ENVIRONMENTAL SELECTIVITY OF THE BRAZIL NUT TREE: GEOSTATISTICAL MODELING AND RANDOM FOREST

Authors

DOI:

https://doi.org/10.5380/rf.v56i1.100378

Keywords:

DBH, Indicator Kriging, Spatial Regression, Probability Maps, Heterogeneity

Abstract

The Brazil nut tree is a forest species of great relevance for the conservation of tropical forests and as a source of income and food for extractive families. This study analyzed the relationship between soil physico-chemical attributes and the spatial distribution of Brazil nut trees in a native stand in the Amazon. Soil samples were collected at the Jutica Property – Tefé/AM, from the surface layer (0–20 cm) of a permanent plot (300 x 300 m), following a systematic sampling approach with 60 points distributed every 50 m between lines and 30 m between points. All Brazil nut trees with DBH ≥ 10 cm were inventoried, and soil data were evaluated using descriptive statistics and geostatistics. Indicator Kriging was applied to interpolate DBH, separating trees with DBH ≥ 50 cm and DBH < 50 cm. Spatial regression was performed using the Random Forest algorithm, and all analyses were conducted in R software. The results indicated a moderate degree of heterogeneity in soil attributes. The Random Forest model generated probability maps that characterized the spatial distribution of Brazil nut trees and identified the most favorable regions for the occurrence of individuals with different DBH classes. The most selective attributes were calcium, sodium, organic matter, copper, total sand, and nitrogen, highlighting their influence on the environmental selectivity of the species.

Author Biographies

Luciana Jeferson de Moraes, Universidade Federal do Amazonas

Graduada em Engenharia Florestal pela Universidade do Estado do Amazonas - UEA (2013). Mestrado em Ciências Florestais e Ambientais pela UFAM (2021). MBA em Liderança e Gestão de pessoas (2019). Possui experiência com Assistência Técnica e Extensão Rural e Florestal no Estado do Amazonas, atuando principalmente nos seguintes temas: Produção florestal não-madeireiro; Educação ambiental; Produção de Mudas; Compostagem.

Jandresson Dias Pires , Instituto Federal da Bahia

Doutor em Estatística Aplicada e Biometria (UFV); Mestre em matemática (PROFMAT - UESB); pós-graduando em Estatística e Matemática Financeira pela Faculdade ÚNICA; pós-graduado lato sensu em Gestão e Docência na Educação Básica (UniSanta em parceria com o IFGE); Atualmente, é professor efetivo em Matemática (40H-DE) no Instituto Federal da Bahia (IFBA), Atuou (2007 - 2015) como professor de Matemática no Ensino Fundamental II e Ensino Médio em Barra do Choça e no Fundamental II (2011-2015) em Brumado, Coordenador Pedagógico (2014-2015) no Centro Educacional Professor José Xavier Amorim - Barra do Choça. Possui interesses de pesquisas voltados às seguintes temáticas: Estatística aplicada e Probabilidade, Geoestatística, Ciência de Dados, programação em R, Matemática Aplicada e Ensino.

Kátia Emídio da Silva, Empresa Brasileira de Pesquisa Agropecuária (Embrapa Amazônia Ocidental)

Possui graduação em Engenharia Florestal pela Universidade Federal de Viçosa (1987), mestrado em Ciências Florestais/recuperação de áreas degradadas pela Universidade Federal de Viçosa (1992) e doutorado sanduiche em Ciências Florestais-Florística e Estrutura espacial de florestas tropicais, pela Universidade Federal de Viçosa e Universidade de Toronto-Canadá (2010). É pesquisadora da Empresa Brasileira de Pesquisa Agropecuária (Embrapa Amazônia Ocidental) desde 2001. Tem atuado nos seguintes temas: florística e estrutura espacial de florestas tropicais (Amazônia), Recursos florestais não madeireiros, com ênfase na Castanha-do-Brasil, silvicultura/recuperação de áreas degradadas/ caracterização da biodiversidade para uso múltiplo, e geoprocessamento. Desde fevereiro de 2022 é Chefe de Pesquisa, Desenvolvimento e Inovação da Unidade da Embrapa Amazônia Ocidental, em Manaus.

Santiago Linorio Ferreyra Ramos, Universidade Federal do Amazonas

Possui graduação em Ciências Agronômicas - Universidad Nacional de la Amazonia Peruana (2001), com mestrado em Ciências Florestais e Ambientais pela Universidade Federal do Amazonas (2008), Doutorado em Genética e melhoramento de plantas pela Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ) - Universidade de São Paulo (USP) (2014) e Pós-Doutorado pelo Departamento de Ciências Florestais-ESALQ/USP (2016). Atualmente é professor da Universidade Federal do Amazonas (UFAM) no Instituto de Ciências Exatas e Tecnologia (ICET) com cede na cidade de Itacoatiara (AM). Responsável pelas disciplinas de Silvicultura e Sistemas Agroflorestais, Ecologia Agrícola, Fruticultura e Fruticultura Amazônica do curso de Agronomia. Tem experiência na área de Agronomia, com ênfase na propagação de espécies florestais e palmeiras, cultivo in vitro, desenvolvimento e aplicação de marcadores moleculares no pré-melhoramento genético, genética de populações, diversidade genética, sistema reprodutivo, fluxo gênico, domesticação de plantas Amazônicas, melhoramento genético de plantas, manejo e conservação de Ecossistemas Tropicais, silvicultura e sistemas agroflorestais. Assim como Restauração de Áreas Degradadas, Sementes Florestais, Agrobiodiversidade, Agricultura Familiar.

