Pular para conteúdo

Relatório Florestal


Warning

Esta biblioteca está em desenvolvimento, nenhuma das soluções apresentadas está disponível para download.

Gere um relatório florestal com base nas alturas e volumes estimados usando os outros módulos do ForestPyTools. Obtenha valores de volume e tipos de árvores por hectare em vários níveis específicos do povoamento florestal, juntamente com outras métricas. Obtenha o relatório nos formatos xlsx (Excel) ou json.


Parâmetros da Classe

ForestReport(df, plot_id, plot_size, tree_type, tree_dbh,
             tree_height, group_levels=None, tree_vol_with_bark=None,
             tree_vol_without_bark=None, iterator=None)
Parâmetros Descrição
df O dataframe contendo os dados processados do inventário florestal.
plot_id Nome da coluna que contém o identificador único para cada parcela.
plot_size Valor numérico indicando o tamanho da parcela em metros quadrados ou o nome da coluna que contém o tamanho de cada parcela em metros quadrados.
tree_type Nome da coluna que contém o id dos tipos de árvores presentes no inventário florestal. O id deve estar incluído em tree_types_df.
tree_dbh Nome da coluna que contém os valores do diâmetro à altura do peito (DAP).
tree_height Nome da coluna que contém os valores de altura das árvores.
group_levels (Opcional) Lista com os nomes dos níveis de agrupamento que o usuário deseja criar. Um resumo será gerado para cada grupo. Exemplo de grupos: Fazenda, talhão, tipo de solo.
tree_vol_with_bark (Opcional) Nome da coluna que contém os valores do volume das árvores com casca.
tree_vol_without_bark (Opcional) Nome da coluna que contém os valores do volume das árvores sem casca.
iterator (Opcional) Nome de um iterador que será usado para agrupar os dados. Exemplo de um iterador: Estrato.

Funções da Classe

functions and parameters
  ForestReport.update_tree_types(df)#(1)!

  ForestReport.view_tree_types()

  ForestReport.get_report(dir, format="xlsx")#(2)!

  1. df = DataFrame contendo os tipos de árvores presentes no inventário florestal. Se None, o DataFrame padrão da biblioteca será utilizado.
  2. dir = Diretório onde o relatório será salvo.
    format = Formato em que o relatório será salvo. Pode ser xlsx (Excel) ou json.
Parâmetros Descrição
.update_tree_types() Atualiza o tree_types_df -> DataFrame que contém os IDs dos tipos de árvores, nomes e descrição.
.view_tree_types() Exibe o tree_types_df que a classe está utilizando no momento.
.get_report() Salva o relatório florestal no formato xlsx ou json no diretório especificado.

Exemplo de tabela de tipos de árvores

ID Nome Descrição Volume Comercial
0 normal Árvore sem distorções ou defeitos significativos 1
1 morta Árvore morta 0
2 bifurcada adbh Bifurcada acima do DAP 1
3 bifurcada bdbh Bifurcada abaixo do DAP 1
4 queimada Árvore queimada 0

*A ordem das colunas deve ser seguida.

Descrição das Colunas

  • id: Representa um identificador único para cada tipo de árvore na classificação. Ele é usado para diferenciar os registros e pode servir como chave de referência em outros conjuntos de dados.

  • name: Indica o nome da árvore com base em sua condição ou características específicas. Esse nome funciona como uma descrição curta para fácil identificação.

  • description: Fornece uma explicação detalhada sobre a condição da árvore, incluindo informações sobre sua estrutura, estado de saúde ou possíveis defeitos que podem afetar sua qualidade comercial.

  • commercial_volume: Define se o volume dessa árvore será considerado comercialmente utilizável. Um valor de 1 indica que a árvore possui volume comercial e será utilizada, enquanto 0 significa que seu volume não será aproveitado.

Exemplo de Uso

forest_report_example.py
from fptools.forest_report import ForestReport#(1)!
import pandas as pd#(2)!

  1. Importa a classe ForestReport.
  2. Importa o pandas para manipulação de dados.

forest_report_example.py
inventory_data = pd.read_csv(r'C:\Your\path\processed_inventory.csv')#(1)!

tree_df_types = pd.read_csv(r'C:\Your\path\tree_df_types.csv')#(2)!

Report = ForestReport(inventory_data,plot_id = "plot_identifier",plot_size = 'plot_size_column',
                      tree_type='tree_type_tag', group_levels=['Farm', 'Stand'],
                      tree_height="best_predicted_height (m)", tree_dbh="DBH (cm)",
                      tree_vol_with_bark="Tree_volume",tree_vol_without_bark= "Tree_volume_no_bark",
                      iterator="forest stratum")#(3)!

Report.view_tree_types()#(4)!

Report.update_tree_types(tree_df_types)#(5)!

Report.get_report(dir=r"C:\Users\Desktop", format="json")#(6)!

  1. Carrega o dataframe inventory_data processado a partir de um arquivo CSV.
  2. Carrega o dataframe tree_types_df a partir de um arquivo CSV.
  3. Cria a variável Report contendo a classe ForestReport e utilizando o dataframe inventory_data.
    Define a coluna plot_identifier como responsável por identificar cada parcela.
    Define a coluna plot_size_column como responsável por fornecer o tamanho da parcela em metros quadrados.
    Define a coluna tree_type_tag como responsável por identificar o ID de cada árvore presente em tree_types_df.
    Define as colunas Farm e Stand como subgrupos para os quais os relatórios são gerados.
    Define a coluna best_predicted_height (m) como a coluna contendo as alturas das árvores em metros.
    Define a coluna DBH (cm) como a coluna contendo os diâmetros das árvores à altura do peito em centímetros.
    Define a coluna Tree_volume como a coluna contendo o volume total das árvores com casca.
    Define a coluna Tree_volume_no_bark como a coluna contendo o volume total das árvores sem casca.
    Define a coluna forest stratum como o iterador principal no qual o relatório é gerado.
  4. Exibe o dataframe tree_types_df em uso.
  5. Atualiza o dataframe tree_types_df utilizando o dataframe tree_df_types.
  6. Salva o relatório em C:\Users\Desktop no formato json.