MANUAL DE INVENTARIOS FORESTALESinfoambiental.org/jdownloads/Presentaciones/Manual... · • 3.3...
Transcript of MANUAL DE INVENTARIOS FORESTALESinfoambiental.org/jdownloads/Presentaciones/Manual... · • 3.3...
MANUAL DE INVENTARIOS FORESTALES Metodología de Oscar Ferreira Rojas
1. INTRODUCCIÓN
• Inventario forestal es el método usado para medir y registrar los datos del bosque, procesar estos datos de campo para obtener así información de la cantidad y calidad de los árboles y características del área boscosa con un grado de detalle y precisión de acuerdo al objetivo previsto
• Un inventario forestal, tiene diversas
aplicaciones específicas que forman parte
de un plan de manejo y que son por
ejemplo. Vender o comprar madera, hacer
un plan de aprovechamiento, determinar
espaciamiento de un raleo, determinar la
corta anual permisible
… INTRODUCCIÓN
2. CLASIFICACIÓN DE INVENTARIOS
FORESTALES
• 2.1 CLASIFICACIÓN SEGÚN LA FORMA
DE TOMAR LOS DATOS
• INVENTARIO POR MUESTREO SISTEMÁTICO
• INVENTARIO POR MUESTREO AL AZAR
• INVENTARIO ESTRATIFICADO
• INVENTARIO 100%
• 2.2 CLASIFICACIÓN SEGÚN EL
OBJETIVO DEL INVENTARIO • PLAN DE MANEJO FORESTAL
• PLAN DE APROVECHAMIENTO
• EVALUAR EL POTENCIAL MADERERO
2. CLASIFICACIÓN DE INVENTARIOS
FORESTALES
• 2.3 CLASIFICACIÓN DE ACUERDO AL
GRADO DE PRESICIÓN • INVENTARIO DETALLADO (error de muestreo 5-10%)
• INVENTARIO SEMI-DETALLADO (error de muestreo
10-15%)
• INVENTARIO EXPLORATORIO (error de muestreo 15-
20%)
• INVENTARIO DE RECONOCIMIENTO (reconocimiento
aéreo, recorrido del área, estudio de fotos aéreas)
3. LA ESTADÍSTICA EN LOS
INVENTARIOS FORESTALES
• 3.1 DISTRIBUCIÓN POR FRECUENCIA
Y AGRUPAMIENTO DE DATOS
DAP (cm) Altura DAP (cm) Altura DAP (cm) Altura DAP (cm) Altura DAP (cm) Altura
13,9 10,5 10,4 9,6 19,5 18,4 14,2 14,5 15 15,9 8 15,3 11,7 9,8 9,2 18,6 11,8 9,7 8,8 14,6 12,2 16,3 13,9 8,4 10 10,9 13,3 16 15 5,8 13,9 11,9 15,5 12,3 13,1 12,5 7,4 7,4 13,3 11,3 10,3
8,8 16 19,5 9,7 9,6 18,8 11,3 7,5 13,3 8,4 12,9 10,3 25,3 13,1 12,9 12 13 11 11 9,8
13 20,2 9,4 6,3 12 15 15 4 18,6 7,1
9,1 10 16,3 9,7 22 14,4 18,4 13 8,7 11 13,3 19,5 22,3 11 12,3 19 10,5 12,1 11,9 22,5 15,2 13
4,5 9,5 8,7 16,5 12,3 18,9 14,3
3. LA ESTADÍSTICA EN LOS
INVENTARIOS FORESTALES
0
2
4
6
8
10
12
14
16
18
20
0.0 5.0 10.0 15.0 20.0 25.0 30.0
No
. d
e A
rbo
les
DAP (cm)
DAP (cm) Intervalo Marca de clase Número de
Arboles
2 4,9 3,5 2
5 7,9 6,5 5
8 10,9 9,5 17
11 13,9 12,5 19
14 16,9 15,5 17
17 19,9 18,5 9
20 22,9 21,5 4
23 25,9 24,5 1
Total 74
• 3.1 DISTRIBUCIÓN POR FRECUENCIA
Y AGRUPAMIENTO DE DATOS
DAP (cm) Intervalo
Marca de clase
Número de Arboles
2 4,9 3,5 2
5 7,9 6,5 5
8 10,9 9,5 17
11 13,9 12,5 19
14 16,9 15,5 17
17 19,9 18,5 9
20 22,9 21,5 4
23 25,9 24,5 1
Total 74
• 3.2 DISTRIBUCIÓN NORMAL
• Y = 0.3989/e(0.5xZxZ)
• DONDE:
• Z = Desvío tipificado (Z = (x - x̄)/S)
• e = 2.71828
• 3.3 MUESTREO • 3.3.1 Distribución de las medias muestrales
• M= N!/(n!x(N-n)!)
