Redes neurais artificiais para prognose do crescimento e da produção de povoamentos de eucalipto em Minas Gerais

• Ano de defesa: 2015
• Autor(a) principal: Alcântara, Aline Edwiges Mazon de
• Orientador(a): Leite, Helio Garcia
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Área do conhecimento CNPq: Manejo Florestal
• Link de acesso: http://www.locus.ufv.br/handle/123456789/6780

O crescimento de um povoamento de eucalipto depende de vários fatores, como: genótipo, idade, qualidade do local e tratamentos silviculturais. Em relação à capacidade produtiva, os fatores ambientais mais relevantes são: a disponibilidade de água para as plantas ao longo dos anos, a temperatura e a radiação solar. Os modelos mais utilizados no Brasil, para estimar a produção futura de povoamentos florestais, são aqueles em nível de povoamento, que estimam o crescimento e, ou, a produção, fazendo uso de variáveis, como: idade, área basal e índice de local. Ferramentas utilizando inteligência artificial, como as redes neurais artificiais (RNA), vêm sendo utilizadas no setor florestal, em substituição aos modelos de regressão, apresentando superioridade de precisão das estimativas. Outra abordagem é o emprego de modelos processuais (ecofisiológicos), como o 3PG, que descrevem o crescimento das florestas baseando-se em processos que apresentam relações com os meios físicos e biológicos. O objetivo deste estudo foi aplicar e validar redes neurais artificiais e propor uma nova metodologia para prognose do crescimento e da produção, além de gerar mapas de classes de produtividade aos 6 e 7 anos de idade para todo o Estado de Minas Gerais. Os dados utilizados foram provenientes de parcelas permanentes de inventários florestais contínuos (IFC) conduzidos em povoamentos de eucalipto em diferentes regiões de Minas Gerais, e de informações climáticas obtidas de estações distribuídas pelas áreas de plantio. Foram avaliadas três situações. Na primeira, as redes foram avaliadas com a utilização de dados de inventários, informações do tipo de solo e dados de variáveis climáticas; na segunda situação, foram utilizados apenas os dados de inventário; e na terceira, foram utilizados apenas os dados de variáveis climáticas e as informações do tipo de solo. Esta última situação é importante por tornar possível a prognose em locais sem base de dados de IFC e, ou, sem plantios. Para uma grande e abrangente base de dados, empregar somente inputs contidos na base de dados de IFC ou dados de IFC somados aos dados climáticos, resulta em exatidão e consistência satisfatórias, porém, neste último caso é possível considerar efeitos naturais fora do comportamento padrão e das simulações destes efeitos. O emprego de redes neurais resultou em maior detalhamento da produtividade no Estado de Minas Gerais, quando comparado com mapas de produtividade obtidos empregando modelos processuais.