Seminário LoggingLab

Sylvain Schmitt

Oct 11, 2024

Introdução

Texto breve

O que o pacote faz?

Simulação de corte seletivo usando dados de inventário florestal.

O que o pacote faz?

  • preparação de dados
  • trilhas principais
  • áreas colhíveis
  • seleção de árvores
  • trilhas secundárias
  • corte de árvores
  • adjacência da trilha secundária
  • quantificação de volume

Instalação do pacote

Usaremos o pacote LoggingLab para R (Badouard et al. 2024) para simular a extração de madeira de impacto reduzido em uma floresta tropical. O pacote deve ser instalado a partir de seu repositório no Github, pois ainda não está no CRAN.

install.packages("devtools")
devtools::install_github("VincyaneBadouard/LoggingLab")

Outros pacotes R

Usaremos o tidyverse para manipular tabelas e criar gráficos, e o sf para manipular objetos espaciais.

library(LoggingLab)
library(tidyverse)
library(sf)
theme_set(theme_bw())

Entradas

Bla.

  • Inventário: inventários de árvores da parcela registrada
  • Máscara do lote: os limites da área a ser explorada
  • Dados da espécie: dados específicos para cada espécie
  • Alometria volumétrica: os parâmetros de alometria a serem calculados
  • Cenários: os principais parâmetros de gerenciamento

Inventário

O que é isso?

Inventário

As colunas exigidas pelo LoggingLab são:

  • Forest: o nome da floresta para aplicar a fórmula de volume correspondente.
  • idTree: um identificador exclusivo para cada árvore.
  • Xutm e Yutm: as coordenadas de cada árvore.
  • CodeAlive: árvore viva ou morta.
  • Family, Genus, Species: dados botânicos.
  • CircCorr: circunferência de cada árvore.

Inventário

O inventário do lote 6 de Paracou está disponível dentro LoggingLab.

head(Paracou6_2016)
   Forest Plot PlotArea SubPlot idTree Protocole Xfield Yfield     Xutm
1 Paracou    6     6.25       1 100726   Guyafor   13.5  201.0 286420.1
2 Paracou    6     6.25       1 100729   Guyafor   19.0  196.5 286426.4
3 Paracou    6     6.25       1 100739   Guyafor   13.5  182.0 286424.8
4 Paracou    6     6.25       1 100741   Guyafor    9.5  179.5 286421.6
5 Paracou    6     6.25       1 100747   Guyafor   14.5  167.5 286429.3
6 Paracou    6     6.25       1 100750   Guyafor   18.0  169.0 286432.3
      Yutm UTMZone      Lat       Lon           Family    Genus     Species
1 583135.4      22 5.272669 -52.92713       Annonaceae  Oxandra    asbeckii
2 583132.2      22 5.272642 -52.92707         Fabaceae   Eperua grandiflora
3 583116.8      22 5.272502 -52.92709         Fabaceae    Bocoa prouacensis
4 583113.4      22 5.272471 -52.92712     Celastraceae Maytenus    sp.1-CAY
5 583102.9      22 5.272376 -52.92705 Chrysobalanaceae  Licania membranacea
6 583105.2      22 5.272397 -52.92702 Chrysobalanaceae  Licania   canescens
  BotaSource BotaCertainty           VernName CensusYear CensusDateCertainty
1       Bota             4             muamba       2016                TRUE
2       Bota             4 Eperua grandiflora       2016                TRUE
3       Bota             4               boco       2016                TRUE
4       Bota             3         lebi tongo       2016                TRUE
5       Bota             4         santi koko       2016                TRUE
6       Bota             4         santi koko       2016                TRUE
  CodeAlive MeasCode  Circ CircCorr CorrCode
1      TRUE        0  39.5     39.5        0
2      TRUE        0 114.0    114.0        0
3      TRUE        0  48.0     48.0        0
4      TRUE        0 123.0    123.0        0
5      TRUE        0  54.0     54.0        0
6      TRUE        0  88.0     88.0        0

Inventário

Paracou6_2016 %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>% 
  ggplot() + geom_sf()

Máscara do lote

A máscara do lote define os limites da área a ser registrada.

Por que?

Máscara do lote

A máscara do lote 6 de Paracou está disponível dentro LoggingLab.

ggplot(st_as_sf(PlotMask)) + geom_sf()

Dados de espécies

SpeciesCriteria contém dados específicos de cada espécie. As colunas são:

  • CommercialLevel: Nível de interesse econômico. 1: principal espécie econômica, 2 ou mais: espécies registradas com o objetivo de diversificação, 0: espécies cujo gênero é coberto por um nome comercial, mas que não são registradas.

  • MinFD: Diâmetro mínimo de corte, em centímetros.

  • UpMinFD: Diâmetro mínimo de corte aprimorado (caso de povoamento excessivamente rico), em centímetros.

  • MaxFD: Diâmetro máximo de corte, em centímetros.

  • Aggregative: Caráter agregador da espécie. Se for TRUE, as árvores isoladas não serão cortadas.

Dados de espécies

Dados de espécies de Guiana Francesa são disponível dentro LoggingLab.

head(SpeciesCriteria)
# A tibble: 6 × 8
  CommercialName  Genus  Species CommercialLevel MinFD UpMinFD MaxFD Aggregative
  <chr>           <chr>  <chr>             <dbl> <dbl>   <dbl> <dbl> <lgl>      
1 st martin rouge Andira spp                   2    55      60   120 FALSE      
2 bamba apici     Aniba  spp                   2    55      60   120 FALSE      
3 bagasse         Bagas… guiane…               2    55      60   120 FALSE      
4 assao           Baliz… pedice…               2    55      60   120 FALSE      
5 dokali          Brosi… parina…               2    55      60   120 FALSE      
6 satiné rubané   Brosi… rubesc…               2    55      60   120 FALSE

Alometria volumétrica

ForestZoneVolumeParametersTable contém os parâmetros de alometria a serem calculados.

\[Volume = aCoef + bCoef \times DBH^2\]

Por que?

Alometria volumétrica

Alometria volumétrica de Guiana Francesa são disponível dentro LoggingLab.

head(ForestZoneVolumeParametersTable)
           Forest    Zone     aCoef    bCoef
1       Acarouany    West -0.061776  8.83580
2           BAFOG    West -0.061776  8.83580
3             Kaw    East -0.084516 10.46132
4         Laussat    West -0.061776  8.83580
5  Montagne_Plomb Central -0.035829  8.76340
6 Montagne_Tortue    East -0.084516 10.46132

Simulação de registro detalhado

Texto breve

Validar o inventário

As árvores que não estão na área registrada ou que são muito pequenas para serem consideradas são excluídas.

inventory <- inventorycheckformat(Paracou6_2016)
inventory <- cleaninventory(inventory, PlotMask, loggingparameters())

loggingparameters() define todos os parâmetros de registro. Consulte sua ajuda. Os valores padrão são os usados na Guiana Francesa.

Validar o inventário

Como os dados já estavam limpos, não houve muitas alterações.

inventory %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>% 
  ggplot() + geom_sf()

Calcular as dimensões da árvore

Calcule as dimensões da árvore (altura da árvore, do tronco e da copa, diâmetro da copa, volume colhível, densidade da madeira e biomassa).

inventory <- addtreedim(inventory, ForestZoneVolumeParametersTable)
head(select(inventory, TreeHarvestableVolume, TrunkHeight, TreeHeight, CrownHeight,
            CrownDiameter, WoodDensity, AGB))
  TreeHarvestableVolume TrunkHeight TreeHeight CrownHeight CrownDiameter
1             0.1027084    8.272213   14.65595    6.383735      2.294504
2             1.1181093   10.811462   27.40065   16.589191      8.846387
3             0.1687473    9.203739   16.78716    7.583417      3.383477
4             1.3075022   10.860306   28.35561   17.495301      9.055571
5             0.2230879    9.613873   18.14034    8.526472      3.589296
6             0.6517747   10.576502   24.12416   13.547658      6.521511
  WoodDensity       AGB
1   0.7700000 0.1003184
2   0.7040000 1.3401159
3   1.0536667 0.2275608
4   0.7131944 1.6277207
5   0.8800000 0.2590981
6   0.8800000 0.8877632

Calcular as dimensões da árvore

inventory %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>% 
  ggplot() + geom_sf(aes(col = TreeHarvestableVolume)) + 
  scale_color_viridis_c(trans = "log")

Principais trilhas de derrapagem

Gere a trilha principal do terreno inventariado, como linhas na borda e fora do terreno.

Por que ?

