Modelagem da produção de Elaeis guineensis Jacq. utilizando redes neuronais artificiais

• Ano de defesa: 2022
• Autor(a) principal: Magalhães, Emanuelly Canabrava
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência Florestal
• Palavras-chave em Português: Dendezeiro - Cultivo - Amazônia; Inteligência artificial; Dendezeiro - Rendimento - Métodos de simulação; Manejo Florestal
• Link de acesso: https://locus.ufv.br//handle/123456789/30366; https://doi.org/10.47328/ufvbbt.2022.590

A crescente demanda pelo óleo de palma exige a produção em larga escala da cultura e uso otimizado dos recursos ambientais relacionados ao crescimento e desenvolvimento da espécie. O rendimento do óleo está diretamente associado à produção de cachos destinados à fábrica, por isso adotar ferramentas computacionais que possibilitem estimativas confiáveis da produção de cachos é tarefa primordial e importante para direcionar tomadas de decisão. Redes neuronais artificiais (RNAs) correspondem a uma das técnicas de inteligência artificial de amplo uso e eficácia comprovada em estudos de modelagem da produção florestal, principalmente, produtos madeireiros, no entanto para o óleo de palma ainda não é uma realidade. Em virtude disso, o presente estudo teve como objetivo avaliar se redes neuronais artificiais são capazes de estimar a produção mensal corrente e futura de cachos da palma-de- óleo utilizando variáveis do inventário florestal (inflorescências e cachos), elementos climáticos (temperatura, precipitação, umidade relativa do ar e insolação), déficit hídrico, solo, assim como variáveis do cadastro e gestão dos plantios (Fazenda, Ano de plantio, Material genético). Para a estimativa mensal corrente foram utilizadas as variáveis do inventário do mês atual e variáveis climáticas referentes ao mês anterior. A estimativa futura inclui a previsão da produção para os cinco meses futuros utilizando informações de produção e do inventário dos cinco meses anteriores ao mês a ser estimado. A configuração da RNA seguiu o mesmo padrão para ambas as abordagens, sendo uma parametrização simples com função de ativação sigmoidal, algoritmo de treinamento resilient propagation, oito neurônios na camada oculta, e critério de parada de 3000 ciclos. A RNA estimou a produção corrente a nível de parcela com uma correlação acima de 0,6 e erro relativo percentual médio em torno de 13%. As variáveis de maior contribuição na modelagem incluíram àquelas relacionadas à gestão, solos, material genético e a contabilização de cachos maduros. As variáveis climáticas não exerceram tanta importância, porém devido a influência do elemento climático na produtividade do dendê é necessário mantê-las na modelagem. Na estimativa futura foi gerada correlação acima de 0,7 e o erro relativo percentual médio para a produção total estimada em cada mês futuro não ultrapassou 3%. Estes resultados confirmam o quanto a composição histórica do comportamento produtivo é importante para a previsão de cachos. Em ambas as abordagens, a rede neuronal artificial demonstrou ser capaz de modelar a produção da palma-de-óleo, caracterizada por elevada variabilidade, abrindo oportunidades para realização de estudos futuros, combinando e utilizando novas variáveis para melhoria da acurácia das estimativas usando esta ferramenta. Palavras-chave: Palma-de-óleo – Amazônia Oriental. Palma-de-óleo – inteligência artificial. Dendê. Palma-de-óleo – produtividade.