Processo de amostragem e algoritmos em JULIA para o processamento de dados do Inventário Florestal Nacional do Brasil

Abstract

Resumo: O Inventário Florestal Nacional (IFN) é a principal fonte de informações sobre os recursos florestais de um país. Assim, pesquisas que aprimoram o processamento dos dados, avaliam novos procedimentos de amostragem e quantificam os erros das estimativas tornam-se essenciais para aumentar a precisão das informações produzidas, visando o desenvolvimento de políticas públicas eficazes referentes aos recursos florestais do país. O presente trabalho explorou a linguagem Julia como uma ferramenta de trabalho, buscando a programação de algoritmos específicos para o processamento dos dados biofísicos do IFN Brasileiro. Além disso, o estudo visou testar diferentes procedimentos para o cálculo da média e variância bem como simular a incerteza para determinar um intervalo de confiança para biomassa média estimada. Desta forma, este estudo teve como objetivo geral avaliar métodos estatísticos para obtenção da variância, a precisão das médias das variáveis estimadas e desenvolvimento de algoritmos para processamento dos dados biofísicos do Inventário Florestal Nacional. O processo de amostragem com diferentes métodos de amostragem sistemática apresentou desempenho satisfatório. Verificou-se que o procedimento baseado em segundas diferenças propiciou os melhores resultados, tanto para conglomerados completos quanto incompletos, alcançando variâncias de 30,07 t ha-2 e 948,19 t ha-2, respectivamente. A simulação da incerteza permitiu aplicar um intervalo de confiança para a biomassa média estimada, associado às equações utilizadas. A incerteza associada à equação de biomassa, na qual as variáveis independentes diâmetro à altura do peito e altura total são medidas é de 5,24%. Para a equação de biomassa, na qual as variáveis independentes diâmetro à altura do peito é medido e altura total é estimada por uma equação, a incerteza é de 15,64%. Os algoritmos desenvolvidos demonstraram capacidade de processar os dados biofísicos, constituindo-se como uma ferramenta disponível para profissionais da área que necessitam processar e analisar os dados do Inventário Florestal Nacional. O estudo evidencia a importância de trabalhar com os dados do Inventário Florestal Nacional ao propor inovações no processo de amostragem sistemática e avaliar simulações de incerteza nas estimativas de biomassa. Além disso, apresenta avanços em programação voltados ao desenvolvimento de algoritmos que facilitam o processamento desses cálculos

Abstract: The National Forest Inventory (NFI) is the primary source of information on a country’s forest resources. Therefore, studies that improve data processing, evaluate new sampling procedures, and quantify errors of the estimates are essential to increase the accuracy of the information produced, supporting the development of effective public policies related to forest resources. This study explored the Julia programming language as a working tool, aiming to develop specific algorithms for processing biophysical data of the Brazilian National Forest Inventory. In addition, the study sought to test different procedures for calculating the mean and variance, as well as to simulate uncertainty to determine confidence intervals for the estimated mean biomass. Thus, the general objective of this study was to evaluate statistical methods for variance estimation, assess the precision of the means of the estimated variables, and develop algorithms for processing biophysical data from the National Forest Inventory. The sampling process for different systematic sampling structures showed satisfactory performance. It was found that the procedure based on second differences provided the best results for both complete and incomplete clusters, achieving variances of 30.07 t.ha-2 and 948.19 t.ha-2, respectively. Uncertainty simulation allowed the application of confidence intervals to the estimated mean biomass, associated with the equations used. The uncertainty associated with the biomass equation in which the independent variables diameter at breast height and total height are measured is 5.24%. For the biomass equation in which diameter at breast height is measured and total height is estimated by an equation, the uncertainty is 15.64%. The developed algorithms demonstrated the ability to process biophysical data, constituting a tool available to professionals who need to process and analyze data from the National Forest Inventory. The study highlights the importance of working with National Forest Inventory data by proposing innovations in the systematic sampling process and evaluating uncertainty simulations in biomass estimates. Furthermore, it presents advances in programming aimed at developing algorithms that facilitate the processing of these calculations