MODELO DE KOZAK E REDES NEURAIS ARTIFICIAIS NA ESTIMATIVA DO AFILAMENTO DO FUSTE DE EUCALIPTO

Autores

  • Ernandes Macedo da Cunha Neto Universidade Federal do Paraná
  • Jade Cristynne Franco Bezerra Universidade Federal do Paraná
  • Lucas Coutinho de Miranda Universidade Federal Rural da Amazônia
  • Almir Lima do Mar Universidade Federal Rural da Amazônia
  • Mônica Martins Vaz Universidade Federal Rural da Amazônia
  • Marcio Roberto da Silva Melo Universidade Federal Rural da Amazônia
  • Jonas Elias Castro da Rocha Universidade Federal Rural da Amazônia

Resumo

As redes neurais artificiais (RNA) tornaram-se mais populares para a estimação e vem sendo úteis nas ciências florestais em razão de sua aptidão para aprendizagem, versatilidade em treinamentos e generalização, além do uso de variáveis qualitativas.  Diante disso, objetivou-se com este trabalho ajustar o modelo de afilamento do fuste proposto por Kozak et al. (1969), por regressão linear e comparar as estimativas obtidas com uma RNA. O estudo foi conduzido em um plantio de eucalipto localizado no município de Paragominas - PA, onde foram selecionados quatro clones de eucalipto com idade de seis anos, de maneira que se separou os indivíduos destes, em classes diamétricas para a realização da cubagem rigorosa, mensurando-se os diâmetros com casca nas posições de altura do solo de dois em dois metros até o diâmetro com casca igual a 4,0 cm. As RNA 43, 102, 77, 76 e 87 foram as que apresentaram melhores medidas de precisão do ajustamento, de modo que três destas possuíam função de ativação sigmoidal, enquanto que as demais foram do tipo tangente hiperbólica. As RNA treinadas proporcionaram acurácia ao estimar o afilamento do fuste pelo modelo Kozak et al. (1969), em relação à estimativa por regressão, capazes de utilização para este fim, onde a RNA 43 enquadrou-se melhor para este povoamento.

Biografia do Autor

Ernandes Macedo da Cunha Neto, Universidade Federal do Paraná

Mestrando na Universidade Federal do Paraná no programa de Engenharia Florestal, atuando na linha de pesquisa Manejo Florestal. Graduado em Engenharia Florestal pela Universidade Federal Rural da Amazônia, Campus Paragominas - PA, na qual estou desenvolvi trabalhos na área de Manejo de Povoamentos Florestais, com ênfase em Inventário florestal e Dendrometria, além da aplicação de Redes Neurais Artificiais e Regressão Linear para prever diferentes recursos florestais, dentre eles, o crescimento do eucalipto clonal. Tem experiência na área de Geotecnologia, com ênfase em Sensoriamento Remoto, Geoprocessamento e Geoestatística. Membro do grupo de pesquisa Estudos em Manejo de Doenças de Plantas Tropicais, no qual trabalho com modelagem estatística e distribuição espacial de doenças de plantas tropicais.

 

Referências

ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVES, J. L. M.; SPAROVEK, G. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, Stuttgart, v. 22, n. 6, p. 711-728, 2013. doi: 10.1127/0941-2948/2013/0507.

BINOTI, D. H. B.; BINOTI, M. L. M. S.; LEITE, H. G. Configuração de redes neurais artificiais para estimação do volume de árvores. Ciência da Madeira, Pelotas, v. 5, n. 1, p. 58-67, 2014a. doi: 10.12953/2177-6830.v05n01a06.

BINOTI, M. L. M. da S. Redes neurais artificiais para prognose da produção de povoamentos não desbastados de eucalipto. 2010. 54f. Dissertação (Mestrado) Universidade Federal de Viçosa, Viçosa, 2010.

BINOTI, M. L. M. S.; BINOTI, D. H. B.; LEITE, H. G.; GARCIA, S. L. R.; FERREIRA, M. Z.; RODE, R.; SILVA, A. A. L. Redes neurais artificiais para estimação do volume de árvores. Revista Árvore, Viçosa, MG, v. 38, n. 2, p. 283-288, 2014b. doi: 10.1590/S0100-67622014000200008

CAMPOS, J.C.C.; LEITE, H.; G. Mensuração Florestal: Perguntas e Respostas. 2.ed. ver. E ampl. – Viçosa: ed. UFV, 2006.

CUNHA NETO, E. M; BEZERRA, J. C. F.; ANDRADE, J. S.; MAR, A. L.; VAZ, M. M.; ROCHA, J. E. C.; MELO, M. R. S; ALVES, G. A. R. Redes neurais artificiais e regressão na estimativa da altura em povoamento experimental misto e equiâneo. Caderno de Ciências Agrárias, Minas Gerais, v. 10, n. 3, p.60-68, dez. 2018.

GOMES, A.M.A. Medição dos arvoredos. Lisboa: Livraria Sá da Costa, 1957. 413p.

