RESUMO -Objetivou-se propor neste estudo uma metodologia com a utilização de Redes Neurais Artificiais (RNA), para redução do número de árvores a serem cubadas durante o processo de geração de equações volumétricas. Os dados utilizados neste estudo foram provenientes de cubagens de 2.700 árvores de povoamentos clonais de eucalipto localizados no Sul da Bahia. O treinamento das RNA foi feito visando à obtenção de redes para a estimação do volume com e sem casca. Como variáveis de entrada, utilizaram-se o diâmetro à altura do peito -1,30 m (dap), a altura e os diâmetros nas posições de 0,0; 0,5; 1,0; 1,5; 2,0; e 4,0 m do solo e os volumes obtidos até 2 e 4 m. A precisão do método foi feita com a aplicação do teste L&O. Avaliaram-se também a dispersão dos erros percentuais, o histograma de frequência dos erros percentuais e a raiz do erro quadrático médio (RMSE). A metodologia proposta neste estudo mostrou-se eficiente para a estimação do volume de árvores, sendo indicada para a obtenção do volume total com e sem casca de povoamentos de eucalipto, possibilitando a redução dos custos para a construção de equações volumétricas.Palavras-chave: Cubagem rigorosa; Inventário florestal; Mensuração florestal. (ANN) to reduce the number of trees to be scaled during the process of generating volumetric equations. The data used in this study were originated from measurements of 2,700 trees of clonal eucalyptus plantations located in southern Bahia State, Brazil. The training of ANN was performed in order to obtain networks for estimating the volume with and without bark. As input variables, we used the diameter at breast height (dbh) -1. 30 m, height, and diameter at 0.0, 0.5, 1.0, 1.5, 2.0 and 4.0 m above the ground and the volumes obtained until 2 and 4 m. The accuracy of the method was carried out using the test L & O. We also evaluated the dispersion of percentage errors, frequency histogram of the percentage error and the root mean square error (RMSE). The methodology proposed in this study proved to be efficient for estimating the volume of trees, and is indicated to obtain the total volume with and without bark of eucalyptus, enabling the reduction of costs for the construction of volumetric equations. ABSTRACT -The objective of this study was to propose a methodology by using Artificial Neural Networks

ResumoA estrutura espacial de seis grupos florísticos e das espécies arbóreas de maior valor de importância em cada grupo, estabelecidas sob um povoamento de Araucaria angustifolia (A) e em uma Floresta Ombrófila Mista (B), localizados no centro-sul do Paraná foram avaliadas. As parcelas permanentes em A e B têm10 e 25 ha em blocos contínuos de 100 m x 100 m. Todos os indivíduos com diâmetro à altura do peito acima de 10 cm foram posicionados espacialmente. Um bloco de cada grupo foi selecionado para avaliar a distribuição espacial, utilizando a função K de Ripley para os testes de Completa Aleatoriedade Espacial e Completa Independência Espacial. Para todos os indivíduos, os grupos em A tiveram aleatoriedade espacial, enquanto que o padrão agrupado foi identificado nos grupos de B. A independência espacial, das principais espécies foi observada quando a cobertura das araucárias foi menos intensa. Com aumento da densidade, observou-se maior competição entre as espécies, identificadas pela dependência espacial, inibição e atração. Em B, as espécies avaliadas acompanharam o padrão de distribuição dos grupos. Merece destaque Ilex paraguariensis pela alta plasticidade nos quatro grupos da B, de forma agrupada e com dependência espacial, na presença de Araucaria angustifolia e Nectandra grandiflora. Palavras-chave: Função K de Ripley; análise espacial; floresta com araucária; povoamento de araucária.Abstract Spatial pattern analysis of species and floristic groups established in an Araucaria angustifolia stand and in a Mixed Rain Florest in the center-south of Paraná. The spatial structure of six floristics groups and the main arboreal species established in an Araucaria angustifolia stand (A) and a Mixed Rain Forest (B) located in Parana State, Brazil was evaluated. Permanet plots in A and B have 10 and 25 ha in continuous blocks of 100 m x 100 m. All trees with diameter (dbh) above 10 cm were positioned spatiality. A block of each group was selected to evaluate the spatial structure, using the Ripley's K function, for the tests of Complete Spatial Randomness and Complete Spatial Independence. Groups in A had spatial random ness, when considered all the individuals, while the clustering pattern was identified in the B groups. The spatial independence of the main species was observed when the covering of the "araucarias" was less intense (A). With the density increases (A), larger competition was observed among the species, identified by the spatial dependence, inhibition and attraction. In B, the appraised species accompanied the pattern of distribution of the groups. It deserves prominence Ilex paraguariensis for the discharge plasticity in the four groups of the B in a grouped way and with spatial dependence, in presence of Araucaria angustifolia and Nectandra grandiflora.

Pesquisadores da área de mensuração florestal têm incluído com frequência em seus estudos o uso das técnicas de inteligência computacional (IC) para realização de trabalhos de modelagem por serem capazes de manipular um grande conjunto de dados e criar modelos robustos. Dentre essas técnicas, se destacam a Rede Neural Artificial (RNA) e a recente Máquina de Vetor de Suporte (MVS). Dessa forma, buscou-se nesse trabalho avaliar a aplicação dessas técnicas (RNA e MVS) no processo de classificação da capacidade produtiva de povoamentos florestais com a inclusão de variáveis edáficas, de manejo e do povoamento, comparando os seus resultados com os obtidos pelo método da curva guia. Foi possível concluir que as técnicas de IC avaliadas são capazes de classificar a capacidade produtiva do local de forma satisfatória, desde que utilizadas as variáveis adequadas; o uso conjunto das variáveis "tipo de solo", "espaçamento do plantio", "idade" e "altura dominante", foi suficiente para classificar os sítios; a RNA foi mais precisa para classificar a capacidade produtiva do que a MVS; a inclusão de muitas variáveis pouco significativas pode prejudicar ou ser indiferente no desempenho das técnicas. Palavras-chave: classificação da capacidade produtiva; redes neurais artificiais; máquina de vetor de suporte; inteligência computacional.

Several methods have been proposed to perform site classification for timber production. However, there is frequent need to assess site productive capacity before forest establishment. This has motivated the application of Artificial Neural Networks (ANN) for site classification. Hereby, the traditional guide curve (GC) procedure was compared to the ANN with no stand measures as input. In addition, different ANN settings were tested to assess the best setting. The variables used to train the ANN were: climatic variables, soil types, spacing and genetic material. The results from the ANN and the GC methods were compared to the observed classes, which were defined using the observed dominant high at the age of seven years. The comparison was performed using the Kappa coefficient (K) and descriptive analysis. The results showed that the cost function “Cross Entropy” and the output activation function “Softmax” were the best for this purpose. The ANN classification resulted in substantial agreement with the observed indices against a moderate agreement of the GC procedure. The change in growth patterns throughout the rotation may have hindered the proper classification by the CG method, which does not happen with the ANN. Moreover, the GC method shows efficiency on classification in cases which data from stands at the age close to the reference age are available. Also, it could be possible to improve its accuracy if another advanced regression techniques were applied. However, the ANN method presented here is not sensible to growth instability and allows classifying sites with no plantation history.

No abstract