Revista Árvore (Jun 2004)
Utilização de métodos estatísticos multivariados na caracterização do mosaico sucessional em floresta semidecídual Multivariate statistical methods for successional mosaic characterization in a semideciduous forest
Abstract
O presente trabalho objetivou verificar a possibilidade da utilização de métodos estatísticos multivariados na caracterização das fases do desenvolvimento do mosaico sucessional de um trecho de floresta estacional semidecidual, através de variáveis estruturais. Foram alocadas parcelas de 10 m x 10 m, em que se procedeu à análise estrutural, ou seja, levantamento fitossociológico acrescido das variáveis Porcentagem de Cobertura (PC), Altura do Dossel (AD) e Cobertura por Lianas (CL). Os métodos estatísticos empregados foram Análise de Componentes Principais e Análise de Agrupamento, mais especificamente Classificação Hierárquica Ascendente. O primeiro componente principal explicou 43,96% da variância total, enquanto o segundo, 25,66%. As variáveis Área Basal (AB), Diâmetro Médio (DM) e Dominância Média (DOM) apresentaram correlações positivas entre si superiores a 0,75, podendo ser DM e DOM consideradas como um grupo de variáveis. As variáveis Número de Indivíduos (NI) e Número de Espécies (NE) apresentaram correlação 0,60, enquanto AD, CL e PC baixas correlações com as demais, indicando a importância da inclusão destas na análise. A classificação hierárquica e a partição dos grupos em quatro foram feitas considerando os dois primeiros eixos fatoriais. Os resultados indicaram dois comportamentos diferenciados: 1) valores baixos para AD e AB: Grupo 1, com valores baixos também para NI, NE e PC (fase de clareira); e Grupo 2, com valores elevados para NI e CL e baixos para DOM e DM (fase de construção); e 2) valores altos para AD e AB: Grupo 3, com valores altos também para NI, NE e PC e valor baixo para CL (fase madura); e Grupo 4, com valores elevados para DOM e DM e mais baixos para CL (fase de degradação). Os métodos estatísticos multivariados permitiram caracterizar as fases do desenvolvimento do mosaico sucessional, através das variáveis estruturais. A forma como foram estimadas as variáveis AD, CL e PC, porém, deve ser aprimorada, assim como é preciso incluir variáveis que discriminem melhor cada fase.The aim of this paper was to verify the feasibility of using multivariate statistical methods through structural variables for successional mosaic characterization in a semideciduous forest section. Plots measuring 10m x 10m were allocated for structural analysis (phytosociological survey plus the variables Coverage Percentage (CP), Canopy Height (CH) and Liana Cover (LC). The following statistical methods have been used: Principal Components Analysis and Cluster Analysis - more specifically, Ascending Hierarchical Classification. 43.96% of the total variance has been explained by the first principal component and 25.66% by the second one. The variables Basal Area (BA), Average Diameter (AD) and Average Dominance (ADOM) presented positive correlations (higher than 0.75) among themselves. Therefore, AD and ADOM may be considered as variable groups. The variables Number of Individuals (NI) and Number of Species (NE) showed a 0.60 correlation. The variables CH, LC and CP presented lower correlations. These findings show that their inclusion in this analysis was important. The hierarchical classification and the division of the groups in four parts have been performed considering two first factorial axes. Results showed two different types of behavior: 1) low values for CH and BA - Group 1 with low values also for NI, NE and CP (Gap Phase) and Group 2 with high values for NI and LC and low values for ADOM and AD (Building Phase); 2) high values for CH and BA - Group 3 with high values also for NI, NE and CP and low value for LC (Mature Phase) and Group 4 with high values for ADOM and AD, and lower for LC (Degradation Phase). The multivariate statistical methods allowed the forest mosaic developing phase characterization through structural variables. The estimative of CH, LC and CP variables must be improved. Other variables should be included in order to better differentiate the phases.
Keywords
