ESTIMAÇÃO DE UM MODELO DISCRIMINANTE PARA DIAGNÓSTICO DO ESTADO DE SAÚDE DE ÁRVORES

Authors

  • Giovani Glaucio Costa Universidade Federal Rural do Rio de Janeiro

Keywords:

diagnóstico da saúde de árvores urbanas, two step cluster, análise discriminante.

Abstract

A avaliação da condição de árvores urbanas é de suma importância para o manejo da arborização de ruas e a gestão da floresta urbana como um todo. Este artigo visa contribuir para o estudo de metodologias que permitam avaliar em que condições se encontram as florestas urbanas, buscando a elaboração de projetos administrativos mais eficientes e fundamentar as ações preventivas de poderes públicos de desenvolvimento de espaços urbanos que proporcionem qualidade de vida às populações de grandes centros urbanos. Um levantamento reuniu de 2013 a 2014, por amostragem não probabilística, 190 árvores de espaços urbanos no estado do Rio de Janeiro. Os pesquisadores teriam que indicar 1 para a presença do item de enfermidade e 0 para a ausência do item de enfermidade. Com a utilização das técnicas multivariadas two step cluster e análise discriminante, formalizou-se o modelo classificatório, que se denominou MODIG-SAR (“Modelo Diagnóstico da Saúde da Árvore”). O MODIG-SAR será uma das contribuições sugeridas para auxiliar às tomadas de decisão relacionadas ao check up sistemático e necessário de árvores urbanas. A proporção de sucessos em ambos os critérios de validação indicam que se erraria muito pouco ao utilizar o modelo construído no diagnóstico da saúde de árvores urbanas. A investigação é meramente preliminar, o ideal seria uma amostra com maior representatividade, mas abre caminhos para estudos mais generalizáveis sobre a temática estudada.

Downloads

Download data is not yet available.

Published

2016-01-01

How to Cite

COSTA, G. G. ESTIMAÇÃO DE UM MODELO DISCRIMINANTE PARA DIAGNÓSTICO DO ESTADO DE SAÚDE DE ÁRVORES. Revista Brasileira de Gestão Ambiental, [S. l.], v. 10, n. 1, p. 52–61, 2016. Disponível em: https://gvaa.com.br/revista/index.php/RBGA/article/view/4208. Acesso em: 21 nov. 2024.

Issue

Section

Artigos