Utilização de métodos estatísticos multivariados na caracterização do mosaico sucessional em floresta semidecídual

O presente trabalho objetivou verificar a possibilidade da utilização de métodos estatísticos multivariados na caracterização das fases do desenvolvimento do mosaico sucessional de um trecho de floresta estacional semidecidual, através de variáveis estruturais. Foram alocadas parcelas de 10 m x 10 m, em que se procedeu à análise estrutural, ou seja, levantamento fitossociológico acrescido das variáveis Porcentagem de Cobertura (PC), Altura do Dossel (AD) e Cobertura por Lianas (CL). Os métodos estatísticos empregados foram Análise de Componentes Principais e Análise de Agrupamento, mais especificamente Classificação Hierárquica Ascendente. O primeiro componente principal explicou 43,96% da variância total, enquanto o segundo, 25,66%. As variáveis Área Basal (AB), Diâmetro Médio (DM) e Dominância Média (DOM) apresentaram correlações positivas entre si superiores a 0,75, podendo ser DM e DOM consideradas como um grupo de variáveis. As variáveis Número de Indivíduos (NI) e Número de Espécies (NE) apresentaram correlação 0,60, enquanto AD, CL e PC baixas correlações com as demais, indicando a importância da inclusão destas na análise. A classificação hierárquica e a partição dos grupos em quatro foram feitas considerando os dois primeiros eixos fatoriais. Os resultados indicaram dois comportamentos diferenciados: 1) valores baixos para AD e AB: Grupo 1, com valores baixos também para NI, NE e PC (fase de clareira); e Grupo 2, com valores elevados para NI e CL e baixos para DOM e DM (fase de construção); e 2) valores altos para AD e AB: Grupo 3, com valores altos também para NI, NE e PC e valor baixo para CL (fase madura); e Grupo 4, com valores elevados para DOM e DM e mais baixos para CL (fase de degradação). Os métodos estatísticos multivariados permitiram caracterizar as fases do desenvolvimento do mosaico sucessional, através das variáveis estruturais. A forma como foram estimadas as variáveis AD, CL e PC, porém, deve ser aprimorada, assim como é preciso incluir variáveis que discriminem melhor cada fase