Uso de redes neurais na estimativa volumétrica de clones de Eucalyptus spp no Pólo Gesseiro do Araripe, Pernambuco

• Ano de defesa: 2015
• Autor(a) principal: SOUZA, Syntia Regina Rodrigues de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal Rural de Pernambuco; Departamento de Estatística e Informática; Brasil; UFRPE; Programa de Pós-Graduação em Biometria e Estatística Aplicada
• Palavras-chave em Português: Manejo florestal; Modelo volumétrico; Rede neural; Reflorestamento; Eucalyptus; Eucalipto; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
• Link de acesso: http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/4484

O Pólo Gesseiro do Araripe em Pernambuco é responsável por 97% da produção nacional de gesso e a principal fonte de energia para o processo de calcinação da gipsita, matéria prima para produção de gesso, é a lenha proveniente da Caatinga, vegetação natural da região. Devido aos altos custos de outras fontes de energia elevar a produção de gesso implica em aumentar o desmatamento da Caatinga. Uma solução econômica e ambiental para esse problema é a implantação e o manejo sustentado de povoamento de espécies nativas ou o reflorestamento com espécies florestais de rápido crescimento. Dentre as florestas de rápido crescimento, o gênero Eucalyptus se destaca por sua alta produção e adaptabilidade ao semiárido nordestino. O objetivo deste trabalho é estimar o volume de clones de Eucalyptus spp no Pólo Gesseiro do Araripe empregando a metodologia de Redes Neurais Artificiais (RNAs) comparando-a com os modelos volumétricos de Schumacher e Hall e Spurr. Os dados são referentes a um experimento implantado na Estação Experimental do Instituto Agronômico de Pernambuco, onde foram testados 15 clones de Eucalyptus spp plantados em 2002 e com o corte final em 2009. A função de interesse estimada foi o volume da árvore (V) em relação do diâmetro a altura do peito (DAP), altura total d árvore (Ht) e tipo de clone. Também foi avaliado o ajuste dos melhores modelos por tamanho de amostra. Os resultados foram avaliados com o coeficiente de determinação ajustado (R2aj), raiz quadrada do erro médio percentual (RMSE%), o erro padrão da estimativa (Syx%) e analise dos gráficos de dispersão do resíduo. Os resultados obtidos no trabalho confirmaram a expectativa mostrando a eficiência dos ajustes independe do tamanho da amostra.