巴西亚马逊东部茂密热带雨林连续森林清查中取样强度的测定

IF 0.2 Q4 FORESTRY
Luiz Marcos Silva-Matos, Agostinho Lopes-de-Souza, Daniel Henrique Breda-Binoti, Elpídio Inácio Fernandes-Filho, Andreina Epifanía Dávila-Vega, Duberlí Geomar Elera-Gonzáles, Ana Carolina De Albuquerque-Santos, Perez Alves-Corrêa, Katia Regina-Silva
{"title":"巴西亚马逊东部茂密热带雨林连续森林清查中取样强度的测定","authors":"Luiz Marcos Silva-Matos, Agostinho Lopes-de-Souza, Daniel Henrique Breda-Binoti, Elpídio Inácio Fernandes-Filho, Andreina Epifanía Dávila-Vega, Duberlí Geomar Elera-Gonzáles, Ana Carolina De Albuquerque-Santos, Perez Alves-Corrêa, Katia Regina-Silva","doi":"10.18845/RFMK.V15I37.3601","DOIUrl":null,"url":null,"abstract":"El muestreo optimizado en inventarios forestales permite perfeccionar las tecnologías de manejo forestal sostenible. Se desarrolló una metodología para determinar la intensidad optima de muestreo en inventarios forestales continuos, ajustándolos al principio n° 08 del FSC (Forest Stewardship Council). Datos de un censo con mapeo de árboles con DAP ≥ 35 cm fueron utilizados. Un simulador de plan de corte que combina un algoritmo genético y un Sistema de Información Geográfica (GIS) fue desarrollado. Diez planes de corte fueron simulados, cinco con intensidad de 22 m3 ha-1 y cinco con 30 m3 ha-1. El área efectiva de explotación forestal fue dividida en 4 690 parcelas (100 x 100 m), en las cuales fueron asignados los árboles mapeados en el censo. En la preparación del algoritmo genético dos enfoques (A y B) fueron considerados. El enfoque A buscó maximizar el número de especies muestreadas con base en las intensidades de muestreo predefinidas 1:1 000, 1:750, 1:500, 1:250 y 1:200. El enfoque B buscó minimizar el número de parcelas permanentes para muestrear todas las especies cosechadas. No fue posible muestrear todas las especies cosechadas utilizando intensidades de muestreo pre-definidas. Para cumplir con el Principio n° 08 del FSC, la metodología determinó una intensidad óptima de muestreo de 1:180 y 1:165 para las intensidades de corte de 22 m3 ha-1 y 30 m3 ha-1 respectivamente. No hubo diferencia significativa entre el número de especies cosechadas en las diferentes intensidades de corte.","PeriodicalId":41140,"journal":{"name":"Revista Forestal Mesoamerica Kuru-RFMK","volume":" ","pages":""},"PeriodicalIF":0.2000,"publicationDate":"2018-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Determinación de la intensidad de muestreo en inventario forestal continuo en un bosque tropical lluvioso denso, Amazonia Oriental, Brasil\",\"authors\":\"Luiz Marcos Silva-Matos, Agostinho Lopes-de-Souza, Daniel Henrique Breda-Binoti, Elpídio Inácio Fernandes-Filho, Andreina Epifanía Dávila-Vega, Duberlí Geomar Elera-Gonzáles, Ana Carolina De Albuquerque-Santos, Perez Alves-Corrêa, Katia Regina-Silva\",\"doi\":\"10.18845/RFMK.V15I37.3601\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"El muestreo optimizado en inventarios forestales permite perfeccionar las tecnologías de manejo forestal sostenible. Se desarrolló una metodología para determinar la intensidad optima de muestreo en inventarios forestales continuos, ajustándolos al principio n° 08 del FSC (Forest Stewardship Council). Datos de un censo con mapeo de árboles con DAP ≥ 35 cm fueron utilizados. Un simulador de plan de corte que combina un algoritmo genético y un Sistema de Información Geográfica (GIS) fue desarrollado. Diez planes de corte fueron simulados, cinco con intensidad de 22 m3 ha-1 y cinco con 30 m3 ha-1. El área efectiva de explotación forestal fue dividida en 4 690 parcelas (100 x 100 m), en las cuales fueron asignados los árboles mapeados en el censo. En la preparación del algoritmo genético dos enfoques (A y B) fueron considerados. El enfoque A buscó maximizar el número de especies muestreadas con base en las intensidades de muestreo predefinidas 1:1 000, 1:750, 1:500, 1:250 y 1:200. El enfoque B buscó minimizar el número de parcelas permanentes para muestrear todas las especies cosechadas. No fue posible muestrear todas las especies cosechadas utilizando intensidades de muestreo pre-definidas. Para cumplir con el Principio n° 08 del FSC, la metodología determinó una intensidad óptima de muestreo de 1:180 y 1:165 para las intensidades de corte de 22 m3 ha-1 y 30 m3 ha-1 respectivamente. No hubo diferencia significativa entre el número de especies cosechadas en las diferentes intensidades de corte.\",\"PeriodicalId\":41140,\"journal\":{\"name\":\"Revista Forestal Mesoamerica Kuru-RFMK\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2018-06-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Forestal Mesoamerica Kuru-RFMK\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.18845/RFMK.V15I37.3601\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"FORESTRY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Forestal Mesoamerica Kuru-RFMK","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18845/RFMK.V15I37.3601","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"FORESTRY","Score":null,"Total":0}
引用次数: 0

