Predição da altura total de árvores em plantios de diferentes espécies por meio de redes neurais artificiais

Bráulio Pizziolo Furtado Campos, Gilson Fernandes da Silva, Daniel Henrique Breda Binoti, Adriano Ribeiro de Mendonça, Helio Garcia Leite

Resumo


O objetivo deste trabalho foi analisar a capacidade de uma rede neural artificial (RNA) em estimar a altura total de árvores de duas espécies em diferentes condições de crescimento. Para fins de comparação, também foi ajustado o modelo hipsométrico de Campos, aplicado por estrato, conforme o gênero, espécie, rotação, espaçamento e classe de idade das árvores. A avaliação das redes neurais artificiais e do modelo de Campos foi realizada com base no coeficiente de correlação entre as alturas observadas e estimadas, a raiz quadrada do erro quadrático médio percentual e de análises gráficas. Observou-se que a altura de árvores de diferentes espécies, em distintas condições de crescimento e locais, pode ser estimada utilizando uma única rede neural, com a mesma eficiência e exatidão normalmente obtida com o emprego de equações de regressão.

Palavras-chave


Relação hipsométrica; Inventário florestal; Floresta de produção

Texto completo:

PDF

Referências


D. H. B. et al. Configuração de redes neurais artificiais para estimação do volume de árvores. Ciência da Madeira, v. 5, n. 1, p. 58-67, 2014.

Binoti, D. H. B. et al. Modelagem da distribuição de diâmetros utilizando autômatos celulares e redes neurais artificiais. Cerne, v. 19, n. 4, p. 677-685, 2013a. DOI: 10.1590/S0104-77602013000400019.

Binoti, D. H. B. et al. Modelagem da distribuição diamétrica em povoamentos de eucalipto submetidos a desbaste utilizando autômatos celulares. Revista Árvore, v. 36, n. 5, p. 931-940, 2012. DOI: 10.1590/S0100-67622012000500015.

Binoti, D. H. B. et al. Redução dos custos em inventário de povoamentos equiâneos. Agrária: Revista Brasileira de Ciências Agrárias, v. 8, n. 1, p. 125-129, 2013b. DOI: 10.5039/agraria.v8i1a2209.

Binoti, M. L. M. da S. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. 2010. 54 f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, MG.

Binoti, M. L. M. S. et al. Aplicação de redes neurais artificiais para estimação da altura de povoamentos equiâneos de eucalipto. Revista Árvore, v. 37, n. 4, p. 639-645, 2013c. DOI: 10.1590/S0100-67622013000400007.

Binoti, M. L. M. S. Emprego de redes neurais artificiais em mensuração e manejo florestal. 2012. 130 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, MG.

Braga, A. P. et al. Redes neurais artificiais: teoria e aplicação. Rio de Janeiro: LTC, 2007. 262 p.

Bullinaria, J. A. Introduction to neural computation. Notas de aula. Disponível em: . Acesso em: 15 nov. 2010.

Campos, J. C. C. et al. Inventário florestal nacional: reflorestamento: Minas Gerais. Brasília, DF: IBDF, 1984. 126 p.

Castro, R. V. O. et al. Individual growth model for Eucalyptus stands in Brazil using artificial neural network. ISRN Forestry, v. 2013, p. 1-12, 2013.

Curtis, R. Height-diameter and height-diameter-age equations for second-growth Douglas-fir. Forest Science, v. 13, n. 4, p. 365-375, 1967.

Diamantopoulou, M. J. Artificial neural networks as an alternative tool in pine bark volume estimation. Computers and Electronics in Agriculture, v. 10, p. 235-244, 2005a.

Diamantopoulou, M. J. & Milios, E. Modelling total volume of dominant pine trees in reforestations via multivariate analysis and artificial neural network models. Biosystems Engineering, v. 105, p. 306-315, 2010.

Diamantopoulou, M. J. Predicting fir trees stem diameters using artificial neural network models. Southern African Forestry Journal, v. 205, n. 1, p. 39-44, 2005b.

Diamantopoulou, M. J. Tree-Bole volume estimation on standing pine trees using cascade correlation artificial neural network models. Agricultural Engineering International: The CIGR EJournal, v. 8, 2006.

Goldschmidt, R. R. & Passos, E. Data mining: um guia prático. Rio de Janeiro: Campos, 2005. 261 p.

Görgens, E. B. et al. Estimação do volume de árvores utilizando redes neurais artificiais. Revista Árvore, v. 33, n. 6, p. 1141-1147, 2009.

Görgens, E. B. et al. Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais. Revista Árvore, v. 38, n. 2, p. 289-295, 2014.

Guan, B. T. & Gertner, G. Z. Modeling red pine tree survival with an artificial neural network. Forest Science, v. 37, n. 5, p. 1429-1440, 1991.

Haykin, S. Redes neurais: princípios e prática. Porto Alegre, 2001. 900 p.

Heaton, J. Programming neural networks with Encog3 in Java. 2nd ed. St. Louis: Heaton Research, 2011. 226 p.

Husch, B. et al. Forest mensuration. New York: John Wiley & Sons, 2003. 443 p.

Leduc, D. J. et al. Predicting diameter distributions of longleaf pine plantations. Asheville: U.S. Deptartment of Agriculture, Forest Service, Southern Research Station, 2001. 24 p. Disponível em: . Acesso em: 31 out. 2015.

Leite, H. G. & Andrade, V. C. L. Uso do método da altura relativa em inventário florestal de um povoamento de Pinus. Revista Árvore, v. 28, n. 6, p. 865-873, 2004. DOI: 10.1590/S0100-67622004000600011.

Leite, H. G. et al. Estimation of inside-bark diameter and heartwood diameter for Tectona grandis Linn. trees using artificial neural networks. European Journal of Forest Research, v. 130, n. 2, p. 263-269, 2011. DOI: 10.1007/s10342-010-0427-7.

Prodan, M. Forest biometrics. Oxford: Pergamon, 1968. 447 p.

Silva, M. L. M. et al. Ajuste do modelo de Schumacher e Hall e aplicações de redes neurais artificiais para estimar volume de árvores de Eucalipto. Revista Árvore, v. 33, n. 6, p. 1133-1139, 2009.

Vieira, G. C. Prognose do diâmetro e da altura de árvores individuais utilizando inteligência artificial. 2015. 51 f. Dissertação (Mestrado em Ciências Florestais) - Universidade Federal do Espírito Santo, Jerônimo Monteiro.




DOI: https://doi.org/10.4336/2016.pfb.36.88.1166



Direitos autorais 2016

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Sem derivações 4.0 Internacional.

INDEXADORES:

ASP / Ebsco, AGRIS, Agrobase / Binagre , BDPA, CABI Direct, CCN, CIRS, Diadorim , DOAJ, e.journals, Forestry Compendium, Genamics JournalSeek, Google Acadêmico, Journals for free, Latindex, Livre, Miar, OasisbrPortal da Capes, RCAAP, Road, Sabiia, Scilit, Redib

.

Pesquisa Florestal Brasileira
Brazilian Journal of Forestry Research

 

Este periódico é afiliado à Associação Brasileira de Editores Científicos.


Os originais publicados na Pesquisa Florestal Brasileira estão disponibilizados de acordo com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional