Redes neurais artificiais aplicadas na modelagem de relações dendrométricas e morfométricas de espécies arbóreas do Cerrado

• Autor(a) principal: Bueno, Gabriel Fernandes
• Data de Publicação: 2020
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/30810
• topic: CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::MANEJO FLORESTAL::DENDROMETRIA E INVENTARIO FLORESTAL; Relações morfométricas; Mensuração florestal; Aprendizado de máquina

O Cerrado possui uma alta biodiversidade de plantas. Porém, poucos estudos detalham as características dendrométricas e morfométricas do Cerrado, as quais permitem conhecer a competição e vitalidade das árvores, podendo auxiliar o monitoramento e a execução de práticas conservacionistas. Uma técnica alternativa para descrever essas relações se dá pelo uso de redes neurais artificiais (RNAs). Desta forma, o presente estudo teve como objetivo: i) identificar e caracterizar as árvores amostradas; ii) treinar RNAs para predição de relações dendrométricas e morfométricas; iii) avaliar a performance das RNAs com uso de variáveis qualitativas e quantitativas; iv) criar um algoritmo em linguagem R, para calcular as variáveis dendrométricas e morfométricas. Foram amostradas 200 árvores de crescimento livre em uma área de Cerrado, onde foram realizadas medições do diâmetro do tronco a diferentes alturas a partir solo e definiram-se as seguintes variáveis qualitativas: disposição dos galhos, forma geométrica da copa, pedregosidade do local, posição do terreno e vitalidade das árvores. Em casos de bifurcação foi usado o diâmetro equivalente (deq). Além disso, foi medida a altura total (h), altura de inserção de copa (hic), o diâmetro de copa (dc) e calcularam-se as variáveis morfométricas: proporção de copa (PC%), grau de esbeltez (GE), índice de abrangência (IA), índice de saliência (IS) e formal de copa (FC). Treinaram-se RNAs com diferentes configurações na camada de entrada: utilizando apenas o deq e, posteriormente, deq e a forma de copa. Foi usado o algoritmo de aprendizado resilient propagation - (RP-) com arquitetura Multilayer Perceptron (MLP). As árvores amostradas pertenceram à diferentes famílias botânicas. As RNAs utilizando apenas o deq apresentaram uma baixa performance na descrição das variáveis: FC, IS e IA. A inserção da variável categórica forma de copa proporcionou a RNA maior eficiência nas predições de todas as variáveis no treinamento. Os pesos sinápticos e o algoritmo criado em R podem ser utilizados para a predição das variáveis do presente estudo.