Gerson Rodrigues dos Santos, Universidade Federal de Viçosa

Com formação primária e secundária na Rede Adventista de Educação (EDESSA), possui a seguinte formação: <=> Graduação em Matemática pelo Instituto Adventista de Ensino (1997); <=> Graduação em Ciências da Computação pela Universidade Ibirapuera (2001); <=> Lato-sensu em Administração de Sistemas de Informação pela Universidade Federal de Lavras - MG (2004); <=> Mestrado em Matemática e Estatística pela Universidade Vale do Rio Verde (2006); <=> Doutorado em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras (2010); <=> Pós-Doutorado em Estatística Espacial pela Iowa State University - EUA (2014/2015). Atualmente é Professor da Universidade Federal de Viçosa - Campus Florestal, no Instituto de Ciências Exatas e Tecnológicas - Matemática, com experiência em: Metodologia da Pesquisa Científica; Estatística Básica; Matemática Computacional; Recursos Computacionais; Probabilidade; Inferência Estatística; Processos Estocásticos; Geoestatística; Estatística Espacial e Ciência de Dados. Com experiência em Data Science (destaca-se Machine Learning em R e Júlia), Geoestatística (Clássica e FRK) e Recursos Computacionais (Latex, Programa R, Sweave e R-Markdown), dedica-se, principalmente, suas pesquisas em Geoestatística aplicada a: Dados geoespaciais; Geoprocessamento; Interpolação 4D; Sensoriamento Remoto; RPA (Remotely Piloted Aircraft) - SISVANT/Drones. Foi Bolsista CNPq de Pós-Doutorado no Exterior sendo a pesquisa desenvolvida no Department of Agricultural and Biosystems Engineering in Iowa State University - Ames - Iowa - USA.

Fernando De Souza Bastos, Universidade Federal de Viçosa

Professor Associado do Departamento de Estatística da Universidade Federal de Viçosa (UFV), orientador do Mestrado Profissional em Matemática em Rede Nacional (PROFMAT) e do programa de Pós-Graduação em Estatística Aplicada e Biometria (PPESTBIO), com doutorado em Estatística pela Universidade Federal de Minas Gerais (UFMG). Atua na área de Probabilidade e Estatística, com ênfase em Modelos de Regressão, Modelos de Seleção Amostral, Delineamento de Experimentos, Big Data, Programação em R, Criação de Relatórios Dinâmicos, Visualizações Gráficas, além de pesquisa em Educação Matemática e Estatística. Mantém uma página pessoal com publicações e divulgação científica em https://fsbmat-ufv.github.io/.

References

Aleixo, N. C. R., & Silva Neto, J. C. A. (2018). Vegetation Index and Air Temperature Behavior in Tefé-Amazonas, Brazil. Revista Brasileira De Geografia Física, 11(3), 864–876.

Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. L. M., & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22, 711–728.

Aquino, R. E., Campos, M. C. C., Marques Jr, J., Oliveira, I. A., Mantovaneli, B. C., & Soares, M. D. R. (2014). Geoestatística na avaliação dos atributos físicos em Latossolo sob floresta nativa e pastagem na região de Manicoré, Amazonas. Revista Brasileira de Ciência Do Solo, 38, 397–406.

Bhering, S. B., Chagas, C. S., Carvalho Junior, W., Pereira, N. R., Filho, B. C., & Pinheiro, H. S. K. (2016). Mapeamento digital de areia, argila e carbono orgânico por modelos Random Forest sob diferentes resoluções espaciais. Pesquisa Agropecuária Brasileira, 51(9), 1359–1370.

Brasil. Ministério do Meio Ambiente – MMA. Secretaria de Extrativismo e Desenvolvimento Rural Sustentável. Departamento de Extrativismo. (2017). Castanha-do-Brasil: boas práticas para o extrativismo sustentável orgânico (1st ed.).

Carvalho Junior, W., Calderano Filho, B., Chagas, C. S., & Bhering, B. S. (2016). Regressão linear múltipla e modelo Random Forest para estimar a densidade do solo em áreas montanhosas. Pesquisa Agropecuária Brasileira, 51(9), 1428–1437.

Costa, M. G. C., Tonini, H., & Mendes Filho, P. M. (2017). Atributos do Solo Relacionados com a Produção da Castanheira-do-Brasil (Bertholletia excelsa). Revista Floresta e Ambiente, 1–10.

