Desenvolvimento de técnicas de inteligência artificial no manejo florestal

• Ano de defesa: 2021
• Autor(a) principal: Lacerda, Talles Hudson Souza
• Orientador(a): Gomide, Lucas Rezende
• Banca de defesa: Gomide, Lucas Rezende, Silva, Carolina Souza Jarochinski e, Scolforo, José Roberto Soares, Barbosa, Bruno Henrique Groenner, Figueiredo Filho, Afonso
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Florestal
• Departamento: Departamento de Ciências Florestais
• País: brasil
• Palavras-chave em Português: Algoritmo genético; Seleção de variáveis; Problemas multiobjetivos; Gestão florestal; Genetic algorithm; Feature selection; Multiobjective problems; Forest management
• Área do conhecimento CNPq: Recursos Florestais e Engenharia Florestal
• Link de acesso: https://repositorio.ufla.br/handle/1/46250

O uso de inteligência computacional no setor florestal é recorrente para diversos problemas, principalmente como auxiliador na tomada de decisões para os gestores florestais. Congruente a isso, a expansão de big data no setor é notável, proporcionando elevado número de dados. Com isso, a aplicação de metodologias que facilitem, de forma assertiva, a compilação e o processamento desses dados se tornam essencial. Diante dessa perspectiva, a tese foca no uso do algoritmo genético para solução de problemas do setor florestal, tendo como foco a seleção e alocação de variáveis em um modelo não linear de afilamento (artigo 1), além de sua aplicação com caráter multiobjetivo para seleção de árvores a serem exploradas na floreta Amazônica (artigo 2). No artigo 1, o objetivo do trabalho foi gerar um modelo eficiente para predição do diâmetro ao longo do fuste, além de investigar uma abordagem biológica da seleção das variáveis morfométricas. Foram disponibilizadas variáveis clássicas, morfométricas, temporal e uma constante para o algoritmo genético a fim de selecionar e alocar essas variáveis no modelo de Kozak (2004). Além disso, os ajustes dos coeficientes de regressão foram realizados pelo algoritmo. O modelo selecionado pelo algoritmo apresentou boas predições de diâmetro ao longo do fuste, tendo as variáveis selecionadas comportamentos lógicos com o incremento diamétrico. O artigo 2 teve como intuito utilizar um algoritmo multiobjetivo para auxiliar na tomada de decisão no corte seletivo de uma Floresta Decidual Ombrófila Mista, baseando-se em critérios econômicos e ambientais, o qual gerou múltiplas soluções classificadas conforme natureza econômica, ecológica e de equilíbrio. O algoritmo genético foi eficiente em conciliar os diferentes objetivos, possibilitando baixo impacto no povoamento remanescente. Ao se analisar os resultados apresentados na tese, nota-se que o algoritmo genético foi eficaz para solucionar os problemas propostos. Além de sua alta adaptabilidade em diferentes abordagens, sendo de fácil estruturação para variáveis binárias e continuas, e cenários mono e multiobjetivos.