Principais trilhas de derrapagem

MainTrails <- maintrailextract(DTMParacou)
ggplot(MainTrails) +
  tidyterra::geom_spatraster(data = terra::rast(DTMParacou)) + # add to pkg list
  geom_sf()

Definição de área colhível

Defina as zonas de colheita e as zonas acessíveis por máquinas dentro da parcela.

Por padrão, uma unidade de prospecção é uma área conectada a uma trilha de caminhão ou a uma trilha principal de skid, com uma inclinação de menos de 27%, evitando planícies e o sistema de água (buffer de 30 m).

Usamos um cenário manual para poder alterar os argumentos facilmente. O guincho é definido como 2, ou seja, a garra é usada, se possível (6 m de extensão), e o cabo é usado até 40 m.

Definição de área colhível

Bla.

HarvestableArea <- harvestableareadefinition(
  topography = DTMParacou,
  creekverticaldistance = CreekDistances$distvert,
  creekhorizontaldistance = CreekDistances$disthorz,
  maintrails = MainTrails,
  plotmask = PlotMask,
  scenario = "manual",
  winching = "2",
  advancedloggingparameters = loggingparameters()
)

Definição de área colhível

As áreas verdes claras podem ser colhidas. As verdes escuras podem ser colhidas por máquinas.

(base <- ggplot() +
  geom_sf(data = HarvestableArea$HarvestablePolygons, fill = "olivedrab", alpha = 0.1) +
  geom_sf(data = HarvestableArea$MachinePolygons, fill = "olivedrab", alpha = 0.5))

Seleção de árvores

Selecionar árvores para colheita e árvores futuras e de reserva.

As árvores podem ser colhidas se:

  • Pertencem a espécies de primeira categoria econômica ou mais, se houver diversificação.
  • O DBH estiver entre o MinFD e o MaxFD.
  • Não estiverem isoladas (>100 m por padrão) de outros indivíduos da mesma espécie no caso de espécies agregadas.
  • Estão localizadas em declives < 22%.
  • Estão fora das trilhas principais.

Se o volume colhível for maior que o volume objetivo e a diversificação não tiver sido escolhida, o MinFD apenas da primeira espécie de classificação econômica será aumentado. Se a diversificação for permitida, o MinFD das espécies de primeiro e segundo níveis econômicos será aumentado. Em seguida, as árvores a serem colhidas são escolhidas em ordem decrescente de volume, até que o volume objetivo seja atingido.

Se o volume extraível for muito baixo, a diversificação pode ser aplicada (specieslax = TRUE): as árvores de todas as classificações comerciais são selecionadas em ordem decrescente de volume até que o volume objetivo seja atingido, ou a extração pode continuar apesar de um volume objetivo não atingido ou ser abandonada (objectivelax = FALSE).

Seleção de árvores

inventory %>% 
  commercialcriteriajoin(SpeciesCriteria) ->
  inventory
inventory %>% 
  treeselection(
    topography = DTMParacou,
    speciescriteria = SpeciesCriteria,
    scenario ="manual", 
    objective = 30,
    fuel = "2",
    winching = "2",
    diversification = TRUE, 
    specieslax = FALSE,
    objectivelax = TRUE,
    harvestablearea = HarvestableArea$HarvestableArea,
    plotslope = HarvestableArea$PlotSlope,
    maintrails = MainTrails,
    harvestablepolygons = HarvestableArea$HarvestablePolygons,
    advancedloggingparameters = loggingparameters()
  ) ->
  TreeSelection
As the harvestable volume (= 187.4m^3)
                was higher (by 75m^3)
                than the objective volume, the Minimum Falling Diameter (MinFD) of the 1st and 2nd economic ranks species
                  were increased to UpMinFD. The objective volume has now been reached.

Layout das trilhas secundárias de derrapagem

A partir das trilhas de arraste principais, desenhe trilhas de arraste secundárias nas zonas acessíveis às máquinas, permitindo coletar as árvores selecionadas com as máquinas escolhidas (argumento winching). O layout é otimizado para reduzir a distância percorrida, respeitando as restrições topográficas e evitando árvores a serem protegidas.

As trilhas de arraste (principal e secundária) permitem que a madeira seja transportada do talhão para as estradas de caminhões.

As trilhas de arraste secundárias:

  • têm 4 m de largura (ScndTrailWidth),
  • têm 22% de inclinação máxima em seu comprimento (MaxTrailCenterlineSlope),
  • têm 4% de inclinação lateral máxima, levada em conta se houver dados Lidar disponíveis (MaxTrailCrossSlope).

