Influência da detecção de outliers na modelagem do volume de espécies tropicais da amazônia

Abstract

Resumo : As dificuldades de se obter estimativas precisas do volume de árvores oriundas de florestas tropicais, comprometem as atividades de manejo e de conservação. Essa dificuldade deve-se às observações anormais, designadas por outliers, os quais apresentam comportamento distinto, e podem representar erros não amostrais ou eventos discrepantes em uma população, cuja exclusão deve seguir regras e técnicas de detecção. Este estudo tem como objetivo analisar a influência das diferentes técnicas de detecção e exclusão de outliers no ajuste de modelo de volume comercial individual de espécies tropicais da Floresta Amazônica, a fim de orientar a exclusão das discrepâncias sem comprometer a manutenção das medidas de tendência e variabilidade dos dados. Para isso, foi utilizado um banco de dados de 5.321 árvores cubadas na Floresta Nacional do Jamari, Brasil, cujas técnicas "Box-Plot", "Grubbs", "Peirce" e "Z-Score" foram aplicadas para detectar e, posteriormente, excluir outliers para a modelagem do volume pelo modelo Schumacher-Hall. Nos quatro diferentes testes de outliers utilizados, ocorre a remoção de dados na extremidade maior ou nas classes de maiores diâmetros, alturas e consequentemente, volumes. Alguns possibilitam maior exclusão de dados, como no caso do teste de Peirce, ao passo que outros geram exclusão menor, como o teste Z-Score. Contudo, os testes de detecção de outliers aplicados não indicam de forma satisfatória a exclusão dos dados discrepantes para a composição de uma amostra adequada ao ajuste de modelos de volume individual para espécies da Floresta Amazônica.

Abstract : The difficulties of obtaining accurate estimates of volume of trees from tropical forests compromise management and conservation activities. This difficulty is due to abnormal observations, referred to as outliers, which present distinct behavior, and may represent non-sample errors or discrepant events in a population whose exclusion must follow rules and detection techniques. This study aims to analyze the influence of different outliers' detection and exclusion techniques on the adjustment of individual commercial volume model of tropical species in the Amazon Forest, in order to guide the exclusion of discrepancies without compromising the maintenance of trend measures and data variability. For this, a database of 5,321 trees cubed in the Jamari National Forest, Brazil, was used. The "Box-Plot", "Grubbs", "Peirce" and "Z-Score" techniques were applied to detect and, exclude outliers for volume modeling from the Schumacher-Hall model. In the four different outliers' tests used, the removal of data in the larger end or in the classes of larger diameters, heights and, consequently, volumes, occurs. Some allow greater data exclusion, as in the case of the Peirce test, while others generate smaller exclusion, such as the Z-Score test. However, the tests of detection of applied outliers do not indicate satisfactorily the exclusion of the discrepant data for the composition of a sample adapted to the adjustment of individual volume models for species of the Amazon Forest.