Análise de risco na atividade florestal

• Autor(a) principal: Rodrigues, Mónica Joana Morgado
• Data de Publicação: 2018
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/25066
• topic: Análise de risco; Autocorrelação; Heteroscedasticidade; Produtividade orestal; Regressão robusta; Variáveis dummy

Atualmente, a atividade orestal e a cadeia de produtividade a ela aliada assumem um importante papel na economia de Portugal, tornando-se crucial a formulação de estratégias e instrumentos que a apoiem. Considera-se neste trabalho o indicador de produtividade orestal Acréscimo Médio Anual em Volume, que suporta diversos processos de decisão em planeamento e gestão orestal tais como a idade de corte, a seleção do modelo de silvicultura e a exploração orestal. A modelação da produtividade orestal baseia-se em medições que re etem as condições médias que ocorreram no período de tempo em que as medições sucederam. As alterações climáticas e outros eventos, direta ou indiretamente relacionados com estas alterações, como o aumento da ocorrência de pragas e doenças ou do risco de incêndio traduzem-se em maior incerteza na obtenção de estimativas de produtividade e na tomada de decisão orestal. Neste estudo pretende-se analisar de que forma o risco e a incerteza na ocorrência de uma das pragas que mais danos causa em povoamentos de eucalipto, o gorgulho do eucalipto, poderá afetar a estimativa da produtividade orestal em regiões de risco fraco a muito forte. No desenvolvimento da presente investigação, objetivando-se a implementação de um modelo que permita dar resposta ao problema colocado, foi feita uma análise de regress ão linear múltipla, com inclusão de variáveis dummy. A análise do modelo construído permitiu detetar nos resíduos a presença de heteroscedasticidade e autocorrelação. Face à problemática referida, foi necessário aplicar métodos estatísticos adequados, entre os quais métodos de regressão robusta tais como regressão linear múltipla robusta e métodos baseados em estimadores consistentes na presença de heteroscedasticidade e autocorrelação