Elas evitam:

  • as árvores a serem cortadas
  • as árvores com um DBH de mais de 50 cm (BigTrees)
  • as árvores reservadas.

Eles se juntam, em ordem decrescente de prioridade:

  1. grupos em ordem decrescente de abundância de árvores,
  2. aqueles com a menor distância até a trilha mais próxima.

O argumento cenário pode ser:

  • RIL1/RIL2broken: as trilhas vão até a base das árvores.
  • RIL2: somente cabo, ou seja, as trilhas vão até um máximo de 40 m (CableLength) das árvores.
  • RIL3/RIL3 incluindo combustível: a garra é usada em trilhas com inclinação longitudinal <20% (GrappleMaxslope). As trilhas ficam a até 6 m (GrappleLength) das árvores. O cabo é usado somente quando a inclinação longitudinal é maior que 20% ou quando a árvore a ser derrapada está isolada de outras árvores a serem exploradas, de 6 a 40 m. As trilhas devem estar a menos de 40 m (CableLength) das árvores.

Layout das trilhas secundárias de derrapagem

ScndTrailOutputs <- secondtrailsopening(
  topography = DTMParacou,
  plotmask = PlotMask,
  maintrails = MainTrails,
  plotslope = HarvestableArea$PlotSlope,
  harvestablepolygons = HarvestableArea$HarvestablePolygons,
  machinepolygons = HarvestableArea$MachinePolygons,
  treeselectionoutputs = TreeSelection,
  scenario = "manual",
  winching = "2",
  fuel = "2",
  advancedloggingparameters = loggingparameters()
)
inventory <- ScndTrailOutputs$inventory

Essa etapa pode levar algum tempo.

Mapas - preparação

As funções de mapeamento fáceis de usar ainda não estão no pacote. Usamos objetos sf e ggplot().

Primeiro, prepare um sf para todos os tipos de árvores.

inventory %>% 
  filter(LoggingStatus == "non-harvestable") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  NonHarvestable
inventory %>% 
  filter(LoggingStatus == "harvestable") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Harvestable
inventory %>% 
  filter(LoggingStatus == "reserve") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Reserve
inventory %>% 
  filter(LoggingStatus == "future") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Future

Mapas - árvores não colhíveis

LoggingMap +
  geom_sf(data = NonHarvestable, aes(colour = "NonHarvestable"), size = 1) +
  labs(colour = "Trees")

Mapas - árvores colhíveis

LoggingMap +
  geom_sf(data = Harvestable, aes(colour = "Harvestable"), size = 4) +
  labs(colour = "Trees")

Mapas - todas as árvores designadas

(LoggingMap +
  geom_sf(data = Harvestable, aes(colour = "Harvestable"), size = 4) +
  geom_sf(data = Reserve, aes(colour = "Reserve"), size = 4) +
  geom_sf(data = Future, aes(colour = "Future"), size = 4) +
  labs(colour = "Trees") -> LoggingMap)

Mapas - com trilhas

LoggingMap +
  geom_sf(data = st_as_sf(SecondaryTrails$SmoothedTrails), col = "darkgreen") +
  geom_sf(data = st_as_sf(SecondaryTrails$MainTrailsAccess), col = "black")

Corte de árvores

Simular a derrubada da árvore, com o sucesso ou fracasso da direção da queda da árvore, pé para a trilha, com um ângulo para a trilha e evitando as árvores a serem protegidas, conforme desejado. Se a madeira combustível for explorada, a árvore será direcionada com a copa para a trilha (se a orientação for bem-sucedida) para que possa ser recuperada com uma garra.

A derrubada da árvore cria uma árvore (incluindo a copa) no solo, com dimensões calculadas por alometrias específicas (advancedloggingparameters). O processo depende do cenário. Por exemplo, cenários sem madeira para combustível implicam:

  • com 60% (TreefallSuccessProportion) de probabilidade: base da árvore em direção à trilha mais próxima.
  • com 40% de probabilidade: queda aleatória.