GORGENS, E. B.; LEITE, H. G.; GLERIANI, J. M.; SOARES, C. P. B.; CEOLIN, A. Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais. Revista Árvore, Viçosa-MG, v. 38, n. 2, p. 289-295, 2014. doi: 10.1590/S0100-67622014000200009.

HAYKIN, S. Redes neurais: princípios e prática. 2ed. Porto Alegre: Bookman, 2001. 900p.

INSTITUTO DE DESENVOLVIMENTO FLORESTAL DO ESTADO DO PARÁ - IDEFLOR. Plano safra florestal madeireira do Estado do Pará: 2010. Belém: IDEFLOR, 2010. 102p.

KOZAK, A.; MUNRO, D.D.; SMITH, J.G.H. Taper functions and their applications in forest inventory. Forestry Chronicle, v.45, n.4, p.278-283, 1969.

LEITE, H. G.; BINOTI, M. L. M. S.; BINOTI, D. H. B.; FARDIN, L.; TAKIZAWA, F. I. 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

MARTINS, E. R; BINOTI, M. L. M. S; LEITE, H. G; BINOTI, D. H; DUTRA, G. C. Configuração de redes neurais artificiais para estimação do afilamento do fuste de árvores de eucalipto. Revista Brasileira de Ciências Agrárias, Recife, v. 11, n. 1, p.33-38, 08 mar. 2016. doi: 10.5039/agraria.v11i1a5354.

MENDONÇA, N. P.; CARVALHO, M. C.; GOMIDE, L. R.; FERRAZ, A. C. Fo.; FERREIRA, M. A. Previsão de diâmetros ao longo do fuste de eucalipto via redes neurais artificiais. Enciclopédia Biosfera, Goiânia, v. 11, n. 22, p. 2419-2429, 2015. doi: 10.18677/Enciclopedia_Biosfera_2015_212.

ÖZÇELIK, R.; DIAMANTOPOULOU, M. J.; CRECENTE-CAMPO, F.; ELER, U. Estimating Crimean juniper tree height using nonlinear regression and artificial neural network models. Forest Ecology and Management, v.306, p.52–60, 2013. doi: 10.1016/j.foreco.2013.06.009.

SANQUETTA, C. R.; WOJCIECHOWSKI, J.; CORTE, A. P. D.; BEHLING, A.; PÉLLICO, S. No.; RODRIGUES, A. L.; SANQUETTA, M. N. .. Comparison of data mining and allometric model in estimation of tree biomass. BMC Bioinformatics, v. 16, n. 247, 2015. doi: 10.1186/s12859-015-0662-5.

SCHIKOWSKI, A. B.; CORTE, A. P. D.; SANQUETTA, C. R. Estudo da forma do fuste utilizando redes neurais artificiais e funções de afilamento. Pesquisa Florestal Brasileira, Colombo, v. 35, n. 82, p. 119-127, 2015. doi: 10.4336/2015.pfb.35.82.867.

SCHRÖDER, T.; HOFIÇO, N. A. S.; ZIMMERMANN, A. P. L.; PEREIRA, L. D.; ROCHA JUNIOR, D. S.; MEYER, E. A.; FLEIG, F. D. Métodos de estimativa de volume comercial para Eucalyptus grandis: especificidades e recomendações. Pesquisa Florestal Brasileira, Colombo, v. 33, n. 73, p. 1-7, 2013. doi: 10.4336/2013.pfb.33.73.446.

SILVA, S.; NETO, S. N. O.; LEITE, H. G.; OBOLARI, A. M. M.;

SCHETTINI, B. L. S. Avaliação do uso de regressão e rede neural artificial para modelagem do afilamento do fuste de eucalipto em sistema silvipastoril. Enciclopédia Biosfera, Goiânia, v. 13, n. 23, p. 189-199, 2016. doi: 10.18677/Enciclopedia_Biosfera_2016_018.

SOARES, C. P. B.; PAULA NETO, F. D.; SOUZA, A. L. D. Dendrometria e inventário florestal. 2. ed. Viçosa: Editora UFV; 2011.

TÉO, S. J.; MARCON, A.; EHLERS, T.; BIANCHI, J. C.; PELOSO, A.; NAVA, P. R.; DA COSTA, R. H. Modelos de afilamento para Pinus elliottii em diferentes idades, na região de caçador, SC. Floresta, Curitiba, v. 43, n. 3, p.439-452, set. 2013. doi: 10.5380/rf.v43i3.30320.

THAINES, F.; BRAZ E. M.; MATTOS, P. V.; THAINES, A. A. R. Equações para estimativa de volume de madeira para a região do Rio Ituxi, Lábrea, AM. Pesquisa Florestal Brasileira, Colombo, v. 30, n. 64, p.283-289, dez. 2010. 10.4336/2010.pfb.30.64.283.

Downloads

Publicado

2019-09-17

Edição

Seção

Artigos