Estratégia para amostragem em inventário

Inventário Florestal

Começar. É Gratuito
ou inscrever-se com seu endereço de e-mail
Estratégia para amostragem em inventário por Mind Map: Estratégia para amostragem em inventário

1. Amostragem Não-probabilistica

1.1. Amostragem "não estatística". Neste caso, as unidades amostrais são selecionadas de forma intencional e, portanto, não é possível generalizar os resultados para a população

1.1.1. Utilizado para amostragem em que a unidade amostral são pessoas

1.1.2. Devido à seleção das unidades não ser aleatória, não é permitido calcular intervalos de confiança nem margem de erro

1.2. Amostragem por Conveniência

1.2.1. A seleção da unidade amostral é realizada de acordo à disponibilidade.

1.2.2. Exemplo de aplicação: Zhang et. al., (2020) Journal of Sustainable Tourism, Vol. 28, 587–605

1.3. Amostragem Intencional

1.3.1. Seleciona um subgrupo da população com base nas informações disponíveis

1.3.2. Requer conhecimento da população e do subgrupo selecionado

1.3.3. Exemplo de aplicação: Kelman et. al., (2019) Climatic Change, Vol. 153, 285–299

1.4. Amostragem por Cotas

1.4.1. Versão não-probabilística da amostra estratificada

1.4.2. Apresenta maior rigor dentre as amostragens não-probabilistica

1.4.3. É utilizado quando não existe cadastro da população que possibilite a realização do sorteio.

1.4.4. Exemplo de aplicação: Purwestri et. al., (2020) Sustainability, Vol. 12, 566

1.5. Amostragem por Bola de Neve

1.5.1. Os indivíduos selecionados para serem estudados convidam novos participantes da sua rede de amigos e conhecidos.

1.5.2. Essa técnica amostral promove o aumento da amostra a medida que os indivíduos selecionados convidam novos participantes conhecidos.

1.5.3. Exemplo de aplicação: Garzon et. al., (2020) Sustainability, Vol. 12, 17

2. Amostragem Probabilistica

2.1. Envolve a seleção de forma aleatória das unidades amostrais bem como o uso da teoria da probabilidades para avaliar os resultados da amostra

2.2. 1) Processos de amostragem ou Plano de amostragem

2.2.1. Define como a unidade de observação é selecionada de dentro da população de interesse. Algumas opções são:

2.2.2. i) Aleatória Simples

2.2.2.1. As unidades amostrais são selecionadas de forma independente

2.2.2.2. Do total de unidades disponíveis, cada uma tem a mesma probabilidade de ser selecionada e compor a amostra

2.2.2.3. Podem ocorrer resultados tendenciosos devido à possibilidade de várias unidades de amostra forem alocadas em características específicas de sítio

2.2.3. ii) Sistemática

2.2.3.1. Do total de unidades disponíveis, uma unidade (ponto de referência) é selecionada de forma aleatória

2.2.3.2. As demais unidades amostrais são selecionadas seguindo um padrão sistemático partindo da unidade de referência

2.2.3.3. A orientação a seguir a partir da unidade de referência também deve ser selecionada de forma aleatória

2.2.3.4. Desta forma, há apenas uma seleção independente de um ponto de referência. A partir dele, todas as outras unidades amostrais tem distância fixa entre as mesmas

2.2.3.5. Assim, o tamanho amostral (n) equivale a 1 visto que n é definido como o numero de unidades independentemente selecionadas

2.2.3.6. Vantagens do processo:

2.2.3.6.1. i) Fácil operacionalização e entendimento pela equipe de campo

2.2.3.6.2. ii) Considerando o mesmo tamanho amostral, o processo produz resultados mais precisos do que o Aleatório Simples devido ao fato de distribuir unidades cobrindo toda a área da população (Grid) abrangendo diferentes situações da população

2.2.3.6.3. iii) Resultados a partir de amostras coletadas de forma sistemática são menos correlacionados

2.2.4. iii) Estratificada

2.2.4.1. Consiste na subdivisão da população em sub-populações o mais homogênea possível

2.2.4.2. A amostragem independente é realizada dentro de cada estrato. Logo, defini-se qual processo considerar:

2.2.4.2.1. Aleatória Estratificado

2.2.4.2.2. Sistemática Estratificado ...

2.2.4.3. O critério a utilizar para a diferenciação dos estratos deve ser correlacionado com a variável de interesse da pesquisa (variável dependente)

2.2.4.3.1. Tipologia florestal

2.2.4.3.2. Condições topográficas

2.2.4.3.3. Sítios e tipos de solo

2.2.4.3.4. Idade...

2.2.4.4. A estratificação é eficiente especialmente nos casos onde a variabilidade dentro do estrato é menor e a diferença de médias entre os estratos é grande.