• Donde:
• M = Número de muestras
• n = Tamaño de la muestra
• N = Total de unidades de muestreo
• ! = Factorial
• EJEMPLO:
• Si la población se compone de 5 unidades (N), es posible
obtener 10 muestras de 2 unidades de muestreo cada una.
• M = 5!/2!x3! = 120/12 = 10 muestras
• 3.3 MUESTREO • 3.3.2 ERROR ESTÁNDAR
• Sx = S/√(nx(1-n/N))
• DONDE:
• S = Desviación estándar
• n = tamaño de la muestra
• N = Tamaño de la población expresada en número de parcelas
• 3.4 DISTRIBUCIÓN DE t DE STUDENT • t = (x - x̄)/S
Coeficiente de confianza
Valor de t
Valor de Z Tamaño de la muestra (n)
2 5 10 15 20 25 30
68% 1,8 1,14 1,05 1,03 1,01 1,01 1 1
95% 12,71 2,78 2,26 2,14 2,09 2,06 2,05 2
99% 63,66 4,6 3,25 2,98 2,86 2,8 2,76 3
• 3.5 PRECISIÓN Y ERROR DE
MUESTREO • Muestreo aleatorio con reemplazo
• Muestreo aleatorio sin reemplazo
• 3.6 CÁLCULO DEL ERROR DE
MUESTREO • Existe un bosque de 200 hectáreas de Pinus oocarpa de
26 años que constituye la población. Se seleccionó y
midió una muestra al azar de 25 unidades de muestreo
(parcelas) de 0.05 hectáreas cada una, y los volúmenes
obtenidos después de procesar los datos son los
siguientes
Parcela No. Volumen m³ (Volumen)²
1 96 9216
2 72 5184
3 86 7396
4 48 2304
5 31 961
6 59 3481
7 46 2116
8 38 1444
9 80 6400
10 52 2704
11 40 1600
12 26 676
13 56 3136
14 92 8464
15 88 7744
16 53 2809
17 32 1024
18 58 3364
19 37 1369
20 55 3025
21 88 7744
22 39 1521
23 27 729
24 101 10201
25 83 6889
1483 101501
• 3.6 CÁLCULO DEL ERROR DE
MUESTREO • 1) Media (x̄ )
• x̄ = (ΣX)/n = 1483/25 = 59.32 m³/hectárea
• 2) Desviación estándar (S) • √((ΣX²-(ΣX)²/n)n-1) = √((101501-(1483)²/25)25-1) = 23.74 m³/ha
• 3) Coeficiente de Variación (C) • C = (S/ x̄ ) * 100 = (23.74/59.32)*100 = 40%
• 4) Error estándar de la Media Muestral (Sx) • Sx = S/ √n = 23.74/ √25 = 4.75 m³/hectárea
• 3.6 CÁLCULO DEL ERROR DE
MUESTREO
• 5) Error de muestreo (EM) • EM = txSx = 2.064 * 4.75 = 9.8 m³/hectárea El valor de t se obtiene de una tabla y su valor para 24 grados de libertad (n-1) es 2.604 para 95% de probabilidad
• 6) Error de muestreo como porcentaje de la media • EM% = (Error de muestreo absoluto/media) * 100
• EM% = (9.8/59.32)*100 = 16.5%
• 7) Límites de confianza (LC)
• LC = x̄ ± EM = 59.32 ± 9.8
• PARCELAS
CIRCULARES
Superficie en metros²
Superficie en hectáreas
Radio de la parcela en
metros
1000 0,1 17,84
900 0,09 16,92
800 0,08 15,96
500 0,05 12,62
200 0,02 7,98
50 0,005 3,99
• PARCELAS
CUADRADAS
Superficie en metros²
Superficie en hectáreas
Lado en metros
Semidiagonal en metros
1000 0,1 31,62 22,36
900 0,09 30 21,21
800 0,08 28,28 20
500 0,05 22,36 15,18
200 0,02 14,14 10
50 0,005 7,07 5
Lado
• PARCELAS
RECTANGULARES
Superficie en metros²
Superficie en hectáreas
Lados en metros
1000 0,1 50 x 20
900 0,09 45 x 20
800 0,08 40 x 20
500 0,05 25 x 20
200 0,02 20 x 10
50 0,005 10 x 5
Lad
o 1
Lado 2
• INTENSIADAD DE
MUESTREO En un área boscosa de 400 hectáreas
de ha decidido hacer parcelas de 1000
m² y una intensidad de 10%.
