Redes neurais artificiais como ferramenta para prognose de crescimento e melhoramento genético florestal

• Autor(a) principal: Silva, William de Medeiros [UNESP]
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/190673
• topic: BLUP; Inteligência artificial; Interação G x A; Inventário florestal; Melhoramento de plantas; Perceptrons de múltiplas camadas; Artificial intelligence; G x E interaction; Forest inventory; Plant breeding; Multilayer perceptrons

RESUMO – O eucalipto é a cultura de maior destaque para o setor florestal brasileiro. No entanto, a expansão do setor para áreas com condições climáticas limitantes ao desenvolvimento da cultura e a instabilidade climática atual, são alguns dos fatores que têm comprometido o desenvolvimento desta cultura no país nos últimos anos. Assim, é importante a busca contínua por ferramentas que possibilitem a prognose de crescimento, a seleção de indivíduos e famílias e a análise do comportamento de genótipos de eucalipto frente às variações ambientais de forma cada vez mais acurada. Desta forma, o objetivo geral deste trabalho foi testar o desempenho das Redes Neurais Artificiais (RNA) na modelagem de crescimento de clones de eucalipto, na predição de valores genéticos de indivíduos e famílias, e na seleção quanto à produtividade, estabilidade e adaptabilidade de progênies de Eucalyptus sp. Para a prognose de crescimento foram utilizados dados de 18 clones comerciais de Eucalyptus em diferentes estados do Brasil, e para a estimação de valor genético e análise de produtividade, estabilidade e adaptabilidade foram utilizados dados de testes de progênies de Eucalyptus grandis. Neste trabalho foram testadas diferentes arquiteturas de RNA do tipo múltiplas camadas com o algoritmo de aprendizado de retropropagação do erro e função de ativação do tipo tangente hiperbólica. O modelo desenvolvido para prognose do diâmetro à altura do peito (DAP) de árvores individuais em um local foi capaz de manter boa acurácia ao ser aplicado em outros locais. As RNA com três camadas ocultas foram as que apresentaram melhor desempenho na predição do valor genético de árvores individuais e de famílias, assim como na seleção das progênies quanto à produtividade, estabilidade e adaptabilidade. RNA do tipo múltiplas camadas proporcionam bom desempenho na prognose de crescimento, na predição de valor genético e na seleção quanto à produtividade, estabilidade e adaptabilidade em plantios de eucalipto, constituindo-se uma ferramenta promissora para uso nos programas de melhoramento florestal.