Modelagem de povoamentos de eucalipto no nordeste da Bahia utilizando regressão e redes neurais artificiais

• Autor(a) principal: Dávila Vega, Andreina Epifanía
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/19444
• topic: Eucalipto - Crescimento; Eucalipto - produção; Redes neurais artificiais; Mapa de produtividade; Eucalyptus; RNA; Manejo Florestal

O objetivo deste estudo foi avaliar a eficiência do emprego das redes neurais artificiais (RNA) na prognose do crescimento de povoamentos de eucalipto localizados ao Nordeste do Estado da Bahia, a partir de dados de Inventario Florestal Continuo (IFC) históricos de parcelas permanentes. Para o atendimento do objetivo foi necessária a construção de curvas de índice local, o que conseguiu delimitar três tipos de áreas produtivas segundo sua capacidade. A aplicação de um modelo de densidade de variável (Clutter) resultou em equações precisas para a estimação de volumes e áreas basais futuras, permitindo, mediante um modelo para estimar área basal em função do sítio, a construção de tabelas de produção para três classes de sítio (S1=35, S2=27 e S3=19), nas idades compreendidas entre 2 até 9 anos, definindo idades técnicas de corte (ITC), quando IMA=ICA, entre 4,8 e 5,2 anos para cada sítio. Comprovada a efetividade do modelo de crescimento e produção, em seguida foi avaliada a eficiência das RNA configuradas para estimar volumes futuros, treinadas com dados de IFC, climáticos e fisiográficos obtidos mediante procedimento de extração de informação das imagens raster das áreas de estudo. Essas comparações foram feitas por meio de estatísticas clássicas de validação e análises de resíduos. Com as RNA treinadas, foram estimados os volumes e IMAs para os 6 e 7 anos de idade. Este IMA constituiu a camada de saída no treinamento de uma segunda rede, em que as variáveis de entrada foram aquelas climáticas e fisiográficas. A rede treinada foi aplicada para espacializar a produtividade para as quatro áreas de estudo. O IMA aos 7 anos (IMA7) variou de 8,15 até 55,35 m3ha 1ano̵ 1, sendo os maiores localizados próximos ao litoral. A inteligência artificial (RNA) foi eficiente para a construção de mapas de produtividade. Esse tipo de mapa é útil para estudos visando definir novas áreas de implantação, ajudando na diminuição de riscos em novos investimentos das empresas para futuros projetos ou reformas.