I = Am/AT
Donde:
I = Intensidad de muestreo
Am = Área muestreada
AT = Área total
Am = 0.1 x 400 = 40 ha = 400,000 m²
Am = n x Tp n = Am/Tp
n = 40/0.10 = 400 parcelas de 1000 m²
• Método estadístico Para poblaciones infinitas
n = C²t²/a²
Donde:
n = Número de parcelas
C = Coeficiente de variación en % o como
fracción
a = error de muestreo deseado en % o
como fracción
t = valor de t de Student para una
probabilidad dada y para n-1 grados de
libertad
Para poblaciones finitas
n = (C²t²/a² + (C²t/N²))
• PRE-MUESTREO • En un bosque de 200 hectáreas se ha hecho un
pre-muestreo de 10 parcelas de 500 m². Precisión
del 20% y 95% de probabilidad
• x̄ = ∑x/n = 1184/10 = 118.4 m³/ha
• S = √((∑x² - (∑x)²/n)/(n-1)) = √((163848-(1184)²/10)/9)
• C = (S/x̄)̄ * 100 = (51.3/118.4)*100 = 43.3%
• n = C²t²/a² = ((43.3)² * (2.262)²)/20² = 23.98 = 24 parcelas
• n = ((43.3)² * (2.069)²)/20² = 20 parcelas
Parcela No. 1 2 3 4 5 6 7 8 9 10
Volumen (m³/ha)
192 172 62 92 160 80 112 176 64 74
• MUESTREO
ALEATORIO • Un mapa del bosque de escala
adecuada.
• Una tabla de números aleatorios. Puede
usarse también una calculadora que
tenga la función de números al azar.
• Definir el tamaño de la parcela
1 2 3 4 5 6 7 8 9 10 11 12
13 14 15 16 17 18 19 20 21 22 23 24
25 26 27 28 29 30 31 32 33 34 35 36
37 38 39 40 41 42 43 44 45 46 47 48
49 50 51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70 71 72
73 74 75 76 77 78 79 80 81 82 83 84
85 86 87 88 89 90 91 92 93 94 95 96
97 98 99 100 101 102 103 104 105 106 107 108
109 110 111 112 113 114 115 116 117 118 119 120
121 122 123 124 125 126 127 128 129 130 131 132
133 134 135 136 137 138 139 140 141 142 143 144
145 146 147 148 149 150 151 152 153 154 155 156
157 158 159 160 161 162 163 164 165 166 167 168
169 170 171 172 173 174 175 176 177 178 179 180
181 182 183 184 185 186 187 188 189 190 191 192
• MUESTREO
SISTEMÁTICO Hay que distribuir 20 parcelas de 1000
m², sobre un área de 142 hectáreas.
Las parcelas se separaran c/100m
• Am=Tp*n =1000*20 =20,000 m²= 2 ha.
Intensidad de muestreo
• I = Am/AT= 2/142=0.0140845=1.40845%
Distancia entre líneas
• L =Tp/B*I =1000/100*0.0140845= 710 m.
Espaciamiento para distribución cuadrada • S = √(Tp/I) = √(10000/0.0140845)= 266.46 m.
• MUESTREO
ESTRATIFICADO • Dividir la población en sub-poblaciones
• El muestreo puede ser aleatorio o
sistemático