Projeção do crescimento arbóreo em floresta estacional semidecidual submontana.

• Autor(a) principal: LUSTOSA JUNIOR, I. M.
• Data de Publicação: 2022
• Outros Autores: CASTRO, R. V. O., GASPAR, R. de O., ARAÚJO, J. B. C. N., AQUINO, F. de G., RODRIGUES, M. I., COSTA, L. S. da, MURTA JÚNIOR, L. S., AMARAL, G. C.
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
• Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1143492
• topic: Sucessão ecológica; Inteligência artificial; Competição florestal; Mata atlântica

A Mata Atlântica é um hotspot global para a conservação da biodiversidade devido à sua riqueza de espécies e endemismo, porém, as ações antrópicas ameaçam e desequilibram a dinâmica dos processos naturais do bioma. Assim, com o objetivo de contribuir com estudos sobre conservação em florestas tropicais, o presente estudo investigou o comportamento da projeção em diâmetro e altura, por meio de ferramentas de regressão e inteligência artificial, com a influência de índices de competição em um fragmento de floresta estacional semidecidual na área do Bioma Mata Atlântica no sudeste do Brasil. As análises foram realizadas de acordo a classificação em grupos ecológicos e quanto à exigência por luz. Foram ajustados quatro modelos de regressão, dois para estimar o diâmetro (DAP) e dois para estimar a altura (H). No processo de aprendizado das redes, selecionaram-se as quatro melhores Redes Neurais Artificiais (RNA), em que cada RNA estimou simultaneamente as variáveis DAP e H. Dentre as redes selecionada, foi definida a melhor RNA visando contrastar com os resultados dos modelos validados. A partir das estatísticas de precisão e análises gráficas, concluiu-se que projetar o crescimento dendrométrico por RNA foi mais eficiente que por modelos tradicionais.