2.2.4.5. Neste caso, a precisão alcançada é alta comparado com outro processo considerando o mesmo tamanho amostral

2.2.5. iv) Conglomerado

2.2.5.1. Consiste no agrupamento de unidades de observação que juntas formam a unidade amostral

2.2.5.2. O agrupamento de unidades de observação (sub-parcelas) pode ser organizado em várias formas:

2.2.5.2.1. Cruz de malta

2.2.5.2.2. Linha

2.2.5.2.3. Triângulo

2.2.5.2.4. Quadrado...

2.2.5.3. É possível aplicar considerando amostragem Aleatória Simples/Estratificada bem como Amostragem Sistemática

2.2.5.4. O tamanho amostral é definido pelo número de conglomerados

2.2.5.5. O resultado da variável de interesse de cada conglomerado é obtida a partir da média das unidades de observação. Portanto, a dispersão espacial das sub-parcelas pode abranger uma gama de condições pontuais

2.2.5.6. Essa subdivisão pode informar sobre a distribuição espacial da variável de interesse

2.2.6. v) Dois estágios

2.2.7. Para determinar qual processo utilizar o pesquisador deve considerar que:

2.2.7.1. As unidades amostrais são distribuídas no espaço sendo que, as observações obtidas a partir delas podem ser espacialmente correlacionadas

2.2.7.1.1. Parcelas espacialmente próximas entre si tendem a exibir valores mais semelhantes do que aquelas com uma distância maior entre elas

2.2.7.1.2. Exemplo: Quando a autocorrelação entre os valores de volume de duas parcelas for alta, o ganho de informação em medir a segunda parcela é baixo

2.2.7.1.3. Espera-se manter a autocorrelação baixa entre pares de objetos mensurados (árvores ou parcelas). Isso seria possível se aumentar as distâncias entre os mesmos

2.2.7.1.4. Quanto mais variabilidade capturarmos por parcela, menor será a variabilidade entre parcelas (variância entre parcelas que determina a variância do erro)

2.2.7.1.5. A correlação descreve a relação entre duas variáveis

2.2.7.1.6. A autocorrelação descreve a relação entre duas observações da mesma variável, mensurada em dois objetos (p.e. árvore) ou período diferentes

2.2.7.2. Cada processo de amostragem exigem diferentes custos para operacionalização

2.3. 2) Método de amostragem

2.3.1. Define o tipo de unidade de observação a utilizar para selecionar as árvores a serem incluídas ao redor

2.3.2. i) Objeto individual

2.3.2.1. A variável de interesse é observada na unidade de observação que consiste, por exemplo, em uma árvore

2.3.3. ii) Ponto amostral

2.3.3.1. Consiste em um ponto adimensional no qual são distribuídos na população em forma de Grid

2.3.3.2. Somente variáveis categóricas podem ser observadas no ponto

2.3.3.2.1. Com floresta, sem floresta

2.3.3.2.2. Tipologia florestal

2.3.4. iii) Uma dimensão (Linhas)

2.3.4.1. A variável de interesse é observada e contabilizada por meio do número de interseções que a linha sobrepõe

2.3.4.2. Exemplo: Estradas, borda de floresta, tipo de floresta

2.3.4.3. É possível obter a porção da linha que sobrepõe uma tipologia florestal, por exemplo

2.3.5. Duas dimensões (Área)

2.3.5.1. A Unidade de observação consiste em parcelas de diferentes formatos(circular, quadrada ou retangular)

2.3.5.1.1. Circular

2.3.5.1.2. Retangular

2.3.5.1.3. Quadrada

2.3.5.1.4. Faixas (Strip plots)

2.3.5.2. A variável de interesse é mensurada ou observada em todas árvores de interesse dentro da parcela

2.3.6. Área variável

2.3.6.1. Método de Bitterlich

2.3.6.2. Método de Prodan

2.3.6.3. Método de Strand

2.3.6.4. Método 3P (Probability Proportional to Size