Escolhemos fuel = “2”: exploração de árvores ocas, danos e parte não utilizada das toras. As árvores serão recuperadas da copa com uma garra, se possível. Caso contrário, a recuperação será feita a partir da base do poste com um cabo em ângulo com a trilha.

inventory %>% 
  treefelling(
    scenario = "manual", 
    fuel = "2",
    winching = "2", 
    directionalfelling = "2",
    maintrailsaccess = ScndTrailOutputs$MainTrailsAccess,
    scndtrail = ScndTrailOutputs$SmoothedTrails,
    advancedloggingparameters = loggingparameters()
  ) -> 
  inventory

Mapa pós-registro

Fazemos um mapa com todas as árvores, inclusive as derrubadas.

inventory %>% 
  filter(Selected == "1") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Selected
inventory %>% 
  filter(ProbedHollow == "1") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Hollow
inventory %>% 
  filter(Treefall2ndDeath == "1") %>% 
  st_as_sf(coords = c("Xutm", "Yutm")) %>%
  st_set_crs(st_crs(SecondaryTrails$MainTrailsAccess)) ->
  Treefall
inventory %>% 
  sf::st_as_sf(coords = c("Xutm", "Yutm")) %>% 
  sf::st_set_crs(sf::st_crs(MainTrails)) ->
  Inventory_crs
inventory %>%
  getgeometry(TreePolygon) %>%
  sf::st_set_crs(sf::st_crs(MainTrails)) -> 
  TreePolygon
mapa <- ggplot() +
  geom_sf(data = Inventory_crs) +
  geom_sf(data = NonHarvestable, aes(colour = "Non-harvestable"), show.legend = "point") +
  geom_sf(data = Future, aes(colour = "Future"), size = 4, show.legend = "point") +
  geom_sf(data = Reserve, aes(colour = "Reserve"), size = 4, show.legend = "point") +
  geom_sf(data = Harvestable, aes(colour = "Harvestable"), size = 4, show.legend = "point") +
  geom_sf(data = TreePolygon, alpha = 0.5, fill = "red") +
  geom_sf(data = Selected, aes(colour = "Selected"), show.legend = "point") +
  geom_sf(data = Hollow, aes(colour = "Hollow"), show.legend = "point") +
  geom_sf(data = Treefall, aes(colour = "Treefall"), show.legend = "point") +
  geom_sf(data = SecondaryTrails$maintrailsaccess, alpha = 0.5, fill = "black") +
  geom_sf(data = SecondaryTrails$SmoothedTrails, alpha = 0.5, fill = "black") +
  scale_colour_manual(
    values = c(
      "Non-harvestable" = "grey",
      "Visible defect" = "pink", 
      "Harvestable" = "skyblue",
      "HarvestableUp" = "blue", 
      "Selected" = "red",
      "Future" = "orange",
      "Reserve" = "purple",
      "Hollow" = "forestgreen",
      "Treefall" = "chocolate4"
    )
  ) +
  labs(color = "Logging status")

Mapa pós-registro

Quantificar os volumes registrados

Calcule o volume de madeira colhida em árvores saudáveis exploradas para madeira e nas árvores ocas, se elas também forem colhidas para lenha.

TimberV <- timberharvestedvolume(
  inventory, 
  scenario = "manual", 
  fuel = "2",
  advancedloggingparameters = loggingparameters()
)
inventory <- TimberV$inventory
TimberV[-1]
$TimberLoggedVolume
[1] 110.1624

$NoHollowTimberLoggedVolume
[1] 100.1948

Quantificar os volumes registrados

Os detalhes da produção por espécie estão no inventário.

TimberV$inventory %>% 
  filter(DeathCause == "cut") %>% 
  group_by(CommercialName) %>% 
  summarise(
    trees_n = n(), 
    volume = sum(TimberLoggedVolume), 
    CommercialLevel = unique(CommercialLevel)
  )
# A tibble: 8 × 4
  CommercialName trees_n volume CommercialLevel
  <chr>            <int>  <dbl>           <dbl>
1 angélique            1   8.89               1
2 chawari              2   7.62               2
3 gonfolo gris         1   3.56               1
4 grignon franc        4  21.6                1
5 maho noir            3  12.3                2
6 wacapou              1   3.61               1
7 wapa                10  37.7                2
8 wapa courbaril       1   5.04               2

Para saber mais

Texto breve

Uma única simulação

Todas as etapas de simulação podem ser incluídas em uma única função para economizar tempo.

