo Florestal para Sustentabilidade e Excelência

Enviado por

Direitos autorais:

Formatos disponíveis

Eduardo Pagel Floriano

Rio Largo, AL, Brasil

A motivação para elaborar este compêndio vem da necessidade de um texto

Manejo florestal é um assunto extremamente amplo, abrangendo tecnologias

Aqui, procurou-se fazer uma introdução dentro do escopo das principais

Rio Largo, 25 de novembro de 2018.

Eduardo Pagel Floriano

3.6.6 Forma do tronco 66

4.7 Modelos de crescimento florestal 134

7.7.1 Intensidade e Idade do 1º desbaste 189

11.5 Aplicações da PO 230

14.3 Metodologia para desenvolvimento de sistemas de monitoramento

Floresta: Terrenos com uma extensão de mais de 0,5

“Manejo florestal é a ordenação científica dos povoamentos

O manejo florestal é a ciência que trata da produção sustentável de bens

“Manejo Florestal” consiste na gestão de florestas com bases científicas para

Figura 1 – Principais objetivos das florestas.

Esforços foram realizados no passado com o objetivo de manejar florestas e

O enfoque maior do manejo florestal é a produção de madeira, mas outros

Alguns fatos históricos caracterizaram a evolução da preocupação com as

− No século XIX, foi formulado o famoso Modelo da Floresta Normal, por

No Brasil, pode-se dizer que não houve preocupação com o manejo de

a obrigatoriedade de planos de manejo para a floresta amazônica, mas somente em

Em 30 de maio de 1960, foi criada em Viçosa a primeira Escola Nacional de

No Brasil, os cultivos florestais iniciaram com Navarro de Andrade, que

Em 1966, o Brasil começou o programa de incentivos fiscais para criar a base

A maioria das florestas plantadas brasileiras tem como proprietários a indústria

Recentemente, a monocultura florestal tem dado espaço para novos plantios

As florestas plantadas no Brasil apresentam muitos aspectos desejáveis, como

Figura 3 – Plantações florestais por Estado. Fonte: IBA (2018).

A silvicultura brasileira está distribuída na Região Sudeste (34%), Sul (37%),

A produtividade inicial dos plantios de Eucalyptus, lá pelos idos de 1970, não

Tabela 1– Área de silvicultura por unidade da federação, por espécie.

Os tipos de produtos obtidos das florestas cultivadas no Brasil são diversos e

A) Carvão vegetal (extrativismo); B) Carvão vegetal de Eucalyptus (silvicultura); C) Carvão vegetal de

1.1 Requisitos do manejo florestal sustentável

Os princípios adotados pelo FSC para o bom manejo florestal são:

1 Conselho de Manejo Florestal

Princípio 1 - Cumprimento da legislação, o empreendimento florestal deve ser

Princípio 2 - Racionalidade no uso dos recursos florestais a curto, médio e

Como Princípio 3 - Zelo pela diversidade biológica, a organização deve

O Princípio 4 - Respeito às águas, ao solo e ao ar o manejo florestal e o

O Princípio 5 - Desenvolvimento ambiental, econômico e social das regiões

O Cerflor é acreditado internacionalmente pelo Program for the Endorsement

2 Programa para endosso de sistemas de certificação florestal (http://www.pefc.org).

Segundo o PEFC o manejo florestal sustentado é uma abordagem holística

1.1.1 Requisitos gerais

1.1.2 Requisitos específicos

Critério 4: Manutenção, conservação e melhoria apropriada da diversidade biológica

1.2 Elementos do manejo florestal

Nas próximas secções, cada um destes elementos são tratados

2 ABORDAGENS DO MANEJO FLORESTAL

Os três diferentes objetivos das florestas (econômico, social e ambiental) levam

2.1 Florestas com objetivo de conservação

2.1.1 Unidades de Proteção Integral

Compõem o grupo das Unidades de Proteção Integral as seguintes categorias:

2.1.2 Unidades de Uso Sustentável.

Constituem as Unidades de Uso Sustentável as seguintes categorias:

I - Área de Proteção Ambiental;