Cutler, D. R., Edwards Jr., T. C., Beard, K. H., Cutler, A., Hess, K. T., Gibson, J., & Lawler, J. J. (2007). Random forests for classification in ecology. Ecology, 88, 2783–2792.

EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. (2017). Manual de métodos de análise de solo (3rd ed.).

Guerreiro, Q. L. de M., Oliveira Junior, R. C., Santos, G. R., Ruivo, M. L. P., Beldini, T. P., Carvalho, E. J. M., Silva, K. E., Guedes, M. C., & Santos, R. B. (2017). Spatial variability of soil physical and chemical aspects in a Brazil nut tree stand in the Brazilian Amazon. African Journal of Agricultural Research, 12, 237–250.

Hengl, T., Nussbaum, M., Wright, M. N., Heuvelink, G. B. M., & Gräler, B. (2018). Random forest as a generic framework for predictive modeling of spatial and spatio-temporal variables. PeerJ, 6, e5518. https://doi.org/10.7717/peerj.5518

Heung, B., Bulmer, C. E., Schmidt, M. G., & Zhang, J. (2022). Provincial-scale digital soil mapping using a random forest approach for British Columbia. Canadian Journal of Soil Science, 102(03), 597–620.

Instituto Brasileiro de Geografia e Estatística - IBGE. (2012). Manual Técnico da Vegetação Brasileira.

Oliveira, R. P., Grego, C. R., & Brandão, Z. N. (2015). Geoestatística aplicada na agricultura de precisão utilizando o vesper (1st ed.).

R Core Team. (2024). R: A language and environment for statistical computing. https://www.R-project.org/

Serviço Florestal Brasileiro - SFB. (2014). Manejo da Castanha-do-Brasil (Bertholletia Excelsa) Orientações para as boas práticas de manejo, coleta e pós coleta das castanha-do-brasil, Bioma Brasileiro.

Sharma, M., Goel, S., & Elias, A. A. (2025). Predictive modeling of soil profiles for precision agriculture: a case study in safflower cultivation environments. Scientific Reports, 15(1), 44. https://doi.org/10.1038/s41598-024-83551-9

Spera, S. T., Magalhães, C. A. S., Baldoni, A. B., & Calderano, S. B. (2019). Caracterização pedológica de locais de estudo de populações naturais de castanheira-do-brasil no estado de Mato Grosso. Pesquisas Agrárias e Ambientais. Nativa, 7(2), 145–161.

Suleymanov, A., Gabbasova, I., Komissarov, M., Suleymanov, R., Garipov, T., Tuktarova, I., & Belan, L. (2023). Random Forest Modeling of Soil Properties in Saline Semi-Arid Areas. Agriculture, 13(5). https://www.mdpi.com/2077-0472/13/5/976

Tonini, H., & Baldoni, A. B. (2019). Estrutura e regeneração de Bertholletia excelsa Bonpl. em castanhais nativos da Amazônia. Ciência Florestal de Santa Maria, 29(2), 607–621.

Vieira, S. R. (2000). Geoestatística em estudos de variabilidade espacial do solo. In R. F. Novais, V. H. Alvarez V., & C. E. G. R. Schaefer (Eds.), Tópicos especiais em ciências do solo (pp. 1–54). Sociedade Brasileira de Ciência do Solo.

Wadt, L. H. O., Santos, L. M. H., Bentes, M. P. M., & Oliveira, V. B. V. (2017). Avaliação edáfica e nutricional em espécies arbóreas. Produtos florestais não madeireiros: guia metodológico da Rede Kamukaia (1st ed.). EMBRAPA.

Wadt, L. H. O., Santos, L. M. H., Marocolo, F. J., Rego, D. S. G., & Emidio, K. (2019). Panorama geral da produção extrativista de castanha-da-amazônia no Estado de Rondônia. Embrapa.

Yamamoto, J. K., & Landim, P. M. B. (2015). Geoestatística: conceitos e aplicações (1st ed.). Oficina de texto

Downloads

Published

2026-03-27

How to Cite

Moraes, L. J. de, Pires , J. D., Silva, K. E. da, Ramos, S. L. F., Rodrigues dos Santos, G., & Bastos, F. D. S. (2026). ENVIRONMENTAL SELECTIVITY OF THE BRAZIL NUT TREE: GEOSTATISTICAL MODELING AND RANDOM FOREST . Floresta, 56(1), e100378. https://doi.org/10.5380/rf.v56i1.100378

Issue

Vol. 56 No. 1 (2026)

Section

Artigos

License

Copyright (c) 2026 Luciana Jeferson de Moraes, Jandresson Dias Pires , Kátia Emídio da Silva, Santiago Linorio Ferreyra Ramos, Gerson Rodrigues dos Santos, Fernando De Souza Bastos

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.A revista, seguindo a recomendações do movimento Acesso Aberto, proporciona acesso publico a todo o seu conteudo, seguindo o principio de que tornar gratuito o acesso a pesquisas gera um maior intrcambio global de conhecimento. 

Conteúdos do periódico licenciados sob uma  CC BY-NC-SA 4.0