Rslt <- loggingsimulation1(
  Paracou6_2016,
  plotmask = PlotMask, 
  topography = DTMParacou,
  creekverticaldistance = CreekDistances$distvert,
  creekhorizontaldistance = CreekDistances$disthorz,
  speciescriteria = SpeciesCriteria,
  volumeparameters = ForestZoneVolumeParametersTable,
  scenario = "manual",
  objective = 30,
  fuel = "0", 
  winching = "2", 
  directionalfelling = "2", 
  diversification = TRUE, 
  specieslax = FALSE, 
  objectivelax = TRUE,
  crowndiameterparameters = ParamCrownDiameterAllometry,
  advancedloggingparameters = loggingparameters()
)

Várias simulações podem ser executadas pela função loggingsimulation() para levar em conta a estocasticidade com o argumento iter (número de simulações) e cores (número de núcleos de computador usados para paralelizar o cálculo).

Resultados

Retorna um resumo das saídas da função de simulação de registro.

try(loggingsummary1(Rslt))
inventory : Paracou6_2016 
scenario : manual 
objective : 30 m3/harvestable ha
fuel : 0 
diversification : TRUE 
winching : 2 
directionalfelling : 2 
specieslax : FALSE 
objectivelax : TRUE 
Harvestable area : 3.75 ha
Objective volume : 112.4 m3
Initial harvestable volume : 179.4 m3,  47.9 m3/harvestable ha
Timber logged volume : 112.2 m3,  29.9 m3/harvestable ha
No hollow timber logged volume : 112.2 m3,  29.9 m3/harvestable ha
Timber extracted volume (timber volume after purge : 96.5 m3,  25.8 m3/harvestable ha
Error in round(x$FuelWoodBiomass, digits = 1) : 
  argument non numérique pour une fonction mathématique

Cenários

Os cenários reúnem os principais parâmetros de gerenciamento.

Eles são usados para definir a área explorável, as árvores a serem cortadas e a modelagem de trilhas secundárias.

ScenariosTable
# A tibble: 6 × 6
  Type     SpatialDataType Objective Diversification Winching DirectionalFelling
  <chr>    <chr>           <chr>     <lgl>           <fct>    <fct>             
1 RIL1     SRTM            20-25     FALSE           0        0                 
2 RIL2bro… LIDAR           20-25     FALSE           0        0                 
3 RIL2     LIDAR           20-25     FALSE           1        0                 
4 RIL3     LIDAR           25-30     TRUE            2        2                 
5 RIL3fuel LIDAR           25-30     TRUE            2        2                 
6 RIL3fue… LIDAR           25-30     TRUE            2        2

Cenários

Os cenários reúnem os principais parâmetros de gerenciamento.

Eles são usados para definir a área explorável, as árvores a serem cortadas e a modelagem de trilhas secundárias.

Type SpatialDataType Objective Diversification Winching DirectionalFelling
RIL1 SRTM 20-25 FALSE 0 0
RIL2broken LIDAR 20-25 FALSE 0 0
RIL2 LIDAR 20-25 FALSE 1 0
RIL3 LIDAR 25-30 TRUE 2 2
RIL3fuel LIDAR 25-30 TRUE 2 2
RIL3fuelhollow LIDAR 25-30 TRUE 2 2

Cenários

As colunas são:

  • Type: O nome do cenário.
  • SpatialDataType: o tipo de dados espaciais (Lidar ou SRTM).
  • Objective: Volume objetivo por hectare.
  • Diversification: Permitir o corte de outras espécies além das principais espécies comerciais.
  • Winching: Método de guincho. Sem cabo ou garra = “0”, somente cabo = “1”, garra + cabo = “2”.
  • DirectionalFelling: “0” = não utilizado, ‘1’ = apenas para evitar danos a árvores futuras e de reserva, ‘2’ = evitar danos a árvores futuras e de reserva + orientação da trilha.

Todas as funções permitem scenario = “manual”: nesse caso, todos os argumentos devem ser adicionados manualmente. Seu nome é o mesmo das colunas.

Conclusão

Texto breve

Referências

Badouard, Vincyane, Sylvain Schmitt, Guillaume Salzet, Thomas Gaquiere, Margaux Rojat, Caroline Bedeau, Olivier Brunaux, and Géraldine Derroire. 2024. “LoggingLab: An R Package to Simulate Reduced-Impact Selective Logging in Tropical Forests Using Forest Inventory Data.” Ecological Modelling 487 (January): 110539. https://doi.org/10.1016/j.ecolmodel.2023.110539.