Modelagem da altura, volume e afilamento do fuste de Calycophyllum Spruceanum Benth. empregando regressão e redes neurais artificiais

• Ano de defesa: 2015
• Autor(a) principal: Araújo, Breno Henrique Pedroso de
• Orientador(a): Mendonça, Henrique Eduardo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas da Amazônia - INPA
• Programa de Pós-Graduação: Ciências de Florestas Tropicais - CFT
• Palavras-chave em Português: Florestas alagáveis; Inteligência artificia; Pau-mulato
• Link de acesso: https://repositorio.inpa.gov.br/handle/1/5093; http://lattes.cnpq.br/2338425083921105

As várzeas estuarinas são ecossistemas ripários que estão associados a rios de águas brancas, com grande aporte de água doce e sedimentos decorrentes do ciclo diário de enchentes e vazantes representados pelas marés. Nestes ecossistemas ainda são poucos os planos de manejo aprovados, principalmente em virtude da falta de regularização fundiária das áreas. Além disso, existe a necessidade de estudos e métodos que viabilizem o manejo adequado desse ecossistema de modo a promover seu sustento e uso racional dos recursos. Geralmente as estimativas de altura, volume e afilamento do fuste das árvores são obtidas por meio de regressão linear e não linear. Como alternativa, a inteligência artificial é uma ferramenta promissora que vem sendo utilizada com êxito no segmento florestal, auxiliando na tomada de decisão. Este estudo teve o objetivo de ajustar, por meio de análise de regressão e redes neurais artificiais, equações hipsométricas, volumétricas e de afilamento para Calycophyllum spruceanum, espécie abundante em florestas secundárias no estuário amazônico. Foram cubadas 695 árvores da espécie em quatro povoamentos com idades de 60, 72 e 120 meses, nos municípios de Gurupá-Pará e Mazagão-Amapá. Por meio de regressão foram ajustados modelos hipsométricos, volumétricos e de afilamento considerando todos os dados e estratificados por idade do povoamento, posteriormente foram aplicados testes de identidade de modelos para verificar a possibilidade de redução do número de equações para volume, altura e afilamento. Foram treinadas 100 redes neurais artificiais para estimativas de altura, volume e afilamento do fuste utilizando o algoritmo Resilient Propagation e oito neurônios na camada intermediária. Para altura total, os três modelos testados por regressão (Exponencial, Gompertz e Logística) resultaram em boas estimativas. O modelo não-linear de Schumacher e Hall gerou estimativas de volume sem tendenciosidade. O modelo de Garay foi o que apresentou melhor precisão para estimar afilamento do fuste da espécie. Embora não se tenha verificado diferenças discrepantes na precisão dos modelos, considerando todos os dados em relação aos modelos estratificados por idade, o teste de identidade permitiu inferir que é mais adequado levar a idade em consideração nos ajustes. Com base nas medidas de precisão e dispersão de resíduos foi possível verificar que as estimativas geradas pelas redes são tão eficientes quanto as dos modelos de regressão.