摘要

森林清查的优化抽样有助于改进可持续森林管理技术。制定了一种方法,根据FSC(森林管理委员会)第08号原则,确定连续森林清查的最佳抽样强度。使用胸径≥35 cm的树木普查数据。利用遗传算法和地理信息系统(GIS)开发了一种切割平面模拟器。在本研究中,我们分析了两个不同的刈割方案,分别为5和10 m3 ha-1。本研究的目的是确定在巴西亚马逊地区进行的森林普查中使用的树木类型,并确定在巴西亚马逊地区进行的森林普查中使用的树木类型。在准备遗传算法时,考虑了两种方法(A和B)。方法A的目的是在预定义的采样强度1:1 000、1:50 50、1:500、1:250和1:200的基础上最大限度地采样物种数量。方法B旨在尽量减少永久样地的数量,以抽样所有收获的物种。采用预定义的抽样强度对所有收获的物种进行抽样是不可能的。为了符合FSC原则n°08,该方法确定了切割强度分别为22 m3 ha-1和30 m3 ha-1的最佳取样强度为1:180和1:165。在不同刈割强度下,收获物种数量无显著差异。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Determinación de la intensidad de muestreo en inventario forestal continuo en un bosque tropical lluvioso denso, Amazonia Oriental, Brasil
El muestreo optimizado en inventarios forestales permite perfeccionar las tecnologías de manejo forestal sostenible. Se desarrolló una metodología para determinar la intensidad optima de muestreo en inventarios forestales continuos, ajustándolos al principio n° 08 del FSC (Forest Stewardship Council). Datos de un censo con mapeo de árboles con DAP ≥ 35 cm fueron utilizados. Un simulador de plan de corte que combina un algoritmo genético y un Sistema de Información Geográfica (GIS) fue desarrollado. Diez planes de corte fueron simulados, cinco con intensidad de 22 m3 ha-1 y cinco con 30 m3 ha-1. El área efectiva de explotación forestal fue dividida en 4 690 parcelas (100 x 100 m), en las cuales fueron asignados los árboles mapeados en el censo. En la preparación del algoritmo genético dos enfoques (A y B) fueron considerados. El enfoque A buscó maximizar el número de especies muestreadas con base en las intensidades de muestreo predefinidas 1:1 000, 1:750, 1:500, 1:250 y 1:200. El enfoque B buscó minimizar el número de parcelas permanentes para muestrear todas las especies cosechadas. No fue posible muestrear todas las especies cosechadas utilizando intensidades de muestreo pre-definidas. Para cumplir con el Principio n° 08 del FSC, la metodología determinó una intensidad óptima de muestreo de 1:180 y 1:165 para las intensidades de corte de 22 m3 ha-1 y 30 m3 ha-1 respectivamente. No hubo diferencia significativa entre el número de especies cosechadas en las diferentes intensidades de corte.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
12 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信