Planejamento florestal espacial

• Autor(a) principal: Gomide, Lucas Rezende
• Data de Publicação: 2013
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFPR
• Texto Completo: http://hdl.handle.net/1884/21401
• topic: Teses; Colheita florestal; Programação linear; Programação heuristica

o planejamento florestal espacial é uma opção ainda nova no Brasil, porém antiga nos países desenvolvidos. A sua importância está relacionada à melhor compreensão e análise do talhão dentro da floresta, entendendo ainda suas relações espaciais com outros talhões e áreas vizinhas. A restrição de adjacência é um exemplo de controle espacial na colheita florestal e contribui para a redução de danos ao ambiente e à paisagem. Existem dois tipos de restrições de adjacência: l) URM (Unít Restriction Modef) ~ que impede a colheita de talhões adjacentes no mesmo período de tempo; e 2) ARM (Area Restriction Modef) ~ que permite a colheita deste tipo de situação, desde que não ultrapasse um limite de área máxima estabelecida. Assim, o estudo teve como objetivo geral aplicar o planejamento florestal espacial, levando em consideração o problema de agendamento da colheita florestal. Além disso, analisar o grau de impacto econômico no VPL e na produção volumétrica de madeira, entre as opções de planejamento florestal tradicional e espacial e ainda testar a utilização do algoritmo genético (AG) e simulated annealing (SA) na resolução de cenários florestais, comparando com o método exato via programação linear inteira (PU). Foram gerados 4 tipos de casos de planejamento distribuídos em 32 cenários florestais, tendo como referência o modelo tipo I de Jonhson e Scheurmann (1977) e as restrições URM, ARM50 e ARM70. Os dados foram obtidos de um reflorestamento de eucalipto com 1.490 ha, contendo 52 talhões, pertencente à empresa VCP (Votorantim Celulose e Papel) na região de Caçapava-SP. Os métodos de resolução foram o AG, SA e PU, porém houve a necessidade de modelar os parâmetros das metaheurísticas, através de testes para diferentes configurações. Os resultados mostraram que as metaheurísticas foram influenciadas pela configuração testada, onde a melhor configuração para o AG foi: população inicial (300 indivíduos), operador de seleção (amostragem estocástica universal), taxa de trocas gênicas pelo crossover (50%), taxa de alteração gênica na mutação (20%) e replacement (steady state 3 ou 50% de substituição); e para a metaheurística SA: o uso da opção busca3, função3 de resfriamento e porcentagem de 10% na taxa de vizinhança de busca. A utilização de restrições de adjacência aumenta o número de restrições dos modelos, principalmente quando são empregadas as restrições do tipo ARM 50 e 70. O uso do planejamento florestal espacial promoveu uma redução do VPL na faixa de 2,10% (caso 4) a 3,74% (caso 2), proporcionado pelas perdas volumétricas de madeira colhida. As metaheurísticas foram eficientes e eficazes na resolução dos cenários, onde os desvios percentuais de VPL em relação à PLI foram: AG 0,76% e SA 2,45% (caso 1), AG 13,60% e SA 6,02% (caso 2), AG 4,18% e SA 7,66% (caso 3) e AG 2,91% e SA 3,31% (caso 4) para os cenários com HP de 7 anos. No caso de problemas onde a PU apresenta problemas em tempo de processamento, as metaheurísticas podem ser aplicadas como uma opção viável. Os casos de planejamento florestal espacial demonstram ser perfeitamente aptos e viáveis. As restrições de adjacência URM, ARM50 e ARM70 controlam as relações espaciais entre talhões e podem ser empregadas como uma opção